Professional Documents
Culture Documents
CACERES VELASQUEZ
FACULTAD DE INGENIERIA DE SISTEMAS
CAP
TRABAJO DE INVESTIGACION
ESTIMACIN
SEMESTRE: VI
ALUMNOS: SALAS SUAREZ EDGAR AMERIC0
AREQUIPA PER
2017
ESTIMACIN
Supongamos que debes sumar una serie de nmeros. Puedes redondear cada
sumando a la centena ms cercana para estimar la suma.
Ejemplo:
Estimar la suma 1,472 + 398 + 772 + 164 redondeando cada nmero a la
centena ms cercana.
ESTIMACION
ESTIMADOR
1. ESTIMACION PUNTUAL
Ejemplo
Se desea estimar la Media de las puntuaciones del curso 2003/4, pero solo se dispone
de 50 puntuaciones seleccionadas aleatoriamente. La Media de la muestra (el
estimador), es igual a 5.6 y atribuimos este valor (la estimacin) a la Media del curso
completo.
Resumiendo:
Podemos utilizar como estimadores de la Media de la poblacin otros estadsticos de
tendencia central como la Moda o la Mediana, pero NO todos los estimadores son
apropiados. Los estimadores deben satisfacer ciertos requisitos, y por esta razn,
interesa conocer sus propiedades a fin de utilizar los que sean adecuados segn las
circunstancias de la estimacin.
MTODOS:
1. mtodo de los momentos
Consiste en tomar como valor del parmetro aquel que maximice la probabilidad de que
ocurra la muestra observada
Si el muestreo es simple:
tomando logaritmos
Un sesgo es una tendencia constante. En un ejemplo clsico, solemos afirmar que las
escopetas de feria estn diseadas para errar, para desviarse. Si esa desviacin es fija,
es decir, si esa desviacin es una tendencia a errar hacia un sentido concreto, entonces
hablamos de sesgo. Si no es fija, entonces se trata de una variacin aleatoria. Observa la
figura 1. El objetivo es dar al centro de la diana. El rea de disparos A muestra una
variacin aleatoria, pero sin sesgo pues apunta correctamente alrededor del objetivo. El
rea B muestra un sesgo claro: todos los disparos dan en un mismo punto y ese punto no
es el centro de la diana, estamos errando. El rea C ejemplifica una mezcla de ambos:
existe sesgo y variacin aleatoria, puesto que los disparos impactan en un rea con cierta
dispersin aleatoria pero concentradas en torno a un punto desplazado del objetivo.
Ejemplo
En una poblacin de 500 puntuaciones cuya Media (m) es igual a 5.09 han hecho un
muestreo aleatorio (nmero de muestras= 10000, tamao de las muestras= 100) y hallan
que la Media de las Medias muestrales es igual a 5.09, (la media poblacional y la media
de las medias muestrales coinciden). En cambio, la Mediana de la poblacin es igual a 5 y
la Media de las Medianas es igual a 5.1 esto es, hay diferencia ya que la Mediana es un
estimador sesgado.
la Media de las Varianzas muestrales es igual a 9.5, esto es, coincide con la Varianza de
la poblacin ya que la Cuasivarianza es un estimador insesgado.
Ejemplo
En una poblacin de 500 puntuaciones cuya Media (m) es igual a 4.9 han hecho tres
muestreos aleatorios (nmero de muestras= 100) con los siguientes resultados:
vemos que el muestreo en que n=100 la Media de las Medias muestrales toma el mismo
valor que la Media de la poblacin.
3) Eficiencia. Diremos que un estimador es ms eficiente que otro si la Varianza de la
distribucin muestral del estimador es menor a la del otro estimador. Cuanto menor es la
eficiencia, menor es la confianza de que el estadstico obtenido en la muestra aproxime al
parmetro poblacional.
Ejemplo
TOTALES
Adems de medias, proporciones y variaciones, un parmetro habitual es el total.
