ESTADISTICA Y PROBABILIDAD II

3. ESTIMACION PUNTUAL

CARLOS PAREDES GUZMAN

 Estadística inferencial

La estadística inferencial se ocupa de

utilizar los resultados de una muestra
para estimar o sacar conclusiones respecto a las
características o parámetros de la población

Estas conclusiones tienen un error que es

cuantificado con la ayuda de las probabilidades
 Estimación

Mediante el estudio de una muestra extraída de una población

pretendemos generalizar nuestras conclusiones al total de la misma

Con frecuencia se estiman parámetros poblacionales con base en

estadísticos muestrales debido a factores como tiempo y costo

Los problemas de estimación se encuentran en todas

partes,
(en la vida diaria, en la ciencia y los negocios)
 Estimación

La estadística con sus diferentes procedimientos

ayuda a realizar estimaciones que conducen a decisiones racionales,
 sin tener la información completa y
 con incertidumbre acerca de lo que puede deparar el futuro

La estadística utiliza el método inductivo, es decir parte de los

resultados de un grupo pequeño para luego generalizarlo

Tipos de estimación:  estimación puntual y

 estimación por intervalo
 Estimador

Un estimador (valor estadístico, estadígrafo, estadístico)

es un valor calculado a partir de la muestra aleatoria

Se caracteriza por cambiar de valor de una muestra a otra

Un estimador cualquiera del parámetro desconocido  se denota por ̂

Los estimadores se calculan usando fórmulas siendo los más importantes:

X , s , Me, Mo, s, p
2
 Estimador

Un estimador tiene una media y una varianza

(consecuencia de cambiar de valor de muestra a muestra)

La media o valor esperado del estimador se denota por E(̂ )

y la varianza del estimador por V( ̂ )

es la desviación estándar del estimador o

V ( ˆ ) el error estándar del estimador

El error estándar es inversamente proporcional a la precisión del estimador,

a menor error estándar, mayor será la precisión del estimador
 Estimación puntual

Una estimación puntual de un parámetro  es un solo número

que se puede considerar como el valor más razonable de 

Se obtiene una estimación puntual

al seleccionar un estadístico apropiado y
calcular su valor a partir de la información muestral dada

El estadístico seleccionado se llama estimador puntual de 

El valor que asume el estimador puntual se denota por ̂

 Estimación puntual

Los problemas de estimación se presentan con gran frecuencia

en la ingeniería

A menudo es necesario estimar:

 La media  de una población

 La varianza (o desviación estándar ) de una población
 La proporción  de elementos de una población que
pertenecen a cierta clase de interés
 La diferencia entre medias de dos poblaciones
 La diferencia entre proporciones de dos poblaciones
 Estimación puntual

Los problemas de estimación se presentan con gran frecuencia

en la ingeniería

Estimadores puntuales razonables de estos parámetros son:

 Para , es la media muestral X

Para  , es la varianza muestral s
2 2

 Para , es la proporción muestral p
 Para 1   2 , es la diferencia entre las medias muestrales de dos
muestras aleatorias independientes X 1  X 2
 Para  1   2 , es la diferencia entre las proporciones de dos muestras
aleatorias independientes p1  p2
Propiedades de los estimadores

Como se pueden generar una gran cantidad

de estimadores para un mismo parámetro ,
un problema es determinar el “mejor” u “óptimo”

Se han desarrollado algunos criterios

para seleccionar únicamente a los que
cumplen ciertas requisitos o condiciones
 Propiedades de los estimadores

Estos criterios son:

ESTIMADOR INSESGADO:

Un estimador puntual ̂ es un estimador insesgado de 

si E ( ˆ )  

La diferencia E ( ˆ )   se conoce como el sesgo del estimador

Cuando un estimador es insesgado E( ˆ )   = 0
E( s 2 ) = 
2
Por ejemplo: E( X ) = µ y
 Propiedades de los estimadores

Estos criterios son:

ESTIMADOR EFICIENTE:

Un estimador es eficiente cuando su varianza es menor

que la varianza de cualquier otro estimador

La idea es que un estimador eficiente producirá una

estimación más cercana al parámetro de la población
que cualquier otro estimador
 Propiedades de los estimadores

Estos criterios son:

ESTIMADOR EFICIENTE:
Cuando se elige uno de entre varios estimadores,
un principio lógico de estimación es preferir el estimador
que tenga la menor varianza

Si se consideran todos los estimadores insesgados de ,

el que tiene la menor varianza recibe el nombre de
estimador insesgado de varianza mínima

La media muestral X es un estimador insesgado de varianza mínima de 

 Propiedades de los estimadores

Estos criterios son:

ESTIMADOR C0NSISTENTE:
Un estimador es consistente si al aumentar el tamaño de la muestra,
el valor del estimador se aproxima al valor del parámetro de la
población

ESTIMADOR SUFICIENTE:
Un estimador es suficiente si utiliza una cantidad de información de
la muestra tal que ningún otro estimador podría extraer información
adicional de la muestra con respecto al parámetro
Propiedades de los estimadores

Un estimador que cumple las propiedades

anteriores
se denomina EIUMV o “mejor estimador”
Método de máxima verosimilitud

Es uno de los mejores métodos para obtener

un estimador puntual de un parámetro

El estimador de máxima verosimilitud de  es el valor

de  que maximiza la función de verosimilitud L( )

La función de verosimilitud es:

L
(
)= 
f
(
X,
1
)f
(
X,
2
)…
f(
X,
n)
=f
(X,
i )  n


i
1

 Principales estimadores puntuales

M
E
D
I
A
M
U
E
SX
T
R
A
L:
E
l
m
e
j
or
e
s
t
i
m
aµ
d
o
r
d
e
,
es
e
l
m
e
d
i
am
u
e
s
tr
a
l
X

L
A
V
A
R
I
A
N
CI
A
MU
E
S
T
2
:
E
l
s
R
A
Lm
e
j
o
2
,
e
s
r
e
s
l
a
v
a
t
i
m
a
r
i
a
n
d
o
r
d
c
i
a
m
e
l
a
u
e
s
v
a
r
i
a
t
r
a
l
n
c
i
a
2
s
p
o
b
l
ac
i
o
n
al

LA PROPORCIÓN MUESTRAL p: El mejor estimador de la proporción
poblacional , es la proporción muestral p
Principales estimadores puntuales

L
AD
I
FER
E
NC
IAE
NTR
E L
ASM
EDI
ASMUES
T
RA
LE
SX1:
X
2Elmej
ore
sti
m ad
or
d
e
1
2,
esl
a d
i
fer
en
ci
a e
ntr
el
asd
osm
ed
i
asmu
es
tr
al
es X
1 X 2

L
ADIF
ERENCI
A E
NTREL
ASPRO
PORCI
O N
ES
MU E
STR
AL
ESp1:
p2Elme
j
or
e
st
i
m adord
e 1 
,2esl
a d
i
fer
enciae
nt
rel
asd
ospr
opor
ci
ones
m
uestr
al
es p1p2