Estimacin estadstica

Estimar qu va a ocurrir respecto a algo (o qu est ocurriendo, o qu

ocurri), a pesar de ser un elemento muy claramente estadstico, est
muy enraizado en nuestra cotidianidad. Dentro de ello, adems hacemos
estimaciones dentro de un intervalo de posibilidades. Por ejemplo: creo
que terminar la tarea en unos 5-6 das. Lo que hacemos en el terreno
del anlisis de datos es aplicar matizaciones tcnicas a este hbito.
Vamos a dedicar este documento al concepto de estimacin,
comenzando con la estimacin puntual. Despus nos ocuparemos de
desarrollar un modelo de estimacin por intervalo donde identificaremos
los elementos fundamentales, con su significado y smbolo. Y, por
ltimo, habr que desarrollar cmo se calculan esos elementos.

Estimacin puntual
Una estimacin puntual del valor de un parmetro poblacional
desconocido (como puede ser la media , o la desviacin estndar ), es
un nmero que se utiliza para aproximar el verdadero valor de dicho
parmetro poblacional. A fin de realizar tal estimacin, tomaremos una
muestra de la poblacin y calcularemos el parmetro muestral asociado
(x para la media, s para la desviacin estndar, etc.). El valor de este
parmetro muestral ser la estimacin puntual del parmetro
poblacional. Por ejemplo, supongamos que la compaa Sonytron desea
estimar la edad media de los compradores de equipos de alta fidelidad.
Seleccionan una muestra de 100 compradores y calculan la media de
esta muestra, este valor ser un estimador puntual de la media de la
poblacin.
Ejemplo
Estimar por el mtodo de los momentos los parmetros y 2 de una
distribucin normal. Necesitamos estimar dos parmetros usaremos
los dos primeros momentos ordinarios de la distribucin normal: 1 = ;
2 = 2 + 2. Igualando los dos primeros momentos poblacionales con
sus respectivos momentos mustrales y despejando tenemos que:
= Xn i=1 Xi n = X;
2 = Xn i=1 X 2 i n X 2

P g i n a 1 | 17

Estimacin por intervalos

en todos aquellos casos cuando el estimador puntual bajo consideracin
tiene una funcin de densidad de probabilidad, la probabilidad de que el
estimador encontrado sea igual al valor del parmetro que est siendo
estimado es cero.
por lo tanto pareciera deseable que el estimador puntual estuviese
acompaado por alguna medida del posible error del estimado, de
hecho, un estimador puntual debera estar acompaado por algn
intervalo al rededor del estimador junto con alguna medida que asegura
que el verdadero valor del parmetro caiga dentro del intervalo por lo
tanto, en vez de hacer inferencia para estimar el verdadero valor de
parmetro sea un punto, podramos hacer para estimar que el valor que
el verdadero valor del parmetro caiga en un intervalo. entones estamos
hablando de estimacin por intervalos.
la estimacin por intervalo se divide en 2: primero est el problema de
encontrar los estimadores y luego por intervalos y luego est el
problema de encontrar buenos y ptimos intervalos
En la prctica, los estimadores son con frecuencia dados en la forma de
el estimado ms o menos cierto valor.
por ejemplo, una carga elctrica puede estimarse como (4.770;
0.005x$10^ {-10} $) unidades electroestticas con la idea de que es
poco probable que la misma este fuera del rango 4.765 a 4.775

P g i n a 2 | 17

Intervalo de confianza para la media de una

distribucin Normal

Dada una variable aleatoria con distribucin Normal N( , el objetivo es la

construccin de un intervalo de confianza para el parmetro , basado en una muestra de
tamao n de la variable.
Desde el punto de vista didctico hemos de considerar dos posibilidades sobre la desviacin
tpica de la variable: que sea conocida o que sea desconocida y tengamos que estimarla a
partir de la muestra. El caso de conocida, ya comentado anteriormente, no pasa de ser un
caso acadmico con poca aplicacin en la prctica, sin embargo es til desde del punto de
vista didctico.
Caso de varianza conocida
Dada una muestra X1, ..., Xn, el estadstico

se distribuye segn una Normal estndar. Por tanto, aplicando el mtodo del pivote
podemos construir la expresin
P g i n a 3 | 17

donde z/2 es el valor de una distribucin Normal estndar que deja a su derecha una
probabilidad de/2 de la que se deduce el intervalo de confianza

Caso de varianza desconocida

Dada una muestra X1, ..., Xn, el estadstico

se distribuye segn una t de Student de n 1 grados de libertad. Por tanto, y siguiendo

pasos similares a los del apartado anterior, el intervalo de confianza resultante es

donde t/2 es el valor de una distribucin t de Student con n 1 grados de libertad que deja a
su derecha una probabilidad de/2
Con el programa siguiente podemos calcular el intervalo de confianza para la media de una
distribucin Normal con desviacin tpica desconocida.

