Índice

Conceptos generales
Distribución en el muestreo de un estimador puntual
Propiedades de los estimadores
Bibliografı́a

Tema 7 Estimación puntual

Grupos D107-DM107

Curso 2023-2024

D107-DM107 7. Estadı́stica 1/27

 Índice
Conceptos generales
Distribución en el muestreo de un estimador puntual
Propiedades de los estimadores
Bibliografı́a

Tema 7 Estimación puntual

1 Conceptos generales
2 Distribución en el muestreo de un estimador puntual
Distribución muestral de la media
Distribución muestral de la cuasi-varianza
Distribución muestral de una proporción
3 Propiedades de los estimadores
Estimador centrado o insesgado
Eficiencia o precisión
Consistencia
Propiedades de los estimadores puntuales estudiados
4 Bibliografı́a

D107-DM107 7. Estadı́stica 2/27

 Índice
Conceptos generales
Distribución en el muestreo de un estimador puntual
Propiedades de los estimadores
Bibliografı́a

7.1 Conceptos generales

D107-DM107 7. Estadı́stica 3/27

 Índice
Conceptos generales
Distribución en el muestreo de un estimador puntual
Propiedades de los estimadores
Bibliografı́a

La inferencia estadı́stica es un tipo de razonamiento que procede

de lo concreto a lo general, intentando extraer conclusiones sobre
una población a partir de la información de una muestra de esa
población.
¿Por qué escoger una muestra?
La muestra debe ser representativa: las propiedades que
caracterizan a la población deben distribuirse de manera
análoga en la muestra.
Muestreo probabilı́stico (muestreo aleatorio simple, muestreo
aleatorio estratificado, muestreo por conglomerados, muestreo
sistemático)

D107-DM107 7. Estadı́stica 4/27

 Índice
Conceptos generales
Distribución en el muestreo de un estimador puntual
Propiedades de los estimadores
Bibliografı́a

La inferencia estadı́stica se puede clasificar en:

Inferencia paramétrica. Se supone conocida la distribución de
la variable en estudio de la población y se trata de estimar sus
parámetros.
Inferencia no paramétrica. No se conoce la distribución, solo
aspectos generales de ella como la simetrı́a, continuidad, etc.
En este curso se estudia inferencia paramétrica.

D107-DM107 7. Estadı́stica 5/27

 Índice
Conceptos generales
Distribución en el muestreo de un estimador puntual
Propiedades de los estimadores
Bibliografı́a

Objetivo: se trata de estimar una caracterı́stica cuantitativa o los

parámetros de una población basándose en la información
contenida en una muestra aleatoria. Es necesario modelizar la
caracterı́stica y la muestra.
Ejemplo: se desea conocer la proporción p de la población con un
nivel de colesterol superior a 200 unidades. No es posible estudiar
toda la población (tiempo y coste económico).
El modelo que se utiliza es conocido, X ∼ B(1, p)
Para hacer afirmaciones fundamentadas sobre el valor del
parámetro p se requieren datos de n individuos
independientes y representativos.
Parece lógico estimar la proporción poblacional p con la
proporción muestral p̂.

D107-DM107 7. Estadı́stica 6/27

 Índice
Conceptos generales
Distribución en el muestreo de un estimador puntual
Propiedades de los estimadores
Bibliografı́a

Ejemplo: Se quiere estudiar la duración, en horas, de determinadas

baterı́as y se sabe que la duración X sigue una distribución
exponencial, X ∼ Exp(a), con el parámetro a desconocido.
No es posible observar la duración de todas las baterı́as.
Se quiere estimar a a partir de la información de una muestra.
1
Como E(X) = , parece lógico estimar la media poblacional
a
1
con la media muestral, de manera que a = .
x̄
Supongamos que por información histórica la duración media de
las baterı́as es de 83 horas. ¿Cómo podemos interpretar que en una
muestra de tamaño n = 50 se obtenga x̄ = 80, 7 horas?
En este tema se estima el parámetro y en los siguientes se da
respuesta a la pregunta planteada.

D107-DM107 7. Estadı́stica 7/27

 Índice
Conceptos generales
Distribución en el muestreo de un estimador puntual
Propiedades de los estimadores
Bibliografı́a

Muestra aleatoria simple I

Una muestra es aleatoria simple cuando:

1 Cada elemento de la población tiene la misma probabilidad de
ser elegido.
Se garantiza que la muestra sea representativa.
2 Las observaciones se realizan con reemplazamiento para que la
población sea la misma en todas las extracciones.
Si el tamaño de la población es grande con respecto al tamaño
de la muestra, es indiferente que haya reemplazamiento o no.

