Unidad 2

Estimacin

2.1

Introduccin

La estadstica nos proporciona herramientas que formalizan y uniforman los procedimientos para sacar conclusiones siempre que las muestras seleccionadas sean representativas de la poblacin que han sido extradas. Esta representatividad permite extender los valores que describen a las muestras (estadsticos), tales como la media, la desviacin tpica, un coeficiente de correlacin, a la poblacin correspondiente, es decir, la media o la desviacin tpica (estadsticos) pueden tomarse como estimadores de los parmetros y , valores que caracterizan a la poblacin. Los estadsticos, valores obtenidos en la muestra, son, pues, estimadores de los parmetros correspondientes (valores de la poblacin)

2.2 Caractersticas de un buen estimador

a) CARENCIA DE SESGO.

Un estimador (estadstico) carece de sesgo si el promedio (media) de todos los valores posibles de todas las muestras posibles de tamao n de una poblacin es igual al parmetro, es decir, si la media de la distribucin muestral del estadstico considerado es igual al valor del parmetro. As, la media es un estimador insesgado de porque se puede demostrar que la media aritmtica de una distribucin muestral coincide con el valor del parmetro, algo que no puede decirse, por ejemplo, o de la varianza o de la mediana de una poblacin no distribuida normalmente.
b) CONSISTENCIA.

Un estimador es consistente en la medida en que, al aumentar el tamao de la muestra, (n) su valor se acerca cada vez ms al parmetro correspondiente o lo que es lo mismo, si a medida que aumenta el tamao de la muestra, las

estimaciones que sta proporciona son cada vez ms prximas al valor del parmetro. Algunos estimadores sesgados son consistentes, acercndose cada vez ms sus valores a los de sus respectivos parmetros a medida que el tamao de la muestra (n) aumenta, tal es el caso de s o s2 que son estimadores sesgados pero consistentes de la desviacin tpica () o de la varianza (2) de la poblacin.
c) EFICIENCIA

La 3 propiedad de los estimadores es su eficiencia, que se refiere a la precisin que alcanzan los estadsticos en la estimacin de los parmetros, es decir, un estimador ser tanto ms eficiente cuanto menos vare de muestra a muestra de una misma poblacin. Como la variabilidad de una distribucin muestral viene dada por su error tpico, un buen estimador ser aquel que menor error tpico alcanza. As, entre la media y la mediana, la primera es claramente ms eficiente. La varianza de la distribucin muestral de la mediana es mayor que la de la media, lo que significa que la mediana flucta ms que la media en muestras sucesivas de la misma poblacin. En general, para escoger un ptimo estimador de un parmetro, deben combinarse los criterios de no tendenciosidad (carencia de sesgo) y de eficiencia. Ante dos estimadores insesgados del mismo parmetro, se preferir aquel que tenga mayor eficiencia, es decir, que tenga el mnimo error en trminos de varianza. Estimadores insesgados: Media, Mediana, Moda, la desviacin tpica cuando n es tiende a infinito, la cuasivarianza muestral Estimadores sesgados: la varianza muestral. Estimadores consistentes: Proporciones, la media, la varianza y desviacin tpca. Estimadores insesgados y no eficientes: Mediana muestral (estimador insesgado de ]

2.3 Estimacin puntual

Estimacin puntual Consiste en la estimacin del valor del parmetro mediante un slo valor, obtenido de una frmula determinada. Por ejemplo, si se pretende estimar la talla media de un determinado grupo de individuos, puede extraerse una muestra y ofrecer como estimacin puntual la talla media de los individuos. Lo ms importante de un estimador, es que sea un estimador eficiente. Es decir, que sea insesgado (ausencia de sesgos) y estable en el muestreo o eficiente (varianza mnima). Si a partir de las observaciones de una muestra se calcula un solo valor como estimacin de un parmetro de la poblacin desconocido, el procedimiento denomina estimacin puntual. Por ejemplo queremos estimar la nota media de los alumnos de bachiller en la asignatura de matemticas que notaremos. Sea X la variable aleatoria que indica la nota obtenida por cada estudiante. Tomamos una muestra de tamao n y denotamos la nota media de la muestra. Si al tomar una muestra de 100

estudiantes obtenemos que la media es 62, este nmero lo tomaramos como estimativo de. Decimos que 62 es una estimacin puntual de. Un estimador puntual T de un parmetro es cualquier estadstica que nos permita a partir de los datos muestrales obtener valores aproximados del parmetro. Para indicar que T es un estimador del parmetro escribimos =T. Con esto queremos decir que empleamos la expresin dada mediante T para obtener valores prximos al valor del parmetro. Es muy probable que haya error cuando un parmetro es estimado. Es cierto que si el nmero de observaciones al azar se hace suficientemente grande, stas proporcionaran un valor que casi sera semejante al parmetro; pero a menudo hay limitaciones de tiempo y de recursos y se tendr que trabajar con unas cuantas observaciones. Para poder utilizar la informacin que se tenga de la mejor forma posible, se necesita identificar las estadsticas que sean buenos estimadores. Hay cuatro criterios que se suelen aplicar para determinar si una estadstica es un buen estimador: Insesgamiento, eficiencia, consistencia y suficiencia

2.4 Estimacin puntual por intervalos. Estimacin por intervalos. El intervalo dentro del cual se espera que se encuentre un parmetro poblacional usualmente es conocido como intervalo de confianza. Se trata por lo tanto de una variable aleatoria bidimensional, donde, por ejemplo, el intervalo de confianza para la media poblacional es el intervalo de valores que tiene una alta probabilidad de contener a la media de la poblacin. Por lo tanto, en una estimacin por intervalo se establece el rango de valores dentro del cual se espera que se encuentre un parmetro poblacional. Al ser el estimador por intervalo una variable aleatoria, resulta adecuado hablar en trminos de probabilidad de que el estimador cubra el verdadero valor del parmetro.

Por lo tanto, si se seleccionan 100 muestras de una poblacin y se calcula la media de las muestras para intervalos de confianza del 95% para cada muestra; se observa que aproximadamente 95 de los 100 intervalos de confianza contienen la media poblacional. El nivel de confianza es la probabilidad de que el parmetro poblacional se encuentre dentro del intervalo; los niveles de confianza ms ampliamente usados son 0.95 y 0.99, sin embargo puede usarse cualquier probabilidad cercana a 1. Los casos que existen en el planteamiento de los estimadores por intervalos de confianza para una distribucin normal son los siguientes, en funcin del conocimiento previo que se tenga de la poblacin: - Intervalo de confianza para la media de una distribucin normal de varianza conocida test Z - Intervalo de confianza para la media de una distribucin normal de varianza desconocida i. Muestras superiores a 30 test Z ii. Muestras pequeas n< 30 test t - Intervalo de confianza para varianza de una distribucin normal test F

2.4.1 Intervalo de confianza para la diferencia de medias