Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumen
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 se hace 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.
I. Introduccin
Antecedentes
El siguiente artculo abordado tiene como principal problema,
delimitar y conocer de una manera clara y tcnica lo que es la teora de
estimacin ya que dentro del mundo de la estadista es de gran
relevancia. Su finalidad es proporcionarnos las herramientas necesarias
para poder determinar buenas aproximaciones (a los que llamaremos
estimaciones) a aquellos valores desconocidos en la poblacin (a los que
tcnicamente se les denomina parmetros) y que estamos interesados
en conocer.
2
4%). Fisher pens en 8 tazas donde la mitad se han servido con un orden
y la otra mitad con otro y pidi imaginariamente a la mujer que las
distinguiera formando dos grupos. Y concluy que un buen
nivel de seguridad era el 95%, es decir, una probabilidad no
superior al 5% de que la mujer acertara por casualidad. Y
pens que era una buena cosa ese valor al que haba
llegado. Han pasado casi cien aos y no hay quien discuta al
seor Fisher ni aun despus de muerto. No conozco a nadie
que investigue sobre habilidad de mujeres mayores
distinguiendo el orden en que se han volcado lquidos en un
vaso. Pero lo cierto es que el 95% de seguridad se ha
extendido tanto que si lo consideras en tus intervalos de
estimacin, nadie te preguntar nada. Por el contrario, si
alguien decide utilizar un 93%, que se prepare a responder a
la incmoda pregunta Por qu? 7 En la prctica se han
instalado dos valores para la seguridad. El estndar es 95%.
No obstante, cuando alguien quiere mostrar mayor
seguridad, ms exigencia a la situacin, entonces recurre al
99%.
Justificacin
En lenguaje estadstico diremos que la estudio de grupos de individuos, ser
precisin de la estimacin es de suma necesario analizar si, por s solo, el azar puede
importancia ya que aumenta con el tamao explicar las diferencias encontradas. Este
de la muestra. En la prctica, generalmente anlisis se hace siempre aplicando pruebas
solo se conoce 10 que ocurre en una muestra estadsticas que cifran, mediante
de enfermos. La teora estadstica de la probabilidades, la influencia del azar en 10s
estimacin permite predecir, con resultados de un experimento. La teora de la
determinada precisin, 10 que ocurre en la Estimacin se desarrolla a partir del caso
poblacin mediante la informacin aportada particular de una proporcin. La teora de la
por 10s individuos de una muestra extrada al Decisin se desarrolla a partir del caso
azar de dicha poblacin. Por 10 tanto, particular de la prueba de comparacin de
volviendo al ejemplo expuesto, siempre que una proporcin observada a una proporcin
daban darse conclusiones a partir de 10s terica. Sin embargo, la generalizacin a otros
resultados de una experiencia basada en el casos es inmediata.
3
Objetivos
Una vez analizado lo que es la teoria de estimacion sabremos determinar que
cumplen los siguintes objetivos.
Metodologa
Existen diversas reas de consulta para electrnicas tuvieron un papel importante
indagar acerca de este tema por lo que fue para tener informacin clara y precisa.
de gran relevancia seleccionar de manera Se eligi la utilizacin de la red para
cautelosa las fuentes a utilizar. buscar la informacin requerida, ya que es
Por lo tanto, la metodologa que se la opcin ms eficaz, rpida y con un vasto
sigui ha consistido en un exhaustivo campo de investigacin y tendramos
trabajo de campo en el que la investigacin diferentes puntos de vistas expertos que
y la interpretacin de diversas pginas analizan ese tema.
4
II. Bases tericas
La estimacin puntual
Una estimacin puntual consiste en intentamos que sean insesgados, es decir,
establecer un valor concreto (es decir, un que carezcan de sesgo.
punto) para el parmetro. El valor que Un sesgo es una tendencia constante. En
escogemos para decir el parmetro que un ejemplo clsico, solemos afirmar que las
nos preocupa vale X es el que suministra escopetas de feria estn diseadas para
un estadstico concreto. Como ese errar, para desviarse. Si esa desviacin es
estadstico sirve para hacer esa fija, es decir, si esa desviacin es una
estimacin, en lugar de estadstico suele tendencia a errar hacia un sentido concreto,
llamrsele estimador. As, por ejemplo, entonces hablamos de sesgo. Si no es fija,
utilizamos el estadstico media entonces se trata de una variacin aleatoria
aritmtica de la muestra como El recurso que utilizamos para ello es el
estimador del parmetro media valor esperado, es decir, la media aritmtica
aritmtica de la poblacin. Esto significa: de la distribucin muestral del estimador. Ya
si quieres conocer cul es el valor de la lo viste en el monogrfico sobre muestreo.