D107-DM107 7. Estadı́stica 8/27

 Índice
Conceptos generales
Distribución en el muestreo de un estimador puntual
Propiedades de los estimadores
Bibliografı́a

Muestra aleatoria simple II

Sea X la variable aleatoria de interés en la población, con función
de distribución Fθ , donde θ denota el parámetro o parámetros
desconocidos. Una muestra aleatoria simple (m.a.s) de tamaño n
es un conjunto de variables

X1 , X2 , . . . , Xn

tales que
X1 , X2 , . . . , Xn son independientes.
X1 , X2 , . . . , Xn son idénticamente distribuidas, con la misma
distribución de la variable poblacional X.

Al conjunto de valores observados (x1 , x2 , . . . , xn ) se le llama

realización de la muestra.
D107-DM107 7. Estadı́stica 9/27
 Índice
Conceptos generales
Distribución en el muestreo de un estimador puntual
Propiedades de los estimadores
Bibliografı́a

Estadı́stico. Estimador. Estimación

Sea (X1 , X2 , . . . , Xn ) una m.a.s. de tamaño n de una población

con función de distribución Fθ .
Un estadı́stico es una función de las variables aleatorias de la
muestra y lo representamos por T (X1 , X2 , . . . , Xn ). Un
estadı́stico es una variable aleatoria.
Cualquier estadı́stico que se utilice para estimar el valor del
parámetro θ se denomina estimador puntual del parámetro.
Se denomina estimación al valor del estimador para una
muestra particular.
Para cada parámetro habrá que encontrar el mejor estimador, para
cometer en la estimación el menor error posible.

D107-DM107 7. Estadı́stica 10/27

 Índice
Conceptos generales
Distribución en el muestreo de un estimador puntual
Propiedades de los estimadores
Bibliografı́a

Ejemplos

1X
n
1 La media muestral X = Xi es un estimador de la media
n
i=1
poblacional µ.
1X
n
2 La varianza muestral Var(X1 , . . . Xn ) = (Xi − X)2 es un
n
i=1
estimador de la varianza poblacional σ2 .
1 X
n
3 La cuasi-varianza muestral S2 = (Xi − X)2 es un
n−1
i=1
estimador de la varianza poblacional σ2 .
Observa que en todos los casos el estimador es una función
T (X1 , X2 , . . . , Xn ).

D107-DM107 7. Estadı́stica 11/27

 Índice
Conceptos generales Distribución muestral de la media
Distribución en el muestreo de un estimador puntual Distribución muestral de la cuasi-varianza
Propiedades de los estimadores Distribución muestral de una proporción
Bibliografı́a

7.2 Distribución en el muestreo de un estimador

puntual
1 Distribución muestral de la media
2 Distribución muestral de la cuasi-varianza
3 Distribución muestral de una proporción

D107-DM107 7. Estadı́stica 12/27

 Índice
Conceptos generales Distribución muestral de la media
Distribución en el muestreo de un estimador puntual Distribución muestral de la cuasi-varianza
Propiedades de los estimadores Distribución muestral de una proporción
Bibliografı́a

Concepto

T (X1 , X2 , . . . , Xn ) = X̄ (o cualquier otro estimador) es una variable

aleatoria, ¿se puede determinar su distribución?
D107-DM107 7. Estadı́stica 13/27
 Índice
Conceptos generales Distribución muestral de la media
Distribución en el muestreo de un estimador puntual Distribución muestral de la cuasi-varianza
Propiedades de los estimadores Distribución muestral de una proporción
Bibliografı́a

Definición

Sea T (X1 , X2 , . . . , Xn ) un estimador de un parámetro θ de una

población con función de distribución Fθ (x).

A la distribución de la variable aleatoria T (X1 , . . . , Xn ) se la

denomina distribución en el muestreo del estimador puntual
T (X1 , X2 , . . . , Xn ) o distribución muestral del estimador.

En general, la distribución en el muestreo de un estimador es

distinta a la función de densidad o de probabilidad de la
población.

D107-DM107 7. Estadı́stica 14/27

 Índice
Conceptos generales Distribución muestral de la media
Distribución en el muestreo de un estimador puntual Distribución muestral de la cuasi-varianza
Propiedades de los estimadores Distribución muestral de una proporción
Bibliografı́a

Ejemplo

Se toma una muestra aleatoria de 100 alumnos de una población

escolar de alumnos de 4º de la ESO. Se ha estimado de
experiencias anteriores que la altura de los alumnos de dicho curso
es una caracterı́stica que se distribuye según una variable aleatoria
N(167, 3.2).
1 Calcular la probabilidad de que un elemento de la población,
elegido al azar, tenga una altura superior a 170 cm.
2 Dada una muestra aleatoria simple de 100 alumnos, calcular la
probabilidad de que la media muestral sea superior a 170 cm.
3 ¿Se puede concluir estadı́sticamente que los valores tomados
por la media muestral se encuentran menos dispersos que los
valores poblacionales?

