Estimacin:

El proceso de estimacin en inferencia estadstica puede ser descrito como el proceso de estimar un
parmetro a partir del estadstico correspondiente, tal como usar una media muestral (Estadstico) para
estimar la media poblacional, (parmetro).
La estimacin de parmetros puede ser:

Puntual o Por Punto.

Por Intervalo.

Estimacin Puntual:
Objetivo.
Dar un valor numrico que aproxime en forma muy cercana al parmetro poblacional.
La estimacin puntual de un parmetro de una poblacin es un solo valor numrico de un estadstico
que corresponde a este parmetro.
Un estadstico utilizado para aproximar a un parmetro de una poblacin se denomina Estimador del
Parmetro. El nmero obtenido cuando se evala el estimador para una muestra particular, se denomina
Estimacin del Parmetro.
Sea X una variable aleatoria de inters con distribucin de probabilidad f (x).

: Parmetro Desconocido.
: f (X1, X2, X3,,Xn)
m. a. de tamao n.
Estadstico.
Estimador.
Por ejemplo:

es un posible estimador de .

: :
o punto.

Estimador puntual de , porque al evaluarlo para una muestra es concreto, da un solo numero
: Estimacin puntual de .

Otros Parmetros de Inters:

P: Proporcin Poblacional (proporcin binomial).
1

Proporcin de elementos con cierta caracterstica de inters en un universo dado.

= Estimador puntual de P.

X: N de elementos en la muestra con caracterstica de inters.

2 : Varianza Poblacional.

Estadstico: Estimador puntual de 2.

: Desviacin estndar de una poblacin.

Estimador puntual de .

1 - 2: Diferencia de dos medias poblacionales.

Estimador puntual de 1 - 2.
Diferencia entre las medias de dos muestras aleatorias independientes.
P1 P2
Estimador puntual para P1 P2
Diferencia entre dos proporciones mustrales, basadas en dos muestras aleatorias independientes.
Razn de dos varianzas poblacionales.

Estimador puntual de
Sea X una variable aleatoria con media desconocida y varianza 2.
X1, X2,, Xn

m. a. de tamao n.

=
= f (X1, X2,, Xn)

Estimadores posibles para

Cul es el mejor?
Antes de responder a esta pregunta debemos decidir que propiedades son deseables en un estimador
puntual.
Obviamente queremos que el estimador produzca estimaciones que puedan esperarse sean prximas
en valor al parmetro que se esta estimando.

Propiedades De Los Estimadores Puntuales:

Insesgabilidad

Eficiencia

Consistencia

Suficiencia

Estimador In sesgado:
Sea

un estimador puntual de un parmetro , entonces

es un estimador insesgado si E (

)=

. De lo contrario se dice que es sesgado.

Distribucin muestral de un estimador insesgado.

Distribucin muestral de un estimador sesgado positivamente, para el cual

3

Si el estimador es sesgado, la magnitud del sesgo es:

Sesgo

Suponga que X es una variable aleatoria con media y varianza 2, sea X1, X2, X3, X4,, Xn una m. a. de
tamao n de X. Es posible probar que la media muestral y la varianza muestral S2 son estimadores
insesgados de y 2 respectivamente.

Sin embargo S1 (Desviacin estndar muestral) es un estimador sesgado de . (: Desviacin estndar

poblacional).
Error estndar de un estimador

de un parmetro .

Medida usual de la precisin de una estimacin puntual.

Error cuadrado medio (ECM) de un estimador

Se puede demostrar que:

Si

es un estimador puntual insesgado de ; entonces:

.Ya que el sesgo

Varianza de
Error de estimacin.
El error de estimacin es la distancia entre el estimador y su parmetro. Es decir;
, donde

= f (X1, X2,, Xn), =Cantidad aleatoria

m. a.

Nota:

La

condicin

(promedio de los valores de

de

que

es

insesgado,

supone

que

el

valor

promedio

de

) es exactamente correcto. No dice que un solo valor sea exactamente

correcto.

