Estimación puntual en el m.a.s.

Estimación puntual en el m.a.s.

Estimación puntual de la media poblacional

Supongamos que una variable Y toma sobre las unidades U1 , . . . , UN de la población los valores
(distintos o no) Y1 , . . . , YN , respectivamente.
La MEDIA POBLACIONAL de Y viene dada por
N
1 X
Y = Yj
N
j=1

Supongamos que se extrae una muestra aleatoria simple de tamaño n, s, en la que Y toma los valores
ys1 , . . . , ysn , entonces la MEDIA MUESTRAL se puede expresar por
n
1X
ys = ysi
n
i=1

Este valor, para cada muestra concreta, será una estimación de la media poblacional. Vamos a com-
probar que cuando se considera el estimador correspondiente sobre el espacio de todas las m.a.s. de
tamaño n es un estimador insesgado.
Proposición 1. En el m.a.s. y es un estimador insesgado de Y .

Demostración. Alternativamente y para que esté bien definido sobre el espacio de las m.a.s., la media
muestral puede expresarse como sigue:
N
1X
ys = Yj ξj (s)
n
j=1

donde 
1 si Uj ∈ s
ξj (s) =
0 en otro caso

ξj es entonces una variable sobre el espacio de las N

n muestras distintas, sobre el que se comporta
como una variable con distribución de Bernoulli de parámetro:
N −1


no de m.a.s. que contienen a Uj n−1 n
πj = Pr(Uj ∈ s) = o = N
=
n total de m.a.s. n
N
 n
Por lo tanto ξj ∼ B 1, . Y ası́,
N
X X1X N
E(y) = y s Pr(s) = Yj ξj (s) Pr(s)
s s
n
j=1

N N N
1X X 1X 1 X
= Yj ξj (s) Pr(s) = Yj E(ξj ) = Yj = Y .
n s
n N
j=1 j=1 j=1

En consecuencia, y es un estimador insesgado de Y en el m.a.s.

Asun Lubiano - Dpto. Estadı́stica e I.O. y D.M. Técnicas de Muestreo. MANADINE

Estimación puntual en el m.a.s. 2

Estimación puntual del total poblacional

Se define el TOTAL POBLACIONAL para la variable Y como

N
X
YT = Yj = N Y
j=1

Suponiendo N conocido, se puede construir un estimador insesgado para YT a partir del estimador
insesgado de la media poblacional, y será N y.

E(N y) = N E(y) = N Y = YT .

Estimación puntual de una proporción poblacional

Supongamos que se considera una población con N unidades y cierta propiedad que los individuos de
la población pueden cumplir o no.
Sea R el no de unidades que satisfacen cierta propiedad concreta. Llamaremos PROPORCIÓN
POBLACIONAL asociada a esa propiedad al valor:
R
P =
N

Si se define una variable X que para cada unidad Uj de la población toma el valor Xj con:

1 si Uj satisface la propiedad
X(Uj ) = Xj =
0 en caso contrario

entonces P = X.
Por lo tanto, P puede contemplarse como una media poblacional y, en consecuencia, la proporción
muestral p = r/n donde n es el tamaño muestral y r es el no de individuos de la muestra que satisfacen
esa propiedad, que se puede expresar alternativamente como
N
1X
p= Xj ξj
n
j=1

determina un estimador insesgado de P en el m.a.s.

Precisión de los estimadores puntuales

En Técnicas de Muestreo interesa determinar la precisión de un estimador con varios fines:

1. Cuantificar la magnitud de la precisión asociada a un estimador de un parámetro en un proce-

dimiento de muestreo concreto.

2. Comparar para un mismo procedimiento de muestreo y un mismo parámetro, diferentes estima-

dores en función de la precisión asociada a cada uno de ellos.

Asun Lubiano - Dpto. Estadı́stica e I.O. y D.M. Técnicas de Muestreo. MANADINE

Estimación puntual en el m.a.s. 3

3. Comparar dos procedimientos de muestreo diferentes en términos de la precisión que asocia

cada uno de ellos a un mismo estimador (o al menos a dos estimadores insesgados) de un mismo
parámetro.

4. Determinar tamaños de muestra adecuados para cada procedimiento de muestreo y cada es-
timador de un parámetro para conseguir un nivel mı́nimo de precisión con un riesgo máximo
admisible.

En la práctica, la precisión va a medirse en función del error cuadrático medio asociado al estimador
que se considere. Puesto que para las tres caracterı́sticas (media poblacional, total poblacional y
proporción poblacional) hemos determinado sendos estimadores insesgados, sus errores cuadrático
medios coinciden con sus varianzas.

2 
N
1 X 2
Var(y) = E[(y)2 ] − [E(y)]2 = E  Yj ξj   − Y
n
j=1
 
N N N
1 X 2 2 X X 2
= 2E  Yj ξ j + Yj Yl ξj ξl  − Y

n
j=1 j=1 l=1
l6=j

N N N
1 X 2 2 1 XX 2
= Yj E(ξ j ) + Yj Yl E(ξj ξl ) − Y
n2 n2
j=1 j=1 l=1
l6=j

 n n
donde ξj ≡ B 1, para j = 1, . . . , N , con lo que ξj = ξj2 y por lo tanto E(ξj2 ) = .
N N
Por otro lado, si j 6= l, ξj ξl ≡ B(1, πjl ) con

πjl = Pr(ξj ξl = 1) = Pr(Uj y Ul intervengan ambas en una misma muestra)

