Papers by Consultor Carlos Miranda
Derivadas universitarias, 2017
Introducción. Recordemos que ya antes habíamos hecho mención de la llamada ESTADISTICA INFERENCIA... more Introducción. Recordemos que ya antes habíamos hecho mención de la llamada ESTADISTICA INFERENCIAL, misma que toma como base la relación que existe entre las muestras y la población, para hacer inferencia de la población a partir de las muestras, es decir, hacer generalizaciones a partir de las muestras. La Estadística Inferencial, pretende resolver dos tipos de problemas que a continuación se describen: 1. La estimación de parámetros poblacionales a partir de los estadísticos maestrales conocidos. 2. La toma de decisiones estadísticas acerca de las pruebas de hipótesis establecidas sobre la población, tomando en base el conocimiento de sus muestras. Todo estadístico muestral se usa para estimar un parámetro de la población y recibe el nombre de ESTIMADOR, es decir, el estimador es un estadístico muestral con el cual se estima un parámetro de la población. Ejemplo: Si θ = μ por lo tanto Ô = µ Cuando observamos un valor numérico específico de nuestro estimador, lo llamamos ESTIMACION, es decir, la estimación es un valor específico observado de un estadístico. Un estadístico, es una variable aleatoria y como tal tiene una función de distribución de probabilidades la que dependerá de cuál es la población y por ende de la Fx (X), de la que se tomó la muestra. Un estimador puntual, es una regla o formula que nos dice como calcular una estimación numérica con base a las determinaciones contenidas en una muestra. El número que resulta del cálculo es una estimación puntual. Un estimador por intervalo, es una fórmula que nos dice cómo utilizar los datos de muestra para calcular un intervalo que estime un parámetro de población. CRITERIOS DE UN BUEN ESTIMADOR 1. IMPARCIALIDAD (INSESGADO). Es aquel cuya esperanza matemática es igual al parámetro que se desea estimar. Un estimador Ô de un parámetro θ es insesgado, si E (Ô) = θ. Si E (Ô) ≠ θ se dice que ese estimador es sesgado. Θ = parámetro de interés Ô = valor estimado del parámetro
Uploads
Papers by Consultor Carlos Miranda