Professional Documents
Culture Documents
Introduccin 1
2.1 Introduccin 4
Conclusin 19
Referencias bibliogrficas 21
Introduccin
Durante los siglos XV, XVI, y XVII, hombres como Leonardo de Vinci, Nicols
Coprnico, Galileo, Neper, William Harvey, Sir Francis Bacon y Ren Descartes,
hicieron grandes operaciones al mtodo cientfico, de tal forma que cuando se
crearon los Estados Nacionales y surgi como fuerza el comercio internacional
exista ya un mtodo capaz de aplicarse a los datos econmicos.
La estadstica que muchos creen como algo nuevo, es tan antigua como la propia
humanidad, ya que existen vestigios de su inicio antes de cristo, como en china
donde el emperador Yao (2.238 a.C), dispuso la realizacin de un censo, en su
imperio algo similar en la poca del rey Herodes, relacionado con un
empadronamiento cuando se habl del nacimiento de cristo.
1
La estadstica como todas las ciencias, no se cre de improviso, sino mediante un
proceso largo de desarrollo y evolucin, desde hechos de simple recoleccin de
datos hasta la diversidad y rigurosa interpretacin de los datos que se dan
actualmente.
2
En el tema 2.4 se analiza la estimacin por intervalos, que consiste en la obtencin
de un intervalo dentro del cual estar el valor del parmetro estimado con una cierta
probabilidad. En esta estimacin se usan los intervalos: de confianza, variabilidad
del parmetro, error de la estimacin, lmite de confianza y valor critico
Por ultimo en el tema 2.5 se explica la determinacin del tamao de la muestra, que
se entiende como la determinacin del nmero de sujetos que componen
la muestra extrada de una poblacin, necesarios para que los datos obtenidos sean
representativos de la poblacin.
3
2.1 Introduccin
La teora estadstica de la estimacin permite predecir, con determinada precisin,
que ocurre en la poblacin mediante la informacin aportada por individuos de una
muestra extrada al azar de dicha poblacin. Siempre que daban darse conclusiones
a partir de los resultados de una experiencia basada en el estudio de grupos de
individuos, es necesario analizar si, por s solo, el azar puede explicar las diferencias
encontradas. Este anlisis se hace siempre aplicando pruebas estadsticas que
cifran, mediante probabilidades, la influencia del azar en los resultados de un
experimento. No es la uniformidad sino la variabilidad el atributo fundamental que
caracteriza a la naturaleza. No es la rigidez sino el azar quien est en la base de los
hechos psicolgicos o biolgicos.
En la naturaleza, el azar hace que la variabilidad entre los individuos sea la regla.
La estadstica es el nico instrumento matemtico adecuado para analizar datos de
fenmenos cuya caracterstica fundamental es la variabilidad. No es posible
estudiar la variabilidad con una sola observacin. De ah que la formulacin
estadstica de un problema no pueda ser una formulacin a nivel individual sino que
debe ser una formulacin a nivel de grupo. Los diseos experimentales estadsticos
son experiencias formuladas a nivel de grupo. En consecuencia, una vez tratados
estadsticamente 10s datos obtenidos, las conclusiones de estos diseos no pueden
ser conclusiones a nivel individual sino que son conclusiones a nivel de grupo. Esto
quiere decir, por ejemplo, que si con un diseo experimental se demuestra la
superioridad de un tratamiento X respecto a otro tratamiento Y, el resultado que
obtendremos al aplicar el tratamiento X a toda la poblacin ser, en media, superior
al resultado que hubiramos obtenido al aplicar el tratamiento Y a toda la poblacin;
sin embargo, para ciertos individuos el tratamiento Y podr ser superior al X.
4
precio de dicho artculo en diversos establecimientos (la muestra) y la media
aritmtica de las observaciones puede utilizarse como estimador del precio medio.
Sesgo
Eficiencia
1
var ()
E[[ log f(X; )2 ]
5
donde f(X; ) es la funcin de densidad de probabilidad de la muestra X =
(X1 , X2 Xn )t en funcin del parmetro , (denominada funcin de verosimilitud). Si
un estimador insesgado alcanza esta cota mnima, entonces se dice que el
estimador es de mnima varianza dentro de los estimadores insesgados, pudiendo
existir estimadores sesgados con varianza menor.
Consistencia
Si no es posible emplear estimadores de mnima varianza, el requisito mnimo
deseable para un estimador es que a medida que el tamao de la muestra crece, el
valor del estimador tienda a ser el valor del parmetro, propiedad que se
denomina consistencia. Existen diversas definiciones de consistencia, ms o menos
restrictivas, pero la ms utilizada es la denominada consistencia en media
cuadrtica que exige que:
E[] cuando n
Var[] 0 cuando n
Robustez
Suficiencia
Invariancia
6
2.3 Estimacin Puntual
Consiste en la estimacin del valor del parmetro mediante un slo valor, obtenido
de una frmula determinada. El problema de estimacin puntual consiste en,
seleccionada una muestra X1, ..., Xn, encontrar el estadstico T(X1, ..., Xn) que
mejor estime el parmetro .
Una vez observada o realizada la muestra, con valores x1, ..., xn, se obtiene la
estimacin puntual de , T(x1, ..., xn) = .
