4.4 Tipos de estimaciones y caractersticas. Tipos de estimaciones y caractersticas.

El objetivo principal de la estadstica inferencial es la estimacin, esto es que mediante el estudio de una muestra de una poblacin se quiere generalizar las conclusiones al total de la misma. Como vimos en la seccin anterior, los estadsticos varan mucho dentro de sus distribuciones mustrales, y mientras menor sea el error estndar de un estadstico, ms cercanos sern unos de otros sus valores. Existen dos tipos de estimaciones para parmetros; puntuales y por intervalo. Una estimacin puntual es un nico valor estadstico y se usa para estimar un parmetro. El estadstico usado se denomina estimador. Una estimacin por intervalo es un rango, generalmente de ancho finito, que se espera que contenga el parmetro. Propiedades de un Buen Estimador Insesgado.- Se dice que un estimador puntual es un estimador insesgado de si, para todo valor posible de. En otras palabras, un estimador insesgado es aquel para el cual la media de la distribucin muestral es el parmetro estimado. Si se usa la media muestral para estimar la media poblacional, se sabe que la, por lo tanto la media es un estimador insesgado. Eficiente o con varianza mnima.- Suponga que 1 y 2 son dos estimadores insesgados de. Entonces, aun cuando la distribucin de cada estimador est centrada en el valor verdadero de, las dispersiones de las distribuciones alrededor del valor verdadero pueden ser diferentes. Entre todos los estimadores de que son insesgados, seleccione al que tenga varianza mnima. El resultante recibe el nombre de estimador insesgado con varianza mnima (MVUE, mnimum variance unbiased estimator). En otras palabras, la eficiencia se refiere al tamao de error estndar de la estadstica. Si comparamos dos estadsticas de una muestra del mismo tamao y tratamos de decidir cul de ellas es un estimador ms eficiente, escogeramos la estadstica que tuviera el menor error estndar, o la menor desviacin estndar de la distribucin de muestreo. Tiene sentido pensar que un estimador con un error estndar menor tendr una mayor oportunidad de producir una estimacin ms cercana al parmetro de poblacin que se est considerando. Como se puede observar las dos distribuciones tienen un mismo valor en el parmetro slo que la distribucin muestral de medias tiene una menor

varianza, por lo que la media se convierte en un estimador eficiente e insesgado. Coherencia.- Una estadstica es un estimador coherente de un parmetro de poblacin, si al aumentar el tamao de la muestra se tiene casi la certeza de que el valor de la estadstica se aproxima bastante al valor del parmetro de la poblacin. Si un estimador es coherente se vuelve ms confiable si tenemos tamaos de muestras ms grandes. Suficiencia.- Un estimador es suficiente si utiliza una cantidad de la informacin contenida de la muestra que ningn otro estimador podra extraer informacin adicional de la muestra sobre el parmetro de la poblacin que se est estimando. Es decir se pretende que al extraer la muestra el estadstico calculado contenga toda la informacin de esa muestra. Por ejemplo, cuando se calcula la media de la muestra, se necesitan todos los datos. Cuando se calcula la mediana de una muestra slo se utiliza a un dato o a dos. Esto es solo el dato o los datos del centro son los que van a representar la muestra. Con esto se deduce que si utilizamos a todos los datos de la muestra como es en el caso de la media, la varianza, desviacin estndar, etc.; se tendr un estimador suficiente. Estimacin Puntual La inferencia estadstica est casi siempre concentrada en obtener algn tipo de conclusin acerca de uno o ms parmetros (caractersticas poblacionales). Para hacerlo, se requiere que un investigador obtenga datos muestrales de cada una de las poblaciones en estudio. Entonces, las conclusiones pueden estar basadas en los valores calculados de varias cantidades muestrales. Po ejemplo, representamos con (parmetro) el verdadero promedio de resistencia a la ruptura de conexiones de alambres utilizados para unir obleas de semiconductores. Podra tomarse una muestra aleatoria de 10 conexiones para determinar la resistencia a la ruptura de cada una, y la media muestral de la resistencia a la ruptura se poda emplear para sacar una conclusin acerca del valor de. De forma similar, si es la varianza de la distribucin de resistencia a la ruptura, el valor de la varianza muestral s2 se podra utilizar para inferir algo acerca de. Cuando se analizan conceptos generales y mtodos de inferencia es conveniente tener un smbolo genrico para el parmetro de inters. Se utilizar la letra griega para este propsito. El objetivo de la estimacin puntual es seleccionar slo un nmero, basados en datos de la muestra, que represente el valor ms razonable de.

