Tema 3.

ESTIMACIÓ DE PARÀMETRES

BIOESTADÍSTICA
Grau de nutrició humana i dietètica
Universitat Rovira i Virgili

Meritxell Pallejà
meritxell.palleja@urv.cat
 En un estudi d’investigació:
 Primer: Mesurar les variables i estimar els paràmetres
 Segon: Mesurar el grau d’associació entre elles
Estimador i paràmetre
 Un paràmetre és el valor
teòric d’una característica de la
població.
 Valor poblacional
 Teòric
 No calculable
 Exemples:
Mitjana (𝜇)
Proporció / freq. Relativa (𝜋)
Desviació típica (𝜎)
 Un estimador és una funció
dels valors de la mostra que permet
obtenir un valor aproximat d’alguna
característica de la població de la
que s’ha extret la mostra.
 Valor mostral
 Estima el paràmetre
 Calculable
 Exemples:
Mitjana (𝑥 )
Proporció / freq. Relativa (𝑝)
Desviació típica (𝑠)
Estimador
 El valor de l’estimador ve condicionat per la mostra
seleccionada
 Què passa si calculem el valor estimat de la mitjana
de diferents mostres provinents de la mateixa
població? Obtindrem el mateix resultat?
És evident que no.
 Exemple, el valor poblacional de la mitjana de l’edat
és 𝜇 = 20. Seleccionem aleatòriament 3 mostres
d’aquesta població i obtenim els següents resultats:
𝑥1 = 19,5 𝑥2 = 21,3 𝑥1 = 18,9
Estimador
 No podem dir que el valor de l’estimador és un valor
constant.
 L’estimador depèn dels valors de la mostra
seleccionada, però la mostra ha estat seleccionada
de forma aleatòria.

L’estimador és una variable aleatòria

Característiques d’un bon estimador
Les característiques desitjables de l’estimador són:
 Consistència: Augmentant la mida de la mostra
guanyem consistència, el valor estimat s’aproxima al
valor poblacional.
P(cara) 1

0,8

0,6

0,4

0,2

0
0 50 100 150 200 (N)
Característiques d’un bon estimador
 Sense biaix: El valor mig que s’obté de l’estimació
per diferents mostres, ha de ser semblant al valor del
paràmetre.
 Eficiència: La diferència entre els valors estimats i el
valor poblacional (la dispersió) ha de ser mínima.
 Suficiència: L’estimador ha d’aprofitar tota la
informació existent de la mostra.
Objectiu d’un bon estimador
 L’objectiu és estimar els paràmetres d’una població
amb el menor error possible, és a dir, aconseguir la
màxima exactitud.
 L’exactitud té dos components:
 Precisió
Falta de precisió Falta de validesa
 Validesa
Tipus d’errors
Errors aleatoris: Errors sistemàtics:
 Es produeixen per  Es produeixen per
variacions que variacions causades per
succeeixen per degudes una mala mesura de la
a l’atzar. variable o un mal disseny.
 Determinen el grau de  Tendeixen a desviar-se

precisió de la veritat en el mateix

sentit.
 Falta de validesa
Tipus d’errors
Exemples
Errors aleatoris: Errors sistemàtics:
 Error al extreure una  Defectes en l’instrument de

mostra per obtenir-ne mesura.

resultats que s’apliquen a Si una bascula no esta ben
tota la població. Se’n calibrada tindrem un error
diuen errors de mostreig. sistemàtic en el càlcul de la
 L’error de mostreig és variable “pes”
aleatori sempre que la  Tendència errònia de

mostra s’hagi seleccionat a l’observador

l’atzar.
Tipus d’errors
CARACTERÍSTIQUES
Errors aleatoris: Errors sistemàtics:
 Impredictible  Predictible

 Simètric  Asimètric

 Inevitable, però  Evitable, es pot identificar

mesurable i corregir
 Falta de precisió  Falta de validesa

Si una variable té un error

sistemàtic diem que és una
variable esbiaixada, o que
té biaix.
Tipus d’errors
Com controlem aquests errors?
Errors aleatoris:
 No poden ser eliminats

 Els podem estimar i intentar reduir. Com?

 Augmentant la mida de la mostra

 Fent dissenys més eficients, d’on en tinguem més
informació sense incrementar la N.
 L’estadística estima i controla l’error aleatori
mitjançant dos procediments:
 Intervals de confiança
 Proves de contrast d’hipòtesis
Tipus d’errors
Com controlem aquests errors?
Errors sistemàtics:
 Només es poden modificar i solucionar, canviant

l’instrument de mesura o el que provoca l’error.

 L’epidemiologia s’ocupa preferentment de prevenir i

controlar els biaixos i errors sistemàtics a traves de:

 Un correcte disseny de les investigacions
 Bones estratègies de recollida de dades