Este documento describe conceptos básicos de estimación estadística como estimación puntual, intervalos de confianza, propiedades de los estimadores y máxima verosimilitud. La estimación puntual implica usar un estadístico como la media muestral para inferir un parámetro poblacional. La estimación por intervalos utiliza conceptos como error de estimación y límites de confianza para obtener un rango donde probablemente se encuentre el parámetro. Las propiedades de los estimadores incluyen sesgo y consistencia. La máxima verosim

1. Propiedades de máxima
verosimilitud

2. ¿Qué es una estimación?
 Se llama estimación al conjunto de técnicas que
permiten dar un valor aproximado de un parámetro
de una población a partir de los datos
proporcionados por una muestra.

3. ¿Estimación puntual ?
 Una estimación es puntual cuando se usa un solo
valor extraído de la muestra para estimar el
parámetro desconocido de la población. Al valor
usado se le llama estimador.
 La media de la población se puede estimar
puntualmente mediante la media de la muestra:
 La proporción de la población se puede estimar
puntualmente mediante la proporción de la muestra:
 La desviación típica de la población se puede
estimar puntualmente mediante la desviación típica
de la muestra, aunque hay mejores estimadores:

4. En que consiste la estimación
puntual
 En utilizar el valor de un estadístico para
Inferir el parámetro de una población.
 Por ejemplo:
Supongamos que la compañía UAEM Seguros desea
estimar la edad media de los compradores de un
seguro de vida entre la edad de . Seleccionan una
muestra de 100 compradores y calculan la media de
esta muestra, este valor será un estimador puntual de
la media de la población.

5. Formula de Poisson

6.  Consiste en la obtención de un intervalo dentro
del cual estará el valor del parámetro estimado
con una cierta probabilidad. En la estimación por
intervalos se usan los siguientes conceptos:

7. Conceptos
Intervalo de
confianza
Variabilidad
del
Parámetro
Error de la
estimación
Límite de
Confianza
Valor α

8. Propiedades de los estimadores
sesgo
Consistencia
Suficiencia

9.  Se basa en la estadística Bayesiana ya que utiliza
propiedades de conjuntos y de probabilidad.
 La probabilidad se define como un cociente entre el
número de eventos posibles.
 Verosimilitud: que tanto se apega a la realidad
 Máxima verosimilitud: el mayor apego a la realidad
 Función de máxima verosimilitud: probabilidad de
obtener la muestra observada dado un valor del
parámetro poblacional.