Estadística Inferencial

Actividad No 3
Taller de estimación

Presentado por:
Yuliet Andrea Caicedo Velasco
ID 000005503

Presentado a:
John Jairo Cruz Beltrán

Corporación Universitaria Minuto de Dios

Facultad de ciencias Empresariales
Administración de Empresas
Bogotá D, C
2019
 TALLER DE ESTIMACION
1. Hacer un cuadro sinóptico o mapa conceptual sobre los tipos de estimaciones.
(Elaboración propia.

https://cmapscloud.ihmc.us:443/rid=1RVBBP3K7-JTHHSQ-2GCY3X

2. ¿En qué consiste una estimación estadística?

Una estimación estadística es un proceso mediante el cual se establece que valor debe tener
un parámetro según deducciones que se realiza. Estimar es establecer conclusiones sobre
características poblacionales a partir de resultados muestrales.

3. Determine los criterios para seleccionar un buen estimador.

a. INSESGADO: Se refiere al hecho de que una media de la muestra es un estimador no

sesgado de una media de la población porque la media de la distribución muestral de las
medias de las muestras tomadas de la misma población es igual a la media de la población
misma.
b. EFICIENCIA: Se refiere al tamaño del error estándar del estadístico. Si comparamos
dos estadísticos de una muestra del mismo tamaño y tratamos de decir cual de ellas es un
estimador más eficiente, escogeríamos la estadística que tuviera el menor error estándar o la
menor desviación estándar de la distribución muestral.

c. CONSISTENCIA: Un estadístico es un estimador consistente de un parámetro de

población si al aumentar el tamaño de la muestra, se tiene casi la certeza de que el valor del
estadístico se aproxima bastante al valor del parámetro poblacional.

d. SUFICIENCIA: Un estimador es suficiente si utiliza tanta información de la muestra

que ningún otro estimador puede extraer información adicional acerca del parámetro de
población que se está estimando.

4. Determine que es una estimación puntual y realice un ejemplo.

Una estimación puntual es un solo número que se utiliza para estimar un parámetro de
población desconocido.

EJEMPLO: En el área de recursos humanos de una empresa están abriendo una

convocatoria para asesor comercial, es psicólogo del cargo informa: Los datos actuales
indican que en esta convocatoria se tendrán mas de 50 aspirantes para ocupar el puesto.

5. ¿Qué es un intervalo de confianza?

El intervalo de confianza es un intervalo en torno a la estimación obtenida donde, con el

nivel de significación fijado, tenemos la confianza de encontrar el auténtico valor del
parámetro estimado. Y así con todos los intervalos que podemos construir a partir de todas
las muestras del mismo tamaño. La confianza se mide en términos de probabilidad: 0,95,
0,99 (nivel de significación α = 5%, 1%).

Un intervalo de confianza con un nivel de confianza del 95% no significa que la

probabilidad de encontrar el parámetro de la población entre esos márgenes sea 0,95. lo que
realmente significa es que, si extraemos un número determinado de muestras del mismo
tamaño de una población con un parámetro de valor constante, el 95% de los intervalos de
confianza construidos a partir de esas muestras contendrán el valor del parámetro que
buscamos y el 5% restante no lo contendrán.

6. Establezca como es el cálculo de estimaciones de intervalo de la media poblacional y

busque un ejemplo de cualquier fuente de consulta.

La estimación por intervalos consiste en establecer el intervalo de valores donde es más

probable se encuentre el parámetro. La obtención del intervalo se basa en las siguientes
consideraciones:

a) Si conocemos la distribución muestral del estimador podemos obtener las probabilidades

de ocurrencia de los estadísticos muestrales.

b) Si conociéramos el valor del parámetro poblacional, podríamos establecer la

probabilidad de que el estimador se halle dentro de los intervalos de la distribución
muestral.

c) El problema es que el parámetro poblacional es desconocido, y por ello el intervalo se

establece alrededor del estimador. Si repetimos el muestreo un gran número de veces y
definimos un intervalo alrededor de cada valor del estadístico muestral, el parámetro se
sitúa dentro de cada intervalo en un porcentaje conocido de ocasiones. Este intervalo es
denominado "intervalo de confianza".

Ejemplo: Se generan 100000 muestras aleatorias (n=25) de una población que sigue la
distribución Normal, y resulta:

La distribución de las Medias muestrales aproxima al modelo Normal:

En consecuencia, el intervalo dentro del cual se halla el 95% de las Medias muestrales es

(Nota: Los valores +-1.96 que multiplican la Desviación Típica de la distribución muestral
son los valores cuya función de distribución es igual a 0.975 y 0.025 respectivamente y se
pueden obtener en las tablas de la distribución Normal estandarizada o de funciones en
aplicaciones informáticas como Excel). Seguidamente generamos una muestra de la
población y obtenemos su Media, que es igual a 4.5. Si establecemos el intervalo alrededor
de la Media muestral, el parámetro poblacional (5.1) está incluido dentro de sus límites:

Ahora bien, la distancia de un punto A a un punto B es la misma que de B a A. Por esa

razón, la distancia desde m a la Media muestral es la misma que va de la Media muestral a
m. En consecuencia, si hacemos un muestreo con un número grande de muestras
observamos que el 95% de las veces (aproximadamente) el valor de la Media de la
población (m) se encuentra dentro del intervalo definido alrededor de cada uno de los
valores de la Media muestral. El porcentaje de veces que el valor de m se halla dentro
de alguno de los intervalos de confianza es del 95%, y es denominado nivel de confianza.

