Los administradores utilizan estimaciones porque, hasta en los asuntos más triviales, deben tomar decisiones racionales sin contar con la información pertinente completa y con una gran incertidumbre de lo que el futuro pueda deparar.
Inferencia El material sobre teoría de probabilidad constituye
la base de la inferencia estadística, rama de la estadística estadística que se ocupa del uso de los conceptos de probabilidad para manejar la incertidumbre en la toma de decisiones
La inferencia estadística está basada en la
estimación, se hacen inferencias acerca de las características de las poblaciones a partir de la información proporcionada por las muestras Elaboró: Abril Martínez 2 Tipos de estimaciones Puntual: un solo número que se utiliza De intervalo: es un rango de valores para estimar un parámetro de que se utiliza para estimar un población desconocido parámetro de la población • A menudo, una estimación puntual es • Una estimación de este tipo indica el insuficiente debido a que sólo tienen error de dos maneras: por la dos opciones: es correcta o está extensión del intervalo y por la equivocada y no se sabe qué tanto probabilidad de que el verdadero está mal o tener la certeza de que la parámetro poblacional se encuentre estimación es confiable. dentro del intervalo. • Entonces, una estimación puntual es mucho más útil si viene acompañada por una estimación del error que podría estar implicado.
Elaboró: Abril Martínez 3
Estimador • Cualquier estadístico de la muestra que se utilice para estimar un parámetro poblacional. • Por ejemplo: La media de la muestra puede ser un estimador de la media de la población . También es posible emplear el rango de la muestra como un estimador del rango de la población.
Insesgado Se refiere al hecho de que una media de la muestra es un estimador no sesgado de una media de la población porque la media de la distribución muestral de las medias de las muestras tomadas de la misma población es igual a la media de la población misma.
Podemos decir que un estadístico es un estimador
insesgado (o no sesgado) si, en promedio, tiende a tomar valores que están arriba del parámetro de la población que se está estimando con la misma frecuencia y la misma extensión con la que tiende a asumir valores abajo del parámetro poblacional que se está estimando. Elaboró: Abril Martínez 6 Eficiencia
Se refiere al tamaño del error estándar del estadístico.
Si comparamos dos estadísticos de una muestra del
mismo tamaño y tratamos de decidir cuál de ellas es un estimador más eficiente, escogeríamos la estadística que tuviera el menor error estándar o la menor desviación estándar de la distribución muestral.
Elaboró: Abril Martínez 7
Consistencia Una estadística es un estimador consistente de un parámetro de población si al aumentar el tamaño de la muestra, se tiene casi la certeza de que el valor de la estadística se aproxima bastante al valor del parámetro poblacional.
Si se pregunta acerca de la posibilidad de aumentar el
tamaño de la muestra para obtener más información sobre un parámetro poblacional, hay que averiguar primero si el estadístico es un estimador consistente o no. Si no lo es, se desperdiciará recurso al tomar muestras más grandes. Elaboró: Abril Martínez 8 Suficiencia • Un estimador es suficiente si utiliza tanta información de la muestra que ningún otro estimador puede extraer información adicional acerca del parámetro de población que se está estimando.
Elaboró: Abril Martínez 9
Nota Un estadístico de la muestra dado no siempre es el mejor estimador de su parámetro poblacional correspondiente. • Considere una población con distribución simétrica, en la que los valores de la mediana y de la media coinciden. • En este caso, la media de la muestra sería un estimador imparcial de la mediana de la población. También sería un estimador consistente de la mediana de la población puesto que, al aumentar el tamaño de la muestra, el valor de la media de la muestra tenderá a acercarse bastante a la mediana de la población. • Y sería un estimador más eficiente de la mediana de la población que la mediana de la muestra misma, ya que en muestras grandes, la media de la muestra tiene un error estándar menor que la de la mediana de la muestra. • Al mismo tiempo, la mediana de la muestra de una población con distribución simétrica sería un estimador imparcial y consistente de la media de la población, pero no el más eficiente, porque en muestras grandes su error estándar es mayor que el de la media de la muestra.
