Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística aplicada
Estimación de parámetros
Sesión
1 3
Contenido
Objetivo general................................................................................................................. 2
Subtema 1. Estimaciones por punto y estimaciones por intervalo ...................................... 2
Subtema 2. Error de muestreo y errores que no son de muestreo ..................................... 4
Subtema 3. Propiedades de los estimadores ..................................................................... 7
Subtema 4. Estimación de una media con muestras pequeñas ....................................... 16
Subtema 5. Estimación de una media con muestras grandes .......................................... 18
Subtema 6. Estimación de una proporción....................................................................... 18
Conclusiones ................................................................................................................................... 16
Bibliografía ....................................................................................................................... 22
2
Objetivo general: Calcular estimadores por medio de muestra con el
fin de estimar un parámetro poblacional.
Analizar una población implica mucho tiempo y recursos por lo que es común
sólo tomamos un valor o punto se le conoce como una estimación por punto, de
3
Estimador puntual: es un estadístico único para calcular un parámetro
Ejemplo:
necesario medir cuán próximo está. Para eso se utiliza el intervalo de confianza.
ocurra dentro de dicho conjunto con una probabilidad específica, por ejemplo, del
p. 299).
4
Ejemplo:
$11 000 y $19 000. Para describir cuánto es posible confiar en que el parámetro
anual medio de los empleados en la frontera se encuentra entre $11 000 y $19 000.
parámetro de población,
Los valores del grado de confianza que se usan con frecuencia son el 90%
1
Esto implica que, si el experimento lo repito de tal forma que el número de experimentos tiende a infinito,
en el 90% de los casos el parámetro poblacional se encontrará dentro de dicho intervalo.
5
Subtema 2. Error de muestreo y errores que no son de
muestreo
6
calcula la media de cada muestra y se compara con la media poblacional ¿Cuál es
μ = ∑𝑁𝑋 = 0+3+2+…+4
30 = 96
30 = 3.2
noches es de 3.8 habitaciones, que se representa como. 𝑋̅, recuerda que se trata
muestra.
𝑋̅1 = ∑𝑛𝑋 = 4 + 7 + 4 + 3 +1
5
= 19
5
= 3.80
poblacional (3.2) y la media muestral (3.80). De ahí que el error muestral sea:
7
(𝑋1 − μ = 3.80 − 3.2 = 0.6).
𝑋2 = 𝐸𝑋
𝑛 =
3 + 3 + 2 + 3 +6
5
= 3.4
fue de -1.4.
Cada una de estas diferencias, 0.6, 0.2 y -1.4, representa el error de muestreo
poblacional.
8
Valores negativos, lo cual indica que la media muestral resultó menor a la
media poblacional.
una gran cantidad de muestras posibles, 142 506, para ser exactos. Para calcular
este valor se aplica la fórmula de las combinaciones. Cada una de las 142 506
Cada muestra puede tener una media muestral diferente y, por consiguiente,
particular de las 142 506 muestras posibles seleccionadas. Por lo tanto, los errores
9
Los estadísticos muestrales, como la media muestral 𝑋̅, la desviación
10
Se puede evaluar que tan bueno es un estadístico como estimador de
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.
poblacional θ si
E (𝜃̂) = θ
11
Donde E (𝜃̂ ) = valor esperado del estadístico muestral 𝜃̂
este caso los errores de estimación se equilibran, ya que algunas veces el valor del
estimador puntual 𝜃̂ puede ser menor que θ y otras veces sea mayor que θ.
12
Figura 1 Amplitud del sesgo del estimador
muestral.
Ejemplo:
13
Suponga que escogemos una muestra de un tamaño determinado y
estándar es menor. Tiene sentido pensar que un estimador con un error estándar
menor (con menos variación) tendrá mayor oportunidad de producir una estimación
p.276).
puntuales insesgados, 𝜃̂1 y 𝜃̂2 Observe que el error estándar de 𝜃̂1 es menor que
el error estándar de 𝜃̂2.; por tanto, los valores de 𝜃̂1 tienen más posibilidades de
estar cerca del parámetro θ que los valores de 𝜃̂2. Como el error estándar del
estimado puntual 𝜃̂1 es menor que el error estándar del estimado puntual 𝜃̂2, 𝜃̂1
14
Figura 2 Distribuciones muestrales de dos estimadores puntuales insesgados
estimador puntual tiende a estar más cerca del parámetro poblacional a medida que
proporcionar mejor estimación puntual que una pequeña. Observe que en el caso
de la media muestral 𝑥̅ , el error estándar de 𝑥̅ está dado por σ𝑥̅ =σ/√𝑛. Puesto que
σ𝑥̅ está vinculado con el tamaño de la muestra, de manera que muestras mayores
15
4. Suficiencia: un estimador es suficiente si utiliza tanta información de la
muestra que ningún otro estimador puede extraer información adicional acerca del
situaciones reales.
16
podemos usar la distribución 𝑡 de Student creada por William Gothe quien publicó
𝑋̅ −𝜇
Distribución t de Student 𝑡= 𝑠
√𝑛
Se utiliza para calcular valores críticos con ayuda de una tabla de esa
pueden variar tras haber impuesto ciertas restricciones a todos los valores de los
Grados de libertad=n-1
2
Estas tablas se encuentran en Internet o en libros de texto de Estadística.
17
Subtema 5. Estimación de una media con muestras
grandes
muestrales.
18
Ejemplo: una encuesta indicó que 73 de cada 100 entrevistados consumía carne
X el número de éxitos
𝑋
𝑝=
𝑛
media.
19
Para calcular el intervalo de confianza de una proporción de población se
𝑝(1 − 𝑝)
𝑝 ± 𝑧√
𝑛
Ejemplo:
cambio de turnos fijos a rolarlos, por lo menos tres cuartas partes de los empleados
deben estar de acuerdo. Una muestra aleatoria de 2,000 empleados revela que
𝑋 1600
𝑝= = = .80
𝑛 2000
3
Consultar tabla Z en Internet o en libros de texto de Estadística.
20
𝑝(1 − 𝑝) . 80(1 − .80)
𝑝 ± 𝑧√ = .80 ± 1.96√ = .80 ± .018
𝑛 2000
Los puntos extremos del intervalo de confianza son 0.782 y 0.818. El punto
extremo más bajo es mayor que 0.75. Así, es probable que se apruebe la
propuesta, pues el estimador del intervalo incluye valores superiores a 75% de los
empleados.
Conclusiones:
estimadores tienen características que ayudan a saber que tan buenos son y que
21
Es importante saber que, dependiendo del tamaño de la muestra, si es
Bibliografía
22