ESTIMACIN

El primer problema del cual se ocupa la estadstica inferencial es la estimacin,

que puede ser a travs de un nmero simple, generalmente el estadstico
correspondiente llamado estimador puntual, o por medio de dos valores
numricos que definen un intervalo llamado intervalo de confianza, el cual
contiene al parmetro estimado con cierto grado de confiabilidad.

A los estimadores generalmente se les denota con la misma letra que al
parmetro, pero con un acento circunflejo o gorrito; esto es, si el parmetro
fuese u , su estimador sera . Cabe hacer notar que tambin se acostumbra
usar letras griegas para parmetros y letras latinas para estimadores. As, por
ejemplo, como estimador de la media se usa , o o ; de la varianza
se usa o , etctera.




CARACTERSTICAS DE UN BUEN ESTIMADOR
PUNTUAL

Las caractersticas de un buen estimador puntual son insesgabilidad,
consistencia o exactitud, eficiencia o precisin y suficiencia.

i) i) Insesgabilidad: Un estimador puntual es insesgado si la media de la
distribucin muestral del estadstico (esperanza matemtica del estadstico)
es igual al parmetro por estimar; es decir, si es un estadstico cualquiera
y es el parmetro correspondiente y si , entonces es un
estimador insesgado de .

Como se vio en el ejemplo 9.3, y , de donde se
concluye que y son estimadores insesgados de y ,
u

X Y
2
o
2
s
2
o
u

u
| | u u =

E
u

u
| | = =
X
X E | |
2 2
1
o =
n
s E
X
2
1 n
s

2
o
respectivamente. Sin embargo, si se usa para estimar la varianza de una
muestra, entonces . Esto se puede demostrar fcilmente como se ve
a continuacin


El sesgo en este caso es , el cual desaparecer cuando n tienda a
infinito.

ii) ii) Consistencia o exactitud: Por lo general un estimador no es idntico
al parmetro que se estima, existe una diferencia entre ellos que es
el error de muestreo, pero si se aumenta el tamao de la muestra
suficientemente, la probabilidad de que esta diferencia sea mayor que un
nmero fijo tender a cero. Esto es
cuando

Claramente, y Md son estimadores consistentes de , as como y
lo son de .

iii) iii) Eficiencia o precisin: Un estimador es ms eficiente que de u ,
si la varianza del primero es menor que la del segundo ( ).

Como se vio en el ejemplo 9.3 y Md son estimadores insesgados de y
tambin consistentes; sin embargo, , de donde es un estimador
ms eficiente que Md para estimar .

iv) iv) Suficiencia: Se dice de manera intuitiva que un estimador es suficiente,
si transmite tanta informacin de la muestra como sea posible acerca del
parmetro, de modo que se proporciona mayor informacin por cualquier
otro estimador calculado de la misma muestra: y si se obtiene el valor de un
estadstico suficiente los valores de muestra mismos no proporcionan ms
2
n
s
| |
2 2
o =
n
s E
| | | |
n n
n
s E
n
n
n
X X
n
n
E
n
X X
E s E
n
i i
n
2
2 2 2
1
2 2
2
1 1
1
) (
1
) (
o
o o =

=
(
(

=
(
(

=


n
2
o

u u

0 > c
| | 0

> c u u P
n
X

2
1 n
s
2
n
s
2
o
1

u
2

u
2

2 1
u u
o o <
X

2 2
Md X
o o <
X

informacin sobre el parmetro. Por ejemplo, tanto la media ( ) como la

mediana como el centro de amplitud (C.A.) se pueden usar como
estimadores de ; sin embargo, slo la media toma en cuenta cada
valor o toda la informacin de la muestra, mientras que el centro de
amplitud slo toma en cuenta el primer y ltimo valor, y la mediana es una
medida de tendencia central de posicin. As pues, la media es un
estimador suficiente para .







ESTIMACIN POR INTERVALOS DE CONFIANZA

En la mayora de las situaciones una estimacin con un solo punto o puntual no
proporciona suficiente informacin acerca del parmetro de inters. Por
ejemplo, si se selecciona un nmero de muestras independientes de una
misma poblacin es posible que cada una proporcione un estimador puntual
diferente para la poblacin, dependiendo del error de estimacin. Como
resultado de esto el parmetro poblacional estar dentro de un rango de
valores muestrales o intervalo probable de estimacin. Para cualquier muestra
se puede especificar, con algn grado de confiabilidad, unos lmites entre los
cuales caer el parmetro. Este rango de valores se denomina intervalo de
confianza.

