estimación estadística

1. FACULTAD DE CIENCIAS SOCIALES
ESCUELA PROFESIONAL DE TRABAJO SOCIAL
CURSO: ESTADÍSTICA SOCIAL II
PROFESOR: DEMETRIO CCESA RAYME
ALUMNA:
 DE LA CRUZ PAREJA, LISVETH MILAGROS.
LIMA - PERU
2015

3. FORMAS DE DESCRIBIR DATOS:
MÉTODOS GRÁFICOS MEDIDAS DESDRIPTIVAS

4. ESTADISTICA
DESCRIPTIVA
ESTADISTICA
INFERENCIAL
Colección
Organizar
Resumir
Presentación de
datos
Prueba de hipótesis ESTIMACIÓN
Teoría de
probabilidad
Probabilidad de
tomar decisiones
incertidumbre
Inferencias de
características
Población
Muestra

5. ¿QUÉ ES UNA ESTIMACIÓN?
POBLACIÓN
seleccionar
se extrae la
muestra
Fin: inferir
sobre la…
Análisis y
cálculos
estadísticos
Proceso de muestreo
MUESTRA

6. RAZÓN PARA ESTIMAR
Tomar decisiones racionales incertidumbre
Estimación  semejanza razonable  R
ESTIMADOR
Regla  formula
deducir la estimación
Es un medida de resumen  describir
características
de la población
PARÁMETRO

7. PROPIEDADES DE LOS ESTIMADORES
Centrado o insesgado
Eficiencia o precisión
Error cuadrático medio
Consistencia
Robustez
Punto de ruptura de un
estimador
1
3
4
5
6
2

8. Centrado o insesgado1
Eficiencia o precisión2
Es insesgado cuando su sesgo con respecto al parámetro que
está estimando es nulo (igual a cero):
Es el estimador siendo insesgado tenga un varianza mínima o
que su Error Cuadrático Medio sea mínimo.

9. Error cuadrático medio3
Es el valor esperado del cuadrado de la diferencia entre el
estimador y el parámetro :
Consistencia4
Una estadística  estimado coherente  parámetro de la
población
el tamaño de la muestra, se
tiene casi la certeza de
que el valor de la
estadística se aproxima
bastante al valor del
parámetro de la población.
Si un estimador es
coherente, se vuelve
mas confiable si
tenemos tamaños de
muestras grandes.

10. Robustez5
Punto de ruptura de un
estimador6
Un estimador es robusto  cuando al introducir pequeños
cambios en las hipótesis o suposiciones iniciales del
procedimiento de estimación, por lo tanto no producen variaciones
significativas en los resultados obtenidos.
Es la máxima fracción de la muestra que se puede cambiar sin
causar un cambio arbitrario en el valor del estimador.

11. ESTIMACIÓN
PUNTUAL
ESTIMACIÓN POR
INTERVALOS
ESTIMACIÓN ESTADÍTICA SE DIVIDE EN
TRES BLOQUES
ESTIMACIÓN
BAYESIANA
WILLIAM SAELY
GOSSET (STUDENT)
JERZY NEYMMAN
THOMAS BAYES

12. ESTIMACIÓN
PUNTUAL
ESTIMACIÓN POR
INTERVALOS
ESTIMACIÓN ESTADÍTICA SE DIVIDE EN
TRES BLOQUES
ESTIMACIÓN
BAYESIANA
WILLIAM SAELY
GOSSET (STUDENT)
JERZY NEYMMAN
THOMAS BAYES

13. Consiste en establecer un valor concreto (punto muestral)
para el V valor del parámetro de una población que es
desconocido.
Ejemplo: La «media aritmética de la muestra» como
estimador del parámetro "media aritmética de la población"
Si se quiere conocer  valor de la media en la población
estimara la muestra
ESTIMACIÓN PUNTUAL1
Nota: Es improbable que el valor
de la estimación coincida con el
verdadero valor del parámetro

14. ESTIMACIÓN
PUNTUAL
ESTIMACIÓN POR
INTERVALOS
ESTIMACIÓN ESTADÍTICA SE DIVIDE EN
TRES BLOQUES
ESTIMACIÓN
BAYESIANA
WILLIAM SAELY
GOSSET (STUDENT)
JERZY NEYMMAN
THOMAS BAYES

15. ESTIMACIÓN POR INTERVALOS2
Es la estimación de una parámetro de la población dado por dos
números entre los cuales se puede considerar que se encuentra
el parámetro.
nota: Las estimaciones por intervalo indican la
precisión de una estimación.
θ 1 < θ < θ2

16. INTERVALOS DE CONFIANZA2.1
INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA
POBLACIÓN NORMAL DE VARIANZA CONOCIDA
El valor de “z” depende de la confianza que se
quiera imprimir a la estimación a realizar.
El error en la estimación está directamente relacionado con la
distribución muestral del estimador y con la varianza poblacional,
e inversamente relacionado con el tamaño muestral.

17. Las estimaciones utilizadas con mayor con mayor frecuencia son
las siguientes: 90%; 95%; 98%; 99%.
Valores de “z” son: 1,64; 1,96; 2,33 y 2,58

18. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA
POBLACIÓN NORMAL CON VARIANZA DESCONOCIDA
Cuando el tamaño muestral es grande, la distribución t es muy similar a
la normal, de forma que pueden intercambiarse los valores críticos
correspondientes. El intervalo de confianza para la media en muestras
grandes se puede escribir como:

19. RESUMEN
POBLACIÓN MUESTRA
ALEATORIA
Estadístico
?
ESTIMACIÓN
PUNTUAL
ESTIMACIÓN POR
INTERVALOS
< >l l
R

21. ESTIMACIÓN
PUNTUAL
ESTIMACIÓN POR
INTERVALOS
ESTIMACIÓN ESTADÍTICA SE DIVIDE EN
TRES BLOQUES
ESTIMACIÓN
BAYESIANA
WILLIAM SAELY
GOSSET (STUDENT)
JERZY NEYMMAN
THOMAS BAYES

22. ESTIMACIÓN BAYESIANA3
 La información a priori respecto al parámetro que tratamos de
estimar  Ignorar la información inicial (a priori), que tenemos
respecto a un parámetro a estimar no es importante si la
muestra es grande, ya que entonces probablemente queremos
despreciar nuestra información a priori sea significativa frente a
los datos.
 La inferencia bayesiana es un procedimiento general para una
inferencia que tenga en cuenta toda la información existente del
problema.

23. CONCLUSIONES
 Una estimación estadística es un proceso mediante el
cual establecemos qué valor debe tener un parámetro
según deducciones que realizamos a partir de datos
estadísticos.
 Estimación por intervalo surge después de construir un
intervalo de posibles valores alrededor de la
estimación puntual por lo tanto se da de forma natural.
 La ventaja que nos ofrece el enfoque Bayesiano es su
complicidad conceptual, su generalidad y la capacidad
de incluir información adicional al proceso de
inferencia.
 Información contenida en la muestra repercutirá en la
calidad y precisión de las estimaciones.