Beruflich Dokumente
Kultur Dokumente
1. Qu es estimacin?
Se llama estimacin al conjunto de tcnicas que permiten dar un valor aproximado
de un parmetro de una poblacin a partir de los datos proporcionados por una
muestra.
2. Qu es estimacin de parmetros?
Es el procedimiento utilizado para conocer las caractersticas de un parmetro
poblacional, a partir del conocimiento de la muestra.
La teora clsica de la Inferencia Estadstica trata de los mtodos por los cuales se
selecciona una muestra de una poblacin y, basndose en las pruebas de las
muestras, se trata de:
* Estimar el valor de un parmetro desconocido, por ejemplo 0.
* Verificar si q es o no igual a cierto valor predeterminado, por ejemplo 0.
El primero de estos dos procedimientos, de inferir de una muestra a una
poblacin, se llama estimacin de un parmetro; el segundo, prueba de una
hiptesis acerca de un parmetro.
Dentro del primer procedimiento, la estimacin de un parmetro puede tener por
resultado un solo punto (estimacin puntual), o un intervalo dentro del cual exista
cierta probabilidad de encontrarlo (estimacin por intervalos).
Un estimador puntual es un nico punto o valor, el cual se considera va a estimar
a un parmetro. La expresin E( ) = m sugiere que el nico valor de es un
estimador puntual insesgado o no viciado de m .
Un estimador por intervalo se construye sobre el concepto de un estimador
puntual, pero adems, proporciona algn grado de exactitud del estimador. Como
el trmino lo sugiere, un estimador por intervalo es un rango o banda dentro de la
cual el parmetro se supone va a caer.
3. Propiedades de un buen estimador.
Insesgabilidad: estimador de es una variable aleatoria y por lo tanto tiene una
distribucin de probabilidad con una cierta media y variancia. Se puede definir
estimador insesgado diciendo: Si se utiliza un estadstico muestral para estimar
el parmetro de la poblacin , se dice que es un estimador inesgado de , si la
esperanza matemtica de coincide con el parmetro que desea estimar.
En smbolos:
es insesgado
Si
Ms an,
de variancia muestral.
En efecto, si
y S es un estimador insesgado de s .
Eficiencia: si se utilizan dos estadsticos como estimadores del mismo parmetro,
entonces aquel cuya distribucin muestral tenga menor variancia, es un estimador
ms eficiente o ms eficaz que el otro. Es decir:
es eficiente
mnima.
Se halla la razn
Si K > 1,
es ms eficiente que
y usaremos .
Si K < 1,
es ms eficiente que
y usaremos .
Si K = 1, y
son igualmente eficientes y se puede utilizar cualquiera de los dos
indistintamente.
Supongamos que una variable aleatoria X tiene una distribucin simtrica. Por lo
tanto la media aritmtica y la mediana son iguales. Si se toma una muestra de
esta distribucin, qu estadstico muestral,
o , debera utilizarse para
estimar la media de la poblacin m ?
La respuesta depende de cul es el estimador ms eficaz. Ambos son insesgados,
pero la variancia de
es menor que la de , es decir que
. Por lo tanto
la media muestral es un estimador ms eficaz que la mediana muestral.
Consistencia: Si es un estimador muestral calculado a partir de una muestra
de tamao n y si
es el parmetro de poblacin que se va a estimar, entonces
es un estimador consistente de si la probabilidad de que el valor absoluto de la
diferencia entre y su esperanza
iguale o supere a e(error admitido que
tiende a cero, o sea que es tan pequeo como se quiera), tienda a cero cuando el
nmero de elementos de la muestra tienda a infinito. En smbolos:
si n
O equivalentemente:
si n
Donde:
es el lmite inferior del intervalo de confianza.
es el lmite superior del intervalo de confianza.
1, el
Sea x1, x2, ... , xn una muestra aleatoria de la variable aleatoria X y sea
muestral.
Se sabe que
central del lmite.
la media
Luego, tipificando:
Se plantea:
entonces:
Observaciones:
- Si las muestras se toman sin reposicin de una poblacin finita de tamao N,
debe emplearse el factor de correccin por finitud y el intervalo ser:
s = 3 1 - a = 0.95
Por tabla:
Entonces:
depende del
Para el ejemplo 1,
95%.
Pacientes.
CASO 2) Con s desconocido
Para estimar s se debe utilizar el desvo estndar muestral corregido.
por
resulta:
Por lo tanto:
= 1-a
Ejemplo 2: Una muestra de 15 aves tomadas al azar en un establecimiento con
5000 aves, (que elabora alimentos balanceados), permiti establecer un aumento
de peso promedio de 90 g por semana y por ave, y un desvo tpico de 10 g. Se
busca estimar el incremento de peso promedio para las 5000 aves del
establecimiento con un intervalo de confianza del 90%.
Respuesta:
X = aumento de peso por ave
n = 15
= 90 g S = 10 g ICM0,90?
Por tabla:
y el intervalo resulta:
Interpretando este resultado, se dice que el aumento de peso por ave por semana
en el establecimiento est entre 85,5 y 94,6 gramos, con un 90% de confianza.
Poblaciones
normales
con
distribucin:
Adems,
(1)
(2)
Donde:
Por tabla:
n = 40 ICDM0,90?
Luego:
=
= 300 87,24 = (212,76 ; 387,24) = (212,8 ; 387,2)
Interpretando este resultado, se dice que la diferencia entre las superficies medias
de las explotaciones agrcolo-ganaderas de ambas zonas, se encuentra entre
212,8 y 387,2 ha, con un 90% de confianza.
Observacin: En la frmula tambin puede utilizarse
considerarse
en lugar de
CASO
2:
Poblaciones
desconocidos
normales
con
su diferencia.
a)
Si s 1 y s 2 son
desconocidos
pero
estadsticamente
pueden
pero
estadsticamente no pueden
y la
~ td
donde el nmero de grados de libertad de la distribucin t de Student viene dado
por la frmula:
n1 = 10,
, S1 = 5
n2 = 12,
, S2 = 3, s 1 s 2 ICDM0,95?
grados de libertad.
Luego, por tabla, t0,05; 15 = 2,1315 y finalmente el intervalo resulta:
ICDM0,95 =
= 7 3,843 = (3,157 ; 10,843) @ (3 ; 11)
Interpretando el resultado se puede decir que la diferencia entre las edades
medias de las personas que murieron de tuberculosis en ambas ciudades, se
encuentra entre 3 y 11 aos, con una confianza del 95%.
5. Estimacin puntual (dar ejemplos)
Una estimacin puntual del valor de un parmetro poblacional desconocido (como
puede ser la media , o la desviacin estndar ), es un nmero que se utiliza
para aproximar el verdadero valor de dicho parmetro poblacional. A fin de realizar
tal estimacin, tomaremos una muestra de la poblacin y calcularemos el
parmetro muestral asociado (x para la media, s para la desviacin estndar, etc.).
ESTIMACIN DE PARAMETROS
Integrantes:
Paola Ramos C.I.:21.045.149
Loreangel Perozo C.I.:23.881.772
Seccin: 111