Estimadores:
Un estimador es una función de los datos de una muestra utilizada para aproximar el valor de un parámetro desconocido de la población total. En decir, es el procedimiento estadístico realizado a una muestra con el fin de conocer el comportamiento de los parámetros que describen a toda la población, haciendo posible su estudio.
A partir de los estimadores se pueden calcular diversas medidas descriptivas, como la media,la varianza, la desviación estándar, la proporción, la mediana, la moda, entre otros.
Objetivo del estudio: El presente trabajo manipula la información de 13687 estudiantes que se matricularon en la Universidad Surcolombiana en el año 2021, con el fin de determinar la relación existente entre las variables de renta (Lo que declara cada estudiante) y el valor de matrícula.
Descripción de la base de datos: La siguiente tabla presenta la información de los 13687 estudiantes, organizada en 5 columnas: No., que identifica a cada estudiante, Sede-Programa, que indica el lugar y el programa acadpemico en el que se matriculó; estrato; renta y Valor de matrícula.
#Se realiza la carga de la base de datos:
library(readxl)
#en el paréntesis depende del tipo de archivo
#Cargar base de datos
estudio <- read_excel("C:/Users/USUARIO/OneDrive/Desktop/Esp. Estadística/Inferencia estadística/Base de datos.xlsx", sheet=1)
# Mostrar las primeras filas y el resumen en el documento final
head(estudio)
## # A tibble: 6 × 5
## No `Sede-Programa(Jornada)` Estrato Renta `Valor Matricula`
## <dbl> <chr> <dbl> <dbl> <dbl>
## 1 1 NEIVA - LICENCIATURA EN LITERATURA Y L… 1 8.85e6 307909
## 2 2 LA PLATA - PSICOLOGIA 1 4.80e6 287764
## 3 3 NEIVA - ADMINISTRACION DE EMPRESAS (DI… 2 3.01e7 1564376
## 4 4 NEIVA - INGENIERIA DE PETROLEOS 2 1.04e7 709779
## 5 5 NEIVA - ENFERMERIA 2 4.95e7 1188128
## 6 6 NEIVA - ECONOMIA 3 1.11e8 1899080
Se realiza la estadística descriptiva de la base de datos:
summary(estudio)
## No Sede-Programa(Jornada) Estrato Renta
## Min. : 1 Length :13687 Min. :0.000 Min. :1.154e+05
## 1st Qu.: 3422 N.unique : 55 1st Qu.:1.000 1st Qu.:7.392e+06
## Median : 6844 N.blank : 0 Median :2.000 Median :9.858e+06
## Mean : 6844 Min.nchar: 14 Mean :1.667 Mean :2.419e+07
## 3rd Qu.:10266 Max.nchar: 95 3rd Qu.:2.000 3rd Qu.:1.978e+07
## Max. :13687 Max. :7.000 Max. :3.796e+09
## Valor Matricula
## Min. : 117922
## 1st Qu.: 381626
## Median : 420386
## Mean : 632519
## 3rd Qu.: 700004
## Max. :3776068
Ahora, para iniciar el estudio de la población, se realiza la estadística inferencial a las variables de interés: Renta y Valor de matrícula:
#Media
mean_pob <- mean(estudio$Renta)
#Varianza
var_pob <- function(x) var(x) * (length(x)-1) / length (x)
#Desviación estándar
sd_pob <- function(x) sqrt(var_pob(x))
Var_poblacional <- var_pob(estudio$Renta)
Sd_poblacional <- sd_pob(estudio$Renta)
mean_pob
## [1] 24194469
Var_poblacional
## [1] 5.190375e+15
Sd_poblacional
## [1] 72044254
#Media
mean_pob1 <- mean(estudio$"Valor Matricula")
#Varianza
var_pob <- function(x) var(x) * (length(x)-1) / length (x)
#Desviación estándar
sd_pob <- function(x) sqrt(var_pob(x))
Var_poblacional1 <- var_pob(estudio$"Valor Matricula")
Sd_poblacional1 <- sd_pob(estudio$"Valor Matricula")
mean_pob1
## [1] 632518.9
Var_poblacional1
## [1] 2.07646e+11
Sd_poblacional1
## [1] 455681.9
Para visualizar de forma clara los valores obtenidos, se organizan los datos:
Resultados <- data.frame(
Variable = c("Renta", "Renta", "Renta",
"Valor matrícula", "Valor matrícula", "Valor matrícula"),
Parámetro = c("Media", "Desviación estándar", "Varianza",
"Media", "Desviación estándar", "Varianza"),
Valor = c(mean_pob, Sd_poblacional, Var_poblacional,
mean_pob1, Sd_poblacional1, Var_poblacional1)
)
library(knitr)
## Warning: package 'knitr' was built under R version 4.6.2
library(kableExtra)
## Warning: package 'kableExtra' was built under R version 4.6.2
En la siguiente tabla se presentan los resultados de la estadística descriptiva realizada a toda la población.