Si queremos establecer un intervalo de confianza en que el % de veces que m se halle

dentro del intervalo sea igual al 99%, la expresión anterior es:
(Obtenemos el valor +-2.58 que multiplica la Desviación Típica de la distribución muestral
en las tablas de la distribución Normal estandarizada o de funciones en aplicaciones
informáticas como Excel), y son los valores cuya función de probabilidad es igual a 0.995 y
0.005 respectivamente).

7. Establezca como es el cálculo de estimaciones de intervalo de la proporción busque un

ejemplo de cualquier fuente de consulta.

Sea X una variable binomial de parámetros n y p (una variable binomial es el número

de éxitos en n ensayos; en cada ensayo la probabilidad de éxito (p) es la misma, por
ejemplo: número de diabéticos en 2000 personas).
Si n es grande y p no está próximo a 0 ó 1 (np ³ 5) X es aproximadamente normal con

media np y varianza npq (siendo q = 1 - p) y se puede usar el estadístico (proporción

muestral), que es también aproximadamente normal, con error típico dado por
en consecuencia, un IC para p al 100(1 - a)% será

es decir, la misma estructura que antes:

Obsérvese que, para construirlo, ¡se necesita conocer p! Si n es grande (>30) se pueden
substituir p y q por sus estimadores sin mucho error, en cualquier caso, como pq £ 0,25 si
se substituye pq por 0,25 se obtiene un intervalo más conservador (más grande).

Ejemplo: En una muestra de 100 pacientes sometidos a un cierto tratamiento se obtienen 80

curaciones. Calcular el intervalo de confianza al 95% de la eficacia del tratamiento.
¿Qué significa este intervalo? La verdadera proporción de curaciones está comprendida
entre, aproximadamente, 72% y 88% con un 95% de probabilidad.

8. Mira el vídeo del siguiente enlace y realizar un breve resumen explicativo del mismo.
https://www.youtube.com/watch?v=cMqgG_lBC2U.

ESTIMACION PUNTUAL Y DE INTERVALO PARA UN PARAMETRO

Si se tiene una población y se requiere identificar una característica poblacional, por

ejemplo, la media poblacional o la varianza poblacional lo cual se llama parámetro, se
utiliza un método de muestreo, que consiste en tomar una muestra y calcularle la media
poblacional o la varianza muestral, según corresponda y el valor que se obtiene de la
muestra se llama estadístico y ese valor es el que tendremos en cuenta para hacer
estimaciones del parámetro.

Existe dos estimaciones: ESTIMACION PUNTUAL: Consiste en tomar el numero

obtenido de la muestra como el valor mas acertado del parámetro. ESTIMACION POR
INTERVALO: Consiste en tomar la estimación puntual y sumarle una cantidad ancho y
restarle la misma cantidad ancho para construir un intervalo de confianza para identificar el
parámetro de interés.

9) Consultar que es una distribución normal en estadística y sus gráficas.

La distribución normal fue reconocida por primera vez por el francés Abraham de Moivre
(1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elaboró desarrollos más
profundos y formuló la ecuación de la curva; de ahí que también se la conozca, más
comúnmente, como la "campana de Gauss". La distribución de una variable normal está
completamente determinada por dos parámetros, su media y su desviación estándar,
denotadas generalmente por y . Con esta notación, la densidad de la normal viene
dada por la ecuación:

GRAFICAS:

Figura 1. Histograma de los valores de tensión arterial sistólica

para dos muestras de pacientes isquémicos ingresados en una
unidad de cuidados intensivos.
Figura 1a.- Valores de tensión arterial sistólica en una muestra de
1000 pacientes isquémicos ingresados en UCI.

Figura 2. Gráfica de una distribución normal y significado del área

bajo la curva.
 Figura 3. Ejemplos de distribuciones normales con diferentes
parámetros.

Figura 4. Histogramas y gráficos de probabilidad normal de

los valores de peso y edad en dos muestras de pacientes.
Figura 4a.- Histogramas
Figura 4b.- Gráficos Q-Q de probabilidad.
10 ¿En qué consiste el teorema del límite central en estadística?

El teorema describe la distribución de la media de una muestra aleatoria proveniente de una

población con varianza finita. Cuando el tamaño de la muestra es lo suficientemente grande,
la distribución de las medias sigue aproximadamente una distribución normal. El teorema se
aplica independientemente de la forma de la distribución de la población. Muchos
procedimientos estadísticos comunes requieren que los datos sean aproximadamente
normales. El teorema de límite central le permite aplicar estos procedimientos útiles a
poblaciones que son considerablemente no normales.
BIBLIOGRAFIA
• Martínez, Levin (2012). Estadística Aplicada.
• https://www.fisterra.com/mbe/investiga/distr_normal/distr_normal.asp#Figura%201-