Estadística I

Tema 9 / Parte 1

Estimación de Parámetros

La inferencia estadística es la rama de la estadística que se ocupa del uso de los

conceptos de probabilidad para manejar la incertidumbre en la toma de decisiones.
También podemos decir que la inferencia estadística se encarga del análisis e
interpretación de resultados con el propósito de obtener conclusiones más
“confiables” en la toma de decisiones.
La inferencia estadística está basada en la estimación de parámetros y en las
pruebas de hipótesis, conceptos que se introducen en este capítulo.
Tanto en la estimación de parámetros como en las pruebas de hipótesis, haremos
inferencias acerca de las características de las poblaciones a partir de la
información proporcionada por las muestras elegidas aleatoriamente.

ESTIMACIÓN DE PARÁMETROS
El objetivo de la estimación de parámetros es proveer métodos estadísticos que
permitan, con cierto nivel de confianza, aproximarnos con una determinada
precisión al valor del parámetro desconocido de una población, esto a partir de la
información proporcionada por una muestra aleatoria seleccionada de dicha
población.

TIPOS DE ESTIMACIÓN
De acuerdo con la precisión que se le quiera dar a una estimación, podemos decir
que existen dos tipos de estimación:

1. Estimación Puntual.

2. Estimación por Intervalos.

ESTIMACIÓN PUNTUAL
Viene a ser la estimación del valor de un parámetro usando un único valor, el cual
es obtenido mediante el cálculo o evaluación de un estimador para una
determinada muestra aleatoria.
Por ejemplo, si para una muestra aleatoria se sabe que el promedio de una variable
en estudio es x = 3.4 , este valor sería una estimación puntual del parámetro media
poblacional x.
El inconveniente de la estimación puntual es que no es posible precisar el grado de
aproximación del valor del parámetro que se pretende estimar.
Por ello, para que un estimador puntual se desempeñe de manera confiable, es
necesario que cumpla con determinadas propiedades, tales como:

1. Insesgabilidad.
2. Consistencia.
3. Eficiencia.
4. Suficiencia.

¿Qué es un estimador o estadístico?

Es una regla o procedimiento o fórmula que se utiliza para resumir la información
captada en una muestra aleatoria, con el objetivo de obtener un valor estimado o
aproximado del valor de un parámetro.

¿Qué es una estimación?

Una estimación o valor estimado o valor estadístico viene a ser el valor numérico o
valor particular de un estadístico o estimador para una determinada muestra.
PROPIEDADES DE LOS BUENOS ESTIMADORES
1. ESTIMADOR INSESGADO
Un estimador θ̂ es un estimador insesgado del parámetro  si la media del
estadístico calculada en todas las muestras aleatorias posibles de tamaño n
de la población, es igual al valor de parámetro.
Esto es: E[θ̂] = θ  θ̂ es un estimador insesgado o no viciado de .
Si: E[θ̂] ≠ θ entonces se dice que θ̂ es un estimador sesgado o viciado de .
En este caso el sesgo es: Sesgo = E[θ̂] − θ
Observaciones:
i. Si el valor estimado del estimador es mayor que el valor del parámetro, el
sesgo es positivo.
ii. Si el valor estimado del estimador es menor que el valor del parámetro,
el sesgo es negativo.
iii. Si el valor estimado del estimador es igual al valor del parámetro, el sesgo
es cero.

2. ESTIMADOR CONSISTENTE
Un estimador θ̂ es consistente del parámetro , si a medida que el tamaño de
la muestra aumenta, el valor del estimador se aproxima al valor del parámetro.

3. ESTIMADOR SUFICIENTE
Un estimador θ̂ es suficiente si utiliza toda la información relevante para la
estimación de su parámetro .

4. ESTIMADOR EFICIENTE
Un estimador insesgado θ̂ es un estimador eficiente del parámetro , si su
varianza satisface el límite inferior de la Desigualdad de Rao-Cramer.
Estimador Eficiente de Varianza Mínima
Para todo un conjunto de estimadores insesgados, el estimador más eficiente
es aquel que tenga la varianza más pequeña.