kable(
Resultados,
caption = "Estadísticos descriptivos para toda la población",
digits = 2,
col.names = c("Variable", "Parámetro", " "),
align = "c"
) %>%
kable_styling(
full_width = FALSE,
position = "center"
) %>%
collapse_rows(
columns = 1,
valign = "middle"
)
| Variable | Parámetro | |
|---|---|---|
| Renta | Media | 2.419447e+07 |
| Desviación estándar | 7.204425e+07 | |
| Varianza | 5.190375e+15 | |
| Valor matrícula | Media | 6.325189e+05 |
| Desviación estándar | 4.556819e+05 | |
| Varianza | 2.076460e+11 |
Ahora, se realizará la determinación de la muestra haciendo uso de la siguiente ecuación y considerando los siguientes parámetros:
\[ n = \frac{N Z^2_{1-\alpha/2} p q} {e^2 (N-1) + Z^2_{1-\alpha/2} p q} \]
N <- 13687
Z <- 1.96
p <- 0.50
q <- 1-p
e <- 0.05
n <- (N * Z^2 * p * q) / (e^2 * (N-1) + Z^2 * p * q)
n
## [1] 373.6985
n1 <- ceiling(n) #Aproxima el valor al siguiente número entero.
n1
## [1] 374
De acuerdo a esto, el tamaño de la muestra es de 374 personas.
Luego de calcular el tamaño de muestra, se introduce la base de datos de la muestra:
#Se realiza la carga de la base de datos:
library(readxl)
#en el paréntesis depende del tipo de archivo
#Cargar base de datos
estudio1 <- read_excel("C:/Users/USUARIO/OneDrive/Desktop/Esp. Estadística/Inferencia estadística/Base de datos.xlsx", sheet=2)
# Mostrar las primeras filas y el resumen en el documento final
head(estudio1)
## # A tibble: 6 × 5
## No `Sede-Programa(Jornada)` Estrato Renta `Valor Matricula`
## <dbl> <chr> <dbl> <dbl> <dbl>
## 1 1 NEIVA - LICENCIATURA EN LITERATURA Y L… 1 8.85e6 307909
## 2 2 LA PLATA - PSICOLOGIA 1 4.80e6 287764
## 3 3 NEIVA - ADMINISTRACION DE EMPRESAS (DI… 2 3.01e7 1564376
## 4 4 NEIVA - INGENIERIA DE PETROLEOS 2 1.04e7 709779
## 5 5 NEIVA - ENFERMERIA 2 4.95e7 1188128
## 6 6 NEIVA - ECONOMIA 3 1.11e8 1899080
Se realiza la estadística descriptiva a la población muestra:
#Se calculan la estadística a la base de datos
summary(estudio1)
## No Sede-Programa(Jornada) Estrato Renta
## Min. : 1.00 Length :374 Min. :1.000 Min. :2.400e+06
## 1st Qu.: 94.25 N.unique : 50 1st Qu.:1.000 1st Qu.:7.680e+06
## Median :187.50 N.blank : 0 Median :2.000 Median :9.980e+06
## Mean :187.50 Min.nchar: 14 Mean :1.717 Mean :3.056e+07
## 3rd Qu.:280.75 Max.nchar: 69 3rd Qu.:2.000 3rd Qu.:2.210e+07
## Max. :374.00 Max. :4.000 Max. :1.006e+09
## Valor Matricula
## Min. : 256230
## 1st Qu.: 384701
## Median : 429528
## Mean : 672091
## 3rd Qu.: 738137
## Max. :2571297
#Ahora, se realizará la estadística inferencial a la variable Renta de la población de estudio.
#Media
mean(estudio1$Renta)
## [1] 30558249
#Varianza
var(estudio1$Renta)
## [1] 7.053635e+15
#Desviación estándar
sd(estudio1$Renta)
## [1] 83985919
#Ahora, se realizará la estadística inferencial a la variable Valor Matricula de la población de estudio.