P g i n a 4 | 17

Intervalo de confianza para una proporcin

Dada una variable aleatoria con distribucin Binomial B(n, p), el objetivo es la
construccin de un intervalo de confianza para el parmetro p, basada en una observacin
de la variable que ha dado como valor x. El mismo caso se aplica si estudiamos una
Binomial B(1, p) y consideramos el nmero de veces que ocurre el suceso que define la
variable al repetir el experimento n veces en condiciones de independencia.
Existen dos alternativas a la hora de construir un intervalo de confianza para p:

Considerar la aproximacin
distribucin Normal.

Utilizar un mtodo exacto.

asinttica de

la distribucin Binomial

en

la

Aproximacin asinttica
Tiene la ventaja de la simplicidad en la expresin y en los clculos, y es la ms referenciada
en la mayora de textos de estadstica. Se basa en la aproximacin

que, trasladada a la frecuencia relativa, resulta

P g i n a 5 | 17

Tomando como estadstico pivote

que sigue una distribucin N(0, 1), y aadiendo una correccin por continuidad al pasar
de una variable discreta a una continua, se obtiene el intervalo de confianza asinttico:

donde z/2 es el valor de una distribucin Normal estndar que deja a su derecha una
probabilidad depara un intervalo de confianza de (1 ) 100 %Las condiciones
generalmente aceptadas para considerar vlida la aproximacin asinttica anterior son:

El intervalo obtenido es un intervalo asinttico y por tanto condicionado a la validez de la

aproximacin utilizada. Una informacin ms general sobre los intervalos de confianza
asintticos puede encontrase aqu.

Intervalo exacto
Aun cuando las condiciones anteriores no se verifiquen, es posible la construccin de un
intervalo exacto, vlido siempre, pero algo ms complicado en los clculos. Es posible
demostrar que un intervalo exacto para el parmetro p viene dado por los valores
siguientes:

donde F/2a,b es el valor de una distribucin F de Fisher-Snedecor con a y b grados de

P g i n a 6 | 17

libertad que deja a su derecha una probabilidad depara un intervalo de confianza de

(1 ) 100 %.
Una justificacin de los intervalos de confianza exactos para distribuciones discretas puede
encontrarse aqu.
En el programa siguiente se pueden calcular los intervalos de confianza asinttico y, si n es
menor de 100, tambin el exacto para una proporcin.

Pruebas de hiptesis para medias

En vez de estimar el valor de un parmetro, a veces se debe decidir si una
afirmacin relativa a un parmetro es verdadera o falsa. Es decir, probar una
hiptesis relativa a un parmetro. Se realiza una prueba de hiptesis cuando se
desea probar una afirmacin realizada acerca de un parmetro o parmetros de
una poblacin.
Una hiptesis es un enunciado acerca del valor de un parmetro (media,
proporcin, etc.).
Prueba de Hiptesis es un procedimiento basado en evidencia muestral
(estadstico) y en la teora de probabilidad (distribucin muestral del estadstico)
para determinar si una hiptesis es razonable y no debe rechazarse, o si es
irrazonable y debe ser rechazada.
La hiptesis de que el parmetro de la poblacin es igual a un valor determinado
se conoce como hiptesis nula. Una hiptesis nula es siempre una de status quo o
de no diferencia.

En toda prueba de hiptesis se presentan 3 casos de zonas crticas o llamadas

tambin zonas de rechazo de la hiptesis nula, estos casos son los siguientes:

P g i n a 7 | 17

En toda prueba de hiptesis se pueden cometer 2 tipos de errores:

P g i n a 8 | 17

Prueba de hiptesis para diferencia de

medias
Las pruebas de dos muestras se utilizan para decidir si las medias de dos
poblaciones son iguales. Se requieren dos muestras independientes, una de cada
una de las dos poblaciones. Considrese, por ejemplo, una compaa
investigadora que experimentan con dos diferentes mezclas de pintura, para ver si
se puede modificar el tiempo de secado de una pintura para uso domstico. Cada
mezcla es probada un determinado nmero de veces, y comparados
posteriormente los tiempos medios de secado de las dos muestras. Una parece
ser superior, ya que su tiempo medio de secado (muestra) es 30 minutos menor
que el de la otra muestra.
Pero, son realmente diferentes los tiempos medios de secado de las dos
pinturas, o esta diferencia muestral es nada ms la variacin aleatoria que se
espera, aun cuando las dos frmulas presentan idnticos tiempos medios de
secado? Una vez ms, las diferencias casuales se deben distinguir de las
diferencias reales.
Con frecuencia se utilizan pruebas de dos muestras para comparar
dos mtodos de enseanza, dos marcas, dos ciudades, dos distritos escolares y
otras cosas semejantes.
La hiptesis nula puede establecer que las dos poblaciones tienen medias iguales:

Para tamaos ms pequeos de muestra, Z estar distribuida normalmente slo si

las dos poblaciones que se muestrean tambin lo estn.

P g i n a 9 | 17

Ejemplo ilustrativo
La media de las calificaciones de dos muestras de 15 estudiantes de primer
semestre en la asignatura de Estadstica de la universidad UTN resulta ser de 7 y
8,5. Se sabe que la desviacin tpica de las calificaciones en esta asignatura fue
en el pasado de 1,5.

P g i n a 10 | 17

Los clculos en Excel se muestran en la siguiente figura:

P g i n a 11 | 17

El grfico elaborado con Winstats y Paint se muestra en la siguiente imagen:

P g i n a 12 | 17

Prueba de hiptesis para proporciones

Cuando el objetivo del muestreo es evaluar la validez de una afirmacin con
respecto a la proporcin de una poblacin, es adecuado utilizar una prueba de una
muestra. La metodologa de prueba depende de si el nmero de observaciones de
la muestra es grande o pequeo.
Como se habr observado anteriormente, las pruebas de grandes muestras de
medias y proporciones son bastante semejantes. De este modo, los
valores estadsticos de prueba miden la desviacin de un valor estadstico de
muestra a partir de un valor propuesto. Y ambas pruebas se basan en la
distribucin normal estndar para valores crticos. Quiz la nica diferencia real
entre las ambas radica en la forma corno se obtiene la desviacin estndar de la
distribucin de muestreo.
Esta prueba comprende el clculo del valor estadstico de prueba Z

Posteriormente este valor es comparado con el valor de Z, obtenido a partir de una

tabla normal a un nivel de significacin seleccionado.
Como ocurri con la prueba de medias de una muestra, las pruebas de
proporciones pueden ser de una o dos colas.
P g i n a 13 | 17

La primera alternativa establece una prueba de cola derecha, la segunda,

izquierda y la tercera, una prueba de dos colas.
Ejemplo ilustrativo
En un estudio se afirma que 3 de 10 estudiantes universitarios trabajan. Pruebe
esta aseveracin, a un nivel de significacin de 0,025, respecto a la alternativa de
que la proporcin real de los estudiantes universitarios trabajan es mayor de lo
que se afirma, si una muestra aleatoria de 600 estudiantes universitarios revela
que 200 de ellos trabajan. La muestra fue tomada de 10000 estudiantes.
Los datos son:

Como en los datos aparece el tamao de la poblacin, se debe verificar si el

tamao de la nuestra es mayor que el 5%. Se remplaza valores en la siguiente
frmula:

P g i n a 14 | 17

Los clculos en Excel se muestran en la siguiente figura:

El grfico elaborado en Winstats y Paint se muestra a continuacin:

P g i n a 15 | 17

Decisin:

P g i n a 16 | 17

Referencia bibliogrfica
http://www.monografias.com/trabajos91/prueba-hipotesis-proporciones-z-y-ji-cuadrado-empleando-excel-ywinstats/prueba-hipotesis-proporciones-z-y-ji-cuadrado-empleando-excel-y-winstats.shtml#ixzz44sTAbDrY

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo8/B0C8
m1t11.htm
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo8/B0C8
m1t8.htm
https://www.uv.es/ceaces/pdf/intervalos.pdf
https://es.wikipedia.org/wiki/Estimaci%C3%B3n_estad%C3%ADstica
http://www.monografias.com/trabajos91/prueba-hipotesis-medias-excel-y-winstats/prueba-hipotesis-mediasexcel-y-winstats.shtml#ixzz44sRJJAkN

P g i n a 17 | 17