ESTIMACIN En inferencia estadstica se llama estimacin al conjunto de tcnicas que permiten dar un valor aproximado de un parmetro de una poblacin

a partir de los datos proporcionados por unamuestra. Por ejemplo, una estimacin de la media de una determinada caracterstica de una poblacin de tamao N podra ser la media de esa misma 1 caracterstica para una muestra de tamao n. La estimacin se divide en tres grandes bloques, cada uno de los cuales tiene distintos mtodos que se usan en funcin de las caractersticas y propsitos del estudio:

Estimacin puntual:2 Mtodo de los momentos; Mtodo de la mxima verosimilitud; Mtodo de los mnimos cuadrados; Estimacin por intervalos. Estimacin bayesiana.

Estimador
Un estimador de un parmetro poblacional es una funcin de los datos muestrales, tambin llamado estadstico. En pocas palabras, es una frmula que depende de los valores obtenidos de una muestra, para realizar 3 estimaciones. Formalmente, si es un parmetro poblacional, se dice son que es un estimador puntual integran

de si , donde unamuestra aleatoria de tamao n de la poblacin en cuestin.

las variables

aleatorias que

Por ejemplo, un estimador de la media poblacional, , puede ser la media muestral, frmula:

, segn la siguiente

donde (x1, x2, ..., xn) sera el conjunto de de datos de la muestra. El estimador es una variable aleatoria que asigna a cada posible valor de la muestra un valor numrico. Como tal, tiene sentido calcular su esperanza, su varianza y otras caractersticas propias de las variables aleatorias. Estimador insesgado Por supuesto, cualquier funcin de la muestra, con la definicin anterior, podra ser un estimador, pero es deseable que las estimaciones que surjan a partir de un estimador "se parezcan", en cierto modo, al parmetro que se desea estimar. Con este propsito, se dice que un estimador de un parmetro es insesgado si su esperanza es el propio . Estimador eficiente Un estimador de un parmetro es eficiente si su varianza es mnima. Esto hace que haya menos variabilidad entre las distintas estimaciones que podemos obtener (cada muestra dar una estimacin diferente). De esta forma, la estimacin ser ms fiable. Hay una cota mnima dentro de las varianzas que se puede obtener para cualquier estimador con un sesgo determinado. Esta cota se llama cota de Cramr-Rao. Si la varianza de un estimador es igual a esta cota, sabremos que su varianza es mnima, y por tanto, estaremos seguros de que es eficiente. Sin embargo, no siempre esta cota es alcanzable, por lo que no siempre podremos saber si el estimador

que hemos utilizado es el ms eficiente de todos. Para ello, cuando dudamos entre dos estimadores diferentes, y ninguno de ellos tiene una varianza igual a la cota de Cramr-Rao se utiliza el coeficiente de eficiencia relativa. [editar]Estimacin puntual Consiste en la estimacin del valor del parmetro mediante un slo valor, obtenido de una frmula determinada. Por ejemplo, si se pretende estimar la talla media de un determinado grupo de individuos, puede extraerse una muestra y ofrecer como estimacin puntual la talla media de los individuos. Lo ms importante de un estimador, es que sea un estimador eficiente. Es decir, que sea insesgado(ausencia de sesgos) y estable en el muestreo o eficiente ESTIMADOR En estadstica, un estimador es un estadstico (esto es, una funcin de la muestra) usado para estimar un parmetro desconocido de la poblacin. Por ejemplo, si se desea conocer el precio medio de un artculo (el parmetro desconocido) se recogern observaciones del precio de dicho artculo en diversos establecimientos (la muestra) y la media aritmtica de las observaciones puede utilizarse como estimador del precio medio. Para cada parmetro pueden existir varios estimadores diferentes. En general, escogeremos el estimador que posea mejores propiedades que los restantes, como insesgadez, eficiencia,convergencia y robustez (consistencia). El valor de un estimador proporciona lo que se denomina en estadstica una estimacin puntual del valor del parmetro en estudio. En general, se suele preferir realizar una estimacin mediante un intervalo, esto es, obtener un intervalo [a,b] dentro del cual se espera est el valor real del parmetro con un cierto nivel de confianza. Utilizar un intervalo resulta ms informativo, al proporcionar informacin sobre el posible error de estimacin, asociado con la amplitud de dicho intervalo. El nivel de confianza es la probabilidad de que a priori el verdadero valor del parmetro quede contenido en el intervalo. En la prctica, los intervalos suelen indicarse dando el valor del estimador puntual utilizado como centro del intervalo y un valor que debe sumarse y restarse para obtener el lmite superior e inferior; por ejemplo: equivale a Propiedades de los estimadores Sesgo, Eficiencia, Consistencia, Robustez, Suficiencia. Invariancia