#Media
mean(estudio1$"Valor Matricula")
## [1] 672090.7
#Varianza
var(estudio1$"Valor Matricula")
## [1] 274122354256
#Desviación estándar
sd(estudio1$"Valor Matricula")
## [1] 523567
Se organizan los datos para realizar la tabla con las estimaciones correspondientes:
Resultados1 <- data.frame(
Variable = c(
"Renta", "Renta", "Renta",
"Valor matrícula", "Valor matrícula", "Valor matrícula"
),
Parámetro = c(
"Media", "Desviación estándar", "Varianza",
"Media", "Desviación estándar", "Varianza"
),
Valor = c(
mean(estudio1$Renta, na.rm = TRUE),
sd(estudio1$Renta, na.rm = TRUE),
var(estudio1$Renta, na.rm = TRUE),
mean(estudio1$`Valor Matricula`, na.rm = TRUE),
sd(estudio1$`Valor Matricula`, na.rm = TRUE),
var(estudio1$`Valor Matricula`, na.rm = TRUE)
)
)
library(knitr)
library(kableExtra)
En la siguiente tabla se presentan los resultados de la estadística descriptiva realizada a los elementos de la muestra 1:
kable(
Resultados1,
caption = "Estadísticos descriptivos para la muestra 1",
digits = 2,
col.names = c("Variable", "Estimación", " "),
align = "c"
) %>%
kable_styling(
full_width = FALSE,
position = "center"
) %>%
collapse_rows(
columns = 1,
valign = "middle"
)
| Variable | Estimación | |
|---|---|---|
| Renta | Media | 3.055825e+07 |
| Desviación estándar | 8.398592e+07 | |
| Varianza | 7.053635e+15 | |
| Valor matrícula | Media | 6.720907e+05 |
| Desviación estándar | 5.235670e+05 | |
| Varianza | 2.741224e+11 |
# Extraer las variables de la población
renta_pob <- na.omit(estudio$Renta)
matricula_pob <- na.omit(estudio[["Valor Matricula"]])
# Extraer las variables de la muestra
renta_muestra <- na.omit(estudio1$Renta)
matricula_muestra <- na.omit(estudio1[["Valor Matricula"]])
# Crear tabla comparativa
Resultados <- data.frame(
Variable = rep(c("Renta", "Valor matrícula"), each = 3),
Parámetro = rep(
c("Media", "Desviación estándar", "Varianza"),
times = 2
),
Valor = c(
mean(renta_pob),
sd(renta_pob) * sqrt((length(renta_pob)-1)/length(renta_pob)),
var(renta_pob) * (length(renta_pob)-1)/length(renta_pob),
mean(matricula_pob),
sd(matricula_pob) * sqrt((length(matricula_pob)-1)/length(matricula_pob)),
var(matricula_pob) * (length(matricula_pob)-1)/length(matricula_pob)
),
Estimador = rep(
c("Media", "Desviación estándar", "Varianza"),
times = 2
),
Valor_muestra = c(
mean(renta_muestra),
sd(renta_muestra),
var(renta_muestra),
mean(matricula_muestra),
sd(matricula_muestra),
var(matricula_muestra)
)
)
Resultados %>%
kable(
caption = "Comparación de parámetros poblacionales y estimadores muestrales",
digits = 2,
col.names = c(
"Variable",
"Parámetro",
"Población",
"Estimador",
"Muestra"
),
align = "c"
) %>%
kable_styling(
full_width = TRUE,
position = "center"
) %>%
collapse_rows(
columns = 1,
valign = "middle"
)
| Variable | Parámetro | Población | Estimador | Muestra |
|---|---|---|---|---|
| Renta | Media | 2.419447e+07 | Media | 3.055825e+07 |
| Desviación estándar | 7.204425e+07 | Desviación estándar | 8.398592e+07 | |
| Varianza | 5.190375e+15 | Varianza | 7.053635e+15 | |
| Valor matrícula | Media | 6.325189e+05 | Media | 6.720907e+05 |
| Desviación estándar | 4.556819e+05 | Desviación estándar | 5.235670e+05 | |
| Varianza | 2.076460e+11 | Varianza | 2.741224e+11 |
A partir de los resultados presentados en la tabla, se observa que las variables Renta y Valor de matrícula cuentan con medidas de tendencia central y dispersión que permiten describir su comportamiento tanto en la población como en la muestra.
