5.

Inferencia Estadística: Estimación

• Objetivo: Cómo podemos utilizar la muestra para
estimar valores de los parámetros poblacionales?
• Estimación puntual: Una única estadística que es la
mejor supocisión para el valor del parámetro
• Estimación por intervalos: Un intervalo de números
alrededor de la estimación puntual, que tiene un“nivel
de confianza” fijo de contener el valor del parámetro,
llamado intevalo de confianza.
(Basado en las distribuciones muestrales del estimador
puntual)
 Estimadores puntuales
• Estimadores puntuales – uso más común de
valores muestrales
• Media muestral estima la media poblacional m
mˆ  y   y i

n
• Desviación estándar muestral estima la
desviación estándar poblacional s
sˆ  s   i
( y  y ) 2

n 1
• Proporción muestral ˆ estima la proporción
poblacional 
 Propiedades de buenos estimadores
• Insesgado: Distribuciones muestrales del estimador se
centra alrededor del valor del parámetro
• Ej. Estimador sesgado: rango muestral. No puede ser
más grande que el rango poblacional.
• Eficiente: El error estándar más pequeño posible,
comparado con otros estimadores
• Ej. Si la población es simétrica y con forma aprox.
normal, la media muestral es más eficiente que la
mediana muestral para estimar la media y mediana
poblacionales. (Puede verificar esto con el applet
“sampling distribution” en www.prenhall.com/agresti)
 Intervalos de confianza
• Un intervalo de confianza (IC) es un intervalo de
números que se cree contienen el valor del parámetro.
• La probabilidad que el método produzca un intervalo
que contenga el parámetro se llama nivel de confianza.
Es común usar números cercanos a 1, tales como 0.95
ó 0.99.
• La mayoría de los ICs tiene la forma
estimación puntual ± margen de error
con el margen de error basado en la dispersión de la
distribución muestral del estimador puntual;
p.ej., margen de error  2(error estándar) para 95% confianza
 IC para una propoción
(en una determinada categoría)
• Recuerda que la proporción muestral ˆ es una media
para variables binarias , donde y = 1 para una observ
en la categoría de interés, y = 0 de lo contrario
• Recuerda que la propoción poblacional es la media µ
de la distribución de probabilidad que tiene
P(1)   and P(0)  1  
• La desviación estándar de la dist. de probabilidad es
s   (1   ) (e.g., 0.50 when   0.50)
• El error estándar de la proporción muestral es
s ˆ  s / n   (1   ) / n
• Recuerda que la distribución muestral de una proporción
muestral para muestras aleatorias grandes es
aproximadamente normal (por el TCL)
• Así, con probabilidad 0.95, proporción muestral ˆ cae a
1.96 errores estándar de la propoción poblacional 
– 0.95 probabilidad que
ˆ falls between   1.96s ˆ and   1.96s ˆ
– Una vez que la muestra es selccionada, tenemos una
confianza del 95%
ˆ  1.96s ˆ to ˆ  1.96s ˆ contains 
• Este es el IC de la proporción poblacional  (casi)
 Encontrar un IC en la práctica
• Complicación: El verdadero error estándar
s ˆ  s / n   (1   ) / n
depende del parámetro que desconocemos!
• En la práctica, estimamos
ˆ 1  ˆ 
 (1   )  
s  by se 
ˆ n n
y entonces encontramos el IC del 95% CI utilizando la
fórmula
ˆ  1.96( se) to ˆ  1.96( se)
 Ejemplo
¿Qué porcentaje de Americanos de 18-22 años reportan ser “very
happy”?
• Datos 2006 GSS: 35 de n = 164 dicen ser “very happy”
(otros reportan ser “pretty happy” o “not too happy”)
ˆ  35 /164  .213 (.31 for all ages),
se  ˆ (1  ˆ ) / n  0.213(0.787) /164  0.032
• 95% CI is 0.213 ± 1.96(0.032), or 0.213 ± 0.063,
(p.ej., “margen de error” = 0.063)
lo que resulta en (0.15, 0.28).
• Tenemos una confianza del 95% que la proporción poblacional
de quienes son “very happy” está entre 0.15 y 0.28.
 Ejercicio
Encuentra un IC del 99% con estos datos
• 0.99 probabilidad central, 0.01 en dos colas
• 0.005 en cada cola
• Valor-z es 2.58
• IC del 99% es 0.213 ± 2.58(0.032),
ó 0.213 ± 0.083, lo que resulta en (0.13, 0.30)

