ACTIVIDAD EVALUATIVA 2° CORTE

SEGUIMIENTO 1: MUESTREO

MANUEL ANDRÉS PORTO FERNÁNDEZ

DOC. WILFRIDO FERREIRA

UNIVERSIDAD AUTONOMA DEL CARIBE

ESTADISTICA INFERENCIAL
CB0061V2201901

BARRANQUILLA 12 DE MAYO DE 2019

Apreciado estudiante, envíe un documento donde desarrolle los siguientes
puntos:

1. Menciones las propiedades de los estimadores. Cite un ejemplo con cada

una.

Un estimador es un estadístico (una función de la muestra) utilizado para estimar

un parámetro desconocido de la población.

Por ejemplo, si se desea conocer el precio medio poblacional de un artículo

(parámetro desconocido) se recogen observaciones del precio de dicho artículo en
diversos establecimientos (muestra) pudiendo utilizarse la media aritmética de las
observaciones para estimar el precio medio poblacional.

Para cada parámetro pueden existir varios estimadores diferentes. En general, se

elige el estimador que posea mejores propiedades que los restantes, como
insesgadez, eficiencia, convergencia y robustez (consistencia).

El valor de un estimador proporciona una estimación puntual del valor del parámetro
en estudio. En general, se realiza la estimación mediante un intervalo, es decir, se
obtiene un intervalo [estadístico muestral ± error estimación] dentro del cual se
espera se encuentre el valor poblacional dentro de un cierto nivel de confianza. El
nivel de confianza es la probabilidad de que a priori el valor poblacional se encuentre
contenido en el intervalo.

ESTIMACIÓN PUNTUAL

Una estimación puntual de algún parámetro poblacional 𝜃 es un valor único del

estadístico 𝜃̂. Por ejemplo, el valor 𝑥̅ de la estadística 𝑋̅ calculado a partir de una
muestra de tamaño 𝑛, es una estimación puntual del parámetro poblacional 𝜇.

El estadístico que se utiliza para obtener una estimación puntual recibe el nombre
de estimador o función de decisión. Generalmente muestras diferentes conducen a
acciones o estimaciones diferentes. No se espera que un estimador obtenga sin
error el valor del parámetro poblacional, sino que no se aleje mucho del valor real.
Básicamente para que un estimador sea bueno, se desea que la varianza del
estimador sea lo más pequeña posible, mientras que la distribución de muestreo
debe concentrarse alrededor del valor del parámetro.

SESGO

Se denomina sesgo de un estimador a la diferencia entre la esperanza (valor

esperado) del estimador y el verdadero valor del parámetro a estimar. Es deseable
que un estimador sea insesgado o centrado, esto es, que el sesgo sea nulo para
que la esperanza del estimador sea igual al valor del parámetro que se desea
estimar.

En notación matemática, dada una muestra 𝑥1 , 𝑥2 , … , 𝑥𝑛 y un estimador

𝑇(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) del parámetro poblacional 𝜃, el sesgo es: 𝑠𝑒𝑠𝑔𝑜 (𝜃̂) = 𝐸(𝜃̂) − 𝜃 = 0,
entonces 𝐸(𝜃̂) = 𝜃

El no tener sesgo es una propiedad deseable de los estimadores. Una propiedad

relacionada con esta es la de la consistencia: un estimador puede tener un sesgo
pero el tamaño de este converge a cero conforme crece el tamaño muestral.

Dada la importancia de la falta de sesgo, en ocasiones, en lugar de estimadores

naturales se utilizan otros corregidos para eliminar el sesgo. Así ocurre, por ejemplo,
si se desea estimar la media de una población, la media aritmética de la muestra es
un estimador insesgado de la misma, ya que la esperanza (valor esperado) es igual
a la media poblacional.
En el diseño y elaboración de un estudio de investigación en clínica, puede haber
distintos tipos de sesgos:

 de selección: debido a que los grupos no son comparables a causa de cómo

se eligieron los pacientes o sujetos.
 de información: debido a que los grupos no son comparables a causa de
cómo se obtuvieron los datos.
 de confusión: debido a una mezcla de efectos debido a una tercera variable
(variable de confusión).

EJEMPLO:
CONSISTENCIA

Si no es posible emplear estimadores de mínima varianza, el requisito mínimo

deseable para un estimador es que a medida que el tamaño de la muestra crece, el
valor del estimador tienda a ser el valor del parámetro poblacional, propiedad que
se denomina consistencia.