Llamamos total a una frecuencia absoluta calculada en la poblacin. Por ejemplo,
podemos tener inters en conocer cuntas personas votarn al partido HH en las
prximas elecciones o cuntos cigarrillos van a consumirse en el mes de abril.
Para responder, utilizamos un recurso indirecto que parte de una estimacin
previa, bien sea de una media aritmtica o de una proporcin. Supongamos que
la poblacin que nos interesa cuenta con un milln de habitantes.
Hemos trabajado con una muestra de 200. De los que 38 dicen que votarn al
partido HH. Esto significa 38/200*100=19%. Una estimacin puntual establece
que el 19% de la poblacin votar a HH. Como hay un milln de habitantes,
entonces, hablamos de 1,000,000*19/100=190,000 personas. Supongamos
tambin que se fuman 50 cigarrillos por trmino medio cada mes. Si ese es el
valor de la media aritmtica de la muestra, la estimacin puntual afirmar que en
la poblacin se fumarn 50 cigarrillos por persona durante el mes de abril, por
trmino medio. Como hay un milln de habitantes, el mes de abril ver
consumidos 50 millones de cigarrillos. As pues, en la estimacin de totales no
realizamos un camino alternativo especfico sino que ampliamos la estimacin
realizada previamente, sea de una proporcin o de una media.
2. ESTIMACIN POR INTERVALOS
Por ejemplo, imagine que se usa la media de una muestra x para estimar
(estimador puntual) la resistencia real a la ruptura de toallas de papel de cierta
marca y suponga que x= 9322.7.
Ejemplo
Se generan 100000 muestras aleatorias (n=25) de una poblacin que sigue la distribucin
Normal, y resulta:
(Nota: Los valores +-1.96 que multiplican la Desviacin Tpica de la distribucin muestral
son los valores cuya funcin de distribucin es igual a 0.975 y 0.025 respectivamente y se
pueden obtener en las tablas de la distribucin Normal estandarizada o de funciones en
aplicaciones informticas como Excel). Seguidamente generamos una muestra de la
poblacin y obtenemos su Media, que es igual a 4.5. Si establecemos el intervalo
alrededor de la Media muestral, el parmetro poblacional (5.1) est incluido dentro de sus
lmites:
Ejemplo
donde ls y le simbolizan los lmites superior e inferior del intervalo de confianza al 95%.
Nueve de los diez intervalos (salvo el definido alrededor de la Media muestral igual a 3.7)
incluyen el valor del parmetro dentro sus lmites.
INTERVALO DE CONFIANZA:
El intervalo de confianza es una expresin del tipo [1, 2] 1 2, donde
es el parmetro a estimar. Este intervalo contiene al parmetro estimado con una
determinada certeza o nivel de confianza.
Un nivel de confianza de 95% implica que 95% de las muestras dara lugar a un
intervalo que incluye m o cualquier otro parmetro que se est estimando, y slo
5% de las muestras producir un intervalo errneo. Cuanto mayor sea el nivel de
confianza podremos creer que el valor del parmetro que se estima est dentro
del intervalo
ERROR DE LA ESTIMACIN:
NIVEL DE CONFIANZA
Valor crtico
Con estas definiciones, si tras la extraccin de una muestra se dice que 3 es una
estimacin de la media con un margen de error de 0,6 y un nivel de confianza del
99%, podemos interpretar que el verdadero valor de la media se encuentra entre
2,7 y 3,3, con una probabilidad del 99%. Los valores 2,7 y 3,3 se obtienen
restando y sumando, respectivamente, la mitad del error, para obtener el intervalo
de confianza segn las definiciones dadas.
Para un tamao fijo de la muestra, los conceptos de error y nivel de confianza van
relacionados. Si admitimos un error mayor, esto es, aumentamos el tamao del
intervalo de confianza, tenemos tambin una mayor probabilidad de xito en
nuestra estimacin, es decir, un mayor nivel de confianza.
