1.1 Estimación y Estimadores

Estimación y
estimadores
Herramientas
Matemáticas V -
Estadística II
1
Estimación y estimadores
Estimadores
Bibliografía básica
Estimación
Para cumplir con los
objetivos de la Unidad 1 La mayoría de las aplicaciones actuales de la estadística se relaciona con la
del Programa, es obtención de conclusiones referidas a la población a partir de la evidencia
necesario profundizar
recogida en una muestra correspondiente a una pequeña porción de casos,
en los temas
desarrollados en el en situaciones prácticas como las siguientes:
Capítulo 9 y 10 del texto
de Berenson y Levine  Analizar la evolución del total de desempleados en las grandes ciudades
(1996) relacionándolos de un país.
con los comentarios,
ejemplos y  Medir el gasto promedio de las familias en cierto rubro de interés.
recomendaciones de las  Cuantificar la variabilidad de un producto surgido de cierto proceso
lecturas del módulo. industrial estandarizado.
 Conocer el porcentaje de votantes que prefiere cierto candidato con
Capítulos: 9 y 10
anterioridad a una elección.
(Apartados 10.1, 10.2,
10.3, 10.4, 10.5, 10.6,
10.7, 10.8,10.9) Las técnicas correspondientes a la inferencia estadística permiten dar
respuesta a estos interrogantes utilizando solo una pequeña porción de
casos de la población de interés. Para los objetivos de información
propuestos como ejemplos previamente, podrían tomarse muestras de las
poblaciones:
 seleccionando individuos residentes en las ciudades de interés y

registrando su estado ocupacional;
 obteniendo por muestreo un conjunto de familias y consultándolas sobre
el gasto en ese rubro;
 estudiando por muestreo la característica de análisis de un grupo de
productos elaborados en tal sistema;
 indagando a un conjunto representativo de votantes del lugar en
cuestión.
Como primer paso en este estudio de la estadística inferencial, nos

detendremos en este módulo en las diferentes técnicas que permiten dar un
resultado considerado plausible acerca de un valor de un parámetro
poblacional de interés (tales como la media poblacional, la varianza
poblacional, la proporción poblacional o las diferentes entre medias o entre
proporciones).
2
Parámetros y estadígrafos
En primer lugar, recordemos la diferencia entre parámetro y estadígrafo.
 Los parámetros son las medidas de resumen poblacionales que permiten

describir el conjunto de datos analizados. Ejemplos de parámetros son la
media poblacional, la varianza poblacional, etcétera.
 Los estadígrafos son las medidas análogas obtenidas a partir de datos

muestrales. Este tipo de medida incluye a la media muestral, la varianza
muestral o la proporción muestral, entre otras. Estos valores, también
conocidos como estimadores, se utilizan para proporcionar una idea del
valor de la medida poblacional correspondiente, pero considerando solo
datos muestrales.
Estimadores: características de un buen estimador
Comenzaremos estudiando la media muestral, el estimador natural de la

media poblacional, que es la medida de tendencia central más utilizada. La
medida, a su vez, es la medida más adecuada para describir un conjunto de
datos que se distribuye siguiendo el modelo normal.
Las tres propiedades que nos interesa destacar de la media muestral como
estimador de la media poblacional son:
1) Imparcialidad (insesgada).
2) Eficiencia.
3) Consistencia.
Imparcialidad
Decimos que un estimador es imparcial o insesgado cuando su valor

esperado coincide con el parámetro poblacional que estima. En el caso de la
media muestral, esta propiedad se demuestra muy fácilmente con unos
pocos pasos algebraicos. Partamos de la fórmula de cálculo de la media
muestral estudiada en el curso anterior de estadística:
3
La esperanza o valor esperado de la media muestral es:
Como la esperanza de una constante es la constante, resulta:
Como la esperanza de una suma es igual a la suma de las esperanzas:
Y como sabemos que la esperanza de la variable estudiada es:
Simplificando, resulta:
Eficiencia
Un estimador es eficiente si, en promedio, se acerca más al parámetro

