Probabilidad y estadistica

Inferencia Estadística

Es la parte de la estadística matemática que se encarga del estudio de los métodos para la obtención del modelo de probabilidad (forma funcional y parámetros que determinan la función de distribución) que sigue una variable aleatoria de una determinada población, a través de una muestra (parte de la población) obtenida de la misma.
Los dos problemas fundamentales queestudia la inferencia estadística son el "Problema de la estimación" y el "Problema del contraste de hipótesis"
Cuando se conoce la forma funcional de la función de distribución que sigue la variable aleatoria objeto de estudio y sólo tenemos que estimar los parametros que la determinan, estamos en un problema de inferencia estadística paramétrica ; por el contrario cuando no se conoce la formafuncional de la distribución que sigue la variable aleatoria objeto de estudio, estamos ante un problema de inferencia estadística no paramétrica.
Como las poblaciones en las que se pretende estudiar una determinada variable aleatoria, son grandes, es muy caro o imposible, estudiar a todos sus individuos; lo que se hace, es estudiar una muestra ( una parte) de la población
En todos estosproblemas que estudia la inferencia estadística juega un papel fundamental la "Teoría de la Probabilidad" (distintas formas funcionales de las distribuciones de probabilidad) y la "Teoría de Muestras" (procedimientos para tomar muestras de manera apropiada).
Estimación estadística
Se llama estimación al conjunto de técnicas que permiten dar un valor aproximado de un parámetro de una población apartir de los datos proporcionados por una muestra. Por ejemplo, una estimación de la media de una determinada característica de una población de tamaño N podría ser la media de esa misma característica para una muestra de tamaño n.
Estimador
Un estimador de un parámetro poblacional es una función de los datos muéstrales, también llamado estadístico. En pocas palabras, es una fórmula que depende delos valores obtenidos de una muestra, para realizar estimaciones.[3]
Formalmente, si θ es un parámetro poblacional, se dice que es un estimador puntual de θ si,, donde x1,x2,...,xn son las variables aleatorias que integran una muestra aleatoria de tamaño n de la población en cuestión.
Por ejemplo, un estimador de la media poblacional, μ, puede ser la media muestral, , según la siguiente fórmula:Donde (x1, x2,..., xn) sería el conjunto de de datos de la muestra.
El estimador es una variable aleatoria que asigna a cada posible valor de la muestra un valor numérico. Como tal, tiene sentido calcular su esperanza, su varianza y otras características propias de las variables aleatorias.

Estimador eficiente
Un estimador de un parámetro θ es eficiente si su varianza es mínima. Esto haceque haya menos variabilidad entre las distintas estimaciones que podemos obtener (cada muestra dará una estimación diferente). De esta forma, la estimación será más fiable. Hay una cota mínima dentro de las varianzas que se puede obtener para cualquier estimador con un sesgo determinado. Esta cota se llama cota de Cramér-Rao. Si la varianza de un estimador es igual a esta cota, sabremos que suvarianza es mínima, y por tanto, estaremos seguros de que es eficiente. Sin embargo, no siempre esta cota es alcanzable, por lo que no siempre podremos saber si el estimador que hemos utilizado es el más eficiente de todos. Para ello, cuando dudamos entre dos estimadores diferentes, y ninguno de ellos tiene una varianza igual a la cota de Cramér-Rao se utiliza el coeficiente de eficiencia relativa.Estimación puntual
Consiste en la estimación del valor del parámetro mediante un sólo valor, obtenido de una fórmula determinada. Por ejemplo, si se pretende estimar la talla media de un determinado grupo de individuos, puede extraerse una muestra y ofrecer como estimación puntual la talla media de los individuos. Lo más importante de un estimador, es que sea un estimador eficiente. Es decir,...