Estimación
Se define como estimar que algo va a ocurrir respecto a algo (o que esta ocurriendo,
o que ocurrió), a pesar de ser un elemento muy claramente estadístico, esta muy enraizado
en nuestra cotidianeidad. Dentro de ello, además hacemos estimaciones dentro de un
intervalo de posibilidades.
El conjunto de técnicas que permiten dar un valor aproximado de un parámetro de
una población a partir de los datos proporcionados por una muestra. Por ejemplo, una
estimación de la madia de una determinada característica de una población de tamaño N
podría ser la media de esa misma característica para una muestra de tamaño N.
Tipos de estimación.
Un estimador es una regla, a menudo expresada como una fórmula, que indica cómo
calcular el valor de una estimación con base en las mediciones contenidas en una muestra.
Existen dos tipos de estimaciones concernientes a una población: la estimación por
intervalo y la estimación puntual.
Estimación puntual
Es un solo valor o número que se utiliza para estimar un parámetro de población
desconocido. A menudo una estimación puntual es insuficiente debido a que ya en
resultado, solo se tienen dos opciones: el valor de estimador es correcta o no. Por ejemplo,
mediante una estimación puntual se afirmará que para el año 2030, la proporción de
enfermos de sida a nivel mundial será 0.70, pudiera ser cierta o no.
Un estimador puntual es una variable aleatoria con una distribución de muestreo que
depende de la población y de su parámetro. Un buen estimador debe de contener dos
propiedades muy importantes, para evaluar la bondad del estimador, que son que el
estimador sea insesgado respecto al parámetro a estimar y que tenga varianza mínima. Por
n
1
ejemplo, la media muestral x= ∑ x i es un estimador puntual de la media de la población
n i=1
μ.
Los estimadores puntuales más usuales son los de la distribución binomial (p), de la
distribución de Poisson del parámetro λ y la distribución normal ( μ , σ ).
Antes de utilizar un estadístico muestral como estimador puntual, se verifica si el
estimador puntual tiene ciertas propiedades que corresponden a un buen estimador puntual.
Como hay distintos estadísticos muéstrales que se usan como estimadores puntual es de sus
correspondientes parámetros poblacionales, se usará la notación general siguiente:
θ : es el parámetro poblacional de interés.
θ : es el estadístico muestral o estimador puntual de θ.
En general θ representa cualquier parámetro poblacional como, por ejemplo, la
media poblacional, la desviación estándar poblacional, etc.; y θ representa el
correspondiente estadístico muestral, por ejemplo, la media muestral, la desviación estándar
muestral y la proporción muestral.
Estimación por intervalos
Tomando en cuenta que la mayoría de las veces el parámetro poblacional es
desconocido, conveniente obtener límites entre los cuales se encuentre el dicho parámetro
con un cierto nivel de confianza estadística, en este caso se trata de la estimación por
intervalos.
Es decir, la estimación por intervalos da por consecuencia un intervalo de confianza
en el que se espera que se encuentre el parámetro poblacional con una alta probabilidad de
certeza. Por ejemplo, el intervalo de confianza para la media poblacional es el intervalo de
valores que tiene una alta probabilidad de contener a la media de la población como se
ilustra en la figura 6.2. En la estimación por intervalos de un parámetro población, resulta
adecuado hablar en términos de probabilidad de que el estimador cubra el verdadero valor
del parámetro, como se muestra en la figura 6.2. Por lo tanto, si se seleccionan 100
muestras de una población y se calcula cada media de las muestras, de las cuales se les
estima sus correspondientes intervalos de confianza del 95%, se tendría que
aproximadamente 95 de los 100 intervalos de confianza contienen la media poblacional.
El nivel de confianza α (alfa) es el valor de la probabilidad de que el parámetro
poblacional se encuentre dentro del intervalo; los niveles de confianza más ampliamente
usados son: α =0.10 , a=0.05 y a=0.01 correspondientes al 90%, 95% y 99% de confianza
estadística, respectivamente.
ESTIMACIÓN POR INTERVALO DE UNA MEDIA CON n>30.
Sea x 1 , x 2 , x 3 , … , x nes una muestra aleatoria de tamaño η>30 tomada de una
población normal con media μ y varianza σ 2 conocida. Entonces un intervalo de confianza
del 100 % (1−a) para μ esta dos por
σ σ
x=Ζ ∝/2 ≤ μ ≤ x + Z ∝/2
√n √n
Donde Z∝ /2 es el punto de la distribución normal estándar, que corresponde al nivel
de confianza dado a . En la tabla 1, se pueden ver algunos valores de Z a/ 2 para diferentes
valores de a .
a Z a/ 2
0.10 Z 0.05=1.645
0.05 Z 0.025=1.96
0.01 Z 0.005=2.575
Z a/ 2 para distintos valores a (alfa)
Tabla 1 valores de
Ejemplo 1. Los datos de la tabla 2 se encuentran una muestra aleatoria de las
estaturas en centímetros de 45 estudiantes de la licenciatura de ingeniería de alguna
universidad. Se sabe que la muestra aleatoria de tamaño n=45 proviene de una población
normal con la varianza poblacional σ 2=9. Construya un intervalo de confianza del 95%
para la estatura media poblacional μ.