En general, con el fin de construir un intervalo de confianza para un parmetro
desconocido u se deben obtener dos lmites, uno inferior LI y otro superior LS
de tal manera que:
P(LI < u < LS ) = 1 o
El intervalo resultante
LI < u < LS

se denomina intervalo de confianza del 100(1 o)% para el parmetro
desconocido u, a LI y a LS se les denomina lmites de confianza y a 1 o se
denomina coeficiente o nivel de confianza. La interpretacin de un intervalo de
confianza es que si se obtienen muchas muestras aleatorias de una poblacin
X

y se construyen los intervalos de confianza correspondientes a cada una de

ellas, entonces el 100(1 o)% de estos intervalos contendrn al verdadero
parmetro.


























ESTIMACIN




El primer problema del cual se ocupa la estadstica inferencial es la estimacin,
que puede ser a travs de un nmero simple, generalmente el estadstico
correspondiente llamado estimador puntual, o por medio de dos valores
numricos que definen un intervalo llamado intervalo de confianza, el cual
contiene al parmetro estimado con cierto grado de confiabilidad.

A los estimadores generalmente se les denota con la misma letra que al
parmetro, pero con un acento circunflejo o gorrito; esto es, si el parmetro
fuese u , su estimador sera . Cabe hacer notar que tambin se acostumbra
usar letras griegas para parmetros y letras latinas para estimadores. As, por
ejemplo, como estimador de la media se usa , o o ; de la varianza
se usa o , etctera.




CARACTERSTICAS DE UN BUEN ESTIMADOR
PUNTUAL

Las caractersticas de un buen estimador puntual son insesgabilidad,
consistencia o exactitud, eficiencia o precisin y suficiencia.

v) i) Insesgabilidad: Un estimador puntual es insesgado si la media de la
distribucin muestral del estadstico (esperanza matemtica del estadstico)
es igual al parmetro por estimar; es decir, si es un estadstico cualquiera
y es el parmetro correspondiente y si , entonces es un
estimador insesgado de .
u

X Y
2
o
2
s
2
o
u

u
| | u u =

E
u

u

Como se vio en el ejemplo 9.3, y , de donde se
concluye que y son estimadores insesgados de y ,
respectivamente. Sin embargo, si se usa para estimar la varianza de una
muestra, entonces . Esto se puede demostrar fcilmente como se ve
a continuacin


El sesgo en este caso es , el cual desaparecer cuando n tienda a
infinito.

vi) ii) Consistencia o exactitud: Por lo general un estimador no es idntico
al parmetro que se estima, existe una diferencia entre ellos que es
el error de muestreo, pero si se aumenta el tamao de la muestra
suficientemente, la probabilidad de que esta diferencia sea mayor que un
nmero fijo tender a cero. Esto es
cuando

Claramente, y Md son estimadores consistentes de , as como y
lo son de .

vii) iii) Eficiencia o precisin: Un estimador es ms eficiente que de u ,
si la varianza del primero es menor que la del segundo ( ).

Como se vio en el ejemplo 9.3 y Md son estimadores insesgados de y
tambin consistentes; sin embargo, , de donde es un estimador
ms eficiente que Md para estimar .

viii) iv) Suficiencia: Se dice de manera intuitiva que un estimador es
| | = =
X
X E | |
2 2
1
o =
n
s E
X
2
1 n
s

2
o
2
n
s
| |
2 2
o =
n
s E
| | | |
n n
n
s E
n
n
n
X X
n
n
E
n
X X
E s E
n
i i
n
2
2 2 2
1
2 2
2
1 1
1
) (
1
) (
o
o o =

=
(
(

=
(
(

=


n
2
o

u u

0 > c
| | 0

> c u u P
n
X

2
1 n
s
2
n
s
2
o
1

u
2

u
2

2 1
u u
o o <
X

2 2
Md X
o o <
X

suficiente, si transmite tanta informacin de la muestra como sea posible

acerca del parmetro, de modo que se proporciona mayor informacin por
cualquier otro estimador calculado de la misma muestra: y si se obtiene el
valor de un estadstico suficiente los valores de muestra mismos no
proporcionan ms informacin sobre el parmetro. Por ejemplo, tanto la
media ( ) como la mediana como el centro de amplitud (C.A.) se pueden
usar como estimadores de ; sin embargo, slo la media toma en
cuenta cada valor o toda la informacin de la muestra, mientras que el
centro de amplitud slo toma en cuenta el primer y ltimo valor, y la
mediana es una medida de tendencia central de posicin. As pues, la
media es un estimador suficiente para .








