Republica Bolivariana de Venezuela

Ministerio del Poder Popular para la Educacin.

Universidad Nacional Experimental de los Llanos Occidentales
Ezequiel Zamora
U.N.E.L.L.E.Z

Integrantes:
Angel Colmenares C.I:22.091.549
Gnesis Campos C.I: 24.688.593
Liliana Grisman C.I: 25.162.604
Luis Ramos C.I: 25.285.097
Seccin: BN-II

Introduccin:
La estadstica es una disciplina cuyo objeto es la interpretacin de
conjuntos, de datos numricos que se extraen de hechos empricos. Dicha
interpretacin se lleva a cabo por una serie de tcnicas que han sido
desarrolladas especficamente para el tratamiento adecuado de los datos.
A continuacin se van sealar las nociones de muestreo, entre las cuales se
definirn conceptos de usos estadsticos que ms adelante sern de utilidad
como la poblacin y la muestra. La primera es el conjunto de partida del que
se extrae el conjunto numrico de los datos que se disponen, y esta ltima,
es un subconjunto de elementos que forman parte de la poblacin.
Mientras que la estimacin, protagonista de la estadstica inductiva es un
mtodo inductivo que aplica una serie de mtodos, necesarios para la
transformacin de datos mustrales, y a su vez el estimador es una
representacin funcional de la muestra que debe ser insesgada, consistente
y eficiente; y que a la vez se subdivide en dos tipos: puntual y por intervalo.
Es por ello que el propsito de esta investigacin es el posterior anlisis de
las caractersticas que conlleva aplicar los mtodos de estimacin en las
muestras de una poblacin que se estudia.

Qu es Muestreo?
En estadstica se conoce como muestreo la seleccin de una muestra
a partir de una poblacin.
Es una herramienta de la investigacin cientfica, su funcin bsica es
determinar de una realidad en un estudio (poblacin o universo) que debe
examinarse con la finalidad de hacer inferencia sobre dicha poblacin. En el
muestreo si el tamao de la muestra es ms pequeo que el de la poblacin,
se puede extraer dos o ms muestra de la misma poblacin.
Al tomar varias muestra de una poblacin, la estadstica que calculamos para
cada muestra no necesariamente sern iguales, y lo ms probable es que
variaran de una muestra a otra.
Razones por las cuales se hace un muestreo.
Cuando se estudian las caractersticas de una poblacin, existen
diversas razones prcticas para preferir la seleccin de porciones o muestras
de una poblacin para observar y medir. He aqu algunas razones para
muestrear:
1) Establecer contacto con toda la poblacin requerira mucho tipo:
Ejemplo; Un candidato para un puesto federal quizs desee
determinar las posibilidades que tiene de resultar electo.
2) El costo de estudiar todos los elementos de la poblacin resultara
prohibitivo: Ejemplo; Las organizaciones que realizan encuestas de
opinin pblica y pruebas entre consumidores, como Gallup Polls y
Roper ASW, normalmente entran en contacto con menos de 2000 de
las casi 60 millones de las familias en Estados Unidos.
3) Es imposible verificar de manera fsica todos los elementos de la
poblacin: Ejemplo; Algunas poblaciones son infinitas. Sera imposible
verificar toda el agua del lago Erie en lo que se refiere a niveles de
bacterias, as que se elijen muestras en diversos lugares.
4) Algunas pruebas son de naturaleza destructiva: Ejemplo; Si los
catadores de vino de Sutter Home Winery, California, se bebieron todo
el vino para evaluar la vendimia, acabaran con la cosecha y no
quedara nada disponible para la venta.
5) Los resultados de la muestra son adecuados: Ejemplo; Aunque se
contara con recursos suficientes, es difcil que la precisin de una
muestra de 100% toda la poblacin resulte esencial en la mayora de
los problemas.