Eficiencia Relativa:
La eficiencia relativa entre dos estimadores
ECM (

) y ECM (

de un parmetro , con ECM respectivos

) se define como:

Si la eficiencia relativa es menor que 1 entonces concluimos que

Si

es un mejor estimador de que

son dos estimadores insesgados de , entonces:

Eficiencia Relativa =

Si consideramos todos los posibles estimadores insesgados de algn parmetro , el de menor varianza se
llama Estimador mas Eficiente de .

Estimador Consistente:
Si
es un estimador insesgado de , basado en una m. a. de tamao n, decimos que
consistente para , si:

es

La consistencia es una propiedad de muestras grandes.

Los estimadores cuyo ECM (o varianza si el estimador es insesgado) tiende a cero cuando el tamao
de la muestra tiende al infinito, son consistentes.
Por ejemplo:
Si X

N (, 2) y X1, X2,, Xn

Es una muestra aleatoria de tamao n de X, entonces

consiente de .

es un estimador

Es un estimador insesgado de .

Estimacin Por Intervalo.

5

Un estimador por intervalo es una regla que especifica un mtodo que utiliza las mediciones de la
muestra para calcular dos nmeros que forman los extremos del intervalo.
Objetivo:
Encontrar un estimador por intervalo que genere intervalos angostos que contengan a
(parmetro) con una alta probabilidad.
Los estimadores por intervalo se denominan comnmente intervalos de confianza.
Un intervalo de confianza de , es un intervalo [L, U] que incluye a con un grado de
certidumbre establecido.
L y U se denominan extremos inferior y superior del intervalo de confianza.
L: Limite inferior de confianza.
U: Limite de confianza superior.
L, U: Estadsticos (variables aleatorias).
Para construir un estimador por intervalo del parmetro desconocido, debemos encontrar L y U tal
que:
P (L U) = 1
La probabilidad 1 se le llama Coeficiente de Confianza. Usualmente, se expresa en porcentaje:
100 (1 ) %.
1 es la probabilidad de que el intervalo contenga al parmetro.:0 < < 1
El intervalo resultante: L U
Se llama intervalo de confianza del 100 (1 ) % para el parmetro . (Intervalo de confianza de dos
lados).
En ocasiones un intervalo de confianza de un lado podra ser til.
L Intervalo de confianza inferior del 100 (1 ) %.
U Intervalo de confianza superior del 100 (1 ) %
Donde U se elige de modo que:
P ( U) = 1 -

Estimacin Por Intervalo de .

Intervalo de confianza sobre la media (), conocida la varianza (2).
Construir un intervalo de confianza del 100 (1 ) % para la media de una poblacin denotada
por X, con varianza 2 conocida a partir de una muestra aleatoria (m. a.) X1, X2, X3,, Xn de tamao n.
como estimador puntuales de .

Si usamos
Distribucin de

Si la muestra es seleccionada de una poblacin normal.

6

De donde:

A falta de esta (De poblacin normal), si n es suficiente grande:

* Si se cumplen las condiciones del TLC.

Aproximadamente.
Aproximadamente.
Para construir un intervalo de confianza de , primero hallaremos una variable aleatoria (v. a.) cuya
expresin contenga a y cuya distribucin se conozca al menos aproximadamente.
Contiene al parmetro y su distribucin es normal estndar (o al

Ntese que la v. a.

menos aproximadamente normal estndar).

Queremos determinar L y U de forma que P (L U) = 1
Consideremos la participacin de la curva normal estndar.
(I)
Formula exacta cuando la poblacin muestreada tiene distribucin normal y varianza 2 conocida.

Si 2 no se conoce (y
sea grande (n 30).

) reemplazar por S en (I). Buena aproximacin, siempre que n

Intervalo de confianza sobre la medida (), 2 desconocida, muestra pequea.

Suponer:

Poblacin normal con medida y 2 (varianza) desconocida.

