Estimación puntual

Una estimación puntual de un parámetro poblacional es cuando se utiliza un único valor para
estimar ese parámetro, es decir, se usa un punto en concreto de la muestra para estimar el valor
deseado.

Ejemplos de estimaciones puntuales son: media muestral, desviación estándar muestral, varianza
muestral, relación proporcional de la muestra, etc.

Nivel de confianza (1-⍺). es la probabilidad de que el parámetro a estimar se encuentre en el

intervalo de confianza. En general, un intervalo de confianza para la media se calcula mediante:

El error estándar de las medias muestrales es la desviación estándar de la distribución de

muestreo de las medias muestrales que se calcula con

𝝈𝒙 es el error estándar de las medias muestrales.

 es la desviación estándar de la población.

n es el tamaño de la muestra.

Si  no se conoce y n ≥ 30, la desviación estándar de la muestra, convierte en:

Algunos estimadores frecuentes son:

 Media muestral, para estimar la media teórica de una variable X

 Proporción muestral, para estimar una proporción p:

, siendo x1, … ,xn, una muestra aleatoria simple de la

variable X∈B(1,p)X∈B(1,p), es decir, son unos o ceros.
  Varianza muestral: para estimar la varianza teórica de una población, se
puede usar la varianza de una muestra:

y también la llamada

 Cuasi-varianza muestral:

que corresponde a la varianza de la muestra, pero dividiendo por n−1, en lugar

de dividir por n. En el capítulo de estadística descriptiva, ya comentamos que el
R, por defecto, al calcular la desviación típica de una muestra, mediante el
comando sd, calcula directamente la cuasi-varianza y luego obtiene la raiz
cuadrada.

Propiedades deseables de un estimador

Las propiedades deseables de un estimador son las siguientes:

 Insesgadez: Un estimador es insesgado cuando la esperanza matemática del este es igual

al parámetro que se desea estimar. Por tanto, la diferencia entre el parámetro a estimar y
la esperanza de nuestro estimador tendría que ser 0.
 Eficiente: Un estimador es más eficiente o tiene la capacidad de estimar de forma precisa
cuando su varianza es reducida. Por lo tanto, ante 2 estimadores, siempre elegiremos el
que tenga una varianza menor.
 Consistencia: Un estimador consistente es aquel que a medida que la medida que la
muestra crece se aproxima cada vez más al valor real del parámetro. Por lo tanto, cuantos
más y valores entran en la muestra, el parámetro estimado será más preciso.