Documente Academic
Documente Profesional
Documente Cultură
TEMA:
ASIGNATURA: Estadística I
CUSCO - PERÚ
Diciembre de 2018
Estimación de Parámetros
La inferencia estadística asume que se cuenta con datos de una muestra y que se desea
conocer cuáles son las características (ya sea la media, la mediana, la curtosis o cualquier
otra que nos pueda interesar), no de esa muestra, sino de la población a la que esa muestra
pertenece. A los valores de esas características a nivel poblacional se les conoce como
parámetros y se representan simbólicamente con letras griegas (en realidad, sólo algunos
de ellos tienen tal privilegio):
Para conocer los valores de los parámetros podemos plantearnos, bien recoger datos para
todos los elementos de la población, algo que puede resultar poco viable en muchas
situaciones prácticas, bien realizar una estimación de los mismos a partir de los datos de
una muestra. Esta segunda vía es mucho más habitual en la práctica, si bien, supone
asumir cierto riesgo de error pues, en cuanto que estimación, el valor que obtengamos no
tiene porqué coincidir con el verdadero valor de ese parámetro.
En algunas ocasiones, no sólo estamos interesados en dar una estimación puntual del valor
del parámetro
desconocido, y el objetivo se centra en obtener un rango de valores entre los que se
encuentre el parámetro de la distribución con una cierta probabilidad, es decir, un
intervalo de confianza.
Construiremos intervalos de confianza para la proporción p en la distribución Binomial y
para la media μ en la distribución Normal. Los estimadores que hemos introducido para
la proporción y la media (ˆp y X, respectivamente) son simétricos y podemos calcular o
aproximar su error típico. La fórmula general para el cálculo de intervalos de confianza
será:
Estimador ± Cuantil · ET (Estimador)
donde z1−α/2 es el cuantil de una N(0; 1) que tomará valores 1.64 para cobertura
del 90 %, 1.96 para cobertura del 95 % y 2.57 para cobertura del 99 % (al igual
que en los intervalos para la proporción que vimos en la sección anterior).
2. Estimación puntual
Supongamos que tenemos una variable X ∼ Bi(m; p), donde m denota el número de
pruebas de Bernoulli (conocido) y p es la probabilidad de éxito (desconocida). Nótese
que en el Tema 3, denotamos por n el número de pruebas de Bernoulli. En este tema, n es
el tamaño muestral. Para estimar p, seleccionamos una m.a.s. X1; : : : ; Xn de variables
Referencias bibliográficas
Gabriel Molina. (2011). Estadística Inferencial. Universidad de Valencia:
OPENCOURSE.
Pedro Faraldo. (2013). Estadistica y Metodología de la Investigación. España:
Universidad de Santiago de Compostela.
Violeta Nolverto. (2008). Estadistica Inferencial Aplicada. Lima, Perú :
Universidad Mayor de San Marcos.