ESTIMACION DE PARAMETROS

Prof:
María Briceño
Estadística II
 Conceptos y terminología básica
La estimación es la determinación de un elemento o factor. Esto, usualmente tomando como referencia una base o conjunto de
datos.

En otras palabras, la estimación es un cálculo que se realiza a partir de la evaluación estadística. Dicho estudio suele efectuarse
sobre una muestra y no sobre toda la población objetivo.

Modelo de Estimación.

El modelo normalmente utilizado, está

compuesto por los siguientes elementos:
 Espacio de parámetros. Es un espacio no
observable, cuyos elementos son los posibles
parámetros de los que depende la generación de
datos.
 Espacio de observaciones. Es el espacio cuyos
elementos son los datos empíricos o medidas, que
se van a utilizar en la estimación.
 Regla de transición probabilística. Distribución
estadística de las observaciones, dependiendo del
parámetro o parámetros.
 Estimador. Función de los datos empíricos, que Objetivo: Medir (estimar) el valor de θ utilizando un instrumento de
se utiliza para generar la medida o estima. medida (estimador), diseñado usando algún criterio
 Estimación puntual
Una estimación puntual de un parámetro poblacional es cuando se utiliza un único valor para estimar ese
parámetro, es decir, se usa un punto en concreto de la muestra para estimar el valor deseado.

Propiedades deseables de un estimador

Las propiedades deseables de un estimador son las siguientes:
- La media muestral que sirve como estimación de la
media poblacional.
•Insesgadez: Un estimador es insesgado cuando la esperanza
matemática del este es igual al parámetro que se desea estimar. Por
tanto, la diferencia entre el parámetro a estimar y la esperanza de
nuestro estimador tendría que ser 0.
•Eficiente: Un estimador es más eficiente o tiene la capacidad de
estimar de forma precisa cuando su varianza es reducida. Por lo tanto
ante 2 estimadores, siempre elegiremos el que tenga una varianza - La Desviación típica muestral que sirve de estimación
menor. para la desviación típica de la población.
•Consistencia: Un estimador consistente es aquel que a medida que la
medida que la muestra crece se aproxima cada vez más al valor real del
parámetro. Por lo tanto, cuantos más y valores entran en la muestra, el
parámetro estimado será más preciso
 Estimación
por intervalos
La estima de un parámetro poblacional dada por un número se llama estima
del punto del parámetro. La estima de un parámetro poblacional dada por dos
números entre los cuales se considera que se encuentra dicho parámetro se
llama estima de intervalo del parámetro.

EJEMPLO: Si se dice que una distancia viene dada por 5.28 pies, se está dando una
estima de punto. Si, por otra parte, se dice que la distancia es 5,28 + o - 0.03 pies, es
decir, la distancia real se encuentra entre 5.25 y 5.31 pies, se está dando una estima
de intervalo, la precisión o conocimiento del error de una estima se conoce también
como su seguridad.
 Características de
buenos estimadores
Características de un buen estimador: validez y fiabilidad.
Propiedades deseables de un estimador.
Dado que en el contexto de un estudio de investigación lo que nos interesa es aproximarnos
al conocimiento de las características en la población (valor del parámetro poblacional), a
través del estudio de una muestra (estimación puntual de un estimador), el diseño y
desarrollo del estudio debe orientarse a asegurar que los estimadores utilizados reúnen dos
características: ser válidos y ser reproducibles.
• VALIDEZ
• REPRODUCIBILIDAD
- Validez de un estimador.
Un estimador será más válido cuanto más se aproxima al verdadero valor poblacional la
media de las estimaciones puntuales en las diferentes muestras posibles. Asumiendo que no
hay errores de medida, la validez de un estimador se valora analizando la presencia de
errores sistemáticos: cuanto menos error sistemático, más validez.
- Reproducibilidad o estabilidad de los resultados al repetir las mediciones.
Cuando se descartan errores de medida, la reproducibilidad de un estimador se cuantifica en
términos de su varianza ó error estándar, a menor varianza, mayor reproducibilidad, mayor
precisión.
 Definición de nivel
de confianza
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.
El nivel de confianza se representa por medio de las barras rellenas de la columna de confianza de
cada experiencia. El nivel de confianza (o relevancia estadística) indica en qué medida el éxito de
una experiencia no depende del azar. Un nivel de confianza elevado pone de manifiesto lo siguiente:
 * El rendimiento de la experiencia es considerablemente distinto al del control.
* El rendimiento de la experiencia no se debe simplemente al ruido.
Si realizara esta prueba de nuevo, probablemente obtendría los mismos resultados.
En caso de que el nivel de confianza supere el 90% o 95%, el resultado se puede considerar
estadísticamente relevante. Antes de tomar una decisión empresarial, espere a que el tamaño de
la muestra sea lo suficientemente grande y que las cuatro barras de confianza de una o más
experiencias se mantengan consistentes durante un periodo de tiempo ininterrumpido. De este
modo, se asegurará de que los resultados son estables.

