Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tipos:
a) Estimación puntual: consiste en un solo estadístico muestral que se usa para estimar el valor
verdadero de un parámetro de una población que es desconocido. Por ejemplo, la media muestral
x es un estimador puntual de la media poblacional μ. Cuando usamos una estimación puntual,
sabemos que aunque usemos un método bueno de estimación es prácticamente improbable que
el valor de la estimación coincida con el verdadero valor del parámetro, así que sería conveniente
acompañar nuestra estimación con alguna medida que nos permitiera expresar la cercanía del
estimador al parámetro. Una solución a ello no los brindan los estimadores por Intervalos de
Confianza.
Intervalo de confianza
El intervalo de confianza es una expresión del tipo [θ1, θ2] ó θ1 ≤ θ ≤ θ2, donde θ es el parámetro a
estimar. Este intervalo contiene al parámetro estimado con un determinado nivel de confianza.
Pero a veces puede cambiar este intervalo cuando la muestra no garantiza un axioma o un
equivalente circunstancial.
Variabilidad del Parámetro
Si no se conoce, puede obtenerse una aproximación en los datos aportados por la literatura
científica o en un estudio piloto. También hay métodos para calcular el tamaño de la muestra que
prescinden de este aspecto. Habitualmente se usa como medida de esta variabilidad la desviación
típica poblacional y se denota σ.
Error de la estimación
Es una medida de su precisión que se corresponde con la amplitud del intervalo de confianza.
Cuanta más precisión se desee en la estimación de un parámetro, más estrecho deberá ser el
intervalo de confianza y, si se quiere mantener o disminuir el error, más observaciones deberán
incluirse en la muestra estudiada. En caso de no incluir nuevas observaciones para la muestra, más
error se comete al aumentar la precisión. Se suele llamar E, según la fórmula E = (θ2 - θ1)/2.
Límite de Confianza
Es la probabilidad de que el verdadero valor del parámetro estimado en la población se sitúe en el
intervalo de confianza obtenido. El nivel de confianza se denota por (1-α), aunque habitualmente
suele expresarse con un porcentaje ((1-α)·100%). Es habitual tomar como nivel de confianza un
95% o un 99%, que se corresponden con valores α de 0,05 y 0,01 respectivamente.
Valor α
También llamado nivel de significación. Es la probabilidad (en tanto por uno) de fallar en nuestra
estimación, esto es, la diferencia entre la certeza (1) y el nivel de confianza (1-α). Por ejemplo, en
una estimación con un nivel de confianza del 95%, el valor α es (100-95)/100 = 0,05
Valor crítico
Se representa por Zα/2. Es el valor de la abscisa en una determinada distribución que deja a su
derecha un área igual a α/2, siendo 1-α el nivel de confianza. Normalmente los valores críticos
están tabulados o pueden calcularse en función de la distribución de la población. Por ejemplo,
para una distribución normal, de media 0 y desviación típica 1, el valor crítico para α = 0,1 se
calcularía del siguiente modo: se busca en la tabla de la distribución ese valor (o el más
aproximado), bajo la columna "Área"; se observa que se corresponde con -1,28. Entonces Z α/2 =
1,64. Si la media o desviación típica de la distribución normal no coinciden con las de la tabla, se
puede realizar el cambio de variable t =(X-μ)/σ para su cálculo.
c) Estimación bayesiana
Un parámetro es visto como una variable aleatoria a la que, antes de la evidencia muestral, se le
asigna una distribución a priori de probabilidad, con base en un cierto grado de creencia con
respecto al comportamiento aleatorio. Cuando se obtiene la evidencia muestral, la distribución a
priori es modificada y entonces surge una distribución a posteriori de probabilidad.
En este caso, la línea negra horizontal representa el valor fijo de la media desconocida de la
población, µ. Los intervalos de confianza azules verticales que se sobreponen a la línea horizontal
contienen el valor de la media de la población. El intervalo de confianza rojo que está
completamente por debajo de la línea horizontal no lo contiene. Un intervalo de confianza de 95%
indica que 19 de 20 muestras (95%) de la misma población producirán intervalos de confianza que
contendrán el parámetro de población.
Utilice el intervalo de confianza para evaluar la estimación del parámetro de población. Por
ejemplo, un fabricante desea saber si la longitud media de los lápices que produce es diferente de
la longitud objetivo. El fabricante toma una muestra aleatoria de lápices y determina que la
longitud media de la muestra es 52 milímetros y el intervalo de confianza de 95% es (50,54). Por lo
tanto, usted puede estar 95% seguro de que la longitud media de todos los lápices se encuentra
entre 50 y 54 milímetros.
Estimación de punto
Este valor individual estima un parámetro de población usando los datos de la muestra.
Margen de error
Cuando usted utiliza estadísticos para estimar un valor, es importante recordar que, sin
importar lo bien que esté diseñado su estudio, su estimación está sujeta a error de
muestreo aleatorio. El margen de error cuantifica este error e indica la precisión de la
estimación.
Usted probablemente ya entiende el margen de error, porque está relacionado con los
resultados de las encuestas. Por ejemplo, una encuesta política podría indicar que el nivel
de popularidad de un candidato es de 55% con un margen de error de 5%. Esto significa
que el nivel de popularidad real es +/- 5% y, por lo tanto, se ubica entre 50% y 60%.
Mientras mayor sea el margen de error, más ancho será el intervalo y menos seguro podrá
estar usted del valor de la estimación de punto.