Tipos de Muestreo.
Existen diferentes criterios de clasificacin de los diferentes tipos de
muestreo, aunque en general pueden dividirse en dos grandes grupos:
mtodos de muestreo probabilstico y mtodo de muestreo no probabilstico.
1.- Muestreo Probabilstico: Los mtodos de muestreo probabilsticos son
aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos
en los que todos los individuos tienen la misma probabilidad de ser elegidos
para formar parte de una muestra y, consiguientemente, todas las posibles
muestras de tamao n tienen la misma probabilidad de ser seleccionado.

Muestreo aleatorio simple: Es aquel en que cada elemento de la

poblacin tiene la misma probabilidad de ser seleccionado para
integrar la muestra. Una muestra simple aleatoria es aquella en que
sus elementos son seleccionados mediante el muestreo aleatorio
simple.
Procedimiento:
1) Definir la poblacin de estudio.
2) Asignar un nmero a cada individuo de la poblacin
3) Determinar el tamao de muestra ptimo o para el estudio.
4) Seleccionar la(s) muestra(s) de manera sistemtica por medio de
algn medio mecnico (Tablas de nmeros aleatorios, bolas
dentro de una bolsa, nmeros aleatorios generados con una
calculadora, etc.)
5) Y se eligen tantos individuos como sea necesario para completar
el tamao de muestra que necesitamos.
Ejemplo:
Para obtener una muestra de alumnos de una escuela para aplicarles
una encuesta, lo primero que se hace es enumerar a todo el
alumnado. Se obtiene una lista de los alumnos matriculados y se le
asigna un nmero a cada uno en orden alfabtico y ascendente.
Suponiendo que el total de alumnos es de 700 se utilizan los nmeros
001, 002, 003,...,700. Se determina el tamao de muestra, en este
caso es de tamao 75. Enseguida se utiliza una tabla de nmeros
aleatorios formando nmeros de tres dgitos aceptando como unidad
de anlisis muestra a todos aquellos que estn comprendidos entre el
001 y el 700.


Muestreo aleatorio sistemtico: Es la eleccin de una muestra a
partir de los elementos de una lista segn un orden determinado, o
recorriendo la lista a partir de un nmero aleatorio determinado.
Una poblacin de N elementos, si queremos extraer una muestra de
tamao n, partimos de un nmero k=N/n, llamado coeficiente de
elevacin y tomamos un nmero al azar ha comprendido entre 1 y k
que se denomina arranque u origen. La muestra estar formada por
los elementos: a, a+k, a+2k,....a+(n-1) k.
De aqu se deduce que un elemento poblacional no podr aparecer
ms de una vez en la muestra. La muestra ser representativa de la
poblacin pero introduce algunos sesgos cuando la poblacin est
ordenada en funcin de determinados criterios.
Procedimiento:
1) Definir la poblacin de estudio.
2) Determinar el tamao de muestra requerido.
3) Se calcula la muestra sistemtica dividiendo la poblacin entre
el tamao de la muestra.
4) El valor de k es el intervalo de seleccin que indica cada k de
veces que un elemento de la poblacin se integrar a la
muestra (en el caso de no estar enumerados los elementos). Y
tambin es el intervalo de seleccin del cual se escoger un
nmero aleatoriamente dentro de este intervalo (en caso de
que los elementos estn enumerados), y de ah se parte para
seleccionar las muestras en los dems grupos o intervalos de
seleccin.
Ejemplo:
Cuando los elementos no estn enumerados. Si se va a probar una
muestra de 50 de una poblacin de 500 pelotas, k = 500/50, k=10. Ya
que ninguna pelota tiene un nmero especfico, este intervalo de
seleccin indica que cada 10 decima pelota que contemos se integrar
a la muestra. La primera muestra es la dcima pelota que saquemos
de una bolsa, la segunda muestra es la vigsima, la tercera la
trigsima y as de diez en diez hasta completar las 50 muestras que se
piden.
Cuando los elementos estn numerados. Si la poblacin se compone
de una lista de cheques pre numerados N=800 y se quiere extraer

