Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimación de parámetros
Psicoestadística Inferencial
2020
Introducción
Una vez calculado el estadístico, que puede ser la media, por ejemplo,
comienza el proceso de estimación, en el que participan tres
distribuciones:
Datos: 1; 2; 3
_
Valores de
las muestras
X
1-1; 1
1-2; 1,5
1-3; 2
2-1; 1,5
2-2; 2
2-3; 2,5
3-1; 2
3-2; 2,5
3-3 3
Esta tabla nos muestra las medias de las distintas muestras. Podemos ver las veces
que las mismas medias se repiten. Es decir construir un cuadro de frecuencias de las
medias. Luego, podemos construir la distribución de probabilidad de esos datos. Es
decir, la distribución de muestreo de medias en la que, en la tercera columna se
adjunta la probabilidad asociada de ocurrencia de cada uno de esos valores o
estadísticos, como vemos en la siguiente:
F P
_ _
X f.X
1 1 0.11 1
1,5 2 0.22 3
2 3 0.33 6
2,5 2 0.22 5
3 1 0.11 3
N 9 1.00 18
5
µ=6/3=2
µ X =18/9=2= µ
_
σX = _
0,33 0,57 (desviación estándar de la distribución de muestreo de
medias)
1)
µ X =18/9=2= µ
_
σ= σ/ n =0,57
A medida que las poblaciones y las muestras incluyen mayor número de casos,
el procedimiento realizado anteriormente se complica. Entonces, ya no se hace
posible calcular empíricamente la distribución de muestreo de un conjunto de
datos numerosos y, recurrimos entonces a la estadística teórica.
X
_
X
_
X
_
X
_
Estimador y estimación
Un estimador es un estadístico.
Que sea un estadístico significa que es una función de la muestra (se
calcula de los valores de la muestra) para estimar un parámetro
desconocido de la población.
Un estimador es la regla usada para obtener estimaciones: por
ejemplo, para calcular la media se debe sumar todos los valores de
X y dividirlos en el número de casos ∑X/n o para la desviación
estándar decimos: es la raíz cuadrada del promedio de los desvíos.
Un estimador proporciona dos modos de obtener estimaciones:
puntual o por intervalos.
Para cada parámetro pueden existir varios estimadores diferentes. En
general, escogeremos el estimador que posea mejores propiedades
que los restantes, como insesgadez, eficiencia, convergencia y
robustez o consistencia.
Para que una muestra sirva adecuadamente como base para obtener
estimadores de parámetros poblacionales, debe ser representativa de la
población. No solo se debe pensar en el tamaño de la muestra sino
8
inferencias.
t= X µ / Sn/ n -1
Observemos que los numeradores son idénticos pero los denominadores difieren
en que en t, la σ es reemplazada por s y n, por n-1; en z también podemos usar
s como estimador de sigma cuando no lo conocemos.
Como sabemos que para estimar σ se hace a partir de s de la muestra, y que
los desvíos se calculan en relación con la media de la muestra. Entonces,
debemos tener en cuenta que en este cálculo tenemos n-1 valores que pueden
variar libremente para que la suma de los desvíos con respecto a la media sea
10
igual a 0. Esto está relacionado con los grados de libertad (gl) que hay que
conocer a la hora de calcular t.
Hay una regla que dice: “Cuando un estadístico se usa para estimar un
parámetro, los grados de libertad (libertad de variar) dependen del número de
restricciones impuestas sobre las observaciones. Por cada restricción impuesta
se pierde un grado de libertad”.
S X =S/ n -1
_
Se trata de una familia de curvas porque hay una distribución t por cada
número diferente de grados de libertad. A medida que aumentan los grados de
libertad la distribución se asemeja cada vez más a la normal, tal como se
observa en el gráfico siguiente:
1) Estimación puntual
s
X z.
n
Habrá siempre una discrepancia entre el valor muestral y el valor del parámetro
que se desea estimar; esto es un error que se puede calcular, llamado “error
muestral”. En la estimación puntual no hay forma de conocer el valor del error
por lo que no sabemos si el error que estamos cometiendo es grande o
pequeño; pero todo investigador necesita conocer la precisión con la que está
trabajando, esto es, el error lo que puede resolverse procediendo a través de la
estimación por intervalos. Procediendo de esta forma es posible conocer el
error muestral máximo (Emáx) cometido en la estimación, es decir, el tamaño de
la distancia máxima que con una determinada probabilidad esperamos exista
entre el verdadero valor del parámetro estimado y el valor del estadístico
utilizado como estimador. Entonces, en la estimación por intervalos, se trata de
obtener dos valores que permitan afirmar que existe una alta probabilidad de
que el verdadero valor del parámetro se encuentra entre esos dos valores.
partir del error estándar. Este error mide las variaciones debidas al azar, es decir,
los errores de muestreo que son los errores de muestra en muestra o casuales
(que son los errores que eventualmente pueden afectar las mediciones). Por
supuesto que cuanto menor es su valor mayor es la precisión en la inferencia,
de allí la importancia en determinarlo.
estándar estimado)
Pasos
=s/√n
Determinar el valor de z que delimita el área de la distribución
muestral de medias (normal) asociada con la probabilidad del nivel
de confianza establecido.
Se calcula el error máximo, que es igual a / z/
multiplicado por el error estándar.
15
Nivel de Z
confianza
0,95 ±1,96
0,99 ±2,58 Por ejemplo para construir un
intervalo de confianza del 95 %; µ= X ±1,96 .σ X
_
_
Veamos un ejemplo,
Así supongamos que para una muestra de 100 casos, la media sea de 20
puntos. Como no conocemos el σ de la población, en este caso lo que
tenemos es el desvío de la muestra, y hacemos el supuesto que es la mejor
estimación posible de la desviación estándar de la población. Usamos,
para estimar el error estándar de la distribución de muestreo de medias, la
“s” de la muestra que es =5. Entonces σX, que es 5/√100=5/10=0,5
X =20
n=100
s=5
σ =0,5
X
del 95%, quedan fuera 5% dividido en 2,5 para cada lado o 0,025.
µ = X ±1,96.s/√n
µ= X ±1,96. 0, 5=
20±0,98
2, 58, y -2,58 para el otro lado. Entonces reemplazamos para calcular los
límites del intervalo.
µ = X ±2,58.s/√n
µ= X ±2,58. 0, 5=
20±1,29
18,71 y 21,29
* Pasos
Establecer el nivel de confianza 1-α (por lo general de 0,95 o
de 0,99).
17
Veamos un ejemplo,
8
24±2,13.
16 1
24±4,41, o sea,
de µ porque µ X =µ
_
Los cuatro cuadros representan dianas sobre las que se han efectuado
diez disparos: lógicamente lo que se busca es el disparo en el centro de la
diana. La situación puede extrapolarse fácilmente al contexto de la
estimación de parámetros. El centro de la diana sería el parámetro que
queremos estimar (verdadero) y los disparos son las estimaciones en 10 con
un estimador en 10 muestras diferentes.
********************************************************************************