Ing.

Roberto Lince

ESTIMACIÓN
1.1. INTRODUCCION.-
La teoría clásica de la inferencia estadística trata de los métodos por los cuales se escoge una muestra de
una población y, basándose en las pruebas de la muestra se busca:

1. Estimar el valor de un parámetro desconocido, por ejemplo Ф,

2. Estimar si el parámetro es o no igual a cierto valor preconcebido de Ф, por ejemplo Ф0 = a.

El primer procedimiento se denomina estimación de un parámetro; mientras que el segundo, se denomina

prueba de hipótesis a cerca de un parámetro.

Si se retoma la definición hecha de estimación se dijo que; es el proceso a través del cual se puede realizar
una apreciación sobre el valor real del parámetro, basado en la información obtenida de una muestra. La
estimación de un parámetro puede adoptar dos formas; la de un solo punto o, la de un intervalo.

Estimación puntual: es la que se realiza en términos de un solo valor obtenido de la muestra y puede
definirse como una función de valor real de las observaciones de muestra que no dependen de ningún
parámetro desconocido.

1.2. PROPIEDADES DE UN BUEN ESTIMADOR:

Según su definición; estimador es, el valor obtenido de la muestra con la finalidad de apreciar el valor real del
parámetro; para que este valor de la muestra cumpla efectivamente con su finalidad, deberá poseer ciertas
propiedades:

1. Insesgabilidad.- se dice que un estimador es insesgado si el valor esperado del estimador es igual al
valor del parámetro.
2. Consistencia.- un estimador es consistente cuando aumenta su precisión de apreciación del
parámetro al incrementarse el tamaño de la muestra. Es decir, se disminuye el error aumentando la
muestra.
3. Eficiencia.- un estimador es más eficiente que otro cuando presenta menor variación.
4. Suficiencia.- existe suficiencia de un estimador cuando éste proporciona toda la información posible
sobre el parámetro en función de la muestra, y no puede ser obtenida más información a partir de esa
muestra.

La estimación puntual es un escenario de valoración incierto, por cuanto, el acertar a un punto en una escala
de valores infinita es probablemente imposible. Corresponde entonces realizar una valoración que garantice
o que permita manejar el grado de certidumbre de la apreciación del parámetro.

Estimación por intervalo: es la valoración hecha sobre el parámetro, considerando un rango de

valores preconcebidos en términos del comportamiento aleatorio de la variable por muestreo
(estimadores).

Para la estimación por intervalo se deberá considerar la estructura probabilística del comportamiento de la
variable aleatoria por muestreo, en consecuencia se definirá el grado de confiabilidad del intervalo (1 – α).

Coeficiente de confianza (1 – α): es el valor probabilístico o nivel de certeza que se asigna al intervalo
para garantizar que el valor real del parámetro se encuentre dentro del intervalo. Es decir, es la
probabilidad de que el valor del parámetro se encuentre dentro del intervalo.
Ing. Roberto Lince

Entonces α representa la probabilidad de que el parámetro no se encuentre en el intervalo. Conforme el nivel

de confiabilidad establecido, se determina el ancho del intervalo a partir del error de muesteo;

Error de muestreo (eФ): se define como la distancia máxima que existe entre el estimador y el
parámetro. Esta distancia se origina por la asignación probabilística (nivel de confiabilidad) y la
correspondiente variación aleatoria del estimador (distribución por muestreo), que es la que determina el
ancho del intervalo.

Considerando que el comportamiento de los estimadores se define según su promedio y su desviación

estándar y que, adicionalmente, la distribución probabilística que estos presentan se aproxima al modelo
normal estándar. Entonces, el procedimiento para establecer los intervalos de estimación para cada tipo de
parámetro será el siguiente:

1.3. PASOS PARA DETERMINAR EL INTERVALO:

1. Seleccionar un punto referencial como valor central del intervalo, en este caso será el estimador
puntual del parámetro requerido,
2. Determinar el nivel de confiabilidad (1 – α) que se desea obtener según el valor probabilístico
requerido para la estimación y, asignar el valor de la variable z correspondiente,
3. Calcular el valor del error de muestro del estimador,
4. Determinar los límites, inferior y superior del intervalo,
5. Interpretar los resultados obtenidos conforme el parámetro analizado.

Intervalo de confianza: Es el rango específico de valores, donde queda definida, la probabilidad de que
el valor real del parámetro se encuentre entre sus límites.

Si se generaliza la expresión matemática del intervalo de confianza, se podría decir que es igual al valor
del estimador puntual del parámetro correspondiente ( ), más menos el valor del error de muestreo de
ese estimador ( ). Esto es:

El resultado obtenido es lo que se denomina como el intervalo de confianza;

Según el tipo de parámetro que se desee estimar, los intervalos de confianza se resumen en:

Cuadro de resumen de los estimadores según el tipo de parámetro

Estimador puntual Error de muestreo Límites del Intervalo

Parámetro  
  e   e
 Ing. Roberto Lince

1. Promedio x i
e x  z / 2
S Li  x  e x
(μ) x i 1
n Ls  x  e x
n

pˆ qˆ Li  pˆ  e pˆ
2. Proporción
pˆ 
x
; qˆ  1  p e pˆ  z / 2
(π) n n Ls  pˆ  e pˆ

(n  1) S 2
eS1  y (n  1) S 2
n x2 / 2 Li 
3. Varianza  (x i  x)2 x2 / 2
(σ2) S2  i 1
(n  1) S 2
n 1 (n  1) S 2
Ls 
eS 2  x12 / 2
x12 / 2

4. Diferencia de S12 S 22 Li  ( x1  x2 )  e( x1  x2 )
medias dˆ( x1  x2 )  ( x1  x2 ) e x1  x2   z / 2 
(μ1 – μ2) n1 n2 Ls  ( x1  x2 )  e( x1  x2 )

pˆ 0 qˆ 0 pˆ 0 qˆ 0
e pˆ1  pˆ 2   z / 2 
n1 n2
5. Diferencia de Li  ( pˆ 1  pˆ 2 )  e( pˆ1  pˆ 2 )
proporciones dˆ( pˆ1  pˆ 2 )  ( pˆ 1  pˆ 2 ) Dónde:
(π1 – π2)
x1  x2 
pˆ 0  y q0  1  pˆ 0 Ls  ( pˆ 1  pˆ 2 )  e( pˆ1  pˆ 2 )
n1  n2

1 S12 1 S12
eS1  y Li 
f  / 2,(1 ; 2 ) S 22 f  / 2,(1 ; 2 ) S 22
6. Relación de S12
varianzas F 2
(σ1/σ2) S2
S12 S12
eS 2  f  / 2,( 2 ;1 ) Ls  f  / 2,( 2 ;1 )
S 22 S 22
NOTA: En el caso de la varianza y relación de varianzas se tiene como variable probabilística la variable Chi cuadrado (
X2 ) y la variable Fisher ( F) respectivamente.