ESTIMACIÓN ESTADÍSTICA

Estimar qué va a ocurrir respecto a algo (o qué está ocurriendo, o qué ocurrió), a pesar de ser
un elemento muy claramente estadístico, está muy enraizado en nuestra cotidianidad. Dentro
de ello, además hacemos estimaciones dentro de un intervalo de posibilidades. Por ejemplo:
“creo que terminaré la tarea en unos 5-6 días”. Lo que hacemos en el terreno del análisis de
datos es aplicar matizaciones técnicas a este hábito. Vamos a dedicar este documento al
concepto de estimación, comenzando con la estimación puntual. Después nos ocuparemos de
desarrollar un modelo de estimación por intervalo donde identificaremos los elementos
fundamentales, con su significado y símbolo. Y, por último, habrá que desarrollar cómo se
calculan esos elementos.

*La estimación puntual

*Estimación por intervalo

*El tercer elemento

Un estimador insesgado es
aquel cuya esperanza
matemática coincide con el
valor del parámetro que sea
desea estimar. En caso de no
coincidir se dice que el
estimador tiene sesgo.
La razón de buscar un
estimador insesgado es que el
parámetro que deseamos
estimar esté bien estimado.
Es decir, si queremos estimar
la media de goles por partido
de determinado jugador de
fútbol, hemos de utilizar una
fórmula que nos proporcione
un valor lo más aproximado
posible al valor real.
En caso de que la esperanza
del estimador no coincida con
el verdadero valor del
parámetro se dice que el
estimador tiene un sesgo. El
sesgo se mide como la
diferencia entre el valor de la
esperanza del estimador y el
valor verdadero
Un estimador consistente
En la comparación de es aquel cuyo error de
varios procedimientos estadísticos , medida o sesgo se
la eficiencia es una medida de la aproxima a cero cuando el
calidad de un estimador , de tamaño de
un diseño experimental , [1] o de la muestra tiende a
un procedimiento de prueba de infinito.De la definición
hipótesis . [2] Esencialmente, un de estimador insesgado,
estimador, experimento o prueba podemos extraer la
conclusión de que, en
más eficiente necesita menos
ocasiones, tenemos errores
observaciones que uno menos
de estimación. Ahora bien,
eficiente para lograr un desempeño
existen casos en los que
dado. Este artículo trata
cuando la muestra se va
principalmente de la eficiencia de
haciendo más grande el
los estimadores.
error disminuye.Algunas
La eficiencia relativa de dos veces, por las características
procedimientos es la proporción de del estimador utilizado,
sus eficiencias, aunque a menudo conforme el tamaño de la
este concepto se utiliza cuando se muestra aumenta el error
hace la comparación entre un aumenta también. Ese
procedimiento dado y un estimador no sería deseable
procedimiento teórico "mejor utilizarlo. Ahora bien, a
posible". Las eficiencias y la priori, no sabemos hacia
eficiencia relativa de dos dónde tiende el sesgo. Si
procedimientos dependen tiende a cero, tiende a
teóricamente del tamaño de cierto valor o tiende a
muestra disponible para el infinito cuando el tamaño
procedimiento dado. de la muestra se hace más
grande.