Ejercicio de aplicación:
ESTIMACIÓN POR INTERVALOS
Consiste en determinar un intervalo de valores donde se pueda afirmar que se tiene
cierto nivel de confianza de que se encuentre el valor de un parámetro. A este
intervalo de valores se le denomina “intervalo de confianza”.
Un intervalo de confianza tiene dos extremos, denominados “límites de confianza”,
que son los que definen el intervalo de confianza. Vale decir, para determinar un
intervalo de confianza, debemos hallar los límites de confianza.
Para cierto nivel de confianza deseado, podemos decir que:

Límite inferior de confianza (LIC)  Valor del parámetro  Límite superior de confianza (LSC)

Es importante entender que, con un intervalo de confianza no se determina el valor

del parámetro, solo se estima un intervalo de valores donde se tiene un grado de
confiabilidad, basado en información de una muestra aleatoria, de que se
encuentra el valor del parámetro.
El nivel de confianza (n.c.) lo determina el investigador, e implica que existe un
riesgo () de que el valor del parámetro no se encuentre en dicho intervalo.

n.c.[LIC  valor del parámetro  LSC] = 1 - 

Antes de empezar con los límites de confianza, RECUERDE QUE:

MCR MSR

σ 2X σ 2X N − n
σ 2X = σ 2X = [ ]
n n N −1
S2X S2X N n
S2X S2X [ ]
n n N 1
(1 − ) (1 − ) N − n
2p = 2p = [ ]
n n N −1
2 p(1 − p) 2 p(1 − p) N − n
p = p = [ ]
n n N −1
Siendo:
n Tamaño de la muestra
N Tamaño de la población

x Media o Promedio muestral

 Media o Promedio poblacional

S2x Varianza muestral

σ2x Varianza poblacional

Sx Desviación estándar muestral de los promedios muestrales

σx Desviación estándar poblacional de los promedios muestrales

p Proporción muestral
 Proporción poblacional

σp Desviación estándar muestral de las proporciones muestrales

2
σp Varianza muestral de las proporciones muestrales

σp Desviación estándar poblacional de las proporciones muestrales

σ2p Varianza poblacional de las proporciones muestrales

S2p Varianza ponderada muestral

INTERVALOS DE CONFIANZA
Las siguientes fórmulas, son los estimadores que nos permiten obtener los límites
de confianza de los parámetros, bajo cierto nivel de significación. Los valores de los
límites de confianza de un parámetro, obtenidos a partir de un conjunto de datos
muestrales, se denominan límites fiduciarios. Es decir, las fórmulas que se usan
para obtener los límites de confianza son los estimadores y los valores numéricos
obtenidos de estas fórmulas son los límites fiduciarios.
En las siguientes fórmulas debemos considerar que:

 = riesgo (nivel de significancia)

LIC = Límite inferior de confianza; LSC = Límite superior de confianza
LIF = Límite inferior fiduciario; LIF = Límite superior fiduciario
LÍMITES DE CONFIANZA

1. Para la media () de una variable con distribución normal o aproximadamente

normal.

VARIANZA (2) CONOCIDA VARIANZA (2) NO CONOCIDA

LIC( ) = x − Z tab . x LIC( ) = x − Ttab .Sx

LSC() = x + Z tab . x LSC() = x + Ttab .Sx

Siendo: Ztab = Z(1-/2) Siendo: Ttab = T(1-/2, n-1)

NOTA:
Recuerde que algunos valores de Z se pueden obtener de la tabla T de Student
para infinitos grados de libertad, por ejemplo el valor de Z para una
probabilidad “” será:

Z() = T(, )

2. Para la proporción (P) cuando el tamaño de muestra es suficientemente

grande:

LIC[P ] = p − Z tab .p

LSC[P ] = p + Z tab .p

Siendo: Ztab = Z(1-/2)

Ejercicio de aplicación:
La casa comercial BARATASA ofrece a sus clientes dos modalidades de pago. La
modalidad A que consiste en pagar a los 30 días con un descuento del 5%, y la
modalidad B que consiste en pagar a los 60 días sin que se otorgue ningún
descuento. La gerencia desea evaluar en ambas modalidades de pago: el
comportamiento de los montos de compra y la proporción de compras por más de
1000 soles. Para llevar a cabo el estudio decidió elegir al azar y sin reemplazo: 31
boletas de compra mediante la modalidad A de un total de 3000 boletas, y 41
boletas de compra mediante la modalidad B, de un total de 4000 boletas. Algunos
de los resultados obtenidos fueron:

Monto N° de boletas
N° de boletas Desviación
Modalidad promedio de por más de 1000
de compra Estándar
compra soles
A 31 750.0 145.0 12
B 41 1250.0 180.0 18

Asuma que los montos de compra en ambas modalidades tienen distribuciones

normales e independientes.

a) Halle e interprete con un 95% de confianza, un intervalo para el monto

promedio de compra mediante la modalidad A.
b) Estime con un 95% de confianza, un intervalo para el monto total de compra
mediante la modalidad A.
c) Halle e interprete con un 95% de confianza, un intervalo para la proporción
de boletas de la modalidad B, con montos de compra por más de 1000 soles.
d) Estime con un 95% de confianza, un intervalo para el verdadero valor del
número de boletas por montos de compras mayores a 1000 soles bajo la
modalidad B.