Estimación

Delia Ortega Lenis

Estadística, Msc
delia.ortega00@usc.edu.co
 INFERENCIA ESTADÍSTICA

ESTADÍSTICA DESCRIPTIVA: ESTADÍSTICA INFERENCIAL:

Su objetivo es la exploración sin Su objetivo es responder a

restricciones de los datos en
busca de regularidades
interesantes
Complementarias
Las conclusiones solo se aplican a
los individuos y a las
circunstancias para los cuales se
obtuvieron los datos.
Las conclusiones son informales,
se basan en lo que se observa en
los datos.
preguntas concretas que se
plantearon antes de la obtención
de los datos.
Las conclusiones se aplican a un
grupo mas amplio de individuos o
situaciones.
Las conclusiones son formales y
se hace explicito el grado de
confianza que se tienen sobre
ellas.
 INFERENCIA ESTADÍSTICA

Métodos que permiten generalizar los resultados obtenidos en

una muestra representativa al total de la población,
apoyándose en leyes de la probabilidad.

La inferencia estadística puede dividirse en dos áreas

principales:

 Estimación: Intenta predecir el valor del parámetro

desconocido bien sea de forma puntual o a través de un
intervalo.

 Pruebas de Hipótesis: No se interesa por el valor del

parámetro, el interés radica en validar algunas hipótesis
planteadas alrededor del mismo.
 INFERENCIA ESTADÍSTICA

Algunos Parámetros y sus Estimadores

 ˆ
N n

x i x i

 i 1 X  i 1

N n
N n

 (x i  ) 2
 (x i  X )2
2  i 1
S2  i 1
N n 1
A a
P pˆ 
N n

1  2 X1  X 2
P1  P2 pˆ1  pˆ 2

 12  22 S12 S22

Generalmente muestras diferentes conducen a estimaciones

diferentes.
 PRECISIÓN DE UN ESTIMADOR

No se espera que un estimador obtenga sin error el

parámetro poblacional. Tampoco que estime el valor de
este con exactitud, sino que no se aleje mucho del
parámetro poblacional o del valor real.

Valores del
estadístico
X

Muy alejada 
 PRECISIÓN DE UN ESTIMADOR

Estimación:
Procedimiento estadístico en el cual se logra una valoración del
indicador asociado a una población no medida (Parámetro),
mediante el estudio de una muestra aleatoria.

“Si el procedimiento de muestreo es adecuado y la característica no es muy

variable, se esperaría que el estimador de la mejor idea del parámetro”

Error de Muestreo:
Se define como la diferencia entre el valor del estimador y el
valor real del parámetro.

X  pˆ  P
“El error de muestreo es inevitable, los métodos estadísticos buscan
cuantificarlo y minimizarlo”
 DISTRIBUCIÓN DE UN ESTIMADOR

¿Un estimador es una variable aleatoria?

El valor que adquiere un estimador es el resultado de un
experimento aleatorio, por tanto un estimador es una variable
aleatoria y debe tener una distribución de probabilidad
asociada.

“La distribución de probabilidad de un estimador recibe el nombre de

distribución muestral”
 EL ESTIMADOR ES UNA VARIABLE ALEATORIA

“El valor del estimador varia de una muestra a otra, el

verdadero parámetro es desconocido pero constante”

Suponga que su población está compuesta por un conjunto de

5 niños, cuyas edades son:
7 ; 10 ; 8 ; 6 ; 9
De tal forma que el parámetro edad promedio del conjunto de
niños es:

Se incluyen todos los

elementos de la
7  10  8  6  9 población
 8
5
 EL ESTIMADOR ES UNA VARIABLE ALEATORIA

Si se decidiera tomar una muestra aleatoria de 2 de estos niños para

realizar el calculo del respectivo estimador, se tendría las siguientes
posibles estimaciones:

Edad 1 Edad 2 X Edad 1 Edad 2 X

6 7 6,5 “En muy pocas ocasiones una 7 9 8

estimación puntual acertará con
6 8 7 exactitud “ 7 10 8,5
6 9 7,5 8 9 8,5
6 10 8 P(acierto)= 2/10 =20% 8 10 9
7 8 7,5 9 10 9,5

Es más adecuado considerar un rango de variación de tal manera que

permita mejorar el porcentaje de acierto (Intervalos de Confianza).
 PROPIEDADES DE UN ESTIMADOR

INSESGADO ESTIMADOR VARIANZA MÍNIMA

ˆ

Se dice que un estimador ˆ es Se dice que un estimador ˆ1

CONSISTENTE
insesgado para estimar el insesgado es más eficiente
parámetro  si: que ˆ2 o de varianza
E (ˆ)   mínima para estimar el
parámetro  si:
Se dice que un estimador ˆ es Var (ˆ1 )  Var (ˆ2 )
consistente para estimar el
parámetro  si:

Lim(ˆ   )  0
n N
 PROPIEDADES DE UN ESTIMADOR

Sucesión de 2000 lanzamientos de una moneda para estimar la

proporción (P) de veces sale cara.
 PROPIEDADES DE UN ESTIMADOR

Se observa que las 100 Sucesiones distintas muestran una

convergencia al valor real 0.5, por tanto es consistente.
PROPIEDADES DE UN ESTIMADOR

La media
 Muestral
es de Minima
Varianza

Sesgo.
 PROPIEDADES DE UN ESTIMADOR

x
La media
Muestral, No
tiene sesgo Nos gustaría
menos variabilidad
 PROPIEDADES DE UN ESTIMADOR

¿Así esta Mejor?



No hay sesgo
+
Buena precisión
 PROPIEDADES DE LOS ESTIMADORES

Población Teta= 500 - tamaño de muestra n=30

900

800

700 * Cual estimador presenta mayor sesgo?

600 * Cual menos variabilidad?
Data

500 * Con cual prefiere hacer sus

400 estimaciones?
300

200
Estimador 1 Estimador 2 Estimador 3 Estimador 4 Estimador 5 Estimador 6 Estimador 7

Tamaño de Población = 500 (Estimador 2)

600

550

Que sucede con la varianza del 500

Data

estimador conforme aumenta el tamaño

de muestra?
450

400

n=30 n=40 n=50 n=100

 INTERVALOS DE CONFIANZA

Dado que los estimadores puntuales pocas veces serán

iguales a los parámetros que se desean estimar, es posible
darse mayor libertad utilizando estimadores por intervalos
que reciben el nombre de intervalos de confianza.

Definición:
Un intervalo de confianza es un intervalo estimado en el

cual se espera que se encuentre el valor del parámetro con
una determinada confianza.


Limite Inferior Limite Superior

 INTERVALOS DE CONFIANZA

La idea es la siguiente:
Si se toman diferentes muestras de la población de
referencia, y se efectúa el calculo de los intervalos de
confianza, se espera que aproximadamente el (1-α)% de
estos intervalos contengan el verdadero valor del
parámetro.

La cantidad 1-α recibe

el nombre de Nivel de
1-α Confianza donde α es
nivel de error (nivel de
α/2 α/2
significancia).

Limite
Inferior
 Limite
Superior
INTERVALOS DE CONFIANZA
 INTERVALOS DE CONFIANZA

Pasos en la construcción de un intervalo de confianza:

1. Obtener una muestra aleatoria de la población de interés.

2. Calcular el estimador correspondiente al parámetro de
interés.
3. Fijar el nivel de confianza deseado.
4. Construir un intervalo mediante el siguiente
planteamiento:
P( LI    LS )  (1   )%
 INTERVALOS DE CONFIANZA PARA
LA MEDIA

Desviación Conocida o
n≥30 se utiliza la distribución
Normal Estándar
1-α

α/2 α/2

Zα/2 Z1- α /2

      
P  X  Z / 2      X  Z / 2     1    %
  n  n 

Lo cual indica que existe una probabilidad del (1- α)% de que la
media poblacional se encuentre comprendida en el intervalo
estimado.
 INTERVALOS DE CONFIANZA PARA
LA MEDIA

Desviación Desconocida y
n<30 se utiliza la
1-α distribución t-Student
α/2 α/2

tα/2 t1- α /2

  S   S 
P  X  t / 2;n1 1 *      X  t / 2;n1 1 
*    1    %
  n  n 

Se utiliza la distribución t-student cuando la varianza poblacional es

desconocida o el tamaño de muestra es inferior a 30. Esta distribución es
similar a la Normal Estándar (Z) pero produce intervalos mas amplios.
 INTERVALOS DE CONFIANZA COMO HERRAMIENTAS
DE DECISIÓN

Al tomar una muestra de 30 unidades de cierto embutido, a los cuales se

les registro su peso (en gramos), se obtuvo:

X  218,525
S  4, 28
n  30

a. Estimar mediante un intervalo de confianza al 90% el peso promedio

del producto.

b. Si el peso nominal del producto es de 220 gramos, que sugieren los

anteriores resultados?

c. Cual seria la conclusión si se estima un intervalo de confianza al 95%?

 AMPLITUD DEL INTERVALO

Un corredor de bolsa le ha sugerido invertir en un negocio, que en

promedio durante el ultimo año ha generado un margen de utilidad
del 10%.
Caso 1. Al solicitar un intervalo de confianza sobre su apreciación
responde con una confianza del 95% que la utilidad promedio real
se puede encontrar entre 1% y el 20%.
Caso 2. Al solicitar un intervalo de confianza sobre su apreciación
responde con una confianza del 95% que la utilidad promedio real
se puede encontrar entre 8% y el 12%.

