Palomino Martinez Carlos Ulises
GRUPO: 25IL121
UNIDAD 2. ESTIMACIÓN
2.1
INTRODUCCIÓ
N 2.4 ESTIMACIÓN POR
La estimación es la
determinación de un
elemento o factor.
Esto, usualmente
tomando como
referencia una base o
conjunto de datos.
En otras palabras, la estimación es un cálculo
que se realiza a partir de la evaluación
estadística. Dicho estudio suele efectuarse
sobre una muestra y no sobre toda la población
objetivo.
Para llevar a cabo una estimación, entonces,
es necesario primero contar con una serie de
datos. Además, es común que los investigadores
se sustenten en un marco teórico.
Calcular indicadores estadísticos como la
media, la mediana y la moda. Esto, respecto
a cualquier variable económica.
Calcular el valor de una variable
determinada con base en otras. Por ejemplo,
estimar la balanza comercial si contamos
con los
datos de las exportaciones e importaciones
de un país.
Realizar proyecciones de una variable. Esto
puede ser posible a partir de datos
históricos. Por ejemplo, tomando el modelo
de las expectativas adaptativas puede
estimarse la inflación esperada por los
consumidores en función a los incrementos
de precios en el pasado.
INTERVALOS
Consiste en establecer el
intervalo
de valores donde es más
probable se encuentre el
parámetro.
Una estimación puntual, por el
hecho de ser un solo número no
proporciona información sobre
la precisión y confiabilidad
de la estimación.
2.3 ESTIMACIÓN
PUNTUAL
Usar una muestra para obtener
números que, en algún sentido,
sean los que mejor representan
a los verdaderos valores de
los
parámetros de interés.
2.2
CARACTERÍSTICAS DE UN
ESTIMADOR
Un estimador es un valor que
puede calcularse a partir de
los datos muestrales y que
proporciona información sobre
el valor del parámetro
Cuando se discuten los
métodos y conceptos
generales de inferencia, es
conveniente disponer de un
símbolo genérico para el
parámetro de interés. Se
utilizará la letra griega
para este propósito
2.4.1 INTERVALO DE
CONFIANZA PARA LA
DIFERENCIA DE MEDIAS
Si tenemos dos poblaciones con medias μ1 y μ2 y
varianzas σ21 y σ2 2, respectivamente, un
estimador puntual de la diferencia entre μ1 y μ2
está dado por el estadístico 1 - 2. Por lo tanto,
para obtener una estimación puntual de μ1 − μ2,
seleccionaremos dos muestras aleatorias
independientes, una de cada población, de tamaños
n1 y n2, y calculamos la diferencia 1 - 2, de las
medias muestrales.
Evidentemente, debemos considerar las
distribuciones muestrales de 1 -
2
Debido a la variabilidad del
muestreo, virtualmente nunca es el caso de
que = μ. La estimación puntual no dice nada
sobre qué tan cerca pudiera estar a μ. Una
alternativa para reportar un solo
valor sensible del parámetro que se está
estimando es calcular y reportar un
intervalo completo de valores factibles: una
estimación de
intervalo o un intervalo de confianza (IC
2.4.2
INTERVALO DE
CONFIANZA PARA
LA MEDIA
Para muestras pequeñas que se
seleccionan de poblaciones no
normales, no podemos esperar
que nuestro grado de confianza
sea preciso. Sin embargo, para
muestras de tamaño n ≥ 30,
donde la forma de las
distribuciones no esté muy
sesgada, la teoría de muestreo
garantiza buenos
∅ resultados.Los puntos
circulares al centro de cada
intervalo indican la posición
de la estimación puntual .
para cada muestra aleatoria.
Se ve que la mayoría de los
intervalos contienen μ, pero
no en todos los caso

2.4.5 INTERVALO DE CONFIANZA PARA
LA VARIANZA
Si se extrae una muestra de tamaño n de una población normal con
varianza σ2 y se calcula la varianza muestral s2, obtenemos un
valor del estadístico S2 .