N
una muestra sistemtica de n=40, se aplica la formula k = n , k =
800
40

k =20. De este intervalo selecciona un nmero aleatorio

entre 1 y 20, y se incluye cada vigsimo elemento tras la primera

seleccin de la muestra. Supongamos que el primer nmero
seleccionado es 8, sus selecciones subsiguientes son 28, 48, 68, 88,
108, 128, 148, 168, 188, 208, 228, 248, 268, 288, 308, 328, 348, 368,
388, 408, 428, 448, 468, 488, 508, 528, 548, 568, 588, 608, 628, 648,
668, 688, 708, 728, 748, 768 y 788.

Muestreo aleatorio estratifico: Consiste en la divisin previa de

la poblacin de estudio en grupos o clases que se suponen
homogneos respecto a caracterstica a estudiar. A cada uno de estos
estratos se le asignara una cuota que determinara el nmero de
miembros del mismo que compondrn la muestra.
Procedimiento:
Los pasos para seleccionar una muestra proporcionalmente
estratificada son:
1) Definir la poblacin de estudio.
2) Determinar el tamao de muestra requerido.
3) Establecer los estratos o subgrupos.
4) Determinar la frecuencia relativa del muestreo de cada estrato,
dividiendo el tamao del estrato entre el tamao de la poblacin
de estudio.
5) Multiplicar la frecuencia relativa del muestreo de cada estrato
por el tamao de la muestra total, para obtener de cada estrato
la cantidad de individuos que se integrarn a dicha muestra.
6) Seleccionar y extraer de cada estrato la cantidad de individuos
que formaran parte de la muestra total
aplicando el
procedimiento de muestreo aleatorio simple.

Muestreo aleatorio por conglomerados: Cuando la poblacin se

encuentra dividida, de manera natural, en grupos que se suponen que
contienen toda la variabilidad de la poblacin, es decir, la representan
fielmente respecto a la caracterstica a elegir, pueden seleccionarse
slo algunos de estos grupos o conglomerados para la realizacin del
estudio.

Procedimiento:
1) Dividir la poblacin en conglomerados.
2) Seleccionar al azar el nmero de conglomerados que desee.
3) Tomar una muestra aleatoria simple de uno de los elementos de
cada conglomerado.
Ejemplo:
Si se va a realizar una encuesta sobre las polticas y leyes del
municipio, se podra dividir el municipio en distritos, por ejemplo en 13
distritos, de esos tres se toma al azar el 4, 5, 9 y 11, y solo
concentrndonos en estos distritos, tomamos una muestra aleatoria
de habitantes de cada uno de esos distritos, para entrevistarlos.
2.- Muestreo no probabilstico: Es una tcnica de muestreo donde las
muestras se recogen en un proceso que no brinda a todos los individuos de
la poblacin iguales oportunidades de ser seleccionados.

Muestreo por cuotas: Es una tcnica de muestreo no

probabilstico en donde la muestra reunida tiene la misma proporcin
de individuos que toda la poblacin con respecto al fenmeno
enfocado, las caractersticas o los rasgos conocidos, ejemplo: 20
individuos de 25 a 40 aos, de sexo femenino y residentes en agua
blanca. Una vez determinada la cuota se eligen los primeros que se
encuentren que cumplan esas caractersticas. Este mtodo se utiliza
mucho en las encuestas de opinin.

Muestreo intencional o de conveniencia: Es un mtodo de

muestreo no probabilstico. Consiste en seleccionar a los individuos
que convienen al investigador para la muestra. Esta conveniencia se
produce porque al investigador le resulta ms sencillo examinar a
estos sujetos, ya sea por proximidad geogrfica, por ser simples
conocidos, etc.

