Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimación de parámetros
Estas inferencias puede realizarse de varias formas, no obstante, las más habituales son
dos:
1. La estimación de parámetros
2. El contraste de hipótesis
ESTIMACIÓN DE PARÁMETROS
CONTRASTE DE HIPÓTESIS
Trata de responder a la pregunta de: ¿Es razonable pensar que un parámetro tiene tal
valor?
Por ejemplo, para estimar la media poblacional (μ) podemos utilizar los siguientes
estadísticos: la media aritmética, o la mediana, o la moda. Para poder elegir entre distintos
estadísticos debemos conocer cuáles son las propiedades de un buen estimador.
1
Propiedades de un buen estimador:
De esto se deduce que todo estadístico que verifique las siguientes dos condiciones, es
consistente (aunque no todo estadístico consistente tiene que verificarlas). Estas
condiciones (estimador insesgado y además el error típico tiende a 0 a medida que
aumentamos el tamaño muestral) no son necesarias para que sea consistente pero si son
suficientes para que ese estimador sea consistente. Aunque no se cumplan cabe la
posibilidad de que el estimador sea consistente
Si el estimador es insesgado pero poco eficiente lo que nos va a decir es que en promedio
el valor del estadístico o estimador va a ser igual al estimador.
Si es poco eficiente un estadístico el error de estimación es muy grande y por tanto el valor
estimado se aleja del real sin embargo si es eficiente hay un error menor y por tanto estos
valores son más cercanos. Error típico mayor menor precisión y por tanto menos eficiencia.
Error típico pequeño mayor eficiencia del estimador y por tanto mayor precisión.
2
4. Suficiencia: Decimos que un estadístico es suficiente si al estimar el parámetro
Para calcular la media aritmética necesitamos conocer todos los valores sin embargo para
la mediana o la moda solo necesitamos un valor.
1. Carencia de sesgo:
3. Eficiencia:
4. Suficiencia:
3
Tanto la media como la proporción como la varianza sesgada e insesgada son suficientes
porque incluyen xi que son todos los valores.
Nos interesa el Insesgado - Eficientes puesto que el promedio de los tiros coincide con el
medio de la diana y la dispersión es menor.
Acabamos de ver que la estimación puntual consiste en atribuir un valor concreto por medio
de un estadístico a un parámetro.
Es muy poco probable que el valor tomado por el estadístico coincida con el valor del
parámetro. Debido a la variación muestral existirá cierta discrepancia entre el valor estimado
y el valor real del estadístico. A esta discrepancia se le llama error muestral y se puede
expresar de esta manera:
4
La estimación por intervalos consiste en atribuir al parámetro que se desea estimar, no un
valor concreto, sino un rango de valores entre los que se espera que pueda encontrarse el
verdadero valor del parámetro con una probabilidad alta y conocida.
Este procedimiento permite determinar el tamaño del error muestral máximo (Emáx)
cometido en la estimación. Es decir, la distancia máxima que, con una determinada
probabilidad, esperamos que exista entre el valor verdadero del parámetro y el valor del
estadístico utilizado como estimador.
Si utilizamos la zona central de 0.95 de 100 intervalos construidos el 95% recogerán el valor
del parámetro y el 5% no. Habla de la probabilidad de antes de que se construya el
intervalo.
Es un error común pensar que los valores más centrales de un intervalo de confianza tienen
una probabilidad más alta de ser ciertos que los valores más alejados.
Los intervalos de confianza son una medida de la incertidumbre en la estimación de un
parámetro poblacional y no una medida de la probabilidad de que el parámetro esté dentro
del intervalo.
Por lo tanto, no se puede decir que los valores más centrales del intervalo tengan una
probabilidad más alta de ser ciertos que los valores más alejados.
5
A la probabilidad de efectuar una estimación
incorrecta se le llama nivel de riesgo y se
simboliza α (las dos colas azules)
Pasos a seguir:
6
4.- Establecer el valor del error máximo:
Cuanto más estrecho es un intervalo confidencial más informativo y útil nos resulta. Ahora
bien, la amplitud de un intervalo confidencial depende de dos factores:
1. el nivel de riesgo
Depende de alfa (nivel de riesgo: si alfa es mayor tendremos un intervalo de confianza más
estrecho) y de la desviación típica del estimador.
Un mayor nivel de confianza: una mayor amplitud de los intervalos confidenciales pero los
intervalos confidenciales estrechos no significa un nivel de confianza bajo puesto que
también afecta el tamaño muestral (si este es alto).
Un intervalo más estrecho es más preciso.
7
Nuestro interés debe orientarse hacia la reducción de la amplitud del intervalo manteniendo
constante el nivel de riesgo, y eso pasa necesariamente por la reducción del error típico del
estimador. En el caso de la media, depende de tanto la varianza poblacional como del
tamaño de la muestra. Esta ecuación nos muestra como incrementando el tamaño muestral
podemos disminuir el error típico muestral. Y puesto que éste determina el error máximo y, a
su vez, el tamaño del intervalo, podemos buscar el tamaño necesario para conseguir un
intervalo con el grado de precisión que deseemos.
Veamos a continuación, las ecuaciones concretas para cada los estadísticos más comunes:
la media, la varianza y la proporción.
8
Si la muestra es pequeña (n<30), la distribución muestral de la media sigue una distribución
t de Student. Cuando desconocemos sigma:
n= 100
media = 80
Sn - 1 (desviación típica insesgada) = 10
¿LS? (límite superior)
¿LI? (límite inferior)
1- alfa = 0.99 (nivel de confianza)
9
DISTRIBUCIÓN T DE STUDENT:
10