Nota: La confianza se redondea al 100,00 % cuando la confianza es superior o igual al 99,995 %.

En la siguiente lista se indica el significado del número de barras de confianza:
* Una barra: relevancia < 60%
* Dos barras: relevancia < 75%
* Tres barras: relevancia < 90%
* Cuatro barras: relevancia >= 90%
 Estimación por intervalo de
confianza para la media con Varianza
conocida. Calculo del tamaño muestral.
Un intervalo de confianza nos va a permitir calcular dos valores alrededor de una
media muestral (uno superior y otro inferior). Estos valores van a acotar un rango
dentro
del cual, con una determinada probabilidad, se va a localizar el parámetro poblacional.
Conocer el verdadero poblacional, por lo general, suele ser algo muy complicado.
Pensemos en una población de 4 millones de personas. ¿Podríamos saber el gasto medio
en consumo por hogar de esa población? En principio sí. Simplemente tendríamos que
hacer una encuesta entre todos los hogares y calcular la media. Sin embargo, seguir ese
proceso sería tremendamente laborioso y complicaría bastante el estudio.
Ante situaciones así, se hace más factible seleccionar una muestra estadística. Por
ejemplo, 500 personas. Y sobre dicha muestra, calcular la media. Aunque seguiríamos
sin saber el verdadero valor poblacional, podríamos suponer que este se va a situar
cerca
del valor muestral. A esa media le sumamos el margen de error y tenemos un valor del
intervalo de confianza.
En conclusión, el intervalo de confianza no sirve para dar una estimación puntual del
parámetro poblacional, si nos va a servir para hacernos una idea aproximada de cuál
podría ser el verdadero de este. Nos permite acotar entre dos valores en dónde se
encontrará la media de la población.

Ejemplo de intervalo de confianza para la media, asumiendo normalidad y conocida la

desviación típica.

El estadístico pivote utilizado para el cálculo sería el siguiente:

 El intervalo resultante sería el siguiente:

Vemos como en el intervalo a la izquierda y derecha de la desigualdad

tenemos la cota inferior y superior respectivamente. Por tanto la
expresión nos dice, que la probabilidad de que la media poblacional se
sitúe entre esos valores es de 1-alfa (nivel de confianza).
 Estimación por intervalo de
confianza para la media con Varianza
desconocida.
Supongamos, en este caso, que la varianza poblacional de la variable de interés es
desconocida. Nuestro objetivo sigue siendo el cálculo de un intervalo de confianza para la
media de dicha variable.
Supongamos una muestra aleatoria X1,X2,⋯,Xn; de tamaño n de valores de la variable
aleatoria que sigue una distribución Normal de media μ y de varianza σ2, ambas desconocidas.
Para calcular un intervalo de confianza, en este caso, partimos de la variable aleatoria.