X

N (, 2)

Muestra aleatoria de tamao n.: X1, X2, Xn

Media Muestral
7

Varianza Muestral

n pequea (< 30).

Construir un intervalo de confianza del 100 (1 ) % para .

Estimador puntual de

Reacomodando:

P (L U) = 1

Intervalo de confianza de dos lados del 100 (1 ) % para .

8

Donde

es el valor t con n 1 grados de libertad que deja una rea de

a la derecha.

A la formula anterior a menudo se le denomina formula del intervalo de confianza para la media en muestras
pequeas, aunque es valido para muestras de cualquier tamao.

Intervalo de confianza de un lado del

100 (1 ) % en .

Estimacin de 2.
Suponga que una m. a. de tamao n es seleccionada de una poblacin normal con media y varianza
desconocidas.
2

N (, 2)

X1, X2,, Xn.

m. a.
Estimador puntual de .
Estimador puntual de 2.

Son estadsticos

Construir un intervalo de confianza del 100 (1 ) % para 2.

Va a utilizar para construir el intervalo de confianza para 2.

Reacomodando:
P (L

U) = 1-

Limite de confianza

son los valores X2 con n-1 grados de libertad que

Donde

dejan reas de /2, 1- /2, respectivamente a la derecha.

Intervalos de confianza bilaterales del 100 (1-) % para 2.

Extrayendo Raz Cuadrada

Intervalos de Confianza bilateral del 100 (1-) % para

Intervalo De Confianza Para Una Proporcin P

Supngase que estamos interesados en estimar la proporcin P de elementos que presentan la caracterstica
de inters en un universo dado. Una muestra aleatoria de tamao n es seleccionada al azar y se observa el
numero de elementos X (xn) en la muestra que tiene la caracterstica de inters.
, Sabemos que:

Cuando n es grande (?)

Aproximadamente.

10

Estandarizando:

Aproximadamente.

Dividiendo numerador y denominador entre n, tenemos:

Estimador puntual de P
Es un estimador integrado de P.

V.a a utilizar para construir el intervalo de confianza del 100 (1-) % para P

Considerando la particin de la curva normal estndar, tenemos:

Pero:

Reacomodando:

Al sustituir P por en el error estndar (lo que resulta un error estndar estimado) tenemos que: El intervalo
de coeficiente bilateral del 100 (1 ) % aproximado en P es:

11

Estimacin De La Diferencia Entre Dos Medias.

Puntual.
Por intervalo.

Considrese dos poblaciones con medias 1 y 2 y varianzas 12 y 22 (conocidas) respectivamente. Dos

muestras aleatorias independientes de tamao n1 y n2 son seleccionadas, una de dada poblacin.

Un estimador lgico de 1- 2 es
X11, X12,.......X1n1
X21, X22,X2n2

donde

son las medidas mustrales.

m.a de tamao n1 de X1.

m.a de tamao n2 de X2.

X1 y X2 denotan las poblaciones de inters.

;

El valor numrico

Estimador puntual de 1- 2.
es la estimulacin puntual de 1- 2.

La distribucin maestral de
es normal si X1 y X2 estn distribuidas de forma normal o
aproximadamente normal si se completa las condiciones del TLC.

La distribucin de la v.a Z es normal estimada; si X 1 y X2 son normales o aprox. Normal estndar si n 1 y n2

son grandes (TLC).

De donde:

Sustituyendo Z:

12

Aislar algebraicamente 1- 2 del centro de la desigualdad:

De donde:

*intervalo de confianza aproximado a menos que las dos poblaciones sean normales.

La forma del intercambio anterior se aplica si se conocen 12 y 22. Si las varianzas no se conocen y las dos
poblaciones son normales, la distribucin t resulta implicada como en el caso de una muestra. Si no esta
dispuesto a suponer normalidad muestras grandes ( 30) permitirn el uso de S12 y S22 respectivamente.

