You are on page 1of 5

ESTIMACIN DE PARMETROS.

Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona informacion sobre el valor del parametro. Por ejemplo la media muestral es un estimador de la media poblacional, la proporcion observada en la muestra es un estimador de la proporcion en la poblacion

CRITERIOS PARA ESTIMADOS

ESTIMADOS DE MAX VEROSIMILITUD La estimacin por mxima verosimilitud (conocida tambin como EMV y, en ocasiones, MLE por sus siglas en ingls) es un mtodo habitual para ajustar un modelo y encontrar sus parmetros. El estimador de mxima verosimilitud se usa dentro de un gran nmero de modelos estadsticos:

modelos lineales los modelos lineales generalizados; Anlisis factorial, tanto exploratorio como confirmatorio; anlisis de ecuaciones estructurales; y otras muchas situaciones en el contexto de los tests estadsticos

La idea fundamental de este mtodo es tomar como estimacin del parmetro estudiado el valor que haga mxima la probabilidad de obtener la muestra observada. Para ilustrar este mtodo, imaginemos la siguiente situacin: queremos estimar la probabilidad p de que salga cara en el lanzamiento de una moneda no necesariamente regular.

Para ello procedemos de la siguiente manera: lanzamos la moneda cinco veces y obtenemos la siguiente secuencia: C+CC+ Tal y como hemos planteado el mtodo de mxima verosimilitud es un procedimiento que permite estimar los parmetros de un modelo probabilstico, o los coeficientes de un modelo matemtico, de tal manera que sean los ms probables a partir de los datos obtenidos. Tambin hemos visto que por ello nos permite comparar diferentes modelos, incluyendo o no variables en el mismo. Hay que tener bien claro que en el mtodo adems de intervenir la informacin aportada por los datos, se est postulando un modelo matemtico para stos, como puede ser por ejemplo el modelo logstico o un modelo de supervivencia, y que los parmetros estimados se calculan considerando la informacin aportada por los datos de acuerdo a ese modelo. Si el modelo propuesto no fuera adecuado el mtodo tampoco lo ser. Quiere esto decir que la razn de verosimilitud no nos proporciona informacin suficiente en cuanto a la bondad de ajuste, que habr que verificar convenientemente por otros mtodos.

LEY DE CORRELACION Tambin conocida como diagrama de correlacion-dispersion o correlacin lineal, la ley de correlacin no es ms que una herramienta que permite tener una idea de la relacin que puede existir entre dos datos diferentes. Para poder ver qu relacin existe entre dos datos diferentes se utiliza una grfica cartesiana donde permita introducir la intercepcin de los datos, de esta manera ver la relacin entre ellos, debido a la variedad que existe en los datos, existen variedades de correlaciones.

INTERVALOS DE CONFIANZA En el contexto de estimar un parmetro poblacional, un intervalo de confianza es un rango de valores (calculado en una muestra) en el cual se encuentra el verdadero valor del parmetro, con una probabilidad determinada. La probabilidad de que el verdadero valor del parmetro se encuentre en el intervalo construido se denomina nivel de confianza, y se denota 1- . La probabilidad de equivocarnos se llama nivel de significancia y se simboliza . Generalmente se construyen intervalos con confianza 1- =95% (o significancia =5%). Menos frecuentes son los intervalos con =10% o =1%.

Para construir un intervalo de confianza, se puede comprobar que la distribucin Normal Estndar cumple 1: P(-1.96 < z < 1.96) = 0.95 (lo anterior se puede comprobar con una tabla de probabilidades o un programa computacional que calcule probabilidades normales). Luego, si una variable X tiene distribucin N( , veces se cumple: ), entonces el 95% de las

Despejando

en la ecuacin se tiene:

El resultado es un intervalo que incluye al

el 95% de las veces. Es decir, es cuando la variable X es normal

un intervalo de confianza al 95% para la media y es conocido.

DISTRIBUCIN T-STUDENT En probabilidad y estadstica, la distribucin-t o distribucin t de Student es una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo.

A la teora de pequeas muestras tambin se le llama teora exacta del muestreo, ya que tambin la podemos utilizar con muestras aleatorias de tamao grande. Un concepto necesario para entender la distribucin t-student es lo de grados de libertad, que son los nmeros que se pueden elegir libremente g.l. = k 1, donde k son los parmetros

Caractersticas de la distribucin t de Student 1. Al igual que la distribucin Z, es una distribucin continua 2.- Tiene forma acampanada y simtrica.

DISTRIBUCIN DE CHI La estadstica de Chi-cuadrado es una tcnica que se utiliza para determinar si una distribucin de frecuencias observadas difiere de frecuencias esperadas tericas.

En estadstica, la distribucin chi-cuadrado, tambin denominada ji-cuadrado de Pearson, es una distribucin de probabilidad continua con un parmetro k que representa los grados de libertad de la variable. La prueba de Chi-cuadrado es la tcnica estadstica ms usada para el anlisis de conteo o datos en frecuencias y constituye una prueba til de significacin para muchos problemas.

Las aplicaciones de la distribucin Chi-cuadrado estn constituidas por contraste de hiptesis, donde los datos disponibles para el anlisis, se encuentran en forma de frecuencias (recuento de casos). Estos contrastes toman los nombres

de prueba de bondad de ajuste, prueba de independencia y prueba de homogeneidad.

Caracterstica Chi-Cuadrado. 1.- El valor de chi-cuadrado (2) es siempre positivo porque es una suma de cuadrados. 2.- Vara de 0 a infinito. 3.- Es una familia de distribuciones que dependen de un parmetro : grados de libertad.