Sigue una distribución t de Student con n−1 grados de libertad. En la fórmula

anterior, s hace referencia a la cuasidesviación típica muestral.
Tenemos que buscar dos valores de esta distribución tales que:
Al operar algebraicamente, se obtiene que:

Por lo que el intervalo de confianza que buscamos es:

 Estimación por intervalo de
confianza para la proporción.
El comportamiento de la proporción con la que una característica p se da en la muestra:

Pasos:

1. 2.

P: Proporción. 3.
4.
n: Tamaño
muestral.

5.
 donde
 Ejemplo:
 Z = 1.96 según tabla N[0,1] y 0.95 de confianza.
En una investigación comercial se muestra a 100
 
individuos resultando que 25 de ellos han
Desconocemos la proporción poblacional P,
comprado nuestro producto. Dar un intervalo
p= 0, 25, que aplicada en el intervalo sería :
para la proporción de penetración en el mercado
0.25-1.96(0.0433)=0.1651x100%=16.51% y
con una probabilidad del 95 %.
0.25+1.96(0.0433)=0.3348x100%=33.48%
 Datos: la proporción de penetración en el mercado está entre
 el 16'51 % y el 33'48 % con una confianza del 95 % .
1-a = 0.95,
 
 n=100 (grande)
 p= 0.25;
 El intervalo sería:
 Estimación por intervalo de
confianza para la diferencia de las medias.
 Tenemos que un intervalo de confianza para la diferencia de medias (𝜇2 − 𝜇1) de dos
 poblaciones con distribución normal con varianzas 𝜎1 y 𝜎2 conocidas, está dado por la
 siguiente expression:
Ejemplo:
Se quiere estudiar la diferencia de las vidas medias de dos tipos de lámparas. Para ello, se toma una muestra
de 150 lámparas de tipo H y otra, independiente de la anterior, de 200 lámparas de tipo. N, obteniéndose que
las de tipo H tienen una vida media de 1400 horas y una desviación típica de 120, y que las de tipo N tienen
una vida media de 1200 horas y desviación típica 80.
Para estimar la diferencia de medias se construye un intervalo de confianza al 95 %, que viene dado por:
Interpretaciòn : Las vidas medias de dos tipos de lámparas H y N, està en el intervalo de (177.8 y 222.2) horas
de duraciòn , es decir que el tipo H tiene mayor duracion que la de tipo N, esto se asegura con un 95% de
confianza
 Estimación por intervalo de
confianza para la diferencia de las
Proporciones.
En este caso, interesa construir un intervalo de confianza para una proporción o un
porcentaje poblacional (por ejemplo, el porcentaje de personas con hipertensión,
fumadoras, etc.) • Si el tamaño muestral n es grande, el Teorema Central del Límite nos
asegura que: • O bien: Deseamos estimar la proporción con la que se da una
característica en una determinada población , esta característica es dicotómica por lo
que o bien se posee o bien no . El intervalo se plantea , como todos con un nivel
de confianza 1-α prefijado.
 REFERENCIAS
http://eio.usc.es/eipc1/base/BASEMASTER/FORMULARIOS-PHP/MATERIALESMASTER/
Mat_41855_T3IC.pdf
- Estimación por intervalos de confianza.

http://agamenon.tsc.uah.es/Asignaturas/it/ssii/apuntes/Estimacion.pdf
https://economipedia.com/definiciones/estimacion-puntual.html - Estimación
Puntual

http://cidecame.uaeh.edu.mx/lcc/mapa/PROYECTO/libro19/61estimacin_puntual_y
_por_intervalos.html#:~:text=ESTIMACI%C3%93N%20POR%20INTERVALOS&text=La
%20estima%20de%20un%20par%C3%A1metro%20poblacional%20dada%20por%20dos%20n
%C3%BAmeros,dando%20una%20estima%20de%20punto. – Estimación por Intervalos

WWW.UV.ES

https://economipedia.com/definiciones/intervalo-de-confianza.html

Youtube: estadística util