viernes, 15 de junio de 2012

5.2 Estimaciones puntuales y por intervalos de confianza

ESTIMACIÓN PUNTUAL
Consiste en la estimación del valor del parámetro mediante un sólo valor, obtenido de una fórmula determinada. Por ejemplo, si se pretende estimar la talla media de un determinado grupo de individuos, puede extraerse una muestra y ofrecer como estimación puntual la talla media de los individuos. Lo más importante de un estimador, es que sea un estimador eficiente. Es decir, que sea insesgado(ausencia de sesgos) y estable en el muestreo o eficiente (varianza mínima)

ESTIMACIÓN POR INTERVALOS DE CONFIANZA
En estadística, se llama intervalo de confianza a un par de números entre los cuales se estima que estará cierto valor desconocido con una determinada probabilidad de acierto. Formalmente, estos números determinan un intervalo, que se calcula a partir de datos de una muestra, y el valor desconocido es un parámetro poblacional. La probabilidad de éxito en la estimación se representa con 1 - α y se denomina nivel de confianza. En estas circunstancias, α es el llamado error aleatorio o nivel de significación, esto es, una medida de las posibilidades de fallar en la estimación mediante tal intervalo.
El nivel de confianza y la amplitud del intervalo varían conjuntamente, de forma que un intervalo más amplio tendrá más posibilidades de acierto (mayor nivel de confianza), mientras que para un intervalo más pequeño, que ofrece una estimación más precisa, aumentan sus posibilidades de error.
Para la construcción de un determinado intervalo de confianza es necesario conocer la distribución teórica que sigue el parámetro a estimar, θ. Es habitual que el parámetro presente una distribución normal. También pueden construirse intervalos de confianza con ladesigualdad de Chebyshov.
En definitiva, un intervalo de confianza al 1 - α por ciento para la estimación de un parámetro poblacional θ que sigue una determinada distribución de probabilidad, es una expresión del tipo [θ1,θ2] tal que P[θ1 ≤ θ ≤ θ2] = 1 - α, donde P es la función de distribución de probabilidad de θ.

Intervalo de confianza para la media de una población

De una población de media \mu y desviación típica \sigma se pueden tomar muestras de n elementos. Cada una de estas muestras tiene a su vez una media (\bar{x}). Se puede demostrar que la media de todas las medias muestrales coincide con la media poblacional: \mu_{\bar{x}} = \mu
Pero además, si el tamaño de las muestras es lo suficientemente grande, la distribución de medias muestrales es, prácticamente, una distribución normal (o gaussiana) con media μ y una desviación típica dada por la siguiente expresión: \sigma_{\bar{x}} = \frac{\sigma}{\sqrt{n}}. Esto se representa como sigue: \bar{X} \sim N(\mu, \frac{\sigma}{\sqrt{n}}). Si estandarizamos, se sigue que: \frac{\bar{X} - \mu}{\frac{\sigma}{\sqrt{n}}}=Z \sim N(0, 1)
En una distribución Z ~ N(0, 1) puede calcularse fácilmente un intervalo dentro del cual caigan un determinado porcentaje de las observaciones, esto es, es sencillo hallar z1 y z2 tales que P[z1 ≤ z ≤ z2] = 1 - α, donde (1 - α)·100 es el porcentaje deseado.
Se desea obtener una expresión tal que P\left[\mu_1 \le \mu \le \mu_2\right] = 1 - \alpha
En esta distribución normal de medias se puede calcular el intervalo de confianza donde se encontrará la media poblacional si sólo se conoce una media muestral (\bar{x}), con una confianza determinada. Habitualmente se manejan valores de confianza del 95 y del 99 por ciento. A este valor se le llamará 1 - \alpha (debido a que \alpha es el error que se cometerá, un término opuesto).
Para ello se necesita calcular el punto X_{\alpha/2} —o, mejor dicho, su versión estandarizada Z_{\alpha/2} o valor crítico— junto con su "opuesto en la distribución" X_{-\alpha/2}. Estos puntos delimitan la probabilidad para el intervalo, como se muestra en la siguiente imagen:
ConfIntervNormalP.png
Dicho punto es el número tal que:
\mathbb{P}[\bar{x} \ge X_{\alpha/2}] = \mathbb{P}[z \ge z_{\alpha/2}] = \alpha/2
Y en la versión estandarizada se cumple que:
z_{-\alpha/2} = -z_{\alpha/2}
Así:
\mathbb{P}\left[-z_{\alpha/2} \le \frac{\bar{x} - \mu}{\frac{\sigma}{\sqrt{n}}} \le z_{\alpha/2}\right] = 1 - \alpha
Haciendo operaciones es posible despejar \mu para obtener el intervalo:
\mathbb{P}\left[\bar{x} - z_{\alpha/2}\frac{\sigma}{\sqrt{n}} \le \mu \le \bar{x} + z_{\alpha/2}\frac{\sigma}{\sqrt{n}}\right] = 1 - \alpha
De lo cual se obtendrá el intervalo de confianza:
(\bar{x} - z_{\alpha/2}\frac{\sigma}{\sqrt{n}}, \bar{x} + z_{\alpha/2}\frac{\sigma}{\sqrt{n}})
Obsérvese que el intervalo de confianza viene dado por la media muestral (\bar{x}) ± el producto del valor crítico Z_{\alpha/2} por el error estándar (\frac{\sigma}{\sqrt{n}}).
Si no se conoce \sigma y n es grande (habitualmente se toma n ≥ 30):
(\bar{x} - z_{\alpha/2}\frac{s}{\sqrt{n}}, \bar{x} + z_{\alpha/2}\frac{s}{\sqrt{n}}), donde s es la desviación típica de una muestra.
Aproximaciones para el valor z_{\alpha/2} para los niveles de confianza estándar son 1,96 para 1 - \alpha = 95% y 2,576 para 1 - \alpha = 99%.

No hay comentarios:

Publicar un comentario en la entrada