164 162 165 163 165
168 165 165 169 167
163 164 160 167 160
166 164 169 163 171
160 163 160 168 167
165 167 162 164
162 166 165 166
165 161 170 164
158 165 160 167
165 169 165 162
Tabla 2. Estructuras de 45 estudiantes
La media de la muestra de los 45 estudiantes es
x=164.578
De la tabla I del apéndice y para un a=0.05 se tiene que Z 0.025=1.96. La obtención
del intervalo de confianza al 95% de las estaturas de los estudiantes es la siguiente
3 3
164.578−1.96 ≤ μ ≤ 164.578+1.96
√ 45 √ 45
3 3
164.578−196 ≤ μ ≤ 164.578+196
6.708 6.708
164.578−1.96 ( 0.447 ) ≤ μ ≤ 164.578+1.96 ( 0.447 )
164.578−0.876 ≤ μ ≤ 164.578+0.876
163.702 ≤ μ ≤ 164.454
Por lo tanto, la estatura media poblacional de los estudiantes esta entre 163.702 y
165.454.
Ahora consideremos lo siguiente, dado que se seleccionó una confianza estadística
del 95%. ¿Qué hubiera pasado si se hubiera escogido una confianza estadística mayor, por
ejemplo 99%? ¿Cómo será el intervalo de confianza para la estatura media poblacional de
los estudiantes?
Para un a , y de la tabla I del apéndice se tiene que Z a/ 2=Z0.01 /2 =Z 0.005=2.58 ,
entonces el intervalo de confianza al 99% es
3 3
164.578−258 ≤ μ ≤ 164.578+2.58
√ 45 √ 45
3 3
164.578−2.58 ≤ μ ≤ 164.578+2.58
6.708 6.708
164.578−1.153≤ μ ≤164.578+ 1.153
163.425 ≤ μ ≤ 165.731
Por lo tanto, para una confianza estadística del 99%, la estatura media poblacional
de los estudiantes esta entre 163.425 y 165.731.
Nótese que la longitud el intervalo de confianza al 99% es mayor que la longitud del
intervalo de confianza al 95%. En general, para un tamaño de muestra fijo y una desviación
estándar σ , entre más grande sea la confianza estadística, más grande será el intervalo de
confianza resultante.
ESTIMACIÓN POR INTERVALO DE UNA PROPORCIÓN
Si x es una variable aleatoria binomial con los parámetros n y p , y n es grande y
x
p= , entonces la expresión 1 es un intervalo de confianza aproximadamente ( 1−a ) 100 %
n
del para p,
(expresión 1)
Ejemplo 2. En una muestra aleatoria, 145 personas de 450, a quienes se aplicó una
vacuna contra la influenza, experimentaron cierto síntoma de incomodidad. Construir un
intervalo de confianza del 95% para la proporción poblacional de personas que
experimentaron algún síntoma de incomodidad por la vacuna.
145
Sustituyendo n=450 , p= =0.32 y para a=0.05 y de la tabla I del apéndice se
450
tiene que Z 0.025=1.96, en la expresión 1 del intervalo de confianza, se obtiene que
0.32−1.96 √ 0.32 ¿ ¿ ¿
0.32− ( 1.96 ) ( 0.02199 ) < p<0.32+(1.96)(0.02199)
0.2769< p< 0.3631
Por lo tanto, la proporción poblacional de personas que experimentaron algún
síntoma de incomodidad por la vacuna está entre 0.2769 y 0.3631.
CONCLUSIÓN
La estimación es un proceso fundamental en la estadística que permite inferir y
predecir propiedades de una población a partir de una muestra. Este proceso es crucial en
diversas disciplinas, ya que nos proporciona herramientas para tomar decisiones informadas
basadas en datos. Dentro de la estimación, existen dos enfoques principales: la estimación
puntual y la estimación por intervalos.
Mientras que la estimación puntual ofrece simplicidad y un valor concreto, la
estimación por intervalos proporciona una medida de la incertidumbre, lo que es
fundamental para una interpretación más robusta de los datos. Ambos enfoques son
complementarios y su uso adecuado depende del contexto y de los objetivos de la
investigación.