Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
FIGURA 8.2 Distribuciones para estimadores sesgados e insesgados ● Estimador sesgado Verdadero valor de parámetro Estimador insesgado FIGURA 8.3 Comparación de variabilidad de un estimador ● Estimador con varianza más pequeña Verdadero valor del parámetro Estimador con varianza más grande † En general, los estadísticos usan el término varianza de un estimador cuando en realidad es la varianza de la distribución muestral del estimador. Esta expresión contraída se usa casi universalmente. Las distribuciones muestrales dan información que se puede usar para seleccionar el mejor estimador. ¿Qué características serían valiosas? Primero, la distribución muestral del estimador puntual debe estar centrada sobre el verdadero valor del parámetro a ser estimado. Esto es, el estimador no debe subestimar o sobreestimar de manera consistente al parámetro de interés. Un estimador como éste se dice que es insesgado. Defi nición Se dice que un estimador de un parámetro es insesgado si la media de su distribución es igual al verdadero valor del parámetro. De otro modo, se dice que el estimado está sesgado. Las distribuciones muestrales para un estimador insesgado y estimador sesgado se ven en la figura 8.2. La distribución muestral para el estimador sesgado está corrida a la derecha del verdadero valor del parámetro. Este estimador sesgado es más probable que uno insesgado para sobreestimar el valor del parámetro. La segunda característica deseable de un estimador es que la dispersión (medida por la varianza) de la distribución muestral debe ser tan pequeña como sea posi- ble. Esto asegura que, con una alta probabilidad, una estimación individual caerá cerca del valor verdadero del parámetro. Las distribuciones muestrales para dos estimadores insesgados, una con una varianza pequeña† y la otra con una varianza más grande, como se ve en la figura 8.3. 8.4 ESTIMACIÓN PUNTUAL ❍ 301 Probabilidad_Mendenhall_08.indd 301Probabilidad_Mendenhall_08.indd 301 5/14/10 8:19:34 AM5/14/10 8:19:34 AM www.FreeLibros.me 302 ❍ CAPÍTULO 8 ESTIMACIÓN DE MUESTRAS GRANDES FIGURA 8.4 Distribución muestral de un estimador insesgado ● Margen de error Margen de error Estimador muestral Verdadero valor 95% 1.96SE Una estimación particular 1.96SE 95% de margen de error � 1.96 � error estándar. CONSEJOMIMI Por supuesto que sería preferible el estimador con la varianza más pequeña, porque las estimaciones tienden a estar más cerca del verdadero valor del parámetro que en la dis- tribución con la varianza más grande. En situaciones muestrales prácticas, es posible saber que la distribución muestral de un estimador está centrada alrededor del parámetro que se trate de estimar, pero todo lo que se tiene es la estimación calculada de las n mediciones contenidas en la muestra. ¿A qué distancia del verdadero valor del parámetro estará esta estimación? ¿Qué tan cercana está la diana o blanco de la bala del tirador? La distancia entre la estimación y el verdadero valor del parámetro se denomina error de estimación. Defi nición La distancia entre una estimación y el parámetro estimado recibe el nombre de error de estimación. En este capítulo, usted puede suponer que los tamaños muestrales son siempre gran- des y, por tanto, que los estimadores insesgados que estudiará tienen distribuciones muestrales que pueden ser aproximadas por una distribución normal (por el teorema del límite central). Recuerde que, para cualquier estimador puntual con una distribución normal, la regla empírica dice que aproximadamente 95% de todas las estimaciones puntuales estarán a no más de dos (o más exactamente, 1.96) desviaciones estándar de la media de esa distribución. Para estimadores insesgados, esto implica que la diferencia entre el estimador puntual y el verdadero valor del parámetro será menor a 1.96 desvia- ciones estándar o 1.96 errores estándar (SE). Esta cantidad, llamada el 95% de margen de error (o simplemente “margen de error”), da un límite superior práctico para el error de estimación (véase la figura 8.4). Es posible que el error de estimación exceda este margen de error, pero eso es muy poco probable. ESTIMACIÓN PUNTUAL DEL PARÁMETRO DE UNA POBLACIÓN • Estimador puntual: estadística calculada usando mediciones muestrales • 95% de margen de error: 1.96 � error estándar del estimador Las distribuciones muestrales para dos estimadores puntuales insesgados se estudia- ron en el capítulo 7. Se puede demostrar que estos dos estimadores puntuales tienen la mínima variabilidad de todos los estimadores insesgados y, por lo tanto, son los mejores estimadores que se pueden hallar en cada situación. Probabilidad_Mendenhall_08.indd 302Probabilidad_Mendenhall_08.indd 302 5/14/10 8:19:34 AM5/14/10 8:19:34 AM www.FreeLibros.me E J E M P L O 8.4 † Cuando se muestrea a partir de una distribución normal, ( _ x � m)/(s/ � __ n ) tiene una distribución t, que se estudia- rá en el capítulo 10. Cuando la muestra es grande, este estadístico se encuentra distribuido normalmente en forma aproximada si la población muestreada es normal o no normal. ¿Cómo estimo una media o proporción poblacional? • Para estimar la media poblacional m para una población cuantitativa, el esti- mador puntual _ x es insesgado con el error estándar estimado como SE � s ___ � __ n † El 95% de margen de error cuando n � 30 se estima como �1.96� s ___ �__ n � • Para estimar la proporción poblacional p para una población binomial, el esti- mador puntual p̂ � x/n es insesgado, con un error estándar estimado como SE � � ___ p̂q̂ ___ n El 95% de margen de error se estima como �1.96 � ___ p̂q̂ ___ n Suposiciones: np̂ � 5 y nq̂ � 5. ENTRENADOR PERSONALMIMI La variabilidad del estimador se mide usando este error estándar. No obstante, usted podrá haber observado que el error estándar suele depender de parámetros desconoci- dos, por ejemplo s o p. Estos parámetros deben estimarse usando estadísticas muestrales como son s y p̂. Aun cuando no exactamente correcto, por lo general los experimentado- res se refieren al error estándar estimado como el error estándar. Un ambientalista está realizando un estudio del oso polar, especie que se encuentra en el océano Ártico y sus alrededores. Su zona de distribución está limitada por la existencia de hielo en el mar, que usan como plataforma para cazar focas, principal sostén de los osos. La destrucción de su hábitat en el hielo del Ártico, que se ha atribuido al calenta- miento global, amenaza la supervivencia de los osos como especie; puede extinguirse antes de un siglo.1 Una muestra aleatoria de n � 50 osos polares produjo un peso prome- dio de 980 libras con una desviación estándar de 105 libras. Use esta información para estimar el peso promedio de todos los osos polares del Ártico. Solución La variable aleatoria medida es el peso, una variable aleatoria cuantitativa mejor descrita por su media m. La estimación puntual de m, el peso promedio de todos los osos polares del Ártico, es _ x � 980 libras. El margen de error se estima como 1.96 SE � 1.96� s ____ �__ n � � 1.96� 105 _____ � ___ 50 � � 29.10 � 29 libras 8.4 ESTIMACIÓN PUNTUAL ❍ 303 Probabilidad_Mendenhall_08.indd 303Probabilidad_Mendenhall_08.indd 303 5/14/10 8:19:34 AM5/14/10 8:19:34 AM www.FreeLibros.me
Compartir