D107-DM107 7. Estadı́stica 15/27

 Índice
Conceptos generales Distribución muestral de la media
Distribución en el muestreo de un estimador puntual Distribución muestral de la cuasi-varianza
Propiedades de los estimadores Distribución muestral de una proporción
Bibliografı́a

Distribución muestral de la media

Proposición: sea (X1 , X2 , . . . , Xn ) una m.a.s. de tamaño n de una

población sobre la que se observa una caracterı́stica X, de media µ
y varianza σ, entonces

X sigue una distribución de media E(X) = µ y varianza

σ2
Var(X) = .
n  
σ
X ∼ N(µ, σ) ⇒ X ∼ N µ, √ .
n
 
σ
n > 30 ⇒ X ∼ N µ, √ (se aplica el TCL).
n

D107-DM107 7. Estadı́stica 16/27

 Índice
Conceptos generales Distribución muestral de la media
Distribución en el muestreo de un estimador puntual Distribución muestral de la cuasi-varianza
Propiedades de los estimadores Distribución muestral de una proporción
Bibliografı́a

Distribución muestral de la cuasi-varianza S2

Proposición: sea (X1 , X2 , . . . , Xn ) una m.a.s. de tamaño n de una

variable aleatoria X ∼ N(µ, σ), entonces,

1 X y S2 son independientes.

(n − 1)S2
2 ∼ χ2n−1 .
σ2

D107-DM107 7. Estadı́stica 17/27

 Índice
Conceptos generales Distribución muestral de la media
Distribución en el muestreo de un estimador puntual Distribución muestral de la cuasi-varianza
Propiedades de los estimadores Distribución muestral de una proporción
Bibliografı́a

Distribución muestral de una proporción

Proposición: sea (X1 , X2 , . . . , Xn ) una m.a.s. de tamaño n de una
población B(1, p).
X
Para estimar p se utiliza el estimador p̂ = , donde
n
X ∼ B(n, p).
La variable aleatoria
r p̂ sigue una distribución de media p y
p(1 − p)
desviación tı́pica .
n
Para n grande y siempre que p no esté próximo a 0 ni a 1, se
tiene que
r !
p(1 − p)
p̂ ∼ N p,
n

D107-DM107 7. Estadı́stica 18/27

 Índice
Estimador centrado o insesgado
Conceptos generales
Eficiencia o precisión
Distribución en el muestreo de un estimador puntual
Consistencia
Propiedades de los estimadores
Propiedades de los estimadores puntuales estudiados
Bibliografı́a

7.3 Propiedades de los estimadores

1 Estimador centrado o insesgado
2 Eficiencia o precisión
3 Consistencia
4 Propiedades de los estimadores estudiados

D107-DM107 7. Estadı́stica 19/27

 Índice
Estimador centrado o insesgado
Conceptos generales
Eficiencia o precisión
Distribución en el muestreo de un estimador puntual
Consistencia
Propiedades de los estimadores
Propiedades de los estimadores puntuales estudiados
Bibliografı́a

Estimador centrado o insesgado

Sea θ̂ = T (X1 , . . . , Xn ) un estimador del parámetro θ.

θ̂ es un estimador insesgado o centrado para θ si E(θ̂) = θ.
Si E(θ̂) ̸= θ se dice que θ̂ es un estimador sesgado. Se llama
sesgo del estimador a E(θ̂) − θ.
θ̂ es un estimador asintóticamente insesgado para θ si

lı́m E(θ̂) = θ
n→+∞

D107-DM107 7. Estadı́stica 20/27

 Índice
Estimador centrado o insesgado
Conceptos generales
Eficiencia o precisión
Distribución en el muestreo de un estimador puntual
Consistencia
Propiedades de los estimadores
Propiedades de los estimadores puntuales estudiados
Bibliografı́a

Eficiencia o precisión

La eficiencia o precisión de un estimador θ̂ es la inversa de la

varianza de su distribución muestral,
1
eficiencia(θ̂) =
Var(θ̂)

Un estimador θ̂2 es más eficiente o preciso que otro θ̂1 si para

cualquier tamaño muestral

Var(θ̂2 ) ⩽ Var(θ̂1 ) ⇐⇒ efic(θ̂2 ) ⩾ efic(θ̂1 )

La precisión o eficiencia permite comparar estimadores
insesgados.

