UNIVERSIDAD DE CARABOBO

FACULTAD DE CIENCIAS DE LA SALUD

MEDICINA
SEDE ARAGUA

ESTIMACIÓN DE PARÁMETROS

PROFESOR:
Br.:
SUAREZ, BENNY ROMERO, ARIAN C.I 29.890.960
SÁNCHEZ, DANIELA C.I 30.046.222
SÁNCHEZ, DANIEXY C.I 29.981.693
SÁNCHEZ, MARIANGEL C.I 30.970.790
SÁNCHEZ, YUSNELSY C.I 29.900.119
SARDELLA, ANTONELLA C.I 27.788.621
SEIJAS, YOSBELY C.I 29.503.148
SECC14 T3 G4

SANTA RITA, NOVIEMBRE DE 2022

ÍNDICE

INTRODUCCION................................................................................................................2

DESARROLLO.....................................................................................................................3
1. Error al muestrear. Distribución de medias muestrales. Importancia y
aplicación............................................................................................................................3
2. Estimación de la media y proporciones poblacionales. Cálculo del intervalo de
confianza.............................................................................................................................6
3. Confiabilidad (nivel de confianza), riesgo (nivel de significancia)..........................7

REFERENCIAS BIBLIOGRAFICAS................................................................................9
INTRODUCCION

Algunas veces es posible y práctico examinar a cada persona o elemento de

la población que deseamos describir. A esto lo llamamos enumeración completa o censo.
Utilizamos el muestreo cuando no es posible contar o medir todos los elementos de la
población.

Los estadísticos usan la palabra población para referirse no sólo a personas sino a
todos los elementos que han sido elegidos para un estudio, y emplean la
palabra muestra para describir una porción elegida de la población.

En poblaciones dicotómicas con una proporción de éxitos el estimador puntual

del parámetro es la proporción muestral de éxitos, p, que coincide con la media de la

muestra cuando se codifica como 1 la característica que se considera como éxito y 0 la que
se considera no éxito. A partir de un tamaño muestral moderadamente grande el estadístico
p tiene una distribución aproximadamente normal. El intervalo de confianza para la
proporción poblacional está centrado en la proporción muestral
DESARROLLO

1. Error al muestrear. Distribución de medias muestrales. Importancia y

aplicación.

Error al muestrear: Un error de muestreo se produce cuando la muestra utilizada en el

estudio no es representativa de toda la población. A menudo se producen errores de
muestreo y, por lo tanto, los investigadores siempre calculan un margen de error durante los
resultados finales como práctica estadística.

Tipos de errores muestrales más comunes

Este tipo de errores no se deben al hecho de inferir el todo de una parte (como sí
ocurre con el error muestral), sino que se deben a otras causas, ocurridas en el propio
diseño o la realización del trabajo, ya sea en la definición del colectivo a investigar, en la
forma de seleccionar a las personas entrevistadas, en la mala praxis de los entrevistadores,
en la ausencia de control de calidad, etc. Algunos de estos errores y problemas son:

Error de definición del colectivo objeto de estudio: Este inconveniente se produce cuando
el investigador no sabe bien a quién debe preguntar. Imagínese un producto de alimentación
sobre el que deseamos conocer diversas cuestiones, ¿debemos entrevistar a la persona que
hace la compra o a la persona que la consume dentro del hogar? En función de nuestras
necesidades y objetivos deberíamos optar por una u otra. Si nos equivocamos, no
obtendremos la información precisa.

Error de marco muestral: Este fallo se comente cuando el investigador, a la hora de elegir la
muestra, apunta a la subpoblación equivocada. Por ejemplo, seleccionar la muestra a partir
de números de móvil sin tener en cuenta que existen ciertas personas sin teléfono móvil
(personas mayores y/o con problemas de aprendizaje). Otro ejemplo: imaginemos que
deseamos conocer el perfil de nuestros consumidores y que tenemos una base de datos de
personas que han visitado nuestro establecimiento para comprar y han decidido darnos su
mail; en realidad no sabemos hasta qué punto representan verdaderamente a nuestro
consumidor; si a pesar de ello decidimos utilizar esa base de datos para hacer el estudio,
evidentemente estaremos cometiendo un error de base.

Error de selección: Cuando son los propios entrevistados los que eligen participar o no en la
encuesta; por lo tanto, solo responderán aquellos a los que les interese el tema tratado.

Falta de respuesta: Efecto de los rechazos y las ausencias de personas en el hogar. La

muestra final puede estar compuesta por un perfil de persona muy diferente a la que
buscamos si la tasa de rechazo o ausencia es muy alta.

Problemas de calidad/veracidad de la información: Tanto por mala praxis de los

entrevistadores como de los entrevistados, que proporcionan información incorrecta por
diferentes motivos (por error, con intencionalidad maliciosa, por deseabilidad social…).

Problemas en el procesamiento/tratamiento de la información: Errores de codificación u

otros errores de procesamiento cometidos en el proceso de trabajo.

Distribución de medias muéstrales: Las distribuciones de muestreo constituyen una pieza

importante de estudio por varias razones. En la mayoría de los casos, la viabilidad de un
experimento dicta el tamaño de la muestra. La distribución de muestreo es la distribución
de probabilidad de una muestra de una población en lugar de toda la población.

En palabras más simples, supongamos que de una determinada población tomas

todas las muestras posibles de tamaño n y calculas una estadística (por ejemplo, media) de
todas las muestras. Si luego preparas una distribución de probabilidad de esta estadística,
obtendrás una distribución de muestreo.

Las propiedades de la distribución de muestreo pueden variar dependiendo de cuán

pequeña sea la muestra en comparación con la población. Se supone que la población
se distribuye normalmente como generalmente sucede. Si el tamaño de la muestra es lo
suficientemente grande, la distribución de muestreo también estará cerca de lo normal.
 Si éste es el caso, entonces la distribución de muestreo puede ser totalmente
determinada por dos valores: la media y la desviación estándar. Estos dos parámetros son
importantes para calcular la distribución de muestreo si se nos da la distribución normal de
toda la población.

Su importancia radica en que, mediante la aplicación de sus métodos, es posible

obtener conclusiones significativas acerca de toda una población con base en la
información que proporcionan los datos de una sola muestra o un experimento.

La distribución muestral es lo que resulta de considerar todas las muestras posibles

que pueden ser tomadas de una población. Su estudio permite calcular la probabilidad
que se tiene, dada una sola muestra, de acercarse al parámetro de la población.

2. Estimación de la media y proporciones poblacionales. Cálculo del intervalo de

confianza

Estimación de la media: Un estimador es un estadístico que se utiliza para estimar un

parámetro.

Por lo que la media de la muestra es un estimador de la media poblacional; y el

valor del estimador en una muestra se denomina estimación o estimación puntual.

La media muestral X es un estimador insesgado de la media poblacional (μ). El

error típico de la media es un indicador de la precisión de la estimación de la media; cuanto
menor es el error típico, mayor es la precisión. Dependiendo de la desviación típica de la
población y del tamaño de la muestra

Proporciones poblacionales: En estadística, una proporción de población se refiere a la

fracción de individuos en una población con una determinada característica.

Por ejemplo, suponga que el 43,8% de las personas en una determinada ciudad
apoyan una nueva ley. El valor 0,438 representa una proporción de población.
Calculo del intervalo de confianza: intervalo de confianza calcula el intervalo de confianza
para el grupo de datos, dado que tenemos la media, la desviación estándar y el tamaño de la
muestra para la unidad de datos.

El intervalo de confianza nos permite cuantificar la confianza que podemos sentir

un grupo de datos es de su valor medio.

Esta calculadora nos permite calcular el intervalo de confianza para un grupo de

datos para los niveles de confianza del 50%, 60%, 70%, 80%, 90%, 95%, 98%, 99%,
99,8% y 99,9%.

Por ejemplo, digamos que tenemos un tamaño de muestra de 32, con una media de
33,4 y una desviación estándar de 42. Queremos calcular el intervalo de confianza del 95%
para estos datos. Si lo hacemos, obtendremos el intervalo de 18,9 a 47,9. Esto significa que
estamos 95% seguros de que la media está entre 18.9 y 47.9.

Un nivel de confianza del 50% se dio el intervalo más corto Debido a que es el más
pequeño y menos precisa de todos los niveles de confianza. A medida que aumenta el nivel
de confianza, conseguimos un mayor rango de valores para aumentar nuestra confianza en
que la media estará en el subconjunto. Por lo tanto, a medida que aumenta el nivel de
confianza, tenemos una gama cada vez más grandes. El intervalo de confianza del 99,9%
dará lugar a la gama más amplia de todos los intervalos de confianza.

La calculadora del intervalo de confianza calcula el intervalo de confianza tomando

la desviación estándar y dividiéndola por la raíz cuadrada del tamaño de la muestra, de
acuerdo con la fórmula: σx = σ / √n.

3. Confiabilidad (nivel de confianza), riesgo (nivel de significancia)

El nivel de confianza define la distancia para lo cerca que están los límites de
confianza de la media de la muestra.
 El nivel de confianza, en estadística, es la probabilidad máxima con la que
podríamos asegurar que el parámetro a estimar se encuentra dentro de nuestro intervalo
estimado. El nivel de confianza se define como 1-alfa y sus valores más comunes son 90%,
95% y 99%.

En estadística es común tener que estimar parámetros, los cuales, nunca vamos a
poder afirmar al 100% que son el valor real que buscamos. Por ejemplo, observando a
simple vista la altura de 10 alumnos en una clase podríamos estimar que la altura está entre
1,70 y 1,75.

Sería difícil saber con un 100% de certeza la altura media si no medimos a cada
alumno y hacemos los cálculos. Por el contrario, sí podríamos acotar un intervalo y situar el
valor dentro de este. Pues bien, el nivel de confianza, sería el porcentaje máximo con el que
podríamos asegurar que el parámetro real se encuentra dentro del intervalo acotado.

El nivel de significación define la distancia que la media de la muestra debe estar de

la hipótesis nula para que se considere estadísticamente significativa. También es la
probabilidad máxima que asumimos de forma voluntaria de equivocarnos al rechazar
la hipótesis nula cuando en realidad es cierta. En otras palabras, el nivel de significación es
el máximo error que queremos cometer en nuestra estimación o contraste.

El nivel de significación es comúnmente representado por el símbolo griego α

(alfa). Son comunes los niveles de significación del 0.05, 0.01 y 0.001. Si un contraste de
hipótesis proporciona un valor p inferior a α, la hipótesis nula es rechazada, siendo tal
resultado denominado estadísticamente significativo. Cuanto menor sea el nivel de
significación, más fuerte será la evidencia de que un hecho no se debe a una mera
coincidencia (al azar).

En algunas situaciones es conveniente expresar la significación estadística como

1 − α. En general, cuando se interpreta una significación dada, se debe tomar en cuenta que,
precisamente, está siendo probada estadísticamente.

Diferentes niveles de α tienen distintas ventajas y desventajas. Valores pequeños de

α otorgan mayor confianza en la determinación de la significación, pero hacen correr
mayores riesgos de equivocarse al aceptar una hipótesis nula falsa (error de tipo II o falso
negativo, con lo cual se pierde potencia de estudio. La elección de un nivel de α
inevitablemente envuelve un compromiso entre significación y potencia, y
consecuentemente entre errores de tipo I y de tipo II.

Los niveles fijos de significación tales como los mencionados pueden ser
considerados como útiles en el análisis exploratorio de datos. Sin embargo, la
recomendación de la estadística moderna es que, cuando el resultado de un test es
esencialmente el resultado final de un experimento o de otro estudio, el valor p debería ser
citado explícitamente. Y, sobre todo, debería ser citado si el valor p es juzgado o no como
significativo. Esto es para permitir que el máximo de información sea transferido de un
resumen de estudio al meta análisis.

Tanto el nivel de significación como el nivel de confianza definen una distancia de

un límite a una media.
REFERENCIAS BIBLIOGRAFICAS

HERNÁNDEZ LERMA, Onésimo.

Elementos de probabilidad y estadística, México,
Fondo de cultura
Económica, 1979, 355 p.

KISH, Leslie. Muestreo de encuestas,

3ª reimp, México, Trillas, 1982, 736 p.

MENDENHALL, William; REINMUTH, James.

Estadística para administración y Economía,[trad.
Joaquín Diaz Saiz, Federico O’ Reilly],
México, Grupo
Editorial Iberoámrica, 1986,707 p.