Una muestra aleatoria de 3 bateras para calculadora podra presentar duraciones observadas en horas de x1=5.0, x2=6.4 y x3=5.9. El valor calculado de la duracin media muestral es = 5.77, y es razonable considerar 5.77 como el valor ms adecuado de. Una estimacin puntual de un parmetro es un slo nmero que se puede considerar como el valor ms razonable de. La estimacin puntual se obtiene al seleccionar una estadstica apropiada y calcular su valor a partir de datos de la muestra dada. La estadstica seleccionada se llama estimador puntual de. El smbolo (theta sombrero) suele utilizarse para representar el estimador de y la estimacin puntual resultante de una muestra dada. Entonces se lee como "el estimador puntual de es la media muestral. El enunciado "la estimacin puntual de es 5.77" se puede escribir en forma abreviada. Ejemplo: En el futuro habr cada vez ms inters en desarrollar aleaciones de Mg de bajo costo, para varios procesos de fundicin. En consecuencia, es importante contar con mtodos prcticos para determinar varias propiedades mecnicas de esas aleaciones. Examine la siguiente muestra de mediciones del mdulo de elasticidad obtenidos de un proceso de fundicin a presin: 44.2 43.9 44.7 44.2 44.0 43.8 44.6 43.1 Suponga que esas observaciones son el resultado de una muestra aleatoria. Se desea estimar la varianza poblacional. Un estimador natural es la varianza muestral: En el mejor de los casos, se encontrar un estimado para el cual siempre. Sin embargo, es una funcin de las Xi mustrales, por lo que en s misma una variable aleatoria. El error de estimacin entonces el estimador preciso sera uno que produzca slo pequeas diferencias de estimacin, de modo que los valores estimados se acerquen al valor verdadero. Estimacin por Intervalos Un estimado puntual, por ser un slo nmero, no proporciona por s mismo informacin alguna sobre la precisin y confiabilidad de la estimacin. Por ejemplo, imagine que se usa el estadstico para calcular un estimado puntual de la resistencia real a la ruptura de toallas de papel de cierta marca, y suponga que = 9322.7. El estimado puntual nada dice sobre lo cercano que esta de. Una alternativa para reportar un solo valor del parmetro que se est estimando es calcular e informar todo un intervalo de valores factibles, un estimado de intervalo o intervalo de confianza. Un intervalo de confianza se

calcula siempre seleccionando primero un nivel de confianza, que es una medida del grado de fiabilidad en el intervalo. Un intervalo de confianza con un nivel de confianza de 95% de la resistencia real promedio a la ruptura podra tener un lmite inferior de 9162.5 y uno superior de 9482.9. Entonces, en un nivel de confianza de 95%, es posible tener cualquier valor de entre 9162.5 y 9482.9. Un nivel de confianza de 95% implica que 95% de todas las muestras dara lugar a un intervalo que incluye o cualquier otro parmetro que se est estimando, y slo 5% de las muestras producir un intervalo errneo. Cuanto mayor sea el nivel de confianza podremos creer que el valor del parmetro que se estima est dentro del intervalo. Una interpretacin correcta de la "confianza de 95%" radica en la interpretacin frecuente de probabilidad a largo plazo: decir que un evento A tiene una probabilidad de 0.95, es decir que si el experimento donde A est definido re realiza una y otra vez, a largo plazo A ocurrir 95% de las veces. Para este caso el 95% de los intervalos de confianza calculados contendrn a. Esta es una construccin repetida de intervalos de confianza de 95% y se puede observar que de los 11 intervalos calculados slo el tercero y el ltimo no contienen el valor. De acuerdo con esta interpretacin, el nivel de confianza de 95% no es tanto un enunciado sobre cualquier intervalo en particular, ms bien se refiere a lo que sucedera si se tuvieran que construir un gran nmero de intervalos semejantes. Encontrar z a partir de un nivel de confianza Existen varias tablas en las cuales podemos encontrar el valor de z, segn sea el rea proporcionada por la misma. En esta seccin se realizar un ejemplo para encontrar el valor de z utilizando tres tablas diferentes. Ejemplo: Encuentre el valor de z para un nivel de confianza del 95%. Solucin 1: Se utilizar la tabla que tiene el rea bajo la curva de - hasta z. Si lo vemos grficamente sera: El nivel de confianza bilateral est dividido en partes iguales bajo la curva: En base a la tabla que se est utilizando, se tendr que buscar el rea de 0.975, ya que cada extremo o cola de la curva tiene un valor de 0.025. Por lo que el valor de z es de 1.96.