La media permite identificar el valor promedio de cada variable, mientras que la desviación estándar y la varianza permiten analizar el grado de dispersión o variabilidad de los datos respecto a su promedio.
En términos generales, la variable Renta presenta una alta dispersión en sus valores, lo que indica que los ingresos tienen un comportamiento heterogéneo dentro del conjunto de datos. Por su parte, el Valor de matrícula también presenta variabilidad, aunque sus valores se concentran en una escala monetaria menor.
Estas medidas estadísticas permiten caracterizar el comportamiento de las variables estudiadas y proporcionan una base para comprender la distribución de los datos y desarrollar análisis posteriores sobre la población objeto de estudio.
Por otro lado, con el fin de corroborar el estudio realizado, se toma otra muestra de estudio de la población total; para ello, se carga la base de datos de la muestra 2, siguiendo los mismos pasos anteriores:
library(readxl)
#en el paréntesis depende del tipo de archivo
#Cargar base de datos
estudio2 <- read_excel("C:/Users/USUARIO/OneDrive/Desktop/Esp. Estadística/Inferencia estadística/Base de datos.xlsx", sheet=3)
# Mostrar las primeras filas y el resumen en el documento final
head(estudio2)
## # A tibble: 6 × 5
## No `Sede-Programa(Jornada)` Estrato Renta `Valor Matricula`
## <dbl> <chr> <dbl> <dbl> <dbl>
## 1 375 NEIVA - LICENCIATURA EN LENGUA CASTELL… 1 2.63e7 474286
## 2 376 NEIVA - DERECHO (DIURNA) 1 7.20e6 381626
## 3 377 NEIVA - LICENCIATURA EN LENGUA CASTELL… 1 9.60e6 392884
## 4 378 LA PLATA - PSICOLOGIA 1 5.04e6 303520
## 5 379 NEIVA - LICENCIATURA EN EDUCACION FISI… 1 5.35e6 473048
## 6 380 NEIVA - LICENCIATURA EN EDUCACION FISI… 1 1.67e8 473048
Se realiza la estadística descriptiva a la población muestra 2:
#Se calculan la estadística a la base de datos
summary(estudio2)
## No Sede-Programa(Jornada) Estrato Renta
## Min. :375.0 Length :374 Min. :1.000 Min. : 1900000
## 1st Qu.:468.2 N.unique : 52 1st Qu.:1.000 1st Qu.: 7940000
## Median :561.5 N.blank : 0 Median :2.000 Median : 9938696
## Mean :561.5 Min.nchar: 14 Mean :1.714 Mean : 27787885
## 3rd Qu.:654.8 Max.nchar: 95 3rd Qu.:2.000 3rd Qu.: 23058548
## Max. :748.0 Max. :5.000 Max. :925649000
## Valor Matricula
## Min. : 274166
## 1st Qu.: 385477
## Median : 423259
## Mean : 659549
## 3rd Qu.: 710461
## Max. :2544864
Se realiza la estadística inferencial a la variable Renta de la muestra 2.
#Media
mean(estudio2$Renta)
## [1] 27787885
#Varianza
var(estudio2$Renta)
## [1] 4.336725e+15
#Desviación estándar
sd(estudio2$Renta)
## [1] 65853817
Se realiza la estadística inferencial a la variable Valor Matricula de la muestra 2.
