Proceso estimacin

En estadstica muchos problemas exigen construir conjuntos (intervalos) que

contengan el verdadero valor del parmetro en estudio con una probabilidad dada
generalmente alta. Si por ejemplo X representa los grados de grasa de una
margarina se puede estar interesado en encontrar los lmites bajos y altos
aceptables para este tipo de producto; pero no se puede asegurar con probabilidad
de uno que el verdadero valor se encuentre entre estos dos lmites, lo mximo que
se puede lograr es elegir un nmero que est muy prximo a uno (recuerde que
alfa es el nivel de significacin o error tipo uno) tal que la probabilidad que el
verdadero valor se encuentre entre estos dos lmites inferior y superior sea mayor
o igual a esta probabilidad.

En la prctica se elige un alfa fijo generalmente pequeo 0.01 o 0.05. La
probabilidad que un intervalo de confianza dado incluya o no el verdadero valor
del parmetro, nunca se conoce con exactitud al menos que se conozca el
parmetro, pero se sabe que se tendr xito en encontrar el valor verdadero del
parmetro dentro de este tipo de intervalos por lo menos en el porcentajes de las
veces establecida por la confiabilidad.

Recordemos que para obtener un intervalo de confianza se procese como
sigue:
1. Se determina el riesgo de error que se quiere asumir al afirmar que el
parmetro (en este caso la media) se encuentra en el interior del
intervalo.
2. El intervalo de confianza se obtiene separando a izquierda y derecha
de la estimacin del parmetro (en este caso la media) un mltiplo de
error estndar. El mltiplo est determinado por el valor del estadstico
Z asociado al nivel de confianza escogido.

El teorema central del
lmite
Hay que destacar aspectos importantes del teorema central de lmite.

Si el tamao de la muestra n es suficientemente grande, la
distribucin muestral de las medias ser ms o menos normal. Esto se
cumple ya sea que la poblacin est o no distribuida normalmente.
Esto es, el teorema se verifica, ya sea que la poblacin est distribuida
en forma normal, o bien sea sesgada o uniforme.
Como principio de este teorema, la media de la poblacin,
, y la media de todas las medias mustrales posibles, son iguales. Si
la poblacin es grande y se selecciona un nmero grande de muestras
de la poblacin, la media de las medias mustrales se aproximar a la
media poblacional.
La varianza de la distribucin de medias mustrales se
determina como la relacin entre la varianza de la poblacin y raiz del
tamao de las muestras posibles de esa poblacin

No existe acuerdo general sobre lo que constituye un tamao de muestra
suficientemente grande. Algunos estadsticos consideran que es 30; otros
piensan que un nmero pequeo como 12 es adecuado. Sin embargo, a menos
que la poblacin sea aproximadamente normal, los tamaos de
muestra extremadamente pequeos, por lo general no dan como resultado una
distribucin muestral que se distribuya normalmente. A medida que el tamao de
la muestra se vuelve cada vez ms grande, la distribucin de la media muestral se
aproxima ms a la distribucin normal con forma de campana.



Supn que tomas una muestra y calculas 100 como la media muestral. Luego
calculas el lmite superior de un intervalo de confianza de 90% para la media de la
poblacin y da 112. Cul es lmite inferior de ese intervalo:

Su respuesta :
88
Correcto: Porque el mrgen de error de un intervalo de
confianza respecto a la media es el mismo tanto para
el lmite superior, como para el lmite inferior

Cuando el promedio de un estimador muestral es igual al parmetro
poblacional de la media que se desea estimar. Se le llama:
Su respuesta :
Estimador Insesgado
Correcto: Porque este es un principio del teorema del
lmite central.

El teorema del lmite central es muy importante en el estudio de las distribuciones
de muestreo porque permite:
Su respuesta :
No tener en cuenta la forma de la distribucin
poblacional cuando el tamao de la muestra es
grande.
Correcto: Porque si el tamao de la muestra es grande
no importa la forma de la distribucin para aplicar el
teorena de limite Central.

Si se quiere hacer la estimacin de un intervalo para
una Media poblacional y el tamao de muestra es de 20: La
distribucin apropiada es:
Su respuesta :
T-Student
Correcto: Cuando la muestra es de tamao pequeo
menor que 30 datos esta es la distribucin adecuada
para realizar el contraste de hiptesis de medias.

Tipos de muestreo
El M A S es la forma ms sencilla de muestreo probabilstico y es la base de
tcnicas ms complejas. La muestra se puede tomar de una poblacin finita o
infinita, la cantidad de muestras posibles depende del tipo de diseo y la forma de
tomar las muestras. Este tipo de muestreo se utiliza cuando se considera que la
poblacin es ms o menos homognea. Como ya sabemos el muestreo puede ser
con y sin reemplazamiento. El muestreo sistemtico es utilizado por algunos
contadores para revisar sumas, cuentas, inventarios, etc., por ser un mtodo
directo y econmico. Consiste en seleccionar uno a uno, los elementos de la
muestra en un orden determinado, dando un inicio aleatorio.