Bola de Nieve: es un mtodo de muestreo no probabilstico. El

muestreo se realiza sobre poblaciones en las que no se conoce a sus
individuos o es muy difcil acceder a ellos. Podran ser los casos de
sectas secretas, indigentes, grupos minoritarios, etc. Se llama
muestreo de bola de nieve porque cada sujeto estudiado propone a

otros, produciendo un efecto acumulativo parecido al de la bola de

nieve.

Muestreo Discrecional: es un mtodo de muestreo no

probabilstico. Los sujetos se seleccionan a base del conocimiento y
juicio del investigador. El investigador selecciona a los individuos a
travs de su criterio profesional. Puede basarse en la experiencia de
otros estudios anteriores o en su conocimiento sobre la poblacin y el
comportamiento de sta frente a las caractersticas que se estudian.
Error de muestreo.
Es la diferencia entre el estadstico de una muestra y el parmetro de
la poblacin correspondiente, por ejemplo; con la media de una muestra se
calcula la media de la poblacin. No obstante, como la muestra forma parte o
es una porcin representativa de la poblacin, es poco probable que la media
de la muestra sea exactamente igual a la media poblacional. As mismo, es
poco probable que la desviacin estndar de la muestra sea exactamente
igual a la desviacin estndar de la poblacin.
Ventajas e Inconvenientes de los tipos de muestreo.

Ventajas
Sencillo y de fcil
comprensin.
Clculo rpido de
medias y varianzas.
Se basa en la teora
estadstica, y por
tanto
existen
paquetes
informticos
para
analizar los datos

Si la constante de
Fcil de aplicar.
No
siempre
es muestreo est asociada
necesario tener un con el fenmeno de

ALEATORIO SIMPLE

Inconvenientes
Requiere que se posea
de antemano un listado
completo de toda la
poblacin. Cuando se
trabaja con muestras
pequeas es posible
que no represente a la
Poblacin
adecuadamente.

SISTEMTICO

ESTRATIFICADO

CONGLOMERADOS

listado de toda la
poblacin.
Cuando la poblacin
est
ordenada
siguiendo
una
tendencia conocida,
asegura
una
cobertura
de
unidades de todos
los tipos.
Tiende a asegurar
que
la
muestra
represente
adecuadamente a la
poblacin
en
funcin de unas
variables
seleccionadas.
Se
obtienen
estimaciones ms
precisa
Su
objetivo
es
conseguir
una
muestra lo ms
semejante posible a
la poblacin en lo
que a la o las
variables
estratificadoras se
refiere.
Es muy eficiente
cuando
la
poblacin
es
muy grande y
dispersa.
No es preciso
tener un listado
de
toda
la
poblacin, slo
de las unidades
primarias
de

inters,
las
estimaciones obtenidas
a partir de la muestra
pueden contener sesgo
de seleccin

Se ha de conocer la
distribucin
en
la
poblacin
de
las
Variables
utilizadas
para la estratificacin.

El error estndar
es mayor que en
el
muestreo
aleatorio simple
o estratificado.
El clculo de
error
estndar
es complejo

muestreo.

Qu es Estimacin?
Estimar es deducir que va a ocurrir respecto a algo (o que est
ocurriendo o que ocurri). Estimar tiene dos significados interesantes,
significa querer e inferir, el primer significado es ms transcendente, pero no
tiene ningn peso en la estadstica. El segundo significado es el ms
importante, una estimacin estadstica es un proceso mediante el que
establecemos que valor debe tener un parmetro segn las deducciones que
realicemos. En otras palabras estimar es establecer conclusiones sobre
caractersticas poblacionales a partir de resultados mustrales.
Por ejemplo: creo que terminare la tarea en unos 5 o 6 das

Propiedades deseables de un estimador:

Sea X una variable aleatoria cuya funcin de probabilidad (o densidad de

probabilidad si es continua) depende de unos parmetros

f ( x, 1 ,..., k )

