Metodo Clasico De

La Estimacion
Puntual.

Estadistica Y Control De Calidad.

NOMBRE DEL ALUMNO:
Wilians Luna Cordero

NOMBRE DEL PROFESOR:

Vicente Castillo Benites

FECHA:06/03/33
 Indice.
Método clásico de la estimación puntual..................................................................... 2
Introducción ...................................................................................................... 2
Desarrollo ......................................................................................................... 3
Conclusión ........................................................................................................8
Trabajos citados ........................................................................................................ 9

Instituto Tecnológico Nacional De México Campus Apizaco 1

Tlaxcala.
 Método clásico de la estimación
puntual.
Objetivo general: Conocer de una manera convencional a la estimación puntual además
de comprender más a fondo sus características, así como, su importancia dentro del
margen de la ingeniería en mecatrónica.

Introducción
La estimación puntual en la estadística aplicada e inferencias es el de obtener
estimaciones razonables de parámetros de alguna distribución ya sea media poblacional,
varianza poblacional, moda poblacional, mediana poblacional, desviación estándar
poblacional, entre otras, y que su variable sea desconocida —o parcialmente
desconocida— de la que se tiene una muestra, así como las correspondientes estimaciones
del error cometido. Un ejemplo paradigmático de la estimación puntual es el de la
estimación de la tasa de producción, que es una magnitud desconocida θθ. Para ello, sobre
la población de producción sobre una empresa se realiza una encuesta, con la que se
construye un estimador ^θθ^ de θθ.
No obstante, los principios y métodos explicados en este ensayo sirven de igual manera
para la estimación de parámetros en modelos y sirven precisamente de base teórica para
el ajuste de modelos en ciencia de datos.
En el ensayo se van a estudiar primero los métodos clásicos de la estimación puntual y se
discutirán los correspondientes problemas de la variabilidad de las estimaciones y la
magnitud del error cometido y se terminará infiriendo —y tratando de tender puentes con
la discusión previa.

Instituto Tecnológico Nacional De México Campus Apizaco 2

Tlaxcala.
 Desarrollo
Para hablar del método clásico de la estimación puntual, en primer tiempo se debe conocer
los siguientes conceptos básicos, que corresponden a las siguientes preguntas.
¿Qué una población? En estadística, el término “población” se refiere al conjunto de
elementos que se quiere investigar, estos elementos pueden ser objetos, acontecimientos,
situaciones o hasta un grupo de personas, un grupo de producción, tiempo laboral, entre
un sinfín de agrupaciones.
¿Qué es el muestreo y cuantos tipos existen? Se le conoce como muestreo a la técnica
para la selección de una muestra a partir de una población estadística. Y los tipos de
muestreo más importantes son los siguientes:
1-Muestreo aleatorio o (MAS): Es un procedimiento de muestreo (sin reemplazamiento),
en el que se seleccionan n unidades de las N en la población, de forma que cualquier
posible muestra del mismo tamaño tiene la misma probabilidad de ser elegidas. Se
realizan n selecciones independientes de forma que en cada selección los individuos que
no han sido elegidos tengan la misma probabilidad de serlo. El procedimiento habitual
consiste en numerar todos los elementos de la población y se seleccionan muestras del
tamaño deseado utilizando una tabla de números aleatorios o un programa de ordenador
que proporcione números aleatorios
2-Muestreo Sistemático: Este muestre es aquel que se ordenan los individuos de la
población y se numeran. Se divide la población en tantos grupos como individuos se
quieren tener en la muestra. Se selecciona uno al azar en el primer grupo y se elige el que
ocupa el mismo lugar en todos los grupos. La ventaja principal es que es más sencillo y
barato que el muestreo aleatorio simple, además, se comporta igual si no hay patrones o
periodicidades en los datos. La aparición de patrones desconocidos puede llevar a
importantes errores en la estimación de los parámetros. Este tipo de muestreo puede
utilizarse, por ejemplo, en encuestas telefónicas programadas mediante ordenador
3-Muestreo conglomerado: Este muestreo se divide la población en grupos de acuerdo
con su proximidad geográfica o de otro tipo. (conglomerados). Cada grupo ha de ser
heterogéneo y tener representados todas las características de la población. Por ejemplo,
los conglomerados en un estudio sobre la situación de las mujeres en una determinada
zona rural pueden ser los municipios de la zona.

