Estimación estadística

Vicente Manzano Arrondo – 2012-2014

Estimar qué va a ocurrir respecto a algo (o qué está ocurriendo, o qué ocurrió), a pesar de ser un
elemento muy claramente estadístico, está muy enraizado en nuestra cotidianidad. Dentro de ello,
además hacemos estimaciones dentro de un intervalo de posibilidades. Por ejemplo: “creo que
terminaré la tarea en unos 5-6 días”. Lo que hacemos en el terreno del análisis de datos es aplicar
matizaciones técnicas a este hábito. Vamos a dedicar este documento al concepto de estimación,
comenzando con la estimación puntual. Después nos ocuparemos de desarrollar un modelo de
estimación por intervalo donde identificaremos los elementos fundamentales, con su significado y
símbolo. Y, por último, habrá que desarrollar cómo se calculan esos elementos.

TIPOS DE ESTIMADORES

Los procedimientos de estimación pueden dividirse en dos tipos:

Estimación puntual: la estimación se representa mediante un solo número.

Estimación por intervalo: la estimación se representa mediante dos números que determinan un
intervalo sobre la recta.

Ejemplo. Se quiere estimar la altura media de los alumnos de un determinado curso. Se puede dar la
estimación diciendo que la altura media es de 1.65 m (estimación puntual) o bien decir que la altura
media estará entre 1.6 m y 1.7 m (estimación por intervalo).

Un estimador es una regla que expresa cómo calcular la estimación, basándose en la información
de la muestra y se enuncia, en general, mediante una fórmula.

Un estimador puntual utiliza los datos de la muestra para obtener un número que estima el
valor del parámetro.
Un estimador por intervalo utiliza los datos de la muestra para obtener dos valores
numéricos entre los cuales se supone que está el valor del parámetro estimado.

COMO SELECCIONAR UNA MUESTRA ALEATORIA SIMPLE

ESTIMACION DE UNA PROPORCION DE LA POBLACION

Si en u n a po b l ac ió n , u n a d e t er mi n ada ca ra ct e rí sti c a s e p r e s en ta
en u n a p r op o r ci ón p , l a p r op o rci ón p' , de i n di vi du os c on di ch a
ca ra ct e rí sti c a en l as m u es tr a s d e ta ma ñ o n , s e di st ri bu i rán s e gú n :

I nt er v a lo de c o nf i a nz a p a r a u n a pr o po rc i ón

El er r or m áx im o d e e st i m ac ió n es :
Ejemplos

En u n a fáb ri ca d e c om po n en t e s el e ct r ó n i co s, l a p r o po r ci ón d e
c omp on en t es fi n al es d e fe ctu o s o s e r a d el 20 % . T r as u n a s e ri e d e
op e ra ci on e s e i n v e r si on e s d esti n ad a s a mej o r ar el r en di mi e n to s e
an al i z ó u n a m u est r a al e at o ri a d e 50 0 c o mp on en t e s, en c on t r án d os e
qu e 9 0 d e el l os e ran d e fe ctu o s o s. ¿ Qu é n i vel d e c on fi an z a d eb e
ad opta r s e pa r a ac e p tar qu e el r en di mi en to n o h a su f ri do
va ri aci on e s ?

p = 0 .2 q = 1 - p =0 .8 p '= 9 0/ 50 0 = 0 .18

E = 0 .2 - 0 .18 = 0 . 02

P ( z α / 2 > 1 .1 2) = 1 − P (z α / 2 ≤ 1. 12) = 1 − 0 .8 686 = 0 .1 31 4

0.8 686 - 0 .13 14 = 0.7 372

N iv e l d e c on f i anz a : 7 3. 72 %

Muestreo aleatorio estratificado

Se clasifica la población en grupos (estratos). Se trata de asegurar que todos los estratos de interés
queden correctamente recogidos y, por tanto, representados en la partición.

Desde un punto de vista probabilístico, se considera que existen subpoblaciones muy definidas
dentro de la población donde la distribución de la variable que se analiza experimenta variaciones.

Cada estrato funciona independientemente de los demás. Por tanto, se eligirán muestras aleatorias
simples para cada uno de los estratos.

La distribución de la muestra en función de los distintos estratos se denomina afijación.

Tipos de afijación

Los tipos de afijación más utilizados son los siguientes:

 Afijación simple: A cada estrato le corresponde el mismo número de elementos de la

muestra.

 Afijación proporcional: El número de elementos muestrales de cada estrato es directamente

proporcional al tamaño del estrato dentro de la población.