Uno de los diseos prcticamente ms tiles, llamado
muestreo aleatorio estratificado, primero divide la poblacin
en segmentos homogneos y despus toma muestras
aleatorias simples de esas subpoblaciones individuales.
Es un tipo de muestreo aleatorio en el que los elementos de la poblacin se
dividen en forma natural en subgrupos, de tal forma que dentro de ellos sean lo
ms heterogneo posible y entre ellos sean homogneos, lo contrario al muestreo
sistemtico. En general, en el muestreo por conglomerado se obtienen los
resultados ms exactos, cuando cada conglomerado tenga la mezcla variada
posible, al tiempo que los conglomerados se asemejen lo ms posible entre s.


El mtodo de muestreo que requiere dividir la poblacin en grupos
homogneo para seleccionar los elementos que conformarn la muestra.
Se le llama:
Su respuesta :
Muestreo Estratificado
Correcto. Esta es la condicin bsica para la aplicacin
de este mtodo de muestreo

El criterio mediante el cual se puede aproximar a la distribucin normal los
valores posibles de un estadstico muestral, como la media de todas las muestras
posibles de tamao n grandes, es un principio de:
Su respuesta :
El teorema central del lmite
Correcto: Este teorema es el que valida el criterio
sobre la forma de la distribucin de probabilidad de los
estadsticos muestrales.

En la distribucin muestral de medias, la desviacin estndar de las
medias mustrales es igual a la desviacin estndar de la poblacin
dividida por la raz cuadrada del tamao de la muestra, en una de las
siguientes situaciones:
Su respuesta :
El muestreo se hace en una poblacin infinita y El
muestreo se hace en una poblacin finita con
reemplazamiento
Correcto: Porque este estimador es propio de
poblacines infinitas o muestreo con reemplazamiento.
Elija la afirmacin correcta sobre teora de muestreo:
Su respuesta :
La poblacin de estudio es aquella de la que
finalmente se extrae una muestra aleatoria.
Correcto:Porque la poblacin objeto de estudio es el
referente sobre el que se realizan las inferencias.

Generalidades de los Intervalos de Confianza
En el contexto de estimar un parmetro poblacional, un
intervalo de confianza es un rango de valores (calculado en
una muestra) en el cual se encuentra el verdadero valor del
parmetro, con una probabilidad determinada.
La probabilidad de que el verdadero valor del parmetro se
encuentre en el intervalo construido se denomina nivel de
confianza.
Se llama intervalo de confianza en estadstica a un par de
nmeros entre los cuales se estima que estar cierto valor
desconocido con una determinada probabilidad de acierto.
Formalmente, estos nmeros determinan un intervalo, que se
calcula a partir de datos de una muestra, y el valor
desconocido es un parmetro poblacional. La probabilidad de
xito en la estimacin se representa por 1 - ? y se denomina
nivel de confianza. En estas circunstancias, ? es el llamado
error aleatorio o nivel de significacin, esto es, una medida
de las posibilidades de fallar en la estimacin mediante tal
intervalo.
[1]

El nivel de confianza y la amplitud del intervalo varan
conjuntamente, de forma que un intervalo ms amplio tendr
ms posibilidades de acierto (mayor nivel de confianza),
mientras que para un intervalo ms pequeo, que ofrece una
estimacin ms precisa, aumentan sus posibilidades de
error.


Tcnicas de Intervalos de Confianza
Para la construccin de un determinado intervalo de
confianza es necesario conocer la distribucin terica que
sigue el parmetro a estimar?. Es habitual que el parmetro
se distribuya normalmente
La tcnica se aplica para promedios, proporciones, totales,
volatilidad poblacional, diferencia de promedios entre dos
poblaciones, diferencia de volatilidades entre dos
poblaciones (ver entre dos inversiones si una es ms
riesgosa que otra) entre otros anlisis.

Un intervalo de confianza es:
Su respuesta :
Un intervalo de extremos aleatorios donde se
encuentra el valor del parmetro con un nivel de
confianza determinado
Correcto. Porque la estimacin hace referencia a
parmetros

Los tres elementos que influyen en el margen de error en la construccin de un
intervalo de confianza son, la confiabilidad, la variabilidad y el tamao de la
muestra. De acuerdo con estos criterios, la relacin entre el error de estimacin y
la variabilidad es:
Su respuesta :
Directamente proporcional
Correcto. Porque si se incrementa o disminuye la
variabilidad los efectos en el error de estimacin,
tendrn la misma direccin.