INTERVALO DE CONFANZA
En estadstica, se llama intervalo de confianza a un par de nmeros entre los cuales se estima que estar cierto valor desconocido con una determinada probabilidad de acierto. Formalmente, estos nmeros determinan un intervalo, que se calcula a partir de datos de una muestra, y el valor desconocido es un parmetro poblacional. La probabilidad de xito en la estimacin se representa con 1 - y se denomina nivel de confianza. En estas circunstancias, es el llamado error aleatorio o nivel de significacin, esto es, una medida de las posibilidades de 1 fallar en la estimacin mediante tal intervalo. El nivel de confianza y la amplitud del intervalo varan conjuntamente, de forma que un intervalo ms amplio tendr ms posibilidades de acierto (mayor nivel de confianza), mientras que para un intervalo ms pequeo, que ofrece una estimacin ms precisa, aumentan sus posibilidades de error. Para la construccin de un determinado intervalo de confianza es necesario conocer la distribucin terica que sigue el parmetro a estimar, . Es habitual que el parmetro presente una distribucin normal. Tambin pueden construirse intervalos de confianza con ladesigualdad de Chebyshov. En definitiva, un intervalo de confianza al 1 - por ciento para la estimacin de un parmetro poblacional que sigue una determinada distribucin de probabilidad, es una expresin del tipo [1,2] tal que P[1 2] = 1 - , donde P es la funcin de distribucin de probabilidad de .

Intervalo de confianza para la media de una poblacin De una poblacin de media y desviacin tpica se pueden tomar muestras de elementos. Cada una de estas muestras tiene a su vez una media ( ). Se puede demostrar que la media de todas las medias muestrales 2 coincide con la media poblacional: Pero adems, si el tamao de las muestras es lo suficientemente grande, la distribucin de medias muestrales es, prcticamente, una distribucin normal (o gaussiana) con media y una desviacin tpica dada por la
3

siguiente expresin:

. Esto se representa como sigue:

. Si estandarizamos,

se sigue que: En una distribucin Z ~ N(0, 1) puede calcularse fcilmente un intervalo dentro del cual caigan un determinado porcentaje de las observaciones, esto es, es sencillo hallar z1 y z2 tales que P[z1 z z2] = 1 - , donde (1 )100 es el porcentaje deseado (vase el uso de las tablas en una distribucin normal). Se desea obtener una expresin tal que En esta distribucin normal de medias se puede calcular el intervalo de confianza donde se encontrar la media poblacional si slo se conoce una media muestral ( ), con una confianza determinada. Habitualmente se manejan valores de confianza del 95 y del 99 por ciento. A este valor se le llamar (debido a que es el error que se cometer, un trmino opuesto). Para ello se necesita calcular el punto su versin estandarizada o valor crtico junto con su "opuesto en la distribucin" puntos delimitan la probabilidad para el intervalo, como se muestra en la siguiente imagen: o, mejor dicho, . Estos

NIVEL DE CONFIANZA El nmero de veces entre 100 que un proceso estocstico generar unresultado en una gamma determinada. Se expresa como porcentaje. Por ejemplo, si una variable aleatoria puede tener un valor entre 10 y 50 el 80% deltiempo, podemos estar seguros en un 80% (nivel de confianza del 80%) de que una extraccin hecha de forma aleatoria sobre la variable recaer en la gama del 10 al 50. En estadstica, la probabilidad de rechazar la hiptesis cero en unacomprobacin estadstica cuando sta es exacta. Level of significance. El nivel de confianza se indica por 1- y habitualmente se da en porcentaje (1 -)%. Hablamos de nivel de confianza y no de probabilidad (la probabilidad implica eventos aleatorios) ya que una vez extrada la muestra, el intervalo de confianza estar definido al igual que la media poblacional ( )y solo se confa si contendr al verdadero valor del parmetro o no, lo que si conlleva una probabilidad es que si repetimos el proceso con muchas medias muestrales podramos afirmar que el (1-)% de los intervalos as construidos contendra al verdadero valor del parmetro. Los valores que se suelen utilizar para el nivel de confianza son el 95%, 99% y 99,9% . Para un nivel de confianza del 88%, 1- = 0.88 = 0.12 /2 = 0.06 Zb/ 2 = Z 0.06y se suma P(Z Z 0.06) =0.94 (1-/2) Z(0.94)=1.56