7
2.4 Estimacin por intervalos
La estimacin por intervalos consiste en establecer el intervalo de valores donde es
ms probable se encuentre el parmetro. La obtencin del intervalo se basa en las
siguientes consideraciones:
a) Si conocemos la distribucin muestral del estimador podemos obtener las
probabilidades de ocurrencia de los estadsticos muestrales.
b) Si conociramos el valor del parmetro poblacional, podramos establecer la
probabilidad de que el estimador se halle dentro de los intervalos de la distribucin
muestral.
c) El problema es que el parmetro poblacional es desconocido, y por ello el
intervalo se establece alrededor del estimador. Si repetimos el muestreo un gran
nmero de veces y definimos un intervalo alrededor de cada valor del estadstico
muestral, el parmetro se sita dentro de cada intervalo en un porcentaje conocido
de ocasiones. Este intervalo es denominado "intervalo de confianza".
Se llama intervalo de confianza a un par o varios pares de nmeros entre los cuales
se estima que estar cierto valor desconocido con una determinada probabilidad de
acierto. Formalmente, estos nmeros determinan un intervalo, que se calcula a
partir de datos de una muestra, y el valor desconocido es un parmetro poblacional.
La probabilidad de xito en la estimacin se representa con 1 - y se
denomina nivel de confianza. En estas circunstancias, es el llamado error
aleatorio o nivel de significacin, esto es, una medida de las posibilidades de fallar
en la estimacin mediante tal intervalo.
8
Para la construccin de un determinado intervalo de confianza es necesario conocer
la distribucin terica que sigue el parmetro a estimar, . Es habitual que el
parmetro presente una distribucin normal. Tambin pueden construirse intervalos
de confianza con la desigualdad de Chebyshev.
Si X1 , X2 s12 y s22 son las medias y las varianzas de dos muestras aleatorias de
tamao n1 y n2, respectivamente, tomadas de dos poblaciones normales e
independientes con varianzas desconocidas pero iguales, entonces un intervalo de
confianza del 100(1 ) por ciento para la diferencia entre medias es:
1 1
1 2 = (X1 X 2 ) tsp
n1 n2
En donde:
9
muestras aleatorias independientes, una para cada poblacin, de tamaos
muestrales n1 y n2 respectivamente.
pn (1 pn ) pn (1 pn )
(pn + za/2 , pn + za/2 )
n n
pP
z=
P(1 P)
n
10
ya que realmente se debera emplear la distribucin binomial, por tanto, no se debe
utilizar. Para estar seguros, se debe requerir que np y n(1-p) sea mayor o igual a 5.
El error de estimacin ser la diferencia absoluta entre p y P, y podemos tener el
nivel de confianza de que esta diferencia no exceder el valor de:
P(1 P)
z
n
11
P(1 P1 )1 P2 (1 P2 )
P1 P2 Z a
2 n1 n2
Donde
(n 1)S 2
2
X =
2
(n 1)S 2 2
(n 1) S 2
2 2
x/2 x/2
12
2.4.6 Intervalos de confianza para la relacin de varianzas
12
22
S12 12
F 2 2
S2 2
13
S12 S12
S 2
2
S22
2
1
F 2 2
2 F 2
Dnde:
Nivel de confianza. Son intervalos aleatorios que se usan para acotar un valor con
una determinada probabilidad alta. Por ejemplo, un intervalo de confianza de 95%
14
significa que los resultados de una accin probablemente cubrirn las expectativas
el 95% de las veces.
Za2 x p x q
n=
d2
En donde
Z = nivel de confianza,
Q = probabilidad de fracaso
x z/2 + z
,X
n 2 n
E = z/2
n
15
Cuanto mayor sea el tamao de la muestra, n, menor es el error.Cuanto mayor sea
el nivel de confianza, 1-, mayor es el error. Tamao de la muestra
Z/2
n=
E
N n
e Zu 2
n N 1
Dnde:
N n
La expresin se conoce como el multiplicador de poblacin finita, que es un
N 1
factor de ajuste, y se utiliza para rebajar la varianza muestral estimada. Despejando
n de la ecuacin se obtiene:
Z2 2 2 N
n
Z2 2 2 e 2 N 1
El error mximo que se desea tolerar al estimar una proporcin poblacional, cuando
se conoce la varianza poblacional y para poblacin infinita viene dado por:
P(1 P)
e Z 2
n
Donde:
16
P es una proporcin patrn de la poblacin. De esa manera, el tamao muestral
viene dado por la expresin
Z 2
2
n p1 p
e
P(1 P) N n
e Z 2
n N 1
P(1 P)Z2 2 N
n
P(1 P) Z2 2 e 2 ( N 1)
Muestras Independientes
17
1 1
( X 1 X 2 ) t 2 S
n1 n2
normal.
Si las varianzas poblacionales no pueden suponerse iguales los lmites del intervalo
de confianza son:
S12 S 22
( X 1 X 2 ) t 2
n1 n2
2
S12 S 22
g.1 n2 n2 2
2 2
S12 1 S 22 1
n2 n 1 n2 n 1
18
Conclusin
Personal
Profesional
19
De igual forma le ayuda al profesional a realizar anlisis a partir de las estadsticas
de la muestra, establecer inferencias sobre una poblacin, hacer conclusiones a
partir de la informacin que arrojan las pruebas estadsticas e interpretar el
significado de los intervalos de confianza para: la media, diferencia de medias, la
proporcin, diferencia de proporciones, varianza y relacin de varianzas.
20
Referencias bibliogrficas
21