• Mayor confianza requiere IC más anchos

• Recuerda que un IC del 95% era (0.15, 0.28)
 Ejemplo
• Asume que la proporción muestal de 0.213 está basada en
n = 656 (en lugar de 164)
se  ˆ (1  ˆ ) / n  0.213(0.787) / 656  0.016 (instead of 0.032)
IC del 95% es 0.213 ± 1.96(0.016), o 0.213 ± 0.031, lo que es
(0.18, 0.24)
• Recuerda que IC del 95% CI con n = 164 era (0.15, 0.28)
• Un tamaño de muestra más grande resulta en un IC más
angosto (Se necesita aumentar la muestra 4 veces para
reducir la longitud del IC a la mitad)
• Estas fórmulas de error estándar tratan al tamaño de la
población como infinito (ve el Ejercicio 4.57 para una
correción por tener una población finita)
 Algunos comentarios sobre los ICs
• Si repetidamente tomamos muestras aleatorias de
un tamaño fijo n y cada vez calculamos un IC del
95%, a la larga alrededor del 95% de los IC
contendrán la proporción poblacional .
(CI applet at www.prenhall.com/agresti)
• La probabilidad que un IC no contenga  se llama
error de probabilidad, y se denota por .
•  = 1 – coeficiente de confianza
(1-)100%  /2 z/2
90% .10 .050 1.645
95% .05 .025 1.96
99% .01 .005 2.58
• Fórmula general par IC para proporciones es
ˆ  z(se) with se  ˆ (1  ˆ ) / n
• El valor-z es tal que, asumiendo una distribución normal, la
probabilidad de estar a z errores estándar de la media es igual al
nivel de confianza
(p.ej., z = 1.96 para una confianza del 95%,
z = 2.58 para una confianza del 99%)
• Con n para la mayoría de encuestas de opinión (aprox. 1000), el
margen de error usualmente alrededor de ±0.03 (idealmente)
• El método requiere una “n grande” para que la distribución
muestral de la proporción muestral sea aprox. normal (TCL) y
que la estimación del verdadero error estándar verdadero sea
decente
• En la práctica, ok si se tiene al menos 15 observaciones en cada
categoría
Ejemplo: n=164, 35 “very happy”, 164-35 = 129 no “very happy”
• De lo contrario, la distribución muestral es asimétrica,
(se puede verificar esto con el applet “sampling
distribution” en www.prenhall.com/agresti, p.ej., para n
= 30, pero  = 0.1 ó 0.9)
• y la proporción muestral puede ser una mala estimación
de ,y el error estándar puede ser una mala estimación
del verdadero error estándar
Ejemplo: Estimar la proporción de vegetarianos (p. 129)
n = 20, 0 vegetarianos, = 0/20 = 0.0,
se  ˆ (1  ˆ ) / n  0.0(1.0) / 20  0.000
IC del 95% CI para  es 0.0 ± 1.96(0.0), or (0.0, 0.0)
• Mejor IC método (por Edwin Wilson en Harvard en 1927,
pero no en la mayoría de libros de estadística):
No estimar el error estándar, sino encontrar los valores
de  tales que
 | ˆ   |  1.96  (1   ) / n
• Ejemplo: Para n = 20 resolver la ecuación cuadrática para ,
las soluciones son 0 y 0.16, así que un IC del 95% es (0, 0.16)

• Agresti and Coull (1998) sugiriero utilizar la forma usual de

calculara un IC
estimación ± z(se)
después de añadir 2 observaciones de cada tipo. Este
método más simple funciona bien incluso para n muy
pequeñas (95% IC tiene el mismo punto medio que el IC de
Wilson)
• Ejemplo: 0 vegetarianos, 20 no-veg
cambia a 2 vegetarianos, 22 no-veg, y entonces
IC del 95% CI es 0.08 ± 1.96(0.056) = 0.08 ± 0.11
= (-0.03, 0.19) entonces (0.0, 0.19).
 Intervalo de confianza para la media
• En muestras grandres, la media muestral tiene
aprox. una distribución normal con media m
and error estándar sy  s
n
• Entonces
P( m  1.96s y  y  m  1.96s y )  .95

• Podemos tener la confianza del 95% que la

media muestral cae a 1.96 errores estándar de
la media poblacional (desconocida)
 Un problema
• Se desconoce el error estándar (s también es un
parámetro). Se estima reemplazando s con su
estimación puntual de la muestra: se  s
n
• IC del 95% confidence interval for m :
s
y  1.96( se), which is y  1.96
n
• Esto funciona ok para “n grande”, porque
entonces s es una buena estimación de σ (y aplica
el TCL). Pero para n pequeña, reemplazar σ por
su estimación s introduce un error extra, y el IC
no es lo suficientemente ancho a menos que se
reemplace el valor-z por otro ligeramente más
grande el “valor-t”
 La distribución t (t de Student)
• Forma de campana, simétrica alrededor de 0
• Desviación estándar un poco más grande que 1 (colas
ligeramente más anchas que la distribución normal
estándar, que tiene media = 0 y desv. estándar = 1)
• La forma precisa depende de los grados de libertad
(df). Para inferencia sobre la media,
df = n – 1
• Se vuelve más angosta y se parece más a la distribución
normal estándar a medida que los df aumentan
(casi idénticas cuando df > 30)
• IC para la media tiene un margen de error t(se),
(en lugar de z(se) como el IC para la proporción)
 Parte de la tabla t
Nivel de confianza
90% 95% 98% 99%
df t.050 t.025 t.010 t.005
1 6.314 12.706 31.821 63.657
10 1.812 2.228 2.764 3.169
30 1.697 2.042 2.457 2.750
100 1.660 1.984 2.364 2.626
infinity 1.645 1.960 2.326 2.576

