ESTIMACIÓN DE

PARÁMETROS
 ESTIMACIÓN
• Los métodos de inferencia
estadística emplean el
razonamiento inductivo,
razonamiento de lo particular a
lo general y de lo observado a
lo no observado.
 ESTIMACIÓN
• Cualquier colección o agregación
grande de cosas que deseamos
estudiar o de las cuales deseamos
hacer inferencias, se llama población.
• El término población tiene más
significado cuando se lo junta con la
definición de muestra de una
población: una muestra es una parte
o subconjunto de una población.
 PARAMETROS
• Es un valor, medida o
indicador representativo de
la población que se
selecciona para ser
estudiado.
• Función definida sobre
valores numéricos de una
población.
 PARAMETROS
• Se llama parámetro a un valor
representativo de una población,
como la media aritmética, una
proporción o su desviación típica.
• Los valores de varias medidas
descriptivas calculadas para las
poblaciones, se llaman parámetros.
• Para las muestras, estas mismas
medidas descriptivas se llaman
estadísticas.
• Es costumbre simbolizar las
estadísticas con letras romanas
y los parámetros con letras
griegas.
  Estadística Parámetro

Media aritmética v 

Variancia S²  2
Desvío estándar S  
 ESTIMACIÓN PUNTUAL DE
PARÁMETROS

Un estimador puntual es simplemente un

estadístico (media aritmética, varianza,
etc.) que se emplea para estimar
parámetros (media poblacional, varianza
poblacional, etc.).

Es decir, cuando obtenemos una media

aritmética a partir de una muestra, tal
valor puede ser empleado como un
estimador para el valor de la media
poblacional.
 VEREMOS DOS TIPOS DE
ESTIMADORES:
1) Estimación puntual. Aquí
obtendremos un punto, un valor,
como estimación del parámetro.

La media de la población se puede

estimar puntualmente mediante la
media de la muestra:
• E( )= 
2)Estimación por intervalos.
Aquí obtendremos un
intervalo dentro del cual
estimamos (bajo cierta
probabilidad) estará el
parámetro.
Intervalos de confianza para los
principales parámetros
El caso de la media
En este caso, en lugar de indicar simplemente un
único valor como estimación del parámetro, lo que
haremos es ofrecer un intervalo de valores que
sea asumible con cierta probabilidad por el
parámetro que queremos estimar.
-Intervalo de confianza: Es el intervalo de las
estimaciones (probables) sobre el parámetro.
-Límites de los intervalos de confianza: Son los dos
valores extremos del intervalo de confianza
 INTERVALO DE CONFIANZA PARA
LA MEDIA POBLACIONAL 

Ahora bien, ¿cuán grande habrá de ser el

intervalo de confianza?
Evidentemente, si decimos que el intervalo
de confianza va de menos infinito a más
infinito, seguro que acertamos...pero eso
no es muy útil. Por su parte, el extremo es
la estimación puntual, en la que lo usual
es que no demos con el valor del
parámetro...
Intervalos de confianza para parámetros:
El caso de la media

Pero, ¿cómo calculamos estos dos límites?

Vamos a ver DOS casos.
Primero, veremos el caso de que sepamos la
varianza poblacional.
Segundo, veremos el caso de que NO sepamos la
varianza poblacional
Conocemos 2

Nuestra distribución es normal, pero con cierta media y

cierta desviación típica, las cuales sabemos por el tema
anterior:
1) La media de la distribución muestral de medias es la
media poblacional m
2) La varianza de la distribución muestral de medias es  2/n
O lo que es lo mismo, la desviación típica de la
dist.muestral de medias es

n
Si las muestras se toman sin reposición de una
población finita de tamaño N, el intervalo será:
Ejemplo 1:
Un grupo de investigadores en Medicina desea
estimar el cambio medio de presión sanguínea por
paciente en un sanatorio. Se ha seleccionado una
muestra al azar de 30 pacientes y se halló que
x=5 puls/seg. Los investigadores saben que la
desviación estándar de los cambios de presión
sanguínea para todos los pacientes es s= 3 puls/seg
según estudios anteriores. Ellos desean estimar el
cambio medio de la presión sanguínea por paciente
con un intervalo del 95% de confianza, suponiendo
que la variable aleatoria "cambios de presión
sanguínea" tiene asociada una distribución normal
de probabilidad.
Respuesta:
X = cambio en la presión sanguínea por paciente del
sanatorio (en pulsaciones por segundo)

n = 30 
  = 3  i.C = 0.95
 CASO DE DESCONOCER LA
VARIANZA POBLACIONAL
Para la media (cuando conocemos la varianza
poblacional), tenemos la expresión

Pero si no conocemos la varianza poblacional,

no podemos emplear  2

n
En su lugar hemos de emplear s 2
n
 CASO DE DESCONOCER LA
VARIANZA POBLACIONAL
Pero si no conocemos la varianza poblacional (el caso
realista), tenemos la expresión:

 s s 
P  X  0.025 tn 1     X  0.975 tn 1    0.95
 n n

En todo caso, recordad que si "n" es grande, la

distribución t de Student será virtualmente una
distribución normal N(0,1). En otras palabras, si
"n" es grande, ambas fórmulas dan unos intervalos
virtualmente idéntico, y emplear la distribución
normal es correcto.
• Ejemplo 2:
Una muestra de 15 aves tomadas al azar
en un establecimiento con 5000 aves,
(que elabora alimentos balanceados),
permitió establecer un aumento de peso
promedio de 90 g por semana y por ave,
y un desvío típico de 10 g. Se busca
estimar el incremento de peso promedio
para las 5000 aves del establecimiento
con un intervalo de confianza del 90%.
Respuesta:
X = aumento de peso por ave
n = 15   = 90 g S = 10 g ¿ICM0,90?
Por tabla:
 y el intervalo resulta:

Interpretando este resultado, se dice que

el aumento de peso por ave por
semana en el establecimiento está entre
85,5 y 94,6 gramos, con un 90% de
confianza.