estimaciones puntuales y de intervalo

tiene q ver con el 95% y 99% el primero relacionado con el 1.96 y el segundo con 2.58

DESARROLLO
Qu es una estimacin?
Cuando queremos realizar un estudio de una poblacin cualquiera de la que desconocemos
sus parmetros, por ejemplo su media poblacional o la probabilidad de xito si la poblacin
sigue una distribucin binomial, debemos tomar una muestra aleatoria de dicha poblacin a
travs de la cual calcular una aproximacin a dichos parmetros que desconocemos y
queremos estimar. Bien, pues esa aproximacin se llama estimacin.
Adems, junto a esa estimacin, y dado que muy probablemente no coincida con el valor
real del parmetro, acompaaremos el error aproximado que se comete al realizarla.
Estimacin puntual
Una estimacin puntual del valor de un parmetro poblacional desconocido (como puede
ser la media , o la desviacin estndar ), es un nmero que se utiliza para aproximar el
verdadero valor de dicho parmetro poblacional. A fin de realizar tal estimacin,
tomaremos una muestra de la poblacin y calcularemos el parmetro muestral asociado ( x
para la media, s para la desviacin estndar, etc.). El valor de este parmetro muestral ser
la estimacin puntual del parmetro poblacional.
Por ejemplo, supongamos que la compaa Sonytron desea estimar la edad media de los
compradores de equipos de alta fidelidad. Seleccionan una muestra de 100 compradores y
calculan la media de esta muestra, este valor ser un estimador puntual de la media de la
poblacin.
Qu propiedades debe cumplir todo buen estimador?
Insesgado: Un estimador es insesgado cuando la media de su distribucin muestral
asociada coincide con la media de la poblacin. Esto ocurre, por ejemplo, con el estimador
x , ya que x = y con estimador p ya que p p =
De varianza mnima: La variabilidad de un estimador viene determinada por el cuadrado
de su desviacin estndar. En el caso del estimador x , su desviacin estndar es n x = ,
tambin llamada error estndar de .
Estimacin por intervalo

Dada una poblacin X, que sigue una distribucin cualquiera con media y desviacin
estndar .
1. Sabemos (por el TCL) que, para valores grandes de n , la media muestral x sigue una
distribucin aproximadamente normal con media x = y desviacin estndar
nx=.
2. Por otra parte, el Teorema de Chebyshev nos dice que, en una distribucin normal,
aproximadamente un 95% de los datos estaban situados a una distancia inferior a dos
desviaciones estndar de la media.
De lo anterior se deduce que: ( 2 < < + 2 ) = 0,95 x x P x ,
0,95 ( 2 ) ( 2 ) ( 2 ) ( 2 ) x x x x = P x < + P x < = P > x P > x + (
2 < < + 2 ) = 0,95 x x P x x
Por tanto, sta ltima frmula nos da un intervalo de valores tal que la probabilidad de que
la media de la poblacin est contenida en l es de 0,95.
Este tipo de intervalos se llaman intervalos de confianza de un parmetro poblacional. El
nivel de confianza (1 - ) del intervalo es la probabilidad de que ste contenga al parmetro
poblacional. En el ejemplo anterior, el nivel de confianza era del 95% ( = 0,05).