Estimacin por intervalos de una poblacin
= / .SE
DONDE:
IC = intervalo de confianza
P = proporcin
/2 = margen de error
(1)
SE = error estndar = =
EJEMPLO:
IC = P /2 .SE
nivel de /2
confianza
90% 1.645
95% 1.96
o Hallando la proporcin :
P= 40/50 = 0.8 = .8
o Reemplazando:
IC = P /2 .SE
.8(1.8)
IC = .8 1.96 50
IC = (.69, .91)
o Interpretacin:
En la media aritmtica simple cada una de los datos como un punto media o
marca de
clase.
DONDE:
x = media aritmtica
EJEMPLO 1:
o Aplicando la frmula:
=
N
0 + 2 + 4 + 5 + 8 + 8 + 10 + 38 90
X= = = 10
9 9
o interpretacin:
EJEMPLO 2:
Lunes 75
Martes 225
mircoles 175
Jueves 300
Viernes 180
Sbado 400
total 1355
X = 75+225+175+300+180+400 = 1355
N=6
o aplicando la frmula:
1
=
N
1355
= = 225.83
6
o interpretacin:
exmenes.
.
=
Dnde:
x = media aritmtica
ni = Frecuencia
EJEMPLO:
Notas Yi Coeficiente ni ni.Yi
Promedio anual 14 01 14
Examen escrito 12 02 24
Examen oral 08 03 24
N=6 ni.Yi=62
o aplicando la frmula:
.
=
N
62
= = 10.33
6
Inconvenientes de su uso:
EJEMPLO:
Consideren un equipo de baloncesto con cinco jugadores de igual estatura, 1,95
m, evidentemente, tendra una estatura media de 1,95 m, valor que representa
fielmente a esta poblacin homognea. Sin embargo, un equipo de jugadores de
estaturas ms heterogneas, 2,20 m, 2,15 m, 1,95 m, 1,75 m y 1,70 m, por
ejemplo, tendra tambin, como puede comprobarse, una estatura media de 1,95
m, valor que no representa a casi ninguno de sus componentes.
clase abiertos.
EJEMPLO:
En una empresa hay 5 trabajadores que ganan Q.200; 4 que ganan Q.250; 8 que
ganan Q.175 y 3 que ganan Q.300. Cul es el promedio de salarios de la
empresa?
250 4 1000
175 8 1400
300 3 900
N=20 ni Yi = 4300
APLICANDO LA FORMULA:
.
=
N
4300
=
20
= 215
EJEMPLO:
1.- Determinar la suma algebraica de los desvos de los nmeros 3, 6, 9, 10, 12
con respecto a su media aritmtica.
Yi d =n-x
3 3-8=-5
6 6-8= -2 -7
9 9-8=1
10 10-8=2
12 12-8=4+7
Yi=40 (Yi-x)=-7+7=0
1 3 + 6 + 9 + 10 + 12 40
= = = =8
N 5 5
= /
DONDE:
X = media muestral
S = desviacin estndar
n = tamao de la muestra
EJEMPLO:
X = 12.05
S = 0.1
n = 100
95%
Confianza = 95% confianza = 100% = 0.95
o Reemplazando:
S
1 = X /2
0.1
1 = 12.05 1.96
100
1 = 12.05 0.0196
1 = (12.03 ; 13.07)
o Interpretacin:
Se concluye que con una confianza del 95%, la, media de llenado de las cajas
esta entre 12.03 y 12.07 kg
VARIANZAS POBLACIONALES
VARIANZA
La varianza tambin es muy til para crear modelos estadsticos., ya que una
varianza pequea puede ser un indicio de que estas ajustando demasiado los
datos.
Analizar
Estadsticos Descriptivos
Explorar
EJEMPLO:
Ejemplo 1.
Ejemplo 2.
son:
Por otro lado la varianza es una medida per permite determinar que tan
disperso es un conjunto de datos dentro de la muestra en el ambito de
la estadistica.
ANALISIS CRTICO:
Este trabajo nos ayuda a dar valores a los parmetros estadsticos para aprender a
emplearlos de manera ptima en inferencia estadstica para luego ponerlo en prctica en
la recoleccin e interpretacin de datos agrupados y no agrupados
BIBLIOGRAFIA