estimado que cualquier otro estimador. La media muestral cumple este
Error estándar de la
requisito para la media poblacional, ya que tiene la mínima varianza entre
media: es el nombre que
recibe la desviación
los estimadores de la media poblacional.
estándar de la media
muestral. Es decir, es la
desviación estándar de la Consistencia
distribución de muestreo
de la media.
4
Decimos que un estimador es consistente si, a medida que se aumenta el
tamaño de la muestra, el estimador se aproxima sistemáticamente al valor
del parámetro poblacional. Al aumentar el tamaño de la muestra, cada vez
las diferencias entre la media muestral y la media poblacional se van
haciendo más reducidas. El cumplimiento de estas propiedades hace de la
media muestral el mejor estimador de la media poblacional.
Error estándar de la media
Es intuitivamente fácil de visualizar que, a medida que mayor es la muestra

(es decir, más elementos de la población se incluyen para estimar la media
muestral), menor será la dispersión de los valores respecto de la media
muestral, ya que el efecto de un valor extremo tiende a diluirse a medida
que más elementos se toman en consideración para el cálculo. Por esto, la
desviación estándar de la media muestral, conocida como error estándar de
la media, se relaciona de la siguiente manera con la desviación estándar
poblacional:
Distribución de
muestreo de un
estimador: la
distribución de Como puede observarse, la fórmula anterior refleja la relación indicada
probabilidades de los entre la dispersión de la muestra y el tamaño muestral.
valores posibles que
puede asumir un
estadístico muestral, Distribución en el muestreo de la proporción
calculados a partir de
muestras del mismo Para las variables categóricas, en las cuales es registra la posesión o no de
tamaño y extraído en una característica, el parámetro poblacional de interés es la proporción, que
forma aleatoria de la indica justamente qué parte de la población posee una característica. Por
misma población, se ejemplo, si en una población de 10 000 individuos, 2400 tienen ojos claros,
llama distribución decimos que es la proporción de individuos con ojos claros en la población.
muestral de ese
estadístico. Por ejemplo,
puede ser la distribución
de muestreo de la
media, como vimos en el
punto anterior, o de la
proporción, entre otros.
Donde X es la cantidad de casos de la población que tienen la característica

–son conocidos habitualmente como éxitos– y N es el tamaño de la
población. El estimador de P será p, la proporción muestral. Para obtener p:
5
Donde x es la cantidad de éxitos en la muestra y n es el tamaño de la
muestra.
Como puede observarse, la proporción se ubica en el intervalo [0,1], siendo

los extremos del intervalo las situaciones extremas en las que ningún
individuo posee la característica o bien cuando la poseen todos. Estos dos
casos extremos son los que implican la menor dispersión entre los individuos
(ya que, por tener o por no tener la característica, los individuos se parecen),
y, en cambio, la mayor dispersión ocurre en los valores intermedios (cuando
p = 0,5), ya que es máxima la cantidad de individuos que difieren de p.
La distribución muestral de la proporción sigue una distribución binomial

que puede aproximarse a la normal cuando se cumplen las siguientes
condiciones:
Estas condiciones implican requerimientos de muestras de tamaño

considerable para las estimaciones de proporciones.
Muestreo de poblaciones finitas
Cuando se selecciona una muestra, debe establecerse con precisión cuál fue
el mecanismo con el que se procedió a escoger los elementos que componen
la muestra.
El diseño básico que está implícito en muchos de los desarrollos estadísticos

