Teoría de estimación estadística

La teoría de estimación estadística estudia como obtener información sobre una población,
mediante muestras extraídas de ella.
Un importante problema es la estimación de parámetros de una población a partir de los
correspondientes parámetros de las muestras, llamados estadísticos muéstrales.
Hay dos formas de hacer una inferencia acerca de un parámetro de una población: pode
mos estimar el valor del parámetro desconocido o podemos tomar una decisión acerca d
e un valor hipotético del parámetro. Por ejemplo, podemos estimar el numero de medio
M de trabajos presentados cada hora a un centro de procesamiento de datos o pod
ríamos querer decidir si la media M excede o no cierto valor, digamos 60.
ESTIMADOR PUNTUAL
Un estimador puntual es una regla o formula que nos dice como calcular una estim
ación numérica con base en las determinaciones contenidas en una muestra. El número qu
e resulta del cálculo es una estimación puntual.
PROPIEDADES DE LOS ESTIMADORES PUNTUALES
Dado que un estimador se calcula a partir de una muestra, posee una distribución d
e muestreo. La distribución de muestreo de un estimador puntual describe por compl
eto sus propiedades. Por ejemplo, según el teorema del limite central, la distribu
ción de muestreo de la media de muestra estará distribuida de forma aproximadamente
normal si el estándar .
La siguiente figura muestra que una media de muestra y tiene las mismas probabil
idades de quedar por arriba o por debajo de M y que hay una probabilidad de apro
ximadamente .95 de que no se desviara de M en mas de 2 y = 2

Las características manifestadas en esa figura identifican las dos propiedades más d
eseables de los estimadores. Primero, nos gustaría que la distribución de muestres d
e un estimador este centrada en el parámetro que se desea estimar.
Si la medida de la distribución de muestreo de estimador “θ^ “ es igual al parámetro esti
mado θ, se dice ue el estimador esta insesgado. Si no es así, se dice ue el estima
dor esta sesgados. La media de muestra en un estimador insesgado de la media de
la población M.
En las siguiente dos figuras se muestran las distribuciones de muestreo de estim
adores insesgados y sesgados, respectivamente.

ESTIMADOR DE INTERVALO
Un estimador de intervalo es una formula ue nos dice como utilizar los datos de
muestra para calcular un intervalo ue estime un parámetro de población.
Un estimador de intervalo es una regla, casi siempre expresada como una formula,
ue nos permite calcular dos puntos a partir de los datos de la muestra
Intervalo de confianza
El intervalo de confianza es una expresión del tipo [θ1, θ2] ó θ1 ≤ θ ≤ θ2, donde θ es el p
estimar. Este intervalo contiene al parámetro estimado con una determinada certeza
 o nivel de confianza. Pero a veces puede cambiar este intervalo cuando la muest
ra no garantiza un axioma o un e uivalente circunstancial.
Variabilidad del Parámetro
Si no se conoce, puede obtenerse una aproximación en los datos aportados por la li
teratura científica o en un estudio piloto. También hay métodos para calcular el tamaño
de la muestra ue prescinden de este aspecto. Habitualmente se usa como medida d
e esta variabilidad la desviación típica poblacional y se denota σ.
Error de la e
timación
E
una medida de
u preci
ión que
e corre
ponde con la amplitud del intervalo de
confianza. Cuanta má
preci
ión
e de
ee en la e
timación de un parámetro, má
e
trecho de
berá
er el intervalo de confianza y,
i
e quiere mantener o di
minuir el error,
má
ocurrencia
deberán incluir
e en la mue
tra e
tudiada. En ca
o de no incluir nue
va
ob
ervacione
para la mue
tra, má
error
e comete al aumentar la preci
ión. Se

uele llamar E,
egún la fórmula E = θ2 - θ1.
Limite de Confianza
Es la probabilidad de ue el verdadero valor del parámetro estimado en la población
se sitúe en el intervalo de confianza obtenido. El nivel de confianza se denota po
r (1-α), unque h bitu lmente suele expres rse con un porcent je ((1-α)•100%). Es h bi
tu l tom r como nivel de confi nz  un 95% o un 99%, que se corresponden con v lo
res α de 0,05 y 0,01 respectiv mente.