Instituto Tecnológico Nacional De México Campus Apizaco 3

Tlaxcala.
 4-Muestreo estratificado: El cual se divide la población en grupos homogéneos (estratos)
de acuerdo con las características a estudiar. Por ejemplo, en un estudio de las
características socioeconómicas de una ciudad los estratos pueden ser los barrios de esta,
ya que los barrios suelen presentar características diferenciales.
¿Cuáles son los pasos para la recolección de datos? Una vez aclarado los conceptos de
arriba partimos a definir los pasos para seguir al pie de la letra para recolecoleccion de
las muestras.
Definir la población en estudio especificando las unidades que la componen, el área
geográfica donde se realiza el estudio (si procede) y el periodo de tiempo en el que se
realizará el mismo.
1- Definir el marco: listado o descripción de los elementos que forman la población.
2- Definir la unidad de muestreo: Línea de producción, tiempo laboral empleado,
productos terminados, etc.
3- Definir las variables a medir o las preguntas que se harán si se trata de una encuesta.
4- Seleccionar el método de muestreo: Probabilístico o No Probabilístico, aunque son los
primeros los que nos permiten la estimación correcta de parámetros poblacionales.
5- Calcular el tamaño necesario para obtener une determinada precisión en la estimación.
6- Elaborar el plan de muestreo que guiará el trabajo de campo.
¿Qué son los estadísticos muestréales?
Los estadísticos es una función de los valores muestrales que no depende de ningún
parámetro poblacional desconocido, cabe mencionar que un estadístico es una variable
aleatoria ya que es una función de variables aleatorias por ejemplo la media muestral o la
desviación típica. (Fig.1).

Fig.1

Instituto Tecnológico Nacional De México Campus Apizaco 4

Tlaxcala.
 ¿Qué son los estimadores? Los estimadores, también son una variable aleatoria que se
trata básicamente de buscar estimadores centrados alrededor del verdadero valor del
parámetro y con la menor varianza posible. Por ejemplo, si la distribución en la población
es normal, la media muestral puede considerase como un estimador de la media
poblacional. La distancia entre el estimador y el parámetro a estimar puede medirse
mediante los que se denomina el error cuadrático medio, que se define como el valor
esperado de la diferencia entre el estimador y el verdadero parámetro.
¿Cuáles son las propiedades de los estimadores? Las propiedades de los estimadores
son las siguientes:
1-Ausencia de Sesgo: Se dice que un estimador es insesgado (o centrado) si la esperanza
del estimador coincide con el parámetro a estimar. E (ˆ θ) = θ). En caso contrario se dice
que es sesgado y a la cantidad b(θ) = [θ − E (ˆ θ)] se la denomina sesgo. Esta propiedad
es demasiada importante debido a que los valores fluctúan alrededor al verdadero
parámetro.
2-Consistencia: Un estimador es consistente si se aproxima cada vez mas al verdadero
valor del parámetro a medida que se aumenta el tamaño muestral.
3- Eficiencia: Claramente está comprobado que un estimador será tanto mejor cuanto
menor sea su varianza, ya que se concentra más alrededor del verdadero valor del
parámetro. Se dice que un estimador insesgado es eficiente si tiene varianza mínima.
¿Qué es la estimación puntal?
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, cual es ese valor, de esa manera se puede utilizar cuando no
se conoce alguna característica de la población, el estadístico correspondiente de la
muestra puede ser utilizado como estimador del 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.
¿Cuál es el método de clásico de estimación puntual?
Es un procedimiento el cual consiste en obtener un único número calculado a partir de las
observaciones muestrales, y que es utilizado como estimación del valor del parámetro

Instituto Tecnológico Nacional De México Campus Apizaco 5

Tlaxcala.
 (teta), por lo que básicamente el método clásico es un conjunto de técnicas que permiten
dar un valor aproximado de un parámetro poblacional a partir de los datos proporcionados
por una muestra.
Cabe mencionar los diferentes métodos de estimación clásica puntual.
1-El método de los momentos es un procedimiento para obtener un estimador puntual de
una variable aleatoria. Por lo que definimos los momentos de orden k como:

Por otra parte, se define de igual manera los momentos muestrales de orden K como:

En pocas palabras el método de los momentos consiste en igualar los momentos

poblacionales con los momentos muestrales, para hacer un sistema de k ecuaciones con
k incógnitas, siendo k el número de parámetros que se quiere estimar.
2-Método de los Mínimos Cuadrados: Consiste en minimizar la suma de cuadrados de
los errores (diferencias entre valores observados y esperados tras suponer que las
observaciones se obtienen como la suma de una parte sistemática o controlada y una parte
aleatoria no controlada o fuente de error). El método es ampliamente utilizado cuando se
trabaja con modelos de regresión y técnicas relacionadas.
3-Estimacion por máxima verosimilitud: Consiste en sustituir los parámetros por
aquellos valores que maximizan el logaritmo de la función de verosimilitud de la
muestra (función de densidad conjunta de todos los valores muestrales en el supuesto
de que son independientes). Sin embargo, también está relacionada sumamente con el
concepto, de valor más verosímil, que podemos ilustrar con el siguiente ejemplo.
Supongamos que hay dos urnas; la primera contiene cinco bolas blancas y una negra; la
segunda, cinco bolas negras y una blanca. Alguien extrae de una de ellas (y no nos dice
cuál) una bola que resulta ser negra. Parece que la opción más verosímil es la segunda, la
que contiene cinco bolas negras. Esta idea intuitiva se puede formalizar para luego poder