ESTIMACIN POR INTERVALOS DE CONFIANZA

En la mayora de las situaciones una estimacin con un solo punto o puntual no
proporciona suficiente informacin acerca del parmetro de inters. Por
ejemplo, si se selecciona un nmero de muestras independientes de una
misma poblacin es posible que cada una proporcione un estimador puntual
diferente para la poblacin, dependiendo del error de estimacin. Como
resultado de esto el parmetro poblacional estar dentro de un rango de
valores muestrales o intervalo probable de estimacin. Para cualquier muestra
se puede especificar, con algn grado de confiabilidad, unos lmites entre los
cuales caer el parmetro. Este rango de valores se denomina intervalo de
confianza.

En general, con el fin de construir un intervalo de confianza para un parmetro
desconocido u se deben obtener dos lmites, uno inferior LI y otro superior LS
de tal manera que:
P(LI < u < LS ) = 1 o
El intervalo resultante

X

ESTIMADOR

Enestadstica, un estimador es unestadstico(esto es, una funcin de la muestra)
usado para estimar un parmetro desconocido de la poblacin.Para cada
parmetro pueden existir varios estimadores diferentes. En
general,escogeremos el estimador que posea mejores propiedades
que los restantes, comoinsesgadez, eficiencia, convergencia y robustez
(consistencia).El val or de un est i mador pr opor ci ona l o que se
denomi na en est ad st i ca unaestimacin puntual del valor del
parmetro en estudio. En general, se suele preferir realizar una
estimacin mediante un intervalo, esto es, obtener un intervalo [a,b] Dentro del
cual se espera est el valor real del parmetro con un cierto nivel de
confianza.Utilizar un intervalo resulta ms informativo, al proporcionar
informacin sobre el posible error de estimacin, asociado con la
amplitud de dicho intervalo. El nivel deconfianza es la probabilidad de que
a priori el verdadero valor del parmetro quedecontenido en el intervalo.


ESTIMACIN
Se llama estimacin al conjunto de tcnicas que permiten dar un valor
aproximadode un parmetrode una poblacin a partir de los datos
proporcionados por unamuestra. Por ejemplo, una estimacin de
lamediade una determinada caracterstica de una poblacinde tamao N
podra ser la media de esa misma caracterstica para unamuestra de tamao n.

La est i maci n se di vi de en t r es gr andes bl oques, cada uno de
l os cual es t i enedistintos mtodos que se usan en funcin de las caractersticas y
propsitos del estudio:

Estimacin puntual:


- Mtodo de los momentos;

- Mtodo de la mxima verosimilitud;

- Mtodo de los mnimos cuadrados;

- Estimacin por intervalos.

- Estimacin bayesiana.



ESTIMACIN POR INTERVALOS
Consiste en la obtencin de un intervalo dentro del cual estar el valor del
parmetroest i mado con una ci er t a pr obabi l i dad.
.
Error de la estimacin
Es una medida de su precisin que se corresponde con la amplitud delintervalo
deconfianza. Cuant a ms pr eci si n se desee en l a est i maci n de un
par met r o, ms









Luego, la proporcin de hipertensas vara
entre (0,139 , 0,212) con una confianza
de 95%.
IV. Uso de Intervalos de Confianza para
verificar Hiptesis.
Los intervalos de confianza permiten



verificar hiptesis planteadas respecto
a parmetros poblacionales.
Por ejemplo, supongamos que se
plantea la hiptesis de que el
promedio de peso de nacimiento de
cierta poblacin es igual a la media
nacional de 3250 gramos.
Al tomar una muestra de 30 recin
nacidos de la poblacin en estudio, se
obtuvo:
= 2930
s= 450
n= 30
Al construir un intervalo de 95% de
confianza para la media poblacional,
se obtiene:

Luego, el peso de nacimiento vara
entre 2769 y 3091 gramos, con una
confianza de 95%.
Como el intervalo no incluye el valor
=3250 gramos planteado en la
hiptesis, entonces esta es rechazada
con confianza 95% (o un valor p
menor a 0,5).

1. La distribucin Normal estndar es
una distribucin normal con media
=0 y varianza, =1. Una variable
distribuida N(0,1) generalmente se
denota con la letra z.
En particular, si X~N ( , ),
entonces z = (X- )/ tiene
distribucin normal estndar.