Esta varianza muestral calculada se usará como estimación puntual
de σ2. Por ello, el estadístico S2 se llama estimador de σ2.Se puede
establecer una estimación por intervalos de σ2 utilizando el
estadístico El estadístico X2 tiene una distribución chi cuadrada con
n − 1 grados de libertad, cuando las muestras se eligen de una
población normal.Si s2 es la varianza de una muestra aleatoria de
tamaño n de una población normal, un intervalo de confianza de (1 −
α)100% para σ2
2.4.3 INTERVALO DE CONFIANZA PARA
LA PROPORCIÓN
Un estimador puntual de la proporción p en un experimento
binomial está dado por el estadístico Pˆ = X/n, donde X
representa el número de éxitos en n pruebas. Por lo tanto, la
proporción de la muestra pˆ = x/n se utilizará como el
estimador puntual del parámetro p.Si no se espera que la
proporción p desconocida esté demasiado cerca de cero o
de 1, podemos establecer un intervalo de confianza para p al
considerar la distribución muestral de Pˆ. Al designar un
fracaso en cada prueba binomial con el valor 0 y un éxito con
el valor 1, el número de éxitos, x, se puede interpretar como
la suma de n valores que consisten sólo de ceros y unos, y pˆ
es sólo la
media muestral de estos n valores
2.5.2 BASADO EN LA
PROPORCIÓN DE LA
POBLACIÓN
En el caso de la proporción poblacional p, si p es realmente el valorcentral de intervalo de con- fianza
del (1 — α)100%, entonces, laproporción muestral´pestima a p sin error. Sin embargo, la mayorparte del
tiempo´pno resulta exactamente igual a p y, enconsecuencia, la estimación
puntual es errónea. El tamaño de esteerror será
el valor absoluto de la diferencia entre p y´py se puedetener una confianza del (1—α)100% de que esta
diferencia noexcederá aZα2√´p(1−´p)n.
2.4.4 INTERVALO DE CONFIANZA PARA LA
DIFERENCIA DE PROPORCIONES
Considere el problema donde deseamos estimar la diferencia entre
dos parámetros binomiales p1 y p2. Entonces, consiste en estimar la
diferencia entre estas dos proporciones. Primero, seleccionamos
muestras aleatorias independientes de
tamaños n1 y n2 a partir de las dos poblaciones binomiales con
medias n1p1 y n2p2 y varianzas n1p1q1 y n2p2q2, respectivamente.
Por lo tanto, la diferencia de las proporciones muestrales, pˆ1 − pˆ2,
se utilizará como la estimación puntual de p1 − p2.Se puede
establecer un intervalo de confianza para p1 − p2 al considerar la
distribución muestral de Pˆ1 − Pˆ2. Sabemos que Pˆ1 y Pˆ2 están
distribuidos cada uno de forma aproximadamente normal, con
medias p1 y p2, y varianzas p1q1/n1 y p2q2/n2, respectivamente
2.4.6 INTERVALO DE CONFIANZA PARA
LA RELACIÓN DE VARIANZAS
Existen dos métodos de cálculo posibles. En primer lugar, Minitab calcula
los límites usando el método modificado para muestras grandes (MLS,
por sus siglas en inglés). Si no se cumplen ciertas condiciones durante los
cálculos, Minitab utiliza la aproximación de Satterthwaite. Para calcular
los límites de confianza unilaterales, reemplace α/2 por α en H y G.
2.5.1 BASADO EN LA MEDIA DE POBLACIÓN
tan grande debe ser una muestra si la media muestral se va a usar
para estimar lamedia poblacional? La respuesta depende del error
estándar de la media, si este fueracero, entonces se necesitaría una
sola media que será igual necesariamente a la mediapoblacional
desconocida.
Este caso extremo no se encuentra en la
práctica, pero refuerza el hecho de que mientras menor sea el
error estándar de lamedia, menor es el tamaño de muestra
necesario para lograr un cierto grado de precisión
2.5.3 BASADO EN LA
DIFERENCIA
Si se tiene dos poblaciones con media medias 1
y 2 y varianzas 1 y 2 , respectivamente,
un estimador puntual de la diferencia entre 1 y
2 está dado por la estadística x1 x2. Por lo
tanto para obtener una estimación puntual de 1-
2 se selecciona dos muestras aleatorias independientes, una de cada población, de
tamaño n1 y n2 se calcula la diferencia x1 x2 de las medias muéstrales
Recordando a la distribución muestral de
diferencias de medias
x1 x2 1 2
z