#Media
mean(estudio2$"Valor Matricula")
## [1] 659549.3
#Varianza
var(estudio2$"Valor Matricula")
## [1] 237254685573
#Desviación estándar
sd(estudio2$"Valor Matricula")
## [1] 487088
Se realizan las estimaciones correspondientes:
Resultados2 <- data.frame(
Variable = c(
"Renta", "Renta", "Renta",
"Valor matrícula", "Valor matrícula", "Valor matrícula"
),
Parámetro = c(
"Media", "Desviación estándar", "Varianza",
"Media", "Desviación estándar", "Varianza"
),
Valor = c(
mean(estudio2$Renta, na.rm = TRUE),
sd(estudio2$Renta, na.rm = TRUE),
var(estudio2$Renta, na.rm = TRUE),
mean(estudio2$`Valor Matricula`, na.rm = TRUE),
sd(estudio2$`Valor Matricula`, na.rm = TRUE),
var(estudio2$`Valor Matricula`, na.rm = TRUE)
)
)
Resultados$Valor_muestra2 <- Resultados2$Valor
# Parámetros poblacionales con su símbolo
Resultados$Parámetro <- rep(
c("Media (μ)", "Desviación estándar (σ)", "Varianza (σ²)"),
times = 2
)
# Estimadores muestrales con su símbolo
Resultados$Estimador <- rep(
c("Media muestral (x̄)", "Desviación estándar muestral (s)", "Varianza muestral (s²)"),
times = 2
)
Resultados %>%
kable(
caption = "Comparación de parámetros poblacionales y estimadores muestrales",
digits = 2,
format.args = list(big.mark = ".", decimal.mark = ",", scientific = FALSE),
col.names = c(
"Variable",
"Parámetro",
"Valor (población)",
"Estimador",
"Muestra 1",
"Muestra 2"
),
align = "c"
) %>%
kable_styling(
full_width = TRUE,
position = "center"
) %>%
collapse_rows(
columns = 1,
valign = "middle"
)
| Variable | Parámetro | Valor (población) | Estimador | Muestra 1 | Muestra 2 |
|---|---|---|---|---|---|
| Renta | Media (μ) | 24.194.469,1 | Media muestral (x̄) | 30.558.249,1 | 27.787.885,3 |
| Desviación estándar (σ) | 72.044.254,2 | Desviación estándar muestral (s) | 83.985.919,4 | 65.853.817,3 | |
| Varianza (σ²) | 5.190.374.558.817.956,0 | Varianza muestral (s²) | 7.053.634.659.857.331,0 | 4.336.725.252.007.044,5 | |
| Valor matrícula | Media (μ) | 632.518,9 | Media muestral (x̄) | 672.090,7 | 659.549,3 |
| Desviación estándar (σ) | 455.681,9 | Desviación estándar muestral (s) | 523.567,0 | 487.088,0 | |
| Varianza (σ²) | 207.646.023.497,3 | Varianza muestral (s²) | 274.122.354.255,8 | 237.254.685.573,0 |
A partir de la tabla, se presentan las medidas estadísticas de las variables Renta y Valor de matrícula, considerando los parámetros poblacionales y los estimadores obtenidos a partir de dos muestras. Los resultados de las dos muestras permiten observar el comportamiento de los estimadores muestrales y cómo las medidas estadísticas describen las características de los datos seleccionados. En conjunto, estos resultados proporcionan información relevante para caracterizar las variables de estudio y sirven como punto de partida para realizar otros análisis estadísticos relacionados con el comportamiento de la población.
PROPIEDADES DE LOS ESTIMADORES:
\[ E(\hat{\theta}) = \theta \]
En este caso sólo se tendrá en cuenta el resultado de la muestra y el resultado de la población total:
# Valor matrícula (muestra1 - población)
diferencia1 <- mean(estudio1$"Valor Matricula") - mean_pob1
diferencia1
## [1] 39571.86
diferencia2 <- var(estudio1$"Valor Matricula") - Var_poblacional1
diferencia2
## [1] 66476330759
diferencia3 <- sd(estudio1$"Valor Matricula") - Sd_poblacional1
diferencia3
## [1] 67885.02
# Renta (muestra1 - población)
diferencia4 <- mean(estudio1$Renta) - mean_pob
diferencia4
## [1] 6363780
diferencia5 <- var(estudio1$Renta) - Var_poblacional
diferencia5
## [1] 1.86326e+15
diferencia6 <- sd(estudio1$Renta) - Sd_poblacional
diferencia6
## [1] 11941665
# Valor matrícula (muestra2 - población)
diferencia1 <- mean(estudio2$"Valor Matricula") - mean_pob1