1 ,..., k

desconocidos.
. Representamos mediante X1,, Xn una
muestra aleatoria simple de la variable. Denotamos mediante fc a la funcin
de densidad conjunta de la muestra, que por estar formada por
observaciones independientes, puede factorizarse del siguiente modo:

f c ( x 1 ,..., x n , 1 ,..., k ) f ( x 1 , 1 ,..., k ) * f ( x 2 , 1 ,..., k ) * * f ( x n , 1 ,..., k )

Se denomina estimador de un parmetro que, a cualquier variable aleatoria

que se exprese en funcin de la muestra aleatoria y que tenga por objetivo

( X ,..., X )
i

aproximar el valor de q,
Obsrvese que el estimador no es un valor concreto sino una variable
aleatoria, ya que aunque depende unvocamente de los valores de la
muestra observados (Xi=xi), la eleccin de la muestra es un proceso
aleatorio. Una vez que la muestra ha sido elegida, se denomina estimacin el
valor numrico que toma el estimador sobre esa muestra.
Intuitivamente, las caractersticas que seran deseables para esta nueva
variable aleatoria (que usaremos para estimar el parmetro desconocido)
deben ser:
Consistencia. Cuando el tamao de la muestra crece arbitrariamente,
el valor estimado se aproxima al parmetro desconocido.
Carencia de sesgo. El valor medio que se obtiene de la estimacin
para diferentes muestras debe ser el valor del parmetro.
Eficiencia. Al estimador, al ser variable aleatoria, no puede exigrsele
que para una muestra cualquiera se obtenga como estimacin el valor
exacto del parmetro. Sin embargo podemos pedirle que su dispersin
con respecto al valor central (varianza) sea tan pequea como sea
posible.
Suficiencia. El estimador debera aprovechar toda la informacin
existente en la muestra.

Ejemplo:
Consideremos una variable aleatoria de la que slo conocemos que su ley de
distribucin es gaussiana, X~N(m,s), con q1=m y q2= s2 desconocidos
Para muestras aleatorias de tamao n=3, X1, X2, X3~N (m,s) un posible
estimador del parmetro m es

1 ( X 1 , X 2 , X 3 ) X

(X 1 X 2 X 3 )

N ,

3
3

Carencia de sesgo

E ()

Se dice que un estimador de un parmetro es insesgado s

. La
carencia de sesgo puede interpretarse del siguiente modo: Supongamos que
se tiene un nmero indefinido de muestras de una poblacin, todas ellas del
mismo tamao n. Sobre cada muestra el estimador nos ofrece una
estimacin concreta del parmetro que buscamos. Pues bien, el estimador
es insesgado, si sobre dicha cantidad indefinida de estimaciones, el valor

medio obtenido en las estimaciones es (el valor que se desea conocer).

Consistencia

Decimos que

es un estimador consistente con el parmetro

0, lim P 0
n

si

0, lim P 1
n

Teorema
Como consecuencia de la desigualdad de Chebyshev se puede demostrar el

lim E ()
n

lim V () 0

siguiente resultado y condiciones,

es consistente.

entonces

Eficiencia

Dados dos estimadores

es ms eficiente que

1 y 2

si

de un mismo parmetro
V( 1 ) V( 2 )

, diremos que

Suficiencia

Diremos que

(X 1 ,.., X n )

P(X1 x 1 ,..., X n x n )

es un estimador suficiente del parmetro

no dependa de

para todo posible valor de

si

Varianza de un estimador:
Otra propiedad importante de un estimador es su varianza. La importancia de
la desviacin estndar es que nos permite darle un sentido numrico a la
cercana del valor del estimador a su valor esperado. Entre menor sea la
desviacin estndar de un estimador, ser ms probable que su valor en una
muestra especfica se encuentre ms cerca del valor esperado.
Para aclarar esto, considere dos estimadores T1 y T2, suponga que ambos
son insesgados y suponga que la varianza de T 1 es menor que la de T2, lo
cual quiere decir que los valores de T1 son ms probables que los de T2. O
sea que vamos a encontrar a T1 ms cerca del valor del parmetro que a T 2.
Esto hace que nuestras preferencias estn con T1.
Cuando un estimador tiene una varianza menor que otro decimos que el
estimador es ms eficiente.
Tipos de estimacin:
1) 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.
2) Estimacin por intervalos: Consiste en la obtencin de un intervalo
dentro del cual estar el valor del parmetro estimado con una cierta
probabilidad. En la estimacin por intervalos se usan los siguientes
conceptos:


Intervalo de confianza: El intervalo de confianza es una
expresin del tipo [1, 2] 1 2, donde es el parmetro a
estimar. Este intervalo contiene al parmetro estimado con un
determinado nivel de confianza. Pero a veces puede cambiar este
intervalo cuando la muestra no garantiza un axioma o un equivalente
circunstancial.

Variabilidad del Parmetro: Si no se conoce, puede obtenerse

una aproximacin en los datos aportados por la literatura cientfica o
en un estudio piloto. Tambin hay mtodos para calcular el tamao de
la muestra que prescinden de este aspecto. Habitualmente se usa
como medida de esta variabilidad la desviacin tpica poblacional y se
denota .

Error de estimacin: Es una medida de su precisin que se

corresponde con la amplitud del intervalo de confianza. Cuanta ms
precisin se desee en la estimacin de un parmetro, ms estrecho
deber ser el intervalo de confianza y, si se quiere mantener o
disminuir el error, ms observaciones debern incluirse en la muestra
estudiada.

Limite de confianza: Es la probabilidad de que el verdadero

valor del parmetro estimado en la poblacin se site en el intervalo
de confianza obtenido. El nivel de confianza se denota por (1-),
aunque habitualmente suele expresarse con un porcentaje ((1-)
100%).

Valor a: Tambin llamado nivel de significacin. Es la

probabilidad (en tanto por uno) de fallar en nuestra estimacin, esto
es, la diferencia entre la certeza (1) y el nivel de confianza (1-). Por
ejemplo, en una estimacin con un nivel de confianza del 95%, el valor
es (100-95)/100 = 0,05

Valor critico: Se representa por Z/2. Es el valor de la abscisa

en una determinada distribucin que deja a su derecha un rea igual a
/2, siendo 1- el nivel de confianza.
3) Estimacin Bayesiana: El enfoque bayesiano se basa en la
interpretacin subjetiva de la probabilidad, el cual considera a sta
como un grado de creencia con respecto a la incertidumbre El nombre
bayesiana proviene del uso frecuente que se hace del teorema de
Bayes durante el proceso de inferencia.
Mtodos de estimacin:

Mtodo por analoga: Consiste en aplicar la misma expresin formal

del parmetro poblacional a la muestra, generalmente, estos
estimadores son de cmoda operatividad, pero en ocasiones
presentan sesgos y no resultan eficientes. Son recomendables, para
muestras de analoga tamao grande al cumplir por ello propiedades
asintticas de consistencia.
Mtodo de los momentos: Consiste en tomar como estimadores de los
momentos de la poblacin a los momentos de la muestra. Podramos
decir que es un caso particular del mtodo de. En trminos operativos
consiste en resolver el sistema de equivalencias entre unos
adecuados
momentos
empricos
(mustrales)
y
tericos
(poblacionales).
Ejemplo:
Conocemos que la media poblacional de una determinada variable x
depende de un parmetro K que es el que realmente queremos
conocer (estimar) as:
=2 k +7
Por el mtodo de los momentos tendramos que
^
estimador
=

De donde

^ =( 7
) /2

Ejercicios:
Ejercicio 1
Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes
pesos en gramos: 88, 90, 90, 86, 87,88, 91, 92, 89.
Hallar un intervalo de confianza al 95% para la media de la poblacin,
sabiendo que el peso de las tarifas tiene una distribucin normal con una
desviacin tpica de 1,8 gramos.
Datos:
Desviacin tpica : 1,8
Tamao n: 9
Intervalo de confianza para la poblacin

^ Z 2 .