1) Introducid el tamaño de la
población Ny tamaño de la muestra n,
con la condición n ≤ N

2) Introducid los tamaños de las 4

primeras subpoblaciones.

3) Presionad el botón Calcula.

4) Se obtienen los tamaños muestrales

para cada subpoblación por afijación
proporcional.
Ejemplo
Supongamos que realizamos un estudio sobre la población de estudiantes de
una Universidad, en el que a través de una muestra de 10 de ellos queremos
obtener información sobre el uso de barras de labios.

En primera aproximación lo que procede es hacer un muestreo aleatorio simple,

pero en su lugar podemos reflexionar sobre el hecho de que el comportamiento
de la población con respecto a este carácter no es homogéneo, y atendiendo a él,
podemos dividir a la población en dos estratos:

 Estudiantes masculinos (60% del total);

 Estudiantes femeninos (40% restante).

de modo que se repartan proporcionalmente ambos grupos el número total de

muestras, en función de sus respectivos tamaños (6 varones y 4 mujeres). Esto
es lo que se denomina asignación proporcional.

Si observamos con más atención, nos encontramos (salvo sorpresas de

probabilidad reducida) que el comportamiento de los varones con respecto al
carácter que se estudia es muy homogéneo y diferenciado del grupo de las
mujeres.

Por otra parte, con toda seguridad la precisión sobre el carácter que estudiamos,
será muy alta en el grupo de los varones aunque en la muestra haya muy pocos
(pequeña varianza), mientras que en el grupo de las mujeres habrá mayor
dispersión. Cuando las varianzas poblacionales son pequenãs, con pocos
elementos de una muestra se obtiene una información más precisa del total de la
población que cuando la varianza es grande. Por tanto, si nuestros medios sólo
nos permiten tomar una muestra de 10 alumnos, será más conveniente dividir la
muestra en dos estratos, y tomar mediante muestreo aleatorio simplecierto
número de individuos de cada estrato, de modo que se elegirán más individuos en
los grupos de mayor variabilidad. Así probablemente obtendríamos mejores
resultados estudiando una muestra de

 1 varón.
 9 hembras.

Pasos de selección para un muestreo estratificado

Hay ocho pasos principales en la selección de una muestra aleatoria
estratificada:

1. Define la población objetivo.

2. Identifica la variable o variables de estratificación y determinar el número
de estratos a usarse. Las variables de estratificación deben estar
relacionados con el propósito de estudio. Si el propósito del estudio es
hacer estimaciones de los subgrupos, las variables de estratificación deben
estar relacionados con esos subgrupos. La disponibilidad de información
auxiliar a menudo determina las variables de estratificación que se utilizan.
Puede ser utilizada más de una variable de estratificación.Considera que a
medida que el número de variables de estratificación aumenta, incrementa
la probabilidad de que algunas de las variables cancelen los efectos de
otras variables, no más de cuatro a seis variables de estratificación y no se
deben utilizar más de seis estratos de una variable en particular.
3. Identifica un marco de muestreo existente o desarrolla uno que incluya
información sobre la o las variables de estratificación para cada elemento
de la población objetivo. Si el marco de la muestra no incluye la información
en las variables de estratificación, la estratificación no sería posible.
4. Evalúa el marco de muestreo para la falta de cobertura, cobertura
excesiva, múltiple, y la agrupación, y haz los ajustes cuando sea necesario.
5. Divide el marco de muestreo en estratos, categorías de la estratificación de
la o las variables, creando un marco de muestreo para cada estrato. Dentro
del estrato las diferencias deben reducirse al mínimo, y las diferencias entre
los estratos deben maximizarse. Los estratos no deben estar superpuestos,
en conjunto, debe constituir toda la población. Los estratos deben ser
independientes y mutuamente exclusivos del subconjunto de la población.
Cada elemento de la la población debe estar en un sólo estrato.
6. Asigna un número único a cada elemento.
7. Determina el tamaño de la muestra para cada estrato. La distribución
numérica de los elementos incluidos en la muestra a través de los diversos
estratos determina el tipo de muestreo a implementar. Puede ser un
muestreo proporcional estratificado o uno de los diversos tipos de muestreo
estratificado desproporcionado.
8. Selecciona al azar el número específico de elementos de cada estrato. Al
menos un elemento se debe seleccionar de cada estrato para la
representación de la muestra; y por lo menos dos elementos deben ser
elegidos de cada estrato para el cálculo del margen de error de las
estimaciones calculadas a partir de los datos recogidos.