N −2


n−2 n(n − 1)
= N
=
N (N − 1)


n

n(n − 1)
con lo que E(ξj ξl ) = , de donde,
N (N − 1)
N N N
1 X 2 (n − 1) X X 2
Var(y) = Yj + Yj Yl − Y
nN nN (N − 1)
j=1 j=1 l=1
l6=j

 2
N  N
X
N (n − 1)  1 X  1 (n − 1) 2
= Yj + − Yj2 − Y
n(N − 1) N nN nN (N − 1)
j=1 j=1

N −n h 2 2
i N −n 2 N −n 2 1−f 2
= Y −Y = σ = S = SY
n(N − 1) n(N − 1) Y nN Y n

Asun Lubiano - Dpto. Estadı́stica e I.O. y D.M. Técnicas de Muestreo. MANADINE

Estimación puntual en el m.a.s. 4

n
con f = = fracción muestral y 1 − f = factor de corrección para poblaciones finitas y
N
N
1 X N
2
donde SY = cuasivarianza poblacional = (Yj − Y )2 = σ2 .
N −1 N −1 Y
j=1
En resumen,
1−f 2
Var(y) = SY en el m.a.s.
n

A partir de ese resultado se concluye sin dificultades que

N 2 (1 − f ) 2
Var(N y) = SY en el m.a.s.
n

y que
1−f 2 (1 − f )N 2
Var(p) = SX = σ
n n(N − 1) X

1 si Uj satisface la propiedad
X(Uj ) = Xj =
0 en caso contrario
por lo que X es una variable aleatoria Bernoulli de parámetro P = probabilidad de que una unidad
2 = P (1 − P ), de donde
satisfaga la propiedad, de donde σX

(1 − f )N
Var(p) = P (1 − P ) en el m.a.s.
n(N − 1)

Estimación de la precisión

En la práctica suelen desconocerse algunas de las componentes de la varianza de los estimadores,

en concreto, las caracterı́sticas poblacionales, SY2 y P . Aunque para conseguir los objetivos de los
argumentos 2) y 3) para justificar el interés de calcular el error cuadrático medio de los estimadores,
no suele ser necesario conocer el valor exacto ni aproximado de estos parámetros desconocidos, sin
embargo, para los argumentos 1) y 4) va a ser necesario aproximarlos. En particular, vamos a presentar
algunas estimaciones insesgadas de las mismas.
Supongamos que la variable Y toma los valores Yj = Y (Uj ), j = 1, . . . , N y supongamos que se
selecciona una m.a.s. de n individuos de la población y que en esa muestra los valores de la variable
Y han sido y1 , . . . , yn . Llamaremos cuasivarianza muestral de Y a
n
2 1 X
s = (yi − y)2
n−1
i=1

Proposición 2. En el m.a.s. el s2 es un estimador insesgado de SY2 .

Demostración.
n N
1 X 1 X
s2 = (yi − y)2 = (Yj − y)2 ξj
n−1 n−1
i=1 j=1

Asun Lubiano - Dpto. Estadı́stica e I.O. y D.M. Técnicas de Muestreo. MANADINE

Estimación puntual en el m.a.s. 5

 
N N N
1 X
2 X
2 X


= Yj − Y ξj + Y − y ξj + 2 Yj − Y Y − y ξj 
n−1
j=1 j=1 j=1

N N
N
1 X
2 1
2 X 2 Y −y X

= Yj − Y ξ j + Y −y ξj + Yj − Y ξj
n−1 n−1 n−1
j=1 j=1 j=1

N
 N 
1 X
2 n
2 2 Y − y X
= Yj − Y ξ j + Y −y +  Yj ξj − nY 
n−1 n−1 n−1
j=1 j=1

N
1 X
2 n
2 2n
2
= Yj − Y ξj + Y −y − Y −y
n−1 n−1 n−1
j=1

N
1 X
2 n
2
= Yj − Y ξ j − Y −y .
n−1 n−1
j=1

Como,
 
N N N
X
2 X
2 n X
2 n(N − 1) 2
E Yj − Y ξj  = Yj − Y E (ξj ) = Yj − Y = SY
N N
j=1 j=1 j=1

y h
2 i h i
E n Y −y = nE (y − E(y))2 = n Var(y) = (1 − f )SY2

se tiene que,  
1
2 n(N − 1) 2 N −n 2
E(s ) = SY − SY = SY2 ,
n−1 N N
con lo que se concluye el resultado enunciado.

Ası́,
\ = 1 − f s2 es un estimador insesgado de Var(y) en el m.a.s.
Var(y)
n

Siguiendo un razonamiento análogo deducimos que,

2
\y) = N (1 − f ) s2 es un estimador insesgado de Var(N y) en el m.a.s.
Var(N
n

Por otro lado, cuando se considera la estimación de la proporción poblacional P a partir de la muestral
p, será:  
N N N N
1 X 1 X X X
s2X = (Xj − p)2 ξj =  Xj2 ξj + p2 ξj − 2p Xj ξj 
n−1 n−1
j=1 j=1 j=1 j=1

1  n
np + np2 − 2np2 =

= p(1 − p)
n−1 n−1

Asun Lubiano - Dpto. Estadı́stica e I.O. y D.M. Técnicas de Muestreo. MANADINE

Estimación puntual en el m.a.s. 6

y, en consecuencia:

\ = 1 − f p(1 − p) es un estimador insesgado de Var(p) en el m.a.s.

Var(p)
n−1

La precisión de un estimador suele expresarse en términos de su error de muestreo, es decir, de la

raı́z cuadrada positiva de su error cuadrático medio, ya que de esta forma la precisión se mide en las
mismas unidades que la variable.

Asun Lubiano - Dpto. Estadı́stica e I.O. y D.M. Técnicas de Muestreo. MANADINE