Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad

Estimación Estadística: Concepto, Tipos y Métodos, Esquemas y mapas conceptuales de Estadística Inferencial

Este documento pertenece a la materia de Estadística Inferencial de la carrera de Ingeniería Industrial del IT Vallé de Etla. El texto aborda el tema de las estimaciones estadísticas, su significado, tipos y métodos. Se incluyen conceptos básicos como la estimación puntual y los estimadores por intervalos, así como los métodos de los momentos y máxima verosimilitud.

Tipo: Esquemas y mapas conceptuales

2020/2021

Subido el 18/10/2021

secrets-motel
secrets-motel 🇲🇽

1 documento

1 / 17

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
INSTITUTO TECNOLÓGICO DEL VALLE DE ETLA
INGENIERÍA INDUSTRIAL
ESTADISTICA INFERENCIAL
“ESTIMACIONES
3° SEMESTRE
PROFESOR: JULIO EDUARDO DE LA CRUZ ORTÍZ
ALUMNO: ADOLFO ANGEL VASQUEZ SAN JUAN
OAXACA DE JUÁREZ SEPTIEMBRE DE 2021
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe
pff

Vista previa parcial del texto

¡Descarga Estimación Estadística: Concepto, Tipos y Métodos y más Esquemas y mapas conceptuales en PDF de Estadística Inferencial solo en Docsity!

INSTITUTO TECNOLÓGICO DEL VALLE DE ETLA

INGENIERÍA INDUSTRIAL

ESTADISTICA INFERENCIAL

“ESTIMACIONES”
3° SEMESTRE
PROFESOR: JULIO EDUARDO DE LA CRUZ ORTÍZ
ALUMNO: ADOLFO ANGEL VASQUEZ SAN JUAN
OAXACA DE JUÁREZ SEPTIEMBRE DE 2021

INTRODUCCIÓN

  • (^) Por medio de esta actividad podremos indagar acerca del significado de estimaciones, todos

los datos que son necesarios para su correcto entendimiento, todos los subtemas y términos

que abarca al tratar de estudiar este tema, espero poder comprender e interpretar la

información que aquí se aborda. Buscaré ser lo más preciso al interpretar y analizar el

contenido para no generar conflicto, buscando por otro lado completar los objetivos que

tenemos marcados dentro de la unidad.

  • (^) La estimación estadística es el proceso mediante el cual intentamos determinar el valor de un

parámetro de la población, todo esto sin hacer un censo y a partir de la información de una

muestra. Una estimación, en concreto, es el valor numérico que asignamos a un parámetro, y

el estimador es el estadístico de la muestra utilizado para hacer una estimación.

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. Cuando estimamos un parámetro de forma puntual, podemos saber con certeza, cual es ese valor.
  • (^) El estadístico que se utiliza para obtener una estimación puntual recibe el nombre de estimador.
  • Estimador consistente. Cuando un estimador se aproxima al parámetro de la poblaci6n que se va a estimar, aumentando el tamaño de la muestra, se dice que el estimador es consistente del parámetro.
  • (^) Estimador eficiente. Si las distribuciones de dos estadisticos tienen la misma media, el de menor varianza se llama un estimador eficiente. d) Estimador suficiente. Un estadistico suficiente (tal como p-) es un estimador que x utiliza toda la informacion que posee una muestra sobre el parametro que se estima.
  • (^) Estimador suficiente. Un estadistico suficiente (tal como p-) es un estimador que x utiliza toda la informacion que posee una muestra sobre el parametro que se estima.

MÉTODOS DE ESTIMACIÓN PUNTUAL

  • (^) Método de los momentos: consiste en igualar momentos poblacionales a momentos muestrales. Deberemos tener tantas igualdades como parámetros a estimar.
  • (^) Método de máxima verosimilitud: consiste en tomar como valor del parámetro aquel que maximice la probabilidad de que ocurra la muestra observada.
  • (^) En el se da un intervalo de cuyos extremos son funciones de la muestra, variables aleatorias

entre las cuales con determinada probabilidad se halla el parámetro a estimar.

  • (^) Para el estudio de las distribuciones muestrales realizadas anteriormente, sabemos que

algunas estimaciones estarán más cerca del parámetro que se está calculando que otras.

  • (^) Sin embargo, no sabemos qué tan cerca está nuestra única estimación puntual del parámetro

verdadero. Incluso, en una situación determinada, podemos considerar sumamente

improbable que la estimación puntual sea exactamente igual al parámetro, pero no estamos

en condiciones de decir en cuánto nos hemos

  • (^) Sea θ un parámetro desconocido. Supongamos que, con ayuda de la información muestral,

podemos encontrar dos variables aleatorias, U y V, con U menor que V, tales que P(U<θ<V)=

—a, para un a € (0,1).

  • (^) La fracción 1— a recibe el nombre de GRADO DE CONFIANZA, «+ se llama NIVEL DE SIGNIFICANCIA y el intervalo de U hasta V es un ESTIMADOR POR INTERVALOS de 0 del (1—0)100%. (0)
  • (^) Si u y v representan un valor particular de U y V, respectivamente, entonces, el intervalo de u a v se denomina INTERVALO DE CONFIANZA del (1 — 0)100% para 6.

CONCLUSIÓN

  • (^) Para esta investigación pudimos indagar acerca de que es una estimación, las ocasiones donde debemos de aplicarlo, las ventajas que nos ofrecen cada uno de sus submétodos, en general aprendí que es una gran herramienta en caso de requerir un parámetro de cierta población determinada todo sin recurrir al censo o muestra.

FUENTES DE CONSULTA

  • (^) Llinás Solano, H. Estadística Inferencial. Barranquilla: Universidad del Norte, 2017. p. https://elibro.net/es/ereader/itvalletla/70060?page=
  • (^) Matus, R. Estadística. México: Instituto Politécnico Nacional, 2010. p. https://elibro.net/es/ereader/itvalletla/76119?page=