TEORÍA DE LA ESTIMACIÓN

Estándar
Razón para estimar
Los administradores utilizan las estimaciones porque se deben tomar decisiones racionales, sin
que tengan la información pertinente completa y con una gran incertidumbre acerca de lo que
pueda deparar el futuro, pero con la esperanza de que las estimaciones posean una semejanza
razonable con el resultado
Estimador
Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para
deducir la estimación.
Estimación
Es un valor específico observado de un estimador, por lo que asigna un valor numérico a un
parámetro de una población sobre la base de datos de muestra.
Tipos de estimación
a) Estimación puntual: consiste en un solo estadístico muestral que se usa para estimar el valor
verdadero de un parámetro de una población que es desconocido. Por ejemplo, la media muestral
x es una estimador puntual de la media poblacional μ.
Cuando usamos una estimación puntual, sabemos que aunque usemos un método bueno de
estimación es prácticamente improbable que el valor de la estimación coincida con el verdadero
valor del parámetro, así que sería conveniente acompañar nuestra estimación con alguna medida
que nos permitiera expresar la cercanía del estimador al parámetro. Una solución a ello no los
brindan los estimadores por Intervalos de Confianza.
b) Estimación por intervalo: es la estimación de un parámetro de la población dado por dos
números entre los cuales se puede considerar que se encuentra el parámetro. Las estimaciones de
intervalo indican la precisión de una estimación y son, por lo tanto, preferibles a las estimaciones
puntuales.
Nivel de Confianza
Probabilidad asociada con una estimación de intervalo de un parámetro de población. Ésta indica
qué tan seguro se está de que la estimación de intervalo incluirá al parámetro de la población. Los
niveles de confianza que más se utilizan son 90%, 95% y 99%.
Intervalo de Confianza
Es el alcance, rango o recorrido de la estimación que se hace y que tiene designada una
probabilidad de que incluya el valor real del parámetro de la población que se está estimando.
Límites de Confianza
Son el límite inferior y superior de un intervalo de confianza.
Coeficiente de Confianza
Es el nivel de confianza (en valores relativos) que tenemos en que el intervalo contiene el valor
desconocido del parámetro. Por ejemplo, para un nivel de confianza del 90%, el coeficiente de
confianza es 0,9.
Relación entre nivel de confianza e intervalo de confianza
Aunque podría pensarse que deberíamos utilizar un alto nivel de confianza (como 99%) en todos
los problemas de estimaciones, en la práctica, altos niveles de confianza producen intervalos de
confianza grandes y éstos no son precisos
Probabilidad de error (el valor α)
Es la proporción de intervalos que no contienen el valor desconocido del parámetro. Se calcula
utilizando el coeficiente de confianza:
α = 1 – Coeficiente de Confianza
Intervalos de confianza para la media poblacional y la proporción (muestras grandes)
a) Para la media:

b) Para la proporción: teóricamente, la distribución binomial es la distribución correcta para

utilizarse en la construcción de intervalos de confianza para estimar una proporción, sin
embargo, debido a que el cálculo de probabilidades binomiales es muy tedioso podemos
aproximar a una normal al aumentar el tamaño de la muestra y siempre que nπ y n(1-π) sean
mayores o iguales 5.

Intervalos de confianza para la media poblacional (muestras pequeñas)

Hasta ahora se había estudiado la estimación para la media poblacional en diversas condiciones,
en algunos casos se conocía σ mientras que en otros se eludía esta hipótesis. Se han calculado
intervalos de confianza con la hipótesis de una población que seguía una distribución normal y
también cuando se suponía que la distribución era desconocida pero a la cual se podía aplicar el
teorema del límite central ya que las muestras eran grandes. Sin embargo, en muchas
aplicaciones, obtener una muestra grande es poco probable e incluso imposible, por ejemplo, las
compañías de seguro que comprueban la resistencia de los carros a las colisiones. Destruir a
propósito 30 o más carros puede ser algo caro.
Cuando hay que tomar una muestra pequeña, la distribución t de student es más apropiada.

Referencia
Whitley E, Ball J. Statistics review 2: Samples and populations. Critical Care 2002; 6: 143-8.

https://titoylaestadistica.wordpress.com/2014/09/20/teoria-de-la-estimacion/

http://asignatura.us.es/dadpsico/apuntes/EstimacionEstadistica.pdf

Tema 7: Introducción a la Teoría sobre Estimación Estadística. 4o Curso. Licenciatura en

