Este documento define conceptos clave relacionados con las estimaciones estadísticas, como parámetros, estimadores y estimaciones. Explica que un parámetro describe una característica poblacional, mientras que un estimador es una fórmula que calcula una estimación a partir de los datos de una muestra. Discuten dos tipos de estimación: puntual, que produce un solo valor, e intervalos de confianza. También cubre propiedades deseables de los estimadores como ser insesgados, eficientes y consistentes.
0 calificaciones0% encontró este documento útil (0 votos)
135 vistas8 páginas
Este documento define conceptos clave relacionados con las estimaciones estadísticas, como parámetros, estimadores y estimaciones. Explica que un parámetro describe una característica poblacional, mientras que un estimador es una fórmula que calcula una estimación a partir de los datos de una muestra. Discuten dos tipos de estimación: puntual, que produce un solo valor, e intervalos de confianza. También cubre propiedades deseables de los estimadores como ser insesgados, eficientes y consistentes.
Este documento define conceptos clave relacionados con las estimaciones estadísticas, como parámetros, estimadores y estimaciones. Explica que un parámetro describe una característica poblacional, mientras que un estimador es una fórmula que calcula una estimación a partir de los datos de una muestra. Discuten dos tipos de estimación: puntual, que produce un solo valor, e intervalos de confianza. También cubre propiedades deseables de los estimadores como ser insesgados, eficientes y consistentes.
Este documento define conceptos clave relacionados con las estimaciones estadísticas, como parámetros, estimadores y estimaciones. Explica que un parámetro describe una característica poblacional, mientras que un estimador es una fórmula que calcula una estimación a partir de los datos de una muestra. Discuten dos tipos de estimación: puntual, que produce un solo valor, e intervalos de confianza. También cubre propiedades deseables de los estimadores como ser insesgados, eficientes y consistentes.
Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
Descargar como pptx, pdf o txt
Está en la página 1de 8
Unidad 1 Teoría del muestreo
1.4- Definición de estimaciones.
1.4- Definición de estimaciones. Notación y conceptos Un parámetro es un valor de la población que determina su comportamiento; por ejemplo, el comportamiento de una población con un promedio de cinco unidades es diferente a otra con promedio de ocho unidades. Para hacer referencia a un parámetro poblacional, se utilizará la letra . El estimador es la regla que indica cómo realizar el cálculo de una estimación a través de una fórmula que involucre los valores de una muestra; se denota como . El símbolo “^” significa que la fórmula es un estimador del parámetro . Por ejemplo, si el parámetro poblacional a estimar () es el promedio poblacional , el estimador del parámetro se denotará como. Como observación, para referirse a parámetros poblacionales se utilizan letras mayúsculas o letras del alfabeto griego. Se define como estimación al valor resultante de aplicar el estimador con los datos de la muestra. Tipos de estimación Estimación puntual (por punto) Consiste en utilizar una regla o fórmula para estimar el parámetro poblacional con los valores de una muestra. El resultado de esta estimación es solamente un valor. Los parámetros poblacionales que habitualmente interesa estimar son el promedio y la proporción poblacional. La tabla siguiente presenta los estimadores para estos parámetros.
En la tabla, la primera columna muestra el nombre y la notación
del parámetro. Las siguientes dos columnas hacen referencia al estimador del parámetro: una indica cómo denotarlo; la otra, la fórmula que lo define. Cuando se desconoce la varianza poblacional, se recurre a estimarla con la muestral:
Estimación por intervalos
Consiste en calcular un rango de valores en los que se espera, con cierto nivel de confianza, que se encuentre contenido el parámetro. El resultado de esta estimación es un intervalo. Es común llamar a este rango de valores intervalo de confianza.
Fórmula general para construir el intervalo de confianza:
𝐼𝐶 = 𝜃 ± 𝛿 𝜎 𝜃^ ^ Donde:
Como un estimador emplea los valores de una muestra aleatoria, el resultado
es también aleatorio, por lo que un estimador es una variable aleatoria con un valor esperado y una varianza . El nivel de confianza de la fórmula más de ser una probabilidad debe considerarse una proporción de éxito en un número muy grande de repeticiones. Para construir un intervalo de confianza, es necesario conocer la estimación puntual del parámetro y la desviación del estimador, y determinar el nivel de confianza. La siguiente tabla muestra, los parámetros promedio y proporción, su estimador, la fórmula para realizar la construcción del intervalo de confianza para muestras grandes y pequeñas, la fórmula para realizar una estimación puntual y la desviación estándar del estimador. 1.4.1.- Propiedades de los estimadores estimar un parámetro, puede existir en ocasiones más de Para un estimador, por lo que es necesario utilizar aquellos que tengan las propiedades siguientes: Propiedades deseables de los estimadores Insesgado:
La primera propiedad de un estimador es que estime lo que
se quiere estimar; por ejemplo, si se realizara una estimación con muchas muestras aleatorias, el valor esperado del estimador es el parámetro poblacional de interés. Cuando esto ocurre, el estimador es insesgado. Un estimador es insesgado si satisface la siguiente condición:
Si esto se cumple, entonces:
menos variabilidad: Con La siguiente característica que se busca en un estimador es que sus estimaciones varíen lo menos posible del parámetro poblacional. Un estimador así es más eficiente o con menos variabilidad. Sean dos estimadores del parámetro :
Entonces, es más eficiente que
Consistente
La última propiedad esperada en un estimador es que, a medida que utilice
mayor información de la población, su estimación sea cada vez más cercana al parámetro poblacional. Cuando esto ocurre, el estimador es consistente.