Erick Lara Gonzlez

Ismael Rodrguez
Oren Fabin Gracieux Moran
Probabilidad y estadstica
Definicin
La estimacin de parmetros tiene por finalidad asignar
valores a los parmetros poblacionales a partir de los
estadsticos obtenidos en las muestras.

Dicho de otra manera, la finalidad de la estimacin de

parmetros es caracterizar las poblaciones a partir de la
informacin de las muestras
Introduccin
La estimacin puntual consiste en atribuir un valor (la estimacin) al parmetro
poblacional.

Si la muestra es representativa de la poblacin, podemos esperar que los

estadsticos calculados en las muestras tengan valores semejantes a los parmetros
poblacionales, y la estimacin consiste en asignar los valores de los estadsticos
mustrales a los parmetros poblacionales.

Los estadsticos con que obtenemos las estimaciones se denominan estimadores.

Ejemplo
Se desea estimar la Media de las puntuaciones del curso 2003/4, pero solo se dispone
de 50 puntuaciones seleccionadas aleatoriamente. La Media de la muestra (el
estimador), es igual a 5.6 y atribuimos este valor (la estimacin) a la Media del curso
completo.
Caractersticas estimadores
Sesgo: Se dice que un estimador es insesgado si la Media de la distribucin del
estimador es igual al parmetro. Estimadores insesgados son la Media muestral
(estimador de la Media de la poblacin) y la Varianza (estimador de la Varianza de la
poblacin):

En una poblacin de 500 puntuaciones cuya Media (m)

es igual a 5.09 han hecho un muestreo aleatorio
(nmero de muestras= 10000, tamao de las muestras=
100) y hallan que la Media de las Medias muestrales es
igual a 5.09, (la media poblacional y la media de las
medias muestrales coinciden). En cambio, la Mediana
de la poblacin es igual a 5 y la Media de las Medianas es
igual a 5.1 esto es, hay diferencia ya que la Mediana es un
estimador sesgado.
Caractersticas estimadores
Consistencia: Un estimador es consistente si aproxima el valor del parmetro cuanto
mayor es n (tamao de la muestra).

En una poblacin de 500 puntuaciones cuya

Media (m) es igual a 4.9 han hecho tres
muestreos aleatorios (nmero de muestras=
100) con los siguientes resultados:

vemos que el muestreo en que n=100 la

Media de las Medias muestrales toma el
mismo valor que la Media de la poblacin.
Caractersticas estimadores
Eficiencia: Diremos que un estimador es ms eficiente que otro si la Varianza de la
distribucin muestral del estimador es menor a la del otro estimador. Cuanto menor es
la eficiencia, menor es la confianza de que el estadstico obtenido en la muestra
aproxime al parmetro poblacional.

La Varianza de la distribucin muestral de la Media en

un muestreo aleatorio (nmero de muestras: 1000,
n=25) ha resultado igual a 0.4. La Varianza de la
distribucin de Medianas ha resultado, en el mismo
muestreo, igual a 1.12, (este resultado muestra que la
Media es un estimador ms eficiente que la Mediana).
Estimacin por intervalos
La estimacin por intervalos consiste en establecer el intervalo de valores donde es
ms probable se encuentre el parmetro. La obtencin del intervalo se basa en las
siguientes consideraciones:

a) Si conocemos la distribucin muestral del estimador podemos obtener las

probabilidades de ocurrencia de los estadsticos muestrales.

b) Si conociramos el valor del parmetro poblacional, podramos establecer la

probabilidad de que el estimador se halle dentro de los intervalos de la
distribucin muestral.

c) El problema es que el parmetro poblacional es desconocido, y por ello el

intervalo se establece alrededor del estimador. Si repetimos el muestreo un gran
nmero de veces y definimos un intervalo alrededor de cada valor del estadstico
muestral, el parmetro se sita dentro de cada intervalo en un porcentaje conocido
de ocasiones. Este intervalo es denominado "intervalo de confianza".
Tipos de errores I y II

Ninguna prueba de hiptesis es 100% cierta. Puesto que la prueba se basa en

probabilidades, siempre existe la posibilidad de llegar a una conclusin incorrecta.
Cuando usted realiza una prueba de hiptesis, puede cometer dos tipos de error: tipo I y
tipo II. Los riesgos de estos dos errores estn inversamente relacionados y se
determinan segn el nivel de significancia y la potencia de la prueba. Por lo tanto, usted
debe determinar qu error tiene consecuencias ms graves para su situacin antes de
definir los riesgos.
Error tipo I
Error de tipo I
Si usted rechaza la hiptesis nula cuando es verdadera, comete un error de tipo I. La
probabilidad de cometer un error de tipo I es , que es el nivel de significancia que usted
establece para su prueba de hiptesis. Un de 0.05 indica que usted est dispuesto a
aceptar una probabilidad de 5% de estar equivocado al rechazar la hiptesis nula. Para
reducir este riesgo, debe utilizar un valor menor para . Sin embargo, usar un valor menor
para alfa significa que usted tendr menos probabilidad de detectar una diferencia si esta
realmente existe.
Error tipo II
Error de tipo II
Cuando la hiptesis nula es falsa y usted no la rechaza, comete un error de tipo
II. La probabilidad de cometer un error de tipo II es , que depende de la
potencia de la prueba. Puede reducir el riesgo de cometer un error de tipo II al
asegurarse de que la prueba tenga suficiente potencia. Para ello, asegrese de
que el tamao de la muestra sea lo suficientemente grande como para detectar
una diferencia prctica cuando esta realmente exista.
Para entender la interrelacin entre los errores de tipo I y tipo II, y para determinar cul
error tiene consecuencias ms graves para su situacin, considere el siguiente ejemplo.

Un investigador mdico desea comparar la efectividad de dos medicamentos. Las

hiptesis nula y alternativa son:
Hiptesis nula (H0): 1= 2

Los dos medicamentos tienen la misma eficacia.

Hiptesis alternativa (H1): 1 2

Los dos medicamentos no tienen la misma eficacia.

Un error de tipo I se produce si el investigador rechaza la hiptesis nula y concluye que

los dos medicamentos son diferentes cuando, en realidad, no lo son. Si los
medicamentos tienen la misma eficacia, el investigador podra considerar que este error
no es muy grave, porque de todos modos los pacientes se beneficiaran con el mismo
nivel de eficacia independientemente del medicamento que tomen. Sin embargo, si se
produce un error de tipo II, el investigador no rechaza la hiptesis nula cuando debe
rechazarla. Es decir, el investigador concluye que los medicamentos son iguales cuando
en realidad son diferentes. Este error puede poner en riesgo la vida de los pacientes si se
pone en venta el medicamento menos efectivo en lugar del medicamento ms efectivo.