diferencia1
## [1] 27030.39
diferencia2 <- var(estudio2$"Valor Matricula") - Var_poblacional1
diferencia2
## [1] 29608662076
diferencia3 <- sd(estudio2$"Valor Matricula") - Sd_poblacional1
diferencia3
## [1] 31406.03
# Renta (muestra2 - población)
diferencia4 <- mean(estudio2$Renta) - mean_pob
diferencia4
## [1] 3593416
diferencia5 <- var(estudio2$Renta) - Var_poblacional
diferencia5
## [1] -8.536493e+14
diferencia6 <- sd(estudio2$Renta) - Sd_poblacional
diferencia6
## [1] -6190437
## Formato: notación científica para cifras muy grandes, miles con punto en las demás
fmt <- function(x) {
ifelse(abs(x) >= 1e9,
formatC(x, format = "e", digits = 4),
formatC(x, format = "f", digits = 0, big.mark = ".", decimal.mark = ","))
}
# Función que devuelve media, varianza y desviación estándar de un vector
estim <- function(x) c(mean(x), var(x), sd(x))
# Parámetros poblacionales (mismo orden: media, varianza, desviación)
parametro <- c(mean_pob, Var_poblacional, Sd_poblacional,
mean_pob1, Var_poblacional1, Sd_poblacional1)
# Estimadores de la muestra 1
est_m1 <- c(estim(estudio1$Renta), estim(estudio1$"Valor Matricula"))
# Estimadores de la muestra 2
est_m2 <- c(estim(estudio2$Renta), estim(estudio2$"Valor Matricula"))
Tabla1 <- data.frame(
Variable = rep(c("Renta", "Valor matrícula"), each = 3),
Parametro = rep(c("Media", "Varianza", "Desv. estándar"), times = 2),
Poblacion = fmt(parametro),
Muestra1 = fmt(est_m1),
Dif1 = fmt(est_m1 - parametro),
Muestra2 = fmt(est_m2),
Dif2 = fmt(est_m2 - parametro)
)
kable(
Tabla1,
align = "c",
col.names = c("Variable", "Parámetro", "Población",
"Muestra 1", "Muestra 1 − Población",
"Muestra 2", "Muestra 2 − Población"),
caption = "Parámetros poblacionales y estimadores muestrales"
) %>%
kable_styling(full_width = FALSE, position = "center") %>%
collapse_rows(columns = 1, valign = "middle")
| Variable | Parámetro | Población | Muestra 1 | Muestra 1 − Población | Muestra 2 | Muestra 2 − Población |
|---|---|---|---|---|---|---|
| Renta | Media | 24.194.469 | 30.558.249 | 6.363.780 | 27.787.885 | 3.593.416 |
| Varianza | 5.1904e+15 | 7.0536e+15 | 1.8633e+15 | 4.3367e+15 | -8.5365e+14 | |
| Desv. estándar | 72.044.254 | 83.985.919 | 11.941.665 | 65.853.817 | -6.190.437 | |
| Valor matrícula | Media | 632.519 | 672.091 | 39.572 | 659.549 | 27.030 |
| Varianza | 2.0765e+11 | 2.7412e+11 | 6.6476e+10 | 2.3725e+11 | 2.9609e+10 | |
| Desv. estándar | 455.682 | 523.567 | 67.885 | 487.088 | 31.406 |
Ahora bien, según la teoría para identificar la insesgación del estudio, es necesario realizar un promedio entre los resultados de las estimaciones de las muestras y, ahí si realizar el diferencial para ver la insesgadez; por lo tanto, para este trabajo se realiza el promedio de la muestra 1 y 2 de la forma
#Promedio de las estimaciones de las muestras para renta:
prom_med_ren <- (mean(estudio1$Renta)+mean(estudio2$Renta))/2
prom_med_ren
## [1] 29173067
prom_var_ren <- (var(estudio1$Renta)+var(estudio2$Renta))/2
prom_var_ren
## [1] 5.69518e+15
prom_sd_ren <- (sd(estudio1$Renta)+sd(estudio2$Renta))/2
prom_sd_ren
## [1] 74919868
#Promedio de las estimaciones de las muestras para Valor de matrícula:
#mean(estudio1$"Valor Matricula")
#mean(estudio2$"Valor Matricula")
prom_med <- (mean(estudio1$"Valor Matricula")+mean(estudio2$"Valor Matricula"))/2
prom_med
## [1] 665820
#var(estudio1$"Valor Matricula")
#var(estudio2$"Valor Matricula")
prom_var <- (var(estudio1$"Valor Matricula")+var(estudio2$"Valor Matricula"))/2
prom_var
## [1] 255688519914
#sd(estudio1$"Valor Matricula")
#sd(estudio2$"Valor Matricula")
prom_sd <- (sd(estudio1$"Valor Matricula")+sd(estudio2$"Valor Matricula"))/2
