TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE AGUASCALIENTES

ALUMNO: LUVYN ANGEL ROJAS LALE

MATERIA: ESTADISTICA INF I

DOCENTE: FELIPE DE JESUS GANDARA GONZALEZ

INGENIERIA INDUSTRIAL
 Introducción
Al estudiar una determinada característica poblacional, puede denotarse una
variable (x) aleatoria sobre la misma y con una función de densidad f(x); esta
puede ser completamente desconocida o bien podríamos saber qué tipo de
distribución es, sin embargo, faltaría definir el parámetro de la misma. El objetivo
es que un estimador es una función de los datos muestrales utilizado como valor
del parámetro, a continuación, se definen las estimaciones basadas en datos
muestrales mediante el uso de un estadístico y el de intervalos se determina el
valor del parámetro, se describen las propiedades exigibles y los métodos
disponibles, así como la determinación de las estimaciones.
Estimación puntual
Una estimación puntual de un parámetro poblacional es cuando se utiliza un único
valor para estimar ese parámetro, es decir, se usa un punto en concreto de la
muestra para estimar el valor deseado. Cuando estimamos un parámetro de forma
puntual, podemos saber con certeza, cuál es ese valor.

Algunos ejemplos de estadísticos son:

 La media muestra que sirve como estimación puntual de la media poblacional.

 La desviación típica muestra que sirve de estimación para la desviación típica de

la población.

Cuando no se conoce alguna característica de la población, el estadístico

correspondiente de la muestra puede ser utilizado como estimador del parámetro
poblacional. Es lo que se conoce como estimación puntual, que se aplica cuando
un estadístico de la muestra es usado para estimar un parámetro poblacional. Al
ser un estimador puntual una variable aleatoria cuya distribución en el muestreo
depende del parámetro desconocido, se utilizan dos criterios para evaluar la
bondad del estimador, que son que sea insesgado respecto al parámetro a estimar
y que tenga varianza mínima. Los estimadores puntuales más usuales son la
distribución binomial, la distribución de Poisson de parámetro λ y la distribución
normal, con sus tipificaciones asociadas.

Estimación por intervalos

El intervalo dentro del cual se espera que se encuentre un parámetro poblacional
usualmente es conocido como intervalo de confianza. Se trata por lo tanto de una
variable aleatoria bidimensional, donde, por ejemplo, el intervalo de confianza para
la media poblacional es el intervalo de valores que tiene una alta probabilidad de
contener a la media de la población. Por lo tanto, en una estimación por intervalo
se establece el rango de valores dentro del cual se espera que se encuentre un
parámetro poblacional.
Los casos que existen en el planteamiento de los estimadores por intervalos de
confianza para una distribución normal son los siguientes, en función del
conocimiento previo que se tenga de la población: - - - Intervalo de confianza para
la media de una distribución normal de varianza conocida ⇒ test Z Intervalo de
confianza para la media de una distribución normal de varianza desconocida i. ii.
Muestras superiores a 30 ⇒ test Z Muestras pequeñas n< 30 ⇒ test t Intervalo
de confianza para varianza de una distribución normal ⇒ test F

Si no se conoce σ se utiliza s, pero si además la muestra es pequeña, los

resultados no serán satisfactorios. En estos casos se utiliza la distribución t de
Student, cuyas características son que es una distribución continua, tiene forma de
campana y es simétrica, es una familia de curvas todas con la misma media de
cero, pero sus desviaciones estándar difieren de acuerdo al tamaño de la muestra,
y que es más baja y dispersa que la distribución normal. Cuando el tamaño de la
muestra se incrementa, la distribución t se aproxima a la normal.

Conclusión
A través de esta investigación concluyo sobre las propiedades de un estimador, se dice
que es bueno si posee la insesgabilidad, consistencia, eficiencia y suficiente, el método de
máxima probabilidad proporcionan estimadores que ordinalmente lo son sin embargo no
siempre proporcionan estimadores insesgado. Todo lo estudiado y definido anteriormente
servirá para desarrollar estadística que permita conocer características de la población a
partir de la información de la muestra. Se demuestra la importancia que tiene la
estimación, pues está el supuesto que la distribución e un estimador por muestra esta
normalmente distribuido; en tanto que muchas distribuciones por muestreos son solo
aproximadamente normales. Cabe mencionar que en primer lugar, los estimadores son
variables aleatorias; por tanto, siguen las reglas de las variables aleatorias; por otro lado,
la estimación puntual es un valor discreto elegido de la muestra para estimar el parámetro
de la población estudiada y así mismo, la estimación nos sirve para identificar el rango de
valores dentro del cual se encuentra dicho parámetro.

Referencias
Sanjuán, F. J. M. (2022, 24 noviembre). Estimación puntual.
Economipedia. https://economipedia.com/definiciones/estimacion-puntual.html

4 Estimación puntual.
(s. f.). https://www.uv.es/webgid/Inferencial/4_estimacin_puntual.html

6.1-Estimación Puntual y por Intervalos.

(s. f.). http://cidecame.uaeh.edu.mx/lcc/mapa/PROYECTO/libro19/61estimacin_
puntual_y_por_intervalos.html