En cual de los casos se tiene mayor incertidumbre en al decisión?

A que se debe esta incertidumbre, si el nivel de confianza es el
mismo?
 INTERVALOS DE CONFIANZA

De que depende la amplitud del intervalo?


LI : X  Z /2
    n
IC  1 %
  X  Z  
 2  n  
LS : X  Z /2
n
La amplitud del intervalo es:
En la amplitud intervienen:
 *Tamaño de muestra
2 Z / 2
*Variabilidad de las observaciones
n
*Nivel de confianza
 INTERVALOS DE CONFIANZA PARA LA COMPARACIÓN
DE DOS POBLACIONES

En ocasiones el interés se centra en analizar las diferencias o

similitudes entre los parámetros asociados a dos poblaciones.

Población 1
Ejemplo:
1 • Los salarios de hombres y mujeres son iguales
P1 • El desempleo es el mismo entre hombres y mujeres
• La duración de dos tipos de bombillos es la misma
• La proporción de unidades defectuosas que producen dos
Población 2 máquinas de ensamble es similar

1  2
2
P2 P1  P2 ? Como responder esta
pregunta?
 INTERVALOS DE CONFIANZA PARA LA COMPARACIÓN
DE DOS POBLACIONES

Para resolver este tipo de preguntas generalmente se toman muestras

aleatorias de ambas poblaciones, se valoran las condiciones y
posteriormente se brinda una estimación por intervalo de las
diferencias observadas.

Ejemplo: Una muestra aleatoria de 100

productos reporto un total de 10 inconformes en
la maquina 1, mientras que en una muestra de
150 productos se presentaron 18 inconformes en
la maquina 2.
M1 produce más productos inconformes que M2
X1 X2 ?
No se puede sacar conclusiones basándose en el
pˆ 1 pˆ 2
valor puntual de la diferencia entre estimadores.

Estimadores por Población

 INTERVALOS DE CONFIANZA PARA LA COMPARACIÓN
DE DOS POBLACIONES

Caso 1: Varianzas Conocidas

Si se esta interesado en comparar las medias de dos muestras

aleatorias tomadas de poblaciones normales e independientes
que tienen varianzas conocidas, entonces un intervalo de
confianza del
(1-α)% para la diferencia entre medias µ1-µ2 es:

  12  22 
IC 1  2 1 %
  X 1  X 2  Z  
 2 n1 n2 
 INTERVALOS DE CONFIANZA PARA LA COMPARACIÓN
DE DOS POBLACIONES

Caso 2: Varianzas Desconocidas

Si se esta interesado en comparar las medias de dos muestras

aleatorias tomadas de poblaciones normales e independientes
que tienen varianzas desconocidas pero iguales, entonces un
intervalo de confianza del (1-α)% para la diferencia entre
medias µ1-µ2 es:
 1 1 
IC 1  2 1 %
  X 1  X 2  t ;n  n 2 * S p  
 2 1 2
n1 n2 

(n1  1) * S12  (n2  1) * S 22

Sp 
n1  n2  2
 INTERVALOS DE CONFIANZA PARA LA COMPARACIÓN
DE DOS POBLACIONES

Ejemplo:
Se desea comparar dos programas de entrenamiento de trabajadores
en una línea de producción. Se escogen 10 al azar para ser entrenados
por el método A y 10 para ser entrenados por el método B. Finalizados
los programas de entrenamiento, se mide el tiempo que tardan en
realizar una de las operaciones en la cadena, y se obtienen los
siguientes resultados:

a. Es mejor uno de los dos métodos que el otro?

b. Que suposiciones han sido necesarias?
c. Que factores pueden tener importancia en el tiempo empleado por
cada trabajador?
 INTERVALO DE CONFIANZA PARA
OBSERVACIONES PAREADAS

Si d y s d son la media y la desviación estándar muestral de

las diferencias observadas entre n pares de mediciones
aleatorias, y si estas diferencias siguen una distribución normal,
entonces un intervalo de confianza del (1-α)% para µD=µ1-µ2
puede obtenerse mediante:

 sd sd 
P  d  tn 1;   D  d  tn 1;   1 
 2 n 2 n
 sd 
IC  D 1 %   d  tn 1; 
 2 n 
 INFERENCIA ESTADÍSTICA

Selección de Materiales
Cierta Industria Fabricante de lentes necesita seleccionar el material
con el cual construirá sus lentes, para ello cuenta con dos tipos de
materiales (A;B). En las pruebas de laboratorio se ha comprobado
que ambos materiales son similares en cuanto a su desempeño. Los
resultados se muestran en la siguiente tabla.