prom_sd
## [1] 505327.5
Ahora, se analiza nuevamente la insesgadez, pero con el promedio de las estimaciones:
#Para la renta:
Ins_med_ren <- prom_med_ren - mean_pob
Ins_med_ren
## [1] 4978598
Ins_var_ren <- prom_var_ren - Var_poblacional
Ins_var_ren
## [1] 5.048054e+14
Ins_sd_ren <- prom_sd_ren - Sd_poblacional
Ins_sd_ren
## [1] 2875614
#Para el valor de matrícula:
Insesgadez_med <- prom_med - mean_pob1
Insesgadez_med
## [1] 33301.13
Insesgadez_var <- prom_var - Var_poblacional1
Insesgadez_var
## [1] 48042496417
Insesgadez_sd <- prom_sd - Sd_poblacional1
Insesgadez_sd
## [1] 49645.53
# Parámetros poblacionales (orden: media, varianza, desviación estándar)
parametro <- c(mean_pob, Var_poblacional, Sd_poblacional,
mean_pob1, Var_poblacional1, Sd_poblacional1)
# Promedio de las estimaciones de las muestras 1 y 2
promedio <- c(prom_med_ren, prom_var_ren, prom_sd_ren,
prom_med, prom_var, prom_sd)
# Sesgo = promedio de las estimaciones - parámetro
sesgo <- c(Ins_med_ren, Ins_var_ren, Ins_sd_ren,
Insesgadez_med, Insesgadez_var, Insesgadez_sd)
Tabla2 <- data.frame(
Variable = rep(c("Renta", "Valor matrícula"), each = 3),
Parametro = rep(c("Media", "Varianza", "Desv. estándar"), times = 2),
Poblacion = fmt(parametro),
Promedio = fmt(promedio),
Sesgo = fmt(sesgo),
Relativo = formatC(100 * sesgo / parametro, format = "f", digits = 2, decimal.mark = ",")
)
kable(
Tabla2,
align = "c",
col.names = c("Variable", "Parámetro", "Población",
"Promedio (muestras 1 y 2)",
"Sesgo (promedio − población)",
"Sesgo relativo (%)"),
caption = "Insesgadez de los estimadores con el promedio de las muestras"
) %>%
kable_styling(full_width = FALSE, position = "center") %>%
collapse_rows(columns = 1, valign = "middle")
| Variable | Parámetro | Población | Promedio (muestras 1 y 2) | Sesgo (promedio − población) | Sesgo relativo (%) |
|---|---|---|---|---|---|
| Renta | Media | 24.194.469 | 29.173.067 | 4.978.598 | 20,58 |
| Varianza | 5.1904e+15 | 5.6952e+15 | 5.0481e+14 | 9,73 | |
| Desv. estándar | 72.044.254 | 74.919.868 | 2.875.614 | 3,99 | |
| Valor matrícula | Media | 632.519 | 665.820 | 33.301 | 5,26 |
| Varianza | 2.0765e+11 | 2.5569e+11 | 4.8042e+10 | 23,14 | |
| Desv. estándar | 455.682 | 505.327 | 49.646 | 10,89 |
A partir de los resultados obtenidos, se analiza el comportamiento de los estimadores muestrales mediante el promedio de las dos muestras y su comparación con los parámetros poblacionales. Para ello, se considera el sesgo absoluto y el sesgo relativo, que permiten identificar qué tan alejados se encuentran los estimadores de los valores reales de la población.
En la variable Renta, la media de las muestras presenta un valor de $29.173.067, mientras que la media poblacional es de $24.194.469. Esto representa un sesgo de $4.978.598 y un sesgo relativo del 20,58 %. Por su parte, la varianza presenta un sesgo relativo del 9,73 %, mientras que la desviación estándar registra un 3,99 %. Estos resultados muestran que, para esta variable, la desviación estándar presenta el menor sesgo relativo entre las tres medidas analizadas.
En cuanto al Valor de matrícula, la media promedio de las muestras es de $665.820, frente a una media poblacional de $632.519, con un sesgo de $33.301 y un sesgo relativo del 5,26 %. La varianza presenta un sesgo relativo del 23,14 %, siendo el mayor de las tres medidas para esta variable. Por otro lado, la desviación estándar registra un sesgo relativo del 10,89 %.
En términos generales, los resultados permiten observar que el comportamiento del sesgo varía según la variable y la medida estadística considerada. Para Renta, la desviación estándar presenta el menor sesgo relativo, mientras