Intervalo De Confianza Para 1- 2 Con Varianza Desconocida.

Suposiciones:
Poblaciones normales
13

Varianza desconocida, pero iguales.

Muestra aleatoria undipendientes de tamaos n1 y n2

Muestras pequeas.

X11, X12,, X1n,

X21, X22,, X2n2

Con la suposicin de 12 = 22 un intervalo de confianza para 1 - 2 basado en la v.a T se puede construir.

Sustituyendo T
14

Reareglando:

De donde:

Intervalo de confianza del 100 (1 ) % para

1 - 2, 12= 22 pero desconocidas.
A la forma anterior a menudo se le denomina formula del intervalo de confianza para 1 - 2 en muestras
pequeas, aunque es valida para muestras de cualquier tamao y funciona satisfactoriamente cuando la
poblacin no es normal, mientras que la desviacin de la normalidad no se exceda.

Cuando no es razonable suponer que 12= 22, un intervalo de confianza de dos lados de100 (1 ) %
aproximado en 1 - 2 es:

De donde

La construccin del intervalo de confianza anterior se bazo en la variable aleatoria:

15

Intervalo de confianza para 1 - 2

Observaciones pareadas
Suponer:

Poblaciones normales

Muestras aleatorias dependientes.

X11, X12,, X1n,

X21, X22,, X2n2
-n1=n2=n

n pequea.

D: denota una poblacin de diferencia.

16

Se puede construir un intervalo de confianza para 1 - 2 con solo encontrar un intervalo de confianza para
D.

Uso de distribucin t.

Sustituyendo y reacomodando tenemos:

Intervalo de confianza de dos lados del 100 (1 ) % en

Intervalo de confianza sobre la razn de
Varianzas de dos poblaciones normales

Suponer:
Poblaciones normales.

1 - 2, 12 y 22 no se conocen

Muestras aleatorias independientes.

X11, X12,, X1n,
X21, X22,, X2n2
17

La forma mas lgica de estimar (estimador puntual) la razn de dos varianzas, es estimar cada una por
separado como se vio anteriormente y despus estimar que

es la razn de estas estimaciones.

Estimador puntual de 12.

Estimador puntual de 22.

Si 12 y 22 son las varianzas de dos poblaciones normales, podemos construir un intervalo de

confianza basndonos en la variable aleatoria F.

Variable aleatoria a utilizar para construir el intervalo de confianza de 100 (1 - ) %.

De la figura tenemos:

18

Reareglando:

De donde:

Donde

es un valor f con

deja un rea a la derecha de

grados de libertad que

es un valor de f similar con

grados de libertad (g. l.)

Intervalo de confianza de dos lados (Bilateral) del 100 (1 ) % para

Intervalo De Confianza Para La Diferencia De Dos Proporciones P1 P2.

P1 P2

Parmetro.

P1: Proporcin de elementos con la caracterstica de inters en un universo dado.

P2: Proporcin de elementos con la caracterstica de inters en otro universo dado.
Si bien se trata de dos universos diferentes, la caracterstica de inters deber ser la misma.
P1 y P2 son parmetros binomiales.
19

Si toman muestras aleatorias independientes de tamao n1 y n2 respectivamente.

X1: N de elementos en la muestra 1 con la caracterstica de inters.

X2: N de elementos en la muestra 2 con la caracterstica de inters.

Un estimador lgico de P1 P2 es:

Es posible probar que:

Se puede construir un intervalo de confianza para P 1 P2 considerando la distribucin muestral de

:
Distribucin muestral de

:
Para n1 y n2 grandes.

De donde:

20

De la curva normal estndar podemos escribir:

Sustituyendo para Z.

Reareglando:

De donde un intervalo de confianza de dos lados del 100 (1 ) % aproximado para P1 P2 es:

21

La construccin del intervalo de confianza para P1 P2 se basa en la aproximacin normal a la

binomial que es adecuada para n1 y n2 grandes. ?

22