df =  corresponde a la distribución normal estándar

 IC para la media poblacional
• Para una muesta de una población con distribución
normal, un IC del 95% para µ es
y  t.025 (se), with se  s / n
donde df = n - 1 para el valor-t
• El supuesto de una población normal asegura que la
distribución muestral tenga forma de campana para
cualquier n
(Recuerda la imagen en p.93 del libro de texto y la
siguiente).
Veremos más de este supuesto más adelante.
Ejemplo: Estudio sobre anorexia (p. 120)
• El peso medido antes y después del
tratamiento
y = peso al final – peso al inicio
• Ejemplo en p.120 muestra resultados para el
tratamiento de comportamiento cognitivo.
Para n = 17 niñas recibiendo terapia familiar
(p.396).
y = 11.4, 11.0, 5.5, 9.4, 13.6, -2.9, -0.1, 7.4, 21.5, -5.3, -
3.8, 13.4, 13.1, 9.0, 3.9, 5.7, 10.7
• Resultados del software
---------------------------------------------------------------------------------------
Variable N Mean Std.Dev. Std. Error Mean
weight_change 17 7.265 7.157 1.736
----------------------------------------------------------------------------------------
• Error estándar (se) se obtuvo con
se  s / n  7.157 / 17  1.736

• Ya que n = 17, df = 16, valor-t para un IC del 95% es 2.12

• Un IC del 95% para la cambio en peso promedio (pob.) es
y  t ( se), which is 7.265  2.12(1.736), or (3.6, 10.9)
• Podemos predecir que el cambio en el peso promedio
poblacional µ es positivo (es decir, el tratamiento es
efectivo, en promedio), con un valor de µ entre 4 y 11
libras.
 Ejemplo: Ver TV en EU
Ejemplo: GSS pregunta “On average day, how many
hours do you personally watch TV?”
n = 899, y = 2.865, s = 2.617
• Cuál es un IC del 95% CI para la media
poblacional?
• df = n-1 = 898 son muchos, así que el valor-t
(1.9626) es prácticamente igual a z = 1.96
• Demuestra que se = 0.0873,
• IC del 95% es 2.865 ± 0.171, ó (2.69, 3.04)
• Interpretación?
 Opción múltiple
a. Tenemos una confianza del 95% que la media muestral
está entre 2.69 y 3.04 horas.
b. 95% de la población ve tele entre 2.69 y 3.04 horas al
día
c. Tenemos una confianza del 95% que la media
poblacional está entre 2.69 y 3.04
d. Si se repiten muestras de tamaño 899, a la larga 95%
de ellas contendrían y = 2.865
Nota: El método t para IC asume una distribución
poblacional normal. Crees que es válido el supuesto?
 Comentarios sobre IC para la media
poblacional µ
• El método es robusto a violaciones del supuesto
de distribución normal poblacional
(Pero, hay que ser cuidadosos si la distribución de
la muestra es muy asimétrica o se tiene outliers
severos. Siempre debe uno revisar los datos.)
• Mayor confianza requiere IC más anchos
• Una n más grande genera IC más angostos
• Métodos t desarrollados por el estadístico
William Gosset de Guinness Breweries, Dublín
(1908)
 t de Student
• Debido a que las reglas de la compañía prohibían la
publicación de trabajo de la empresa con el nombre
de uno, Gosset usó el pseudónimo “Student” en los
artículos que escribió sobre sus descubrimientos (a
veces llamada distribución t de Student
• A él le dieron sólo muestras pequeñas
de cerveza para probar (por qué?), y
de dió cuenta que no podía utilizar los
valores-z de la normal después de
sustituir s en la fórmula del error
estándar
• A la larga, 95% de los IC del
95% para la media
poblacional μ realmente
incluyen μ
• En la gráfica, cada línea
muestra un IC para una
muestra en particular con su
propia media muestral,
tomada de la distribución
muestral de posibles valores
de las medias muestrales
 Escoger el tamaño de muestra
• Ejemplo: Qué tan grande debe ser una muestra
para estimar la proporción poblacional (p.ej.,
“very happy”) ± 0.03, con una probabilidad de
0.95?
• Es decir, Qué n resulta en un margen de error de
0.03 en un intervalo de confianza del 95%?