Un estimador 𝜃̂ consistente es un estimador asintóticamente insesgado cuya

varianza tiende a cero al aumentar el tamaño muestral. Se dice que un estimador o
estadístico muestral es consistente cuando éste converge en probabilidad a su valor
verdadero cuando el número de datos de la muestra tiende a infinito.

𝑇𝑛 = 𝑇(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) →𝑛 𝑇

Es razonable esperar que un buen estimador de un parámetro 𝜃, sea cada vez mejor
conforme crece el tamaño de la muestra y la información se vuelve más completa.

La distribución de muestreo de un buen estimador se encuentra cada vez más

concentrada alrededor del parámetro 𝜃. Si un estimador es consistente, converge
en probabilidad al valor del parámetro que está intentando estimar conforme el
tamaño de la muestra crece. Esto implica que la varianza de un estimador
consistente disminuye conforme n crece.

Se dice que 𝜃̂ es un estimador consistente de 𝜃 si:

Y que lim 𝑃|𝜃̂ − 𝜃| ≤ 𝜀 = 1 o lim 𝑃|𝜃̂ − 𝜃| > 𝜀 = 0
𝑛→∞ 𝑛→∞

Un estimador insesgado 𝜃̂ es consistente de 𝜃, si: lim 𝑉(𝜃̂) = 0

𝑛→∞

EJEMPLO:
EFICIENCIA

El hecho de que un estimador sea centrado no garantiza que sus realizaciones

caigan cerca del valor del parámetro, hace falta además que tenga la varianza
pequeña.

La varianza de un estimador insesgado es la cantidad más importante para decidir

qué tan bueno es el estimador para estimar el parámetro 𝜃.

La eficiencia de los estimadores está limitada por las características de la

distribución de probabilidad de la muestra de la que proceden. Un estimador es
eficiente cuando verifica si es insesgado y posee una varianza mínima. Un
estimador es más eficiente o más preciso que otro estimador, si la varianza del
primero es menor que la del segundo.

Sean 𝜃̂1 y 𝜃̂2 dos estimadores insesgados, se dice que 𝜃̂1 es más eficiente que 𝜃̂2 si
se verifica que 𝑉𝑎𝑟(𝜃̂1 ) < 𝑉𝑎𝑟(𝜃̂2 )
EJEMPLO:
CONVERGENCIA

Para estudiar las características de un estimador no solo basta con saber el sesgo
y la varianza, sino que además es útil hacer un análisis de su comportamiento y
estabilidad en el largo plazo, esto es, su comportamiento asintótico. Cuando
hablamos de estabilidad en largo plazo, se viene a la mente el concepto de
convergencia. Luego, podemos construir sucesiones de estimadores y estudiar el
fenómeno de la convergencia.

Comportamiento Asintótico: En el caso de las variables aleatorias, existen diversos

tipos de convergencia, dentro de las cuales podemos distinguir:

 Convergencia en probabilidad (o débil).

 Convergencia casi segura (o fuerte).
 Convergencia en media cuadrática.
 Convergencia en distribución.

La convergencia en probabilidad se da cuando a medida que 𝑛, o el tamaño de

muestra, aumenta entonces la variable aleatoria (v.a.) toma valores cercanos a una
constante 𝑐 con mayor probabilidad. Un ejemplo sencillo de esto sería, dado una
v.a. que toma 2 valores 𝑐 con probabilidad 1 − 1/𝑛 y 𝑛 con probabilidad 1/𝑛.
Entonces al hacer crecer 𝑛 lo que ocurre es que el valor "𝑛" de la v.a. aumenta pero
su probabilidad disminuye a una velocidad de (1/𝑛) mientras que la probabilidad de
que la v.a. tome el valor 𝑐 va tendiendo a 1.

Sea 𝑋𝑛 una variable aleatoria cuyo índice señala el tamaño de la muestra a partir
de la cual dicha variable aleatoria está construida.
2. Analice una ficha técnica de cualquier encuesta, y fundamente cada uno de los
elementos de la ficha técnica. Se debe adjuntar la ficha técnica y su fuente (de
donde se obtuvo dicha encuesta)

LA BICICLETA EN LOS PUEBLOS Y CIUDADES

FICHA TECNICA:

 Técnica de investigación: Entrevista on-line a partir del Panel de GESOP.