. +Z
2 .
n
n Media muestra

 88+90+ 90+ 86+87+ 88+91+92+89 =89 =89

=
9
Z 2 Para un 95% Z 2 =1,96
Hallamos el intervalo de confianza:
1,8
1,8
891.96 .
.89+1,96.
=( 87,824 ; 90,176 )
9
9

Ejercicio 2
El tiempo de conexin a Internet de los alumnos de cierta universidad. Sigue
una distribucin normal con desviacin tpica 15 minuto. Para estimar la
media del tiempo de conexin, se quiere calcular in intervalo de confianza
que tenga una amplitud menor o igual a 6 minutos, con un nivel de confianza
del 95%. Determinar cul es el tamao mnimo de la muestra que es
necesario observar.
Datos:
Desviacin tpica : 15
Amplitud: 6
Confianza: 95%
Z /2 .
n=

Tamao mnimo n

Error E

=Z 2 .

6
E2E=6E= =3
La amplitud es 2
2

Z 2 Para un 95% Z 2 =1,96

Tamao mnimo n

( 1,96315 ) =96,04

n: 97

El tamao muestral mnimo debe se 97.

Conclusin:
Siendo la muestra una derivacin de la poblacin en calidad de
representacin de la misma. El muestreo en estadstica es una tcnica
utilizada para seleccionar la muestra. Dentro del muestreo nos encontramos
con el parmetro y lo estadstico, en cuanto el parmetro no es ms que la
caracterstica que posee una poblacin, y los estadsticos son las
caractersticas que poseen la muestra.
Un estimador es una representacin de los resultados de un muestreo, que
se usa para estimar las cualidades o cantidades, o parmetro, que se
quieren obtener de una poblacin.
Cuando se utiliza una estimacin siempre existe un margen de error, que
pude ser disminuido segn las caractersticas del estimador, las cuales
proporcionan una mayor precisin en los resultados, cuando se menciona
que un estimador debe ser insesgado, se refiere a que el valor que se tiende
a que el valor esperado debe ser igual a los resultados que se obtienen; es
eficiente porque sus valores estn por debajo de los dems estimadores y es
consistente porque sus valores al crecer la muestra se emparejan o aceran al
valor del parmetro.

No se trata de solo la aplicacin de ecuaciones a los datos que proveen los

estimadores, es seleccionar los mtodos correctos y poder reconocer cuando
existe un error dentro de la obtencin de muestras, o cuando los niveles de
confianza no son lo esperado.

Bibliografa:
http://www.monografias.com/trabajos17/teoria-muestreo/teoriamuestreo.shtml
http://www.tuveras.com/estadistica/estimacion/estimacion.html
http://www.tuveras.com/estadistica/muestreo/muestreo.html
http://es.slideshare.net/chcluz/tarea-1-ejercicios-muestreo
https://es.wikipedia.org/wiki/Inferencia_bayesiana
C:\Users\Genesis\Documents\muestreo-estimacion-2.gif
https://es.wikipedia.org/wiki/Muestreo_(estad%C3%ADstica)
https://www.google.co.ve/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=4&cad=rja&uact=8&ved=0ahUKEwj
z7o7dtIzMAhXKFT4KHUf2CpkQFgg0MAM&url=http%3A%2F
%2Fwww.monografias.com%2Ftrabajos39%2Fmuestreo-estadistico
%2Fmuestreoestadistico.shtml&usg=AFQjCNGl172EpJE9ieiY5oMwFZJESPEAzQ&sig2=4p
womeDc_oonp24lxwUGpw
https://es.wikipedia.org/wiki/Estimaci%C3%B3n_estad%C3%ADstica
http://asignatura.us.es/dadpsico/apuntes/EstimacionEstadistica.pdf