• Igualamos 0.03 = margen de error y despejamos
para n
0.03  1.96s ˆ  1.96  (1   ) / n
 Solución
n   (1   )(1.96 / 0.03)2  4268 (1   )
• El valor más grande de n ocurre para  = 0.50, así
que somos “conservadores” al seleccionar
n = 4268(0.50)(0.50) = 1067
• Si sólo se necesita un margen de error de 0.06, se
requiere
n   (1   )(1.96 / 0.06)2  1067 (1   )
(Para duplicar la precisión, se necesita aumentar
n 4 veces)
• Qué tal si hacemos una supocisión informada acerca del
valor de la proporción?
• Si estudios previos sugieren que la proporción
poblacional es aprox. 0.20, entonces para obtener el
margen de error 0.03 para un IC del 95%,
n   (1   )(1.96 / 0.03) 2  4268 (1   )
 4268(0.20)(0.80)  683
• Es “más facil” estimar la propoción poblacional cuando
la proporción se acerca a 0 a 1 (elecciones competidas
son difíciles)
• Es mejor usar utilizar valores aproximados de  en lugar
de 0.50, a menos que no tengamos idea de su valor
 Seleccionar el tamaño de muestra
• Determinar el parámetro de interés (media
poblacional o proporción poblacional)
• Seleccionar un margen de error (M) y un nivel de
confianza (determina el valor-z)
• Proporción (siendo “conservadores”, p = 0.50)
2
 z 
n   (1   )  
M 
• Media (necesita que supongamos un valor de s):
2
 z 
n s2  
M 
 Ejemplo: n para estimar la media
• Estudio futuro en anorexia: Queremos n para
estimar el cambio promedio en peso ± 2 libras,
con probabilidad 0.95.
• Con base en el estudio pasado, asumimos σ = 7
2 2
 z  2  1.96 
n s    7 
2
  47
M   2 
• Nota: No se preocupen en memorizar como las
del tamaño de muestra. En examenes daré hoja
con fórmulas.
 Algunos comentarios sobre IC y el
tamaño de muestra
• Hemos visto que n depende del nivel de confianza
(mayor confianza requiere una n más grande) y la
variabilidad poblacional (más variabilidad require una n
más grande)
• En la práctica, determinar n no es tan fácil porque:
(1) hay que estimar muchos parámetros
(2) recursos pueden ser escasos y tendremos que
ajustarmos
• Se pueden construir IC para cualquier parámetro
(p.ej., ver pp. 130-131 para IC para la mediana)
• Usando n-1 (en lugar de n) en s reduce sesgo en la
estimación de la desv. est. poblacional Σ
• Example: Una probabilidad binaria con n = 2
y P(y)
0 ½ µ   yP( y) = 1, s 2   ( y m )2 P( y)  1 so σ = 1
2 ½

Posibles muestras ( yi  y )2 ( yi  y ) 2 ( yi  m ) 2
(igualmente probables) n n 1 n
(0, 0) 0 0 1
(0, 2) 1 2 1
(2, 0) 1 2 1
(2, 2) 0 0 1

Media de estimaciones 0.5 1.0 1.0

• Métodos de IC fueron desarrollados en 1930s por Jerzy
Neyman (U. California, Berkeley) y Egon Pearson (University
College, London)
• El método de estimación puntual utilizado actualmente,
desarrollado por Ronald Fisher (UK) en 1920s, se llama
máxima verosimilitud. La estimación es el valor del
parámetro para el cual los datos observados tendrían la
mayor posibilidad de ocurrir, comparado con otro valor
(imagen)
• Bootstrap es un método moderno (Brad Efron) para
generar IC sin utilizar métodos matemáticos para derivar
una distribución muestral que asuma una distribución de la
población en particular. Se basa en tomar muestras
repetidas de tamaño n (con reemplazo) de la distribución
de los datos de la muestra.
 Utilizar IC en la práctica (o tareas)
• Cuál es la variable de interés?
– cuantitativa – inferencia sobre la media
– categórica – inferencia sobre la proporción

• Se satisfacen las condiciones?

– Aleatorización (por qué? Se necesita para que la dist.
muestral y su error estándar sean los que se suponen)
– Otras condiciones?
Media: Ver los datos para asegurarse que la distribuión de
los datos no es tal que la media sea irrelevante o no la
mejor opción
Proporción: Se necesitan al menos 15 observ. en la
categoría y no en la categoría de interés, o se utiliza una
fórmula diferente (p.ej., añadir 2 observ. a cada categoría)