UNIVERSIDAD RURAL DE GUATEMALA

NOMBRE: RAMIRO FRANCISCO XOL ICAL FECHA: 25 DE FEBRERO DE 2018

CARNET: 16-000-0273 SECCION: “B”

Teoría de la Estimación Estadística

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.

Características que debe tener un buen estimador a) Debe ser insesgado: un estimador es
insesgado, si en promedio, tiende a tomar valores que están por encima del parámetro de la
población con la misma frecuencia y la misma extensión, con la que tiende a asumir valores por
debajo del parámetro de población que se está estimando.

b) Debe ser eficiente: de varios estimadores insesgados, el más eficiente es el que tiene el error
estándar más pequeño.

c) Debe ser consistente: significa que a medida que aumenta el tamaño de la muestra, la
estimación se aproxima al valor del parámetro.

d) Debe ser suficiente: significa que ningún otro estimador puede suministrar más información
sobre el parámetro.
Teoría de la Estimación Estadística

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.

Interpretación de los intervalos de confianza Un intervalo de confianza se puede interpretar de

dos maneras diferentes. Ejemplo: una directora de tiendas cree que el gasto medio de sus clientes
en el último año se encuentra en el intervalo de 35 a 38 dólares y concede una significación del
95% a ese intervalo. Interpretación 1: confía al 95% en que la media poblacional se encuentra
entre 35 y 38 dólares. Nota: no significa que haya una probabilidad del 95% de que μ se encuentre
entre 35 y 38 dólares. En sentido apriorístico (antes de formar el intervalo de confianza) hay una
probabilidad del 95% de construir un intervalo que comprenda a μ, pero una vez fijado el
intervalo, μ está o no está comprendido en él; es decir, el 95% de probabilidad se asigna a nuestro
grado de confianza de que μ se encuentra en el intervalo, no a la probabilidad de que esté en él.