• Ámbito geográfico: Catalunya.
• Universo: Población residente en Catalunya de 16 y más años.
 Muestra: 699 entrevistas. Los datos se han ponderado por las principales
variables sociodemográficas, según la distribución de la población de
Catalunya.
 Error de la muestra: ± 3,7% para un nivel de confianza del 95% y p=q=0,5*.
• El trabajo de campo se ha llevado a cabo entre los días 15 y 20 de marzo
de 2013.

PRESENTACION

La DGT está trabajando en el proyecto de reforma del Reglamento General de

Circulación, con el que pretende dejar de centrarse exclusivamente en los vehículos
a motor como únicos protagonistas de su articulado y da cabida a otras formas de
desplazamiento, especialmente bicicleta y peatón.

Uno de los puntos que introduce el nuevo reglamento es la obligatoriedad del casco
para ciclistas en vías urbanas con el objetivo de reducir la siniestralidad en los
cascos urbanos. Esta medida ha levantado una fuerte oposición entre las entidades
que trabajan en defensa de la bicicleta, que argumentan que no mejorará la
seguridad de los ciclistas y en cambio sí reducirá los usuarios.

En pleno debate por esta cuestión, GESOP ha querido preguntar a los ciudadanos
qué piensan al respecto. A continuación os presentamos los resultados.
La mayoría está de acuerdo en que el casco debería ser obligatorio, pero
dominan los que piensan que esto desfavorecerá el uso de la bici.

¿Cree que se ha promover el uso de la bicicleta en los pueblos y ciudades de

nuestro país?

¿Cree que el casco debería ser obligatorio para ir en bicicleta dentro de los pueblos
o ciudades?

¿Cree que la obligación de llevar casco dentro de los pueblos y ciudades favorecería
o desfavorecería el uso de la bicicleta?
Nueve de cada diez creen que se debería promover el uso de la bicicleta

¿Cree que se ha de promover el uso de la bicicleta en los pueblos y ciudades de

nuestro país?
La mayoría está de acuerdo con el uso del casco para ir en bici a los pueblos
y ciudades. Los que la usan a diario se muestran mayoritariamente en contra.

¿Cree que el casco debería ser obligatorio para ir en bicicleta dentro de los pueblos
o ciudades?
Los que creen que la obligatoriedad del casco desfavorecería el uso de la bici
son más del doble de los que opinan lo contrario.

¿Cree que la obligación de llevar casco dentro de los pueblos y ciudades favorecería
o desfavorecería el uso de la bicicleta?
FICHA TECNICA EN: GESOP, Gabinet d’Estudis Socials i Opinió Pública, S. L. C/
Llull 102 5a planta 08005 Barcelona. La bicicleta en los pueblos y ciudades. Informe
de resultados Marzo de 2013. Disponible en: https://www.gesop.net/images/pdf
/es/Informes/IG33_Cascbicicleta_Informe_1CAST.pdf

3. Realice una ficha técnica de un estudio que usted va realizar con todos los
elementos detallados en el punto anterior

LA SEGURIDAD EN EL BARRIO LA CONCEPCIÓN

FICHA TECNICA:

 Técnica de investigación: Entrevista presencial persona a persona

• Ámbito geográfico: Barranquilla
• Universo: Población de entre los 18 a más.
 Muestra: 150 entrevistas. Los datos se han ponderado por las principales
variables sociodemográficas, según la distribución de la población de
Catalunya.
• El trabajo de campo se ha llevado a cabo entre los días 10 al 12 de mayo
del 2019

PRESENTACION

Se hizo una encuesta para saber sobre la seguridad del sector del barrio la
concepción en la ciudad de barranquilla, para ello se hizo la encuesta a
aproximadamente 150 personas del barrio, las cuales se le realizo unas series de
preguntas sobre todo lo relacionado a la seguridad en el barrio, con el fin de que por
medio de ella sacar un análisis y aprender del sistema de estudio con lo que hemos
leído y aprendido tanto en clases como por lo investigado previamente.
¿Usted se siente seguro en el barrio en que están viviendo?

58%
42%

SI NO

¿Usted ha sido víctima de hurto en el barrio en que está viviendo?

60%
40%

SI NO

¿Qué propondría para el mejoramiento de la seguridad en el sector?

38%
32% 30%

PONER UN CAI EN EL PATRULLAJE MAS JUSTICIA CON MANO

SECTOR SEGUIDA PROPIA