media en la poblacin, estimaremos que El valor esperado es, como dice la expresin,
es exactamente el mismo que en la el valor que esperamos. Cabe elegir un
muestra que hemos manejado. Los estimador tal que el valor esperado coincida
estimadores siempre suministran con el parmetro. Esto ocurre si utilizamos la
dispersin aleatoria. Como sabemos del media aritmtica de la muestra como
monogrfico sobre muestreo, el conjunto estimador de la media aritmtica de la
de todas las muestras de un mismo poblacin, pues E [X ] =. Tambin ocurre
diseo que provienen de una misma con las proporciones, pues E (p) = . Pero no
poblacin suministran valores diferentes. ocurre as con la varianza (y, por tanto,
Esta circunstancia indica que existe una tampoco con la desviacin tipo) pues E(S2)
variacin aleatoria con la que hay que 2. Lo que hacemos entonces es escoge otro
vivir porque es inevitable. Pero todava estimador. En el muestreo aleatorio simple
sera peor. Es posible que el estimador donde las poblaciones son de gran tamao,
escogido tenga sesgo, es decir, que no es la cuasi varianza el estadstico escogido
solo est variando alrededor de un punto, como estimador de la varianza poblacional,
sino que el punto sobre el que vara no es pues E(S2 )= 2 , es decir, la cuasi varianza es
el valor poblacional, verdadero u objetivo un estimador insesgado de la varianza
de nuestro inters. Esto si es evitable. As poblacional.
que los estimadores que utilizamos
5
Estimacin por intervalo
Las estimaciones puntuales no son una seguramente aceptaran cualquiera de
buena opcin cuando constituyen el centro ambas aproximaciones como un acierto
del objetivo, aunque solucionan problemas meritorio, pues solo se alejan de 5 en 13
de procedimiento, por lo que son diezmilsimas, una cantidad demasiado
absolutamente necesarias. pequea como para penalizar el estudio y
Intentemos comprender la afirmacin del afirmar que no acert. Si nos comportamos
prrafo anterior. Por un lado, una estimacin de ese modo es que no estamos haciendo
puntual es una mala opcin. Que el una estimacin puntual, sino considerando
parmetro tenga exactamente el valor del un intervalo alrededor de 5 que marca la
estimador es una casualidad de difcil desviacin admisible o una especie de
ocurrencia. Queremos estimar el tiempo cuanta mxima de error que nos permite
medio que una persona pasa entre una afirmar que realmente se trata de un
respiracin y la siguiente cuando duerme. acierto. Lo que hacemos o deseamos hacer
Acotamos la poblacin: nos preocupan los en la prctica son estimaciones por
adultos (al menos 18 aos de edad) intervalo. Consiste en utilizar el clebre ms
europeos. Demasiados millones como para o menos. Diremos, en nuestro ejemplo, que
pensar que podemos abordar a toda la el tiempo medio que una persona dormida
poblacin. As que seleccionamos una ocupa entre dos respiraciones es ms o
muestra aleatoria simple de 350 habitantes menos 5 segundos. No obstante, desde el
del continente con 18 o ms aos. El tiempo campo de la estadstica, ese ms o menos es
medio en la muestra es de 5 segundos. Si demasiado impreciso. Est incompleto. Es
hacemos una estimacin puntual diremos necesario responder a ms o menos qu?
que el tiempo medio en la poblacin es Hay que manejar alguna precisin. Por
tambin de 5 segundos. Imaginemos que ejemplo: ms o menos 0,4 segundos. Si la
somos capaces de conocer el valor real en la estimacin es as, entonces estamos
poblacin. Es 5,2 segundos. Hemos concluyendo con un intervalo: el tiempo
acertado? medio es de 5 0,4 = {4,6; 5,4}. Acabamos
Qu significa 5 segundos? En principio, son de ver nuestro primer ejemplo de
5 segundos exactamente. Esto lo diferencia estimacin por intervalo.
de, por ejemplo, 5,0013 o de 4,9987. Sin
embargo, la gran mayora de las personas
6
Control de la anchura del intervalo prximo a 1(0.90, 0.95, 0.99,. . .). De ello
resulta que el valor de es prximo a 0 (0.1,
Es evidente que si se estrecha el intervalo, se 0.05, 0.01,. . .).
suministrar al investigador una estimacin En una estimacin por intervalo podemos
ms exacta del valor del parmetro. Hay dos observar dos elementos: un centro y un radio o
mtodos corrientes para estrechar un intervalo, distancia al centro. En el ejemplo, el centro es 5
pero para ambos se debe hacer un sacrificio y el radio es 0,4. El centro es el valor aportado
adicional. Estos procedimientos son: a) Ajuste por el estimador. El radio expresa una medida
del nivel de confianza: por la propia naturaleza de imprecisin. Cuanto menor es su valor,
mayor es la precisin. As que vamos a llamarlo
coherentemente error de precisin, utilizando
el smbolo ep. En nuestro ejemplo, el estimador
es la media aritmtica con valor 5, mientras
que el error de precisin tiene el valor 0,4. Con
ambos elementos podemos construir un
intervalo. Antes de pasar al tercer elemento
fundamental de una estimacin por intervalo,
retomemos la estimacin puntual.
7
El valor p es desconocido ya que precisamente se realiza el sondeo para estimarlo.
