Академический Документы
Профессиональный Документы
Культура Документы
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
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.
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
N iv e l d e c on f i anz a : 7 3. 72 %
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.
Tipos de afijación
1) Introducid el tamaño de la
población Ny tamaño de la muestra n,
con la condición n ≤ N
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.