Factor de corrección
supone que los elementos fueron seleccionados “con reemplazo”. Esto
para poblaciones finitas:
implica que, una vez que se seleccionó un individuo o elemento, este vuelve
dado que este factor
a formar parte de los casos seleccionables, por lo que la probabilidad de
será siempre menor que
selección de los distintos casos no cambia a medida que se va construyendo
1, su aplicación reducirá
el error estándar, lo cual
la muestra.
hará las estimaciones
más exactas. En diversas situaciones de aplicación de muestreo, esto no ocurre de esta
manera por diferentes razones. Por ejemplo, cuando realizamos una
encuesta para un estudio de mercado, no tiene demasiado sentido
6
encuestar dos veces al mismo individuo en un estudio; incluso, en ocasiones,
como las aplicaciones para control de calidad, esto puede implicar la
destrucción del caso seleccionado en la muestra, tal como cuando se analiza
la duración de una pieza, por lo que difícilmente en tales casos usemos un
muestreo con reposición. En todas estas situaciones, debemos introducir
una corrección a las fórmulas que ajuste la diferente probabilidad de
selección que tienen los sucesivos casos que integran la muestra.
Esta corrección se conoce como factor de corrección para poblaciones finitas

(fcpf) y se obtiene a través del siguiente cociente:
Con esta fórmula se ajusta el error estándar de la media muestral:
También se ajusta el error estándar de la proporción muestral:
El fcpf siempre será menor que 1, lo cual implica que, en este tipo de
muestreo, las estimaciones surgidas de este tipo de muestreo resultan más
exactas o, lo que es lo mismo, tienen menos dispersión en el muestreo.
Preguntas de reflexión:
 ¿Por qué usamos los estimadores habituales para estimar la media

poblacional o la proporción poblacional?
 ¿Cómo se comporta el error estándar si tomamos muestras más grandes?
 ¿Qué debe verificarse para que la proporción muestral se distribuya
normalmente?, ¿qué implicancias tiene esto para la muestra?
 ¿Por qué se usa el fcpf?, ¿cómo afecta al error estándar?
7
Referencias
Berenson, M. L. y Levine, D. M. (1996). Estadística para administración y
economía (6.a ed.). México D. F., MX: Prentice Hall Hispanoamericana.
Levine, D. M., Krehbiel, T. C. y Berenson, M. L. (2014). Estadística para

administración (6.a ed.). México D. F., MX: Pearson.

1.1 Estimación y Estimadores

Cargado por

Copyright:

Formatos disponibles

1.1 Estimación y Estimadores

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

1.1 Estimación y Estimadores

Cargado por

Copyright:

Formatos disponibles

Estimación y

 seleccionando individuos residentes en las ciudades de interés y

Como primer paso en este estudio de la estadística inferencial, nos

En primer lugar, recordemos la diferencia entre parámetro y estadígrafo.

 Los parámetros son las medidas de resumen poblacionales que permiten

 Los estadígrafos son las medidas análogas obtenidas a partir de datos

Estimadores: características de un buen estimador

Comenzaremos estudiando la media muestral, el estimador natural de la

Decimos que un estimador es imparcial o insesgado cuando su valor

Como la esperanza de una constante es la constante, resulta:

Como la esperanza de una suma es igual a la suma de las esperanzas:

Y como sabemos que la esperanza de la variable estudiada es:

Un estimador es eficiente si, en promedio, se acerca más al parámetro

Error estándar de la media

Es intuitivamente fácil de visualizar que, a medida que mayor es la muestra

Donde X es la cantidad de casos de la población que tienen la característica

Como puede observarse, la proporción se ubica en el intervalo [0,1], siendo

La distribución muestral de la proporción sigue una distribución binomial

Estas condiciones implican requerimientos de muestras de tamaño

Muestreo de poblaciones finitas

El diseño básico que está implícito en muchos de los desarrollos estadísticos

Esta corrección se conoce como factor de corrección para poblaciones finitas

Con esta fórmula se ajusta el error estándar de la media muestral:

También se ajusta el error estándar de la proporción muestral:

 ¿Por qué usamos los estimadores habituales para estimar la media

Levine, D. M., Krehbiel, T. C. y Berenson, M. L. (2014). Estadística para

También podría gustarte