Solucin 2: Si se utiliza una tabla en donde el rea bajo la curva es de 0 a z: En este caso slo se tendr que buscar adentro de la tabla el rea de 0.475 y el resultado del valor de z ser el mismo, para este ejemplo 1.96. Solucin 3: Para la tabla en donde el rea bajo la curva va desde z hasta: Se busca el valor de 0.025 para encontrar z de 1.96. Independientemente del valor del Nivel de Confianza este ser el procedimiento a seguir para localizar a z. En el caso de que no se encuentre el valor exacto se tendr que interpolar.

4.5 Determinacin del tamao de la muestra de una poblacin. Determinacin del tamao de la muestra de una poblacin. Tamao de la muestra A la hora de determinar el tamao que debe alcanzar una muestra hay que tomar en cuenta varios factores: el tipo de muestreo, el parmetro a estimar, el error muestral admisible, la varianza poblacional y el nivel de confianza. Por ello antes de presentar algunos casos sencillos de clculo del tamao muestral delimitemos estos factores. Para calcular el tamao de una muestra hay que tomar en cuenta tres factores: 1. El porcentaje de confianza con el cual se quiere generalizar los datos desde la muestra hacia la poblacin total. 2. El porcentaje de error que se pretende aceptar al momento de hacer la generalizacin. 3. El nivel de variabilidad que se calcula para comprobar la hiptesis. La confianza o el porcentaje de confianza es el porcentaje de seguridad que existe para generalizar los resultados obtenidos. Esto quiere decir que un porcentaje del 100% equivale a decir que no existe ninguna duda para generalizar tales resultados, pero tambin implica estudiar a la totalidad de los casos de la poblacin. Para evitar un costo muy alto para el estudio o debido a que en ocasiones llega a ser prcticamente imposible el estudio de todos los casos, entonces se busca un porcentaje de confianza menor. Comnmente en las investigaciones sociales se busca un 95%.

El error o porcentaje de error equivale a elegir una probabilidad de aceptar una hiptesis que sea falsa como si fuera verdadera, o la inversa: rechazar a hiptesis verdadera por considerarla falsa. Al igual que en el caso de la confianza, si se quiere eliminar el riesgo del error y considerarlo como 0%, entonces la muestra es del mismo tamao que la poblacin, por lo que conviene correr un cierto riesgo de equivocarse. Comnmente se aceptan entre el 4% y el 6% como error, tomando en cuenta de que no son complementarios la confianza y el error. La variabilidad es la probabilidad (o porcentaje) con el que se acept y se rechaz la hiptesis que se quiere investigar en alguna investigacin anterior o en un ensayo previo a la investigacin actual. El porcentaje con que se acept tal hiptesis se denomina variabilidad positiva y el porcentaje con el que se rechaz se la hiptesis es la variabilidad negativa El muestreo es el proceso de tomar una proporcin o parte de un universo de elementos, con la finalidad de analizar en dichos elementos, caractersticas sujetas a estudio o fenmenos factibles de observacin y en base al anlisis de la muestra o proporcin tomada obtener conclusiones que se refieran no slo a la muestra sino a todo el universo. Para fines estadsticos, el universo puede considerarse finito o infinito. Se considera finito si el nmero de elementos que lo constituyen es menor a 500,000 e infinito si es igual o mayor a este nmero. Siempre que hagamos la eleccin de una muestra, debemos tener cuidado de que sta rena las siguientes caractersticas: Que sea suficiente: es decir que la cantidad de elementos seleccionados sea el que se requiere para que el nivel de confiabilidad sea el que se ha establecido previamente. Que sea representativa: esto quiere decir que los elementos seleccionados debern presentar caractersticas similares a las de la poblacin o universo. Al utilizar muestras en lugar de universos tenemos grandes ventajas, algunas de las ms importantes son: El costo se reduce, pues los gastos sern nicamente los ocasionados por una parte del universo (muestra tomada) y no por la totalidad de l. Si la muestra es representativa, las deducciones resultantes sobre el universo sern confiables. Como solamente se estudia una parte del universo, la informacin obtenida se realiza en menor tiempo.