En la frmula (11) debe sustituirse p por un valor aproximado, obtenido segn uno
de 10s siguientes criterios:
8
Clculo del error de precisin seguridad mayor error de precisin, entonces
Hemos visto ya que construir un intervalo la frmula de clculo sera:
de estimacin tiene un momento de decisin ep = Zseg
(cul ha de ser la seguridad con que El tercer y ltimo elemento es el tamao de la
concluimos que el parmetro, por ejemplo , muestra. Qu influencia crees que tiene en el
se encuentra en el intervalo?) y dos valor del error de precisin? Vayamos por
momentos de clculo. Lo primero que partes. Primera pregunta: qu efecto tiene el
calculamos es el valor de estimador (por tamao de la muestra en el parecido entre el
ejemplo, m). Lo siguiente es el valor del error estimador y el parmetro? Al aumentar el
de precisin (ep) que se deriva de las tamao de la muestra, si el muestreo sigue
caractersticas de la muestra y del nivel de siendo el mismo y es bueno, entonces
seguridad escogido. Llegados a ese punto lo esperaremos que el valor del estimador sea
nico que nos quedar ser construir el ms parecido al parmetro, es decir, nos
intervalo restando y sumando al estimador el resultar ms raro que la distancia entre el
valor del error de precisin. Con los smbolos estimador y el parmetro sea elevada. Si
improvisados en este prrafo, el punto de hemos entrevistado a una sola persona, es
llegada ser: muy probable que su opinin sobre la
actuacin del ayuntamiento en el asunto de la
{m ep , m + ep }seg. construccin del puente vare mucho respecto
a entrevistar a otra persona. Y, por tanto, es
muy probable que su opinin resulte poco
La expresin anterior se lee, literalmente,
representativa. Pero si hemos preguntado a
diciendo que afirmamos con una seguridad de
mil personas mediante un buen cuestionario y
valor seg que el parmetro tiene un valor
la muestra est conseguida mediante un buen
comprendido entre m - ep y m + ep. Si procedimiento, entonces esperaremos dar
llegados a este punto ya tenemos el valor de prcticamente en el blanco, en el sentido de
m y hemos decidido seg, entonces solo nos que tendremos una sensacin bien fundada
resta calcular ep. de que el valor medio de la opinin en la
muestra (valor del estimador) ser igual o
Elementos para el clculo muy parecido al valor medio de la opinin en
Pues bien, el error de precisin depende de la poblacin (valor del parmetro). As pues,
tres elementos. Uno ya lo sabemos: el nivel de conforme el tamao de la muestra aumenta,
seguridad. Cuanta ms seguridad queramos el error de precisin ha de disminuir. La
tener, el error de precisin ser mayor, de tal frmula debe considerar, entonces, al tamao
forma que el intervalo se har ms grande. de la muestra dividiendo. Cuando se deduce
Vamos a justificarlo ms adelante, pero ya matemticamente la expresin, lo que divide
adelanto qu recurso vamos a utilizar para no es n directamente sino su raz cuadrada.
representar la seguridad: un valor de distancia Por ello, la frmula definitiva que utilizamos
estandarizada, Z seg. Conforme mayor sea la es:
seguridad, mayor ser el valor de Z seg. Si este
ep = Zseg n
elemento fuera el nico y dado que a mayor
9
Solucin del problema
Una vez tenida las bases tericas nos dimos a la tarea de
seleccionar las frmulas ms utilizadas de esta teora para
as darle solucin a los problemas que nos encontremos
respecto a este tema.
Estimacin de la media
Sea x1,. . ., xn una Muestra Aleatoria Simple de una
variable N(, ). Estimacin puntual:
= X, Error estndar = S n Intervalos de confianza:
conocida ( X / n z/2 )
desconocida ( X S n tn1,/2).
Z/2: cuantil por la derecha de orden 2 de una distribucin N (0, 1). tn1,/2 : cuantil
por la derecha de orden /2 de una distribucin t(n 1).
Estimacin de la varianza
Sea x1, . . . , xn una Muestra Aleatoria Simple de una variable N(, ).
Estimacin puntual:
= = ( )
Intervalos de confianza
2 k,/2 , 2 k,1/2 : cuantiles por la
derecha de orden /2 y 1 /2 de una
distribucin 2 (k).
10
estas situaciones ser dicotmica o de Bernoulli con probabilidad de xito p. Para
modelizar esta situacin consideraremos x1, . . . , xn una Muestra Aleatoria Simple de
una variable con distribucin de Bernoulli de parmetro p.
=0
= =
(1)
Error estndar = ( )
intervalos de confianza para p:
puede tolerar.
11
Resultados Resumen de frmulas
12
BIBLIOGRAFIA
http://asignatura.us.es/dadpsico/apuntes/EstimacionEstadistica.pdf
Mar. 2017].
http://matematicas.unex.es/~mota/ciencias_ambientales/tema7_n
uevo.pdf
https://wwwyyy.files.wordpress.com/2013/04/teorc3ada-de-la-
estimacic3b3n-estadc3adstica.pdf
13