Ciencias Ambientales Licenciatura en Ciencias Ambientales (4o Curso) Tema 7: Introducción a
la Teoría sobre Estimación Curso 2009-2010 1 / 8 Índice 1 Objetivos de la estimación estadística
2 Estimación puntual de parámetros 3 Estimación por intervalos de confianza 4 Estimación de la
media 5 Estimación de la varianza 6 Estimación de una proporción Licenciatura en Ciencias
Ambientales (4o Curso) Tema 7: Introducción a la Teoría sobre Estimación Curso 2009-2010 2 /
8 Objetivos de la estimación estadística Su finalidad es proporcionarnos las herramientas
necesarias para poder determinar buenas aproximaciones (a los que llamaremos estimaciones) a
aquellos valores desconocidos en la población (a los que técnicamente se les denomina
parámetros) y que estamos interesados en conocer. Planteamiento del problema de estimación X
variable cuantitativa en una población. La distribución de probabilidad de X es conocida salvo
por uno o varios parámetros (por ejemplo, la media poblacional, µ, la varianza poblacional, σ 2 ,
la proporción asociada a una distribución binomial, p etc.) Disponemos de los datos x1, . . . , xn
que constituyen una Muestra Aleatoria Simple de la variable X. La estimación estadística de un
parámetro (llamémosle θ) consiste en determinar valores, calculados a partir de x1, . . . , xn que
de alguna manera aproximen a θ: bien proporcionando valores cercanos a θ (estimación puntual),
bien proporcionando un par de valores entre los cuales se encuentre el de θ (estimación por
intervalos). Licenciatura en Ciencias Ambientales (4o Curso) Tema 7: Introducción a la Teoría
sobre Estimación Curso 2009-2010 3 / 8 Estimación puntual de parámetros Un estimador puntual
de θ es una función ˆθ de los datos x1, . . . , xn que aproxima el valor de θ. Cuando se da el valor
del estimador ˆθ, hay que dar también una estimación del error que se comete al aproximar el
valor del parámetr Estimación por intervalos de confianza Intervalos de confianza Si T1 y T2 son
dos valores, obtenidos a partir de los datos x1, . . . , xn y tales que P(T1 ≤ θ ≤ T2) = 1 − α
entonces [T1, T2] es un intervalo de confianza para θ con un nivel de confianza de 1 − α.
Intuitivamente, T1, T2 son dos valores tales que el 100(1 − α)% de las veces que repitamos el
experimento en esa población, el valor desconocido de θ estará entre estos dos valores. El nivel
de confianza 1 − α es un valor entre 0 y 1 que debe estar próximo a 1( 0.90, 0.95, 0.99, . . . ). De
ello resulta que el valor de α es próximo a 0 ( 0.1, 0.05, 0.01, . . . ). Licenciatura en Ciencias
Ambientales (4o Curso) Tema 7: Introducción a la Teoría sobre Estimación Curso 2009-2010 5 /
8 Estimación de la media Sea x1, . . . , xn una Muestra Aleatoria Simple de una variable N(µ, σ).
Estimación puntual: µˆ = X¯ , Error estándar = S √ n Intervalos de confianza: σ conocida X¯ ± σ
√ n zα/2 σ desconocida X¯ ± S √ n tn−1,α/2 zα/2 : cuantil por la derecha de orden α/2 de una
distribución N(0, 1). tn−1,α/2 : cuantil por la derecha de orden α/2 de una distribución t(n − 1). Si
n ≥ 60 los intervalos anteriores son válidos aunque no se verifique la hipótesis de normalidad.
Licenciatura en Ciencias Ambientales (4o Curso) Tema 7: Introducción a la Teoría sobre
Estimación Curso 2009-2010 6 / 8 Estimación de la varianza Sea x1, . . . , xn una Muestra
Aleatoria Simple de una variable N(µ, σ) Estimación puntual: σˆ 2 = S 2 = 1 n − 1 Xn i=1 (xi −
X¯) 2 Intervalos de confianza: µ conocida "P(xi − µ) 2 χ 2 n,α/2 , P(xi − µ) 2 χ 2 n,1−α/2 # µ
desconocida " (n − 1)S 2 χ 2 n−1,α/2 , (n − 1)S 2 χ 2 n−1,1−α/2 # χ 2 k,α/2 , χ 2 k,1−α/2 :
cuantiles por la derecha de orden α/2 y 1 − α/2 de una distribución χ 2 (k). Licenciatura en
Ciencias Ambientales (4o Curso) Tema 7: Introducción a la Teoría sobre Estimación Curso 2009-
2010 7 / 8 Estimación de una proporción En caracteres cualitativos el parámetro de interés es la
proporción p de individuos de la población que presentan cada modalidad del carácter. La
variable que modeliza estas situaciones será dicotómica o de Bernoulli con probabilidad de éxito
p. Para modelizar esta situación consideraremos x1, . . . , xn una Muestra Aleatoria Simple de una
variable con distribución de Bernoulli de parámetro p. Estimación puntual de p: ˆp = Pn i=1 xi n
= n o de éxitos en la muestra n , Error estándar = s ˆp (1 − ˆp) n Intervalos de confianza para p: ˆp
− zα/2 qˆp(1−ˆp) n , ˆp + zα/2 qˆp(1−ˆp) n Puesto que se utiliza la aproximación de la binomial
por la normal, los intervalos anteriores serán válidos si nˆp(1 − ˆp) > 5. Licenciatura en Ciencias
Ambientales (4o Curso) Tema 7: Introducción a la Teoría sob
http://matematicas.unex.es/~mota/ciencias_ambientales/tema7_nuevo.pdf