Cmo obtener el tamao de la muestra a utilizar? Una de las preguntas planteadas con mayor frecuencia al iniciar una investigacin y difcil de contestar, sobre todo por falta de informacin del problema, es: cuntas observaciones se deben obtener para que el tamao de la muestra sea realmente representativo del universo estadstico? En este sentido -la decisin del tamao de la muestra de una poblacin -, es necesario considerar que las muestras varan en su composicin de una a otra. La magnitud de la variacin depende del tamao de la muestra y de la variabilidad original de la poblacin. As, el tamao de la muestra queda determinado por el grado de precisin que se desea obtener y por variabilidad inicial de la poblacin. La respuesta a la pregunta planteada se puede considerar tomando como base los siguientes: 1. Determinar el nivel de confianza con el cual vamos a trabajar y buscamos el valor de z asociado a dicho nivel de confianza, un nivel de confianza igual o mayor al 92% es aceptable estadsticamente. 2. Evaluar la probabilidad a favor de que suceda un evento o situacin esperada (esta probabilidad se le denomina p). 3. Evaluar la probabilidad en contra de que suceda en un evento o situacin esperada (a esta probabilidad se le denomina q= 1 p). 4. Determinar el error (e) mximo para el nivel de precisin que vayamos a permitir en los resultados (error mximo de estimacin), comnmente se trabaja con errores de estimacin entre el 2% y el 6%, ya que la validez de la informacin se reduce demasiado para valores mayores del 6%. Determinamos el tamao de la poblacin o universo. 5.- Se elige la frmula a utilizar para calcular el tamao de la muestra; dependiendo de si la poblacin o universo sujeto a estudio se va a considerar infinito infinito. (Una poblacin o universo se considera infinito si el nmero de elementos de los que consta es igual o mayor a 500,000 y es considerado finito si el nmero de elementos es menor a esta cantidad). El tamao de la muestra: Al realizar un muestreo probabilstica nos debemos preguntar Cul es el nmero mnimo de unidades de anlisis ( personas, organizaciones, captulo de telenovelas, etc.), que se necesitan para conformar una muestra (que me asegure un error estndar menor que 0.01 ( fijado por el muestrista o investigador), dado que la poblacin es aproximadamente de tantos elementos.

4.6 Intervalos de confianza para la media, con el uso de la distribucin Normal. Intervalos de confianza para la media, con el uso de la distribucin Normal.

Intervalos de Confianza para la Media con varianza conocida y con Varianza desconocida Estimacin de la media con varianza conocida.Es conocido de nosotros durante este curso, que en base a la distribucin muestral de medias que se gener en el tema anterior, la frmula para el clculo de probabilidad es la siguiente: Como en este caso no conocemos el parmetro y lo queremos estimar por medio de la media de la muestra, slo se despejar de la formula anterior, quedando lo siguiente: De esta frmula se puede observar que tanto el tamao de la muestra como el valor de z se conocern. Z se puede obtener de la tabla de la distribucin normal a partir del nivel de confianza establecido. Pero en ocasiones se desconoce por lo que en esos casos lo correcto es utilizar otra distribucin llamada "t" de student si la poblacin de donde provienen los datos es normal. Para el caso de tamaos de muestra grande se puede utilizar una estimacin puntual de la desviacin estndar, es decir igualar la desviacin estndar de la muestra a la de la poblacin (s=).