Instituto Tecnológico Nacional De México Campus Apizaco 6

Tlaxcala.
 ser extendida. En efecto, la probabilidad de que la bola sea negra de haber sido extraída
de la primera urna es P=(N|U=1)=1/6, P=(N|U=1)=1/6. La probabilidad correspondiente
a la segunda urna es P(N|U=2)=5/6P(N|U=2)=5/6. Por ese motivo nos decantamos
por U=2
Importancia de la estimación puntual en la Ingeniería en mecatrónica.
Camarena (1994) dirigió un proyecto para la NASA que media la atenuación de las
señales espaciales a causa de la lluvia, el cual requirió las estadísticas de precipitación
pluvial en México durante 10 años. Sin esa información estadística no se hubiera podido
diseñar el modelo matemático de tipo probabilístico.
Viles (2007) comenta que la estadística es importante en la ciencia en general. Menciona
que la variabilidad es un hecho básico de la naturaleza y se debe tratar como tal. El caso
de la ingeniería no es distinto: la estadística se puede aplicar al diseño de nuevos
productos y a su desarrollo, así como al control, a la optimización y a la mejora de la
calidad de procesos de fabricación de bienes y servicios. Los ingenieros y científicos en
general se podrían beneficiar de la integración natural de los métodos estadísticos a su
trabajo, si observaran los beneficios que ésta les ofrece.
Como se analizó anterior mente la estimación puntual es importante no solo para predecir
el valor de variables concretas dentro de un proyecto sino para determinar su viabilidad,
no tiene sentido iniciar un proyecto que está destinado al fracaso por no contar con el
tiempo, el esfuerzo o los recursos necesarios para llevarlo a cabo.

Instituto Tecnológico Nacional De México Campus Apizaco 7

Tlaxcala.
 Conclusión
En síntesis, la estimación puede ser utilizada para diversos fines como los siguientes:
Calcular indicadores estadísticos como la media, la mediana y la moda. Esto, respecto a
cualquier variable o calculando el valor de una variable determinada con base en otras.
Dicho de otra forma, la finalidad de la estimación puntual es obtener información sobre
características desconocidas de las poblaciones (generalmente cuantificadas por
parámetros) a partir de características conocidas de las muestras y (generalmente
cuantificadas por estadísticos).Al incluir poblaciones completas de individuos en la
investigación suele ser impracticable, y por ello se suele trabajar con grupos pequeños
generalizando los resultados mediante las técnicas de estimación puntual.

Instituto Tecnológico Nacional De México Campus Apizaco 8

Tlaxcala.
 Trabajos citados
Villardón, J. L. (2004). Introducción a la inferencia estadística: muestreo y estimación puntual y
por intervalos. Salamanca, España: Departamento de Estadística–Universidad de Salamanca.

Prof. María B. Pintarelli. (2014). Estimación Puntual. 06/03/2022, de Anónima Sitio web:
https://www.mate.unlp.edu.ar/practicas/117_11_16072013221648.pdf

Julio Domínguez. (2019). Estimación Puntual -1 INTRODUCCION A LA INFERENCIA

ESTADISTICA: MUESTREO Y ESTIMACION PUNTUAL Y POR INTERVALOS. 2022, de
ACADEMIA Sitio web: https://d1wqtxts1xzle7.cloudfront.net/56978528/inferencia-with-cover-
page-
v2.pdf?Expires=1646543954&Signature=euU0GD8qzc8n16EUvS4ERjKpDnGdTb7KwVJr0gb
rxELrYhK3BsvvybHdO1fObtLYQq9pcQvtifwGJAZxy8M8hzrH1YPg--
EW5gleTrz7FhmSe2llOhd7dDlANN5L-7Tk06jGL-
VOb2a5Jj52oBJVev890gwUelbqRst62XMhgS12MjcT6tsvQHYlqqg1M4wdLBF5-
msUl1F9SwV1pAARBzr-
szmtafc1oAw63hEIY~SX99OFue4g9nbZPe0tBUhwVl1qZ1AaDk2u-
gov4BQLaradPwS1mhMqYQcPTZOMXKqGBKkcgAKnTnidod3dozxAUt3VuePkkKduskhwg
1OL6A__&Key-Pair-Id=APKAJLOHF5GGSLRBV4ZA

Anónimo. (2020). Variabilidad de estimaciones. 2022, de Datana Sitio web:

https://datanalytics.com/libro_estadistica/estimaci%C3%B3n-puntual.html#variabilidad-de-las-
estimaciones

Autor anónimo. (2020). Estadística inferencial. 2022, de UV Sitio web:

https://www.uv.es/webgid/Inferencial/1_introduccin1.html

Instituto Tecnológico Nacional De México Campus Apizaco 9

Tlaxcala.