Elaboró: Abril Martínez 10
Estimaciones puntuales • La media de la muestra es el mejor estimador de la media de la población . • El estimador más utilizado para estimar la desviación estándar de la población , es la desviación estándar de la muestra, s. En consecuencia, se usará y s para estimar y , respectivamente. Elaboró: Abril Martínez 11 • Un anfiteatro estudia la posibilidad de ampliar su capacidad de asientos y necesita conocer tanto el número promedio de personas que asisten a los eventos como la variabilidad de este número. • Los datos que a continuación se presentan se Ejercicio 1 refieren a la asistencia (en miles) a nueve eventos seleccionados al azar. • Encuentra las estimaciones puntuales de la media y la varianza de la población de la que se tomó la muestra.
Elaboró: Abril Martínez 12
Apoyo
Elaboró: Abril Martínez 13
Estimaciones de intervalo Describe un rango de valores dentro del cual es posible que esté un parámetro de la población
Si seleccionamos y graficamos un número grande de medias de muestras de una
población, la distribución de estas medias se aproximará a la curva normal. Además, la media de las medias muestrales será la misma que la media de la población
Para medir la extensión, o dispersión, de nuestra distribución de medias muestrales,
podemos utilizar la siguiente fórmula y calcular el error estándar de la media:
Elaboró: Abril Martínez 14
Ejercicio 2 • Se toma una muestra aleatoria de 200 baterías, registramos el nombre y dirección de los propietarios de los automóviles, como están en los registros de ventas, y entrevistamos a estas personas con respecto a la duración de la batería de su automóvil. Nuestra muestra de 200 usuarios tiene una vida media de las baterías de 36 meses. • Ya se estimó la desviación estándar de la población de baterías y se informó que es 10 meses, calcule el error estándar de la media.15 Elaboró: Abril Martínez Lo anterior es útil pero no es suficiente información, se necesita calcular la posibilidad de que la duración real de las baterías esté en ese intervalo o en otros intervalos de diferentes anchos que podamos escoger.
Recordemos que la distribución normal de probabilidad y aprendimos que
porciones específicas del área bajo la curva normal están localizadas entre más-menos cierto número de desviaciones estándar a partir de la media.
Se puede aplicar estas propiedades al error estándar de la media.
Elaboró: Abril Martínez 16
Probabilidad de que el verdadero parámetro poblacional caiga dentro de la estimación del intervalo
Elaboró: Abril Martínez 17
Probabilidad y estimación • La probabilidad es 0.955 de que la media de una muestra de 200 baterías esté dentro de 2 errores estándar de la media de la población. Dicho de manera diferente, el 95.5% de todas las medias muestrales está dentro de 2 errores estándar de y, en consecuencia, está dentro de 2 errores estándar del 95.5% de todas las medias muestrales. • Así mismo la probabilidad de que la media de la muestra esté dentro de 1 error estándar de la media de la población es 0.683, y así sucesivamente. Elaboró: Abril Martínez 18 Ejemplo
• Con lo anterior la información se puede complementar el ejercicio de las baterías
de la siguiente manera: • La estimación puntual de la vida útil de las baterías de la compañía es de 36 meses, y se tiene un 68.3% de confianza de que la vida útil se encuentra en el intervalo que abarca de 35.293 a 36.707 meses (36 1 ̅ ). • Similarmente, tenemos 95.5% de confianza de que la duración caiga dentro del intervalo comprendido entre 34.586 y 37.414 meses (36 2 ̅ ). • Finalmente se tiene el 99.7% de confianza de que la vida útil de una batería estará dentro del intervalo que va de 33.879 a 38.121 meses (36 3 ̅ ).
Elaboró: Abril Martínez 19
• Para una población con una varianza conocida de 185, una muestra de 64 individuos lleva a 217 como estimación de la media. Ejercicio 3 a) Encuentre el error estándar de la media. b) Establezca una estimación de intervalo que incluya la media de la población el 68.3% del tiempo
Elaboró: Abril Martínez 20
Asignación Sube los tres ejercicios antes de la siguiente clase.