D107-DM107 7. Estadı́stica 21/27

 Índice
Estimador centrado o insesgado
Conceptos generales
Eficiencia o precisión
Distribución en el muestreo de un estimador puntual
Consistencia
Propiedades de los estimadores
Propiedades de los estimadores puntuales estudiados
Bibliografı́a

Ejemplo

Sea (X1 , X2 , . . . , Xn ) una m.a.s. de tamaño n = 4 de una variable

aleatoria X ∼ N(µ, σ), se consideran los siguientes estimadores de
µ:
1X
4
La media muestral, X = Xi .
4
i=1

1 2 2 1
T1 = X1 + X2 + X3 + X4 .
10 5 5 10
1 1 1 1
T 2 = X1 + X2 + X3 + X4 .
6 6 2 6
Los estimadores dados son insesgados, pero ¿cuál es más eficiente?

D107-DM107 7. Estadı́stica 22/27

 Índice
Estimador centrado o insesgado
Conceptos generales
Eficiencia o precisión
Distribución en el muestreo de un estimador puntual
Consistencia
Propiedades de los estimadores
Propiedades de los estimadores puntuales estudiados
Bibliografı́a

Consistencia

θ̂ = T (X1 , . . . , Xn ) es un estimador consistente para θ si se

cumplen:
1 T (X1 , . . . , Xn ) es un estimador asintóticamente insesgado
para θ.
2 lı́m Var(T (X1 , . . . , Xn ) = 0.
n→+∞

D107-DM107 7. Estadı́stica 23/27

 Índice
Estimador centrado o insesgado
Conceptos generales
Eficiencia o precisión
Distribución en el muestreo de un estimador puntual
Consistencia
Propiedades de los estimadores
Propiedades de los estimadores puntuales estudiados
Bibliografı́a

Estimador puntual de la media poblacional µ

Sea (X1 , X2 , . . . , Xn ) una m.a.s. de tamaño n de una variable

aleatoria X con función de distribución Fµ (x), siendo µ
desconocida.

X es un estimador insesgado y consistente para µ.

 
σ
X ∼ N(µ, σ) =⇒ X ∼ N µ, √
n
 
σ
n > 30 =⇒ X ∼ N µ, √ (se aplica el TCL)
n

D107-DM107 7. Estadı́stica 24/27

 Índice
Estimador centrado o insesgado
Conceptos generales
Eficiencia o precisión
Distribución en el muestreo de un estimador puntual
Consistencia
Propiedades de los estimadores
Propiedades de los estimadores puntuales estudiados
Bibliografı́a

Estimador puntual de la varianza

Sea (X1 , X2 , . . . , Xn ) una m.a.s. de tamaño n de una variable

aleatoria X con función de distribución N(µ, σ), donde µ y σ no
son conocidas.

S2 estimador insesgado y consistente para σ2 .

(n − 1)S2
X ∼ N(µ, σ) =⇒ ∼ χ2n−1
σ2

D107-DM107 7. Estadı́stica 25/27

 Índice
Estimador centrado o insesgado
Conceptos generales
Eficiencia o precisión
Distribución en el muestreo de un estimador puntual
Consistencia
Propiedades de los estimadores
Propiedades de los estimadores puntuales estudiados
Bibliografı́a

Estimador puntual de una proporción

Sea (X1 , X2 , . . . , Xn ) una m.a.s. de tamaño n de una variable

aleatoria con función de distribución B(1, p), donde p es
desconocido.
Se define X = Número de éxitos en la muestra, X ∼ B(n, p).

X
p̂ = es un un estimador insesgado y consistente para p.
n
r !
p(1 − p)
Si n > 30, p̂ ∼ N p,
n

D107-DM107 7. Estadı́stica 26/27

 Índice
Conceptos generales
Distribución en el muestreo de un estimador puntual
Propiedades de los estimadores
Bibliografı́a

Bibliografı́a

1 Álvarez Contreras, S. (2011). Estadı́stica aplicada. Teorı́a y

problemas. CLAG S.A.
2 Canavos, G.C. (1995). Probabilidad y Estadı́stica.
Aplicaciones y Métodos. McGraw-Hill.
3 Navidi, W. (2022). Estadı́stica para ingenieros y cientı́ficos.
McGraw Hill.
4 Peña, D (2001). Fundamentos de Estadı́stica. Alianza
Editorial.
5 Grima, P. (2018). La certeza absoluta y otras ficciones. Los
secretos de la estadı́stica. National Geographic.

D107-DM107 7. Estadı́stica 27/27