Estimacin De Parmetros En una poblacin cuya distribucin es conocida pero desconocemos algn parmetro, podemos estimar dicho parmetro

a partir de una muestra representativa. Un estimador es un valor que puede calcularse a partir de los datos mustrales y que proporciona informacin sobre el valor del parmetro. Por ejemplo la media muestral es un estimador de la media poblacional, la proporcin observada en la muestra es un estimador de la proporcin en la poblacin. Estimacin puntual Una estimacin es puntual cuando se obtiene un slo valor para el parmetro. Los estimadores ms probables en este caso son los estadsticos obtenidos en la muestra, aunque es necesario cuantificar el riesgo que se asume al considerarlos. Recordemos que la distribucin muestral indica la distribucin de los valores que tomar el estimador al seleccionar distintas muestras de la poblacin. Estimaciones de intervalo El propsito de tomar muestras es para conocer ms acerca de una poblacin. Podemos calcular esa informacin a partir de las muestras como estimaciones puntuales, o como estimaciones de intervalo. Una estimacin de intervalo describe un intervalo de valores dentro del cual es posible que est un parmetro de poblacin. Si seleccionamos y representamos grficamente un gran nmero de medias de muestras de una poblacin, la distribucin de tales medias se aproximar a la curva normal. Adems, la media de las medias de muestra ser la misma media de la poblacin. Criterios Para Estimados Estimador Insesgado Sea un estimador puntual de un parmetro. Entonces es insesgado de si de lo contrario se dice que es sesgado. En palabras, un estimador insesgado es aquel cuya media o valor esperado de la distribucin de parmetro estimado. Estimador Eficiente las estimaciones es igual al

Si se consideran todos los estimadores insesgados posibles de algn parmetro aquel con la varianza ms pequea recibe el nombre de estimador mas eficiente de Bsicamente, al comparar la eficiencia relativa entre dos estimadores y se presenta la siguiente razn:

Estimados de Max-Verosimilitud 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. Mtodo de Mnimos Cuadrados Mnimos cuadrados es una tcnica de anlisis numrico enmarcada dentro de la optimizacin matemtica, en la que, dados un conjunto de pares ordenados: variable independiente, variable dependiente, y una familia de funciones, se intenta encontrar la funcin continua, dentro de dicha familia, que mejor se aproxime a los datos (un "mejor ajuste"), de acuerdo con el criterio de mnimo error cuadrtico. Desde un punto de vista estadstico, un requisito implcito para que funcione el mtodo de mnimos cuadrados es que los errores de cada medida estn distribuidos de forma aleatoria. El teorema de Gauss-Mrkov prueba que los estimadores mnimos cuadrticos carecen de sesgo y que el muestreo de datos no tiene que ajustarse, por ejemplo, a una distribucin normal. Tambin es importante que los datos a procesar estn bien escogidos, para que permitan visibilidad en las variables que han de ser resueltas (para dar ms peso a un dato en particular, La tcnica de mnimos cuadrados se usa comnmente en el ajuste de curvas. Muchos otros problemas de optimizacin pueden expresarse tambin en forma de mnimos cuadrados, minimizando la energa o maximizando la entropa. En su forma ms simple, intenta minimizar la suma de cuadrados de las diferencias en las ordenadas (llamadas residuos) entre los puntos generados por la funcin elegida y los correspondientes valores en los datos. Especficamente, se llama

mnimos cuadrados promedio (LMS) cuando el nmero de datos medidos es 1 y se usa el mtodo de descenso por gradiente para minimizar el residuo cuadrado. Se puede demostrar que LMS minimiza el residuo cuadrado esperado, con el mnimo de operaciones (por iteracin), pero requiere un gran nmero de iteraciones para converger. Ley De Correlacin Se llama correlacin a la teora que trata de estudiar la dependencia que existe entre 2 variables que intervienen en una distribucin bidimensional.la correlacin puede ser lineal, o curvilnea, segn que el diagrama de puntos se concentre en torno a una recta, o entorno a una curva la correlacin es funcional, si existe una cierta funcin que satisface todos los valores de la distribucin. Intervalo De Confianza En estadstica, se llama a un par o varios pares de nmeros entre los cuales se estima que estar cierto valor desconocido con una determinada probabilidad de acierto. Formalmente, estos nmeros determinan un intervalo, que se calcula a partir de datos de una muestra, y el valor desconocido es un parmetro poblacional. La probabilidad de xito en la estimacin se representa con 1- y se denomina nivel de confianza. En estas circunstancias, es el llamado error aleatorio o nivel de significacin, esto es, una medida de las posibilidades de fallar en la estimacin mediante tal intervalo. Distribucin t de 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 pequeo. A la teora de pequeas muestras tambin se le l ama teora exacta del muestreo, ya que tambin la podemos utilizar con muestras aleatorias de tamao grande. distribuida cuando el tamao de la muestra es

Distribucin Chi Cuadrado En estadstica, la distribucin (de Pearson), llamada Chi cuadrado o Ji cuadrado, es una distribucin de probabilidad continua con un parmetro k que representa los grados de libertad de la variable aleatoria.

Donde Zi son variables aleatorias normales independientes de media cero y varianza uno. El que la variable aleatoria X tenga esta distribucin se representa habitualmente as:

Es conveniente tener en cuenta que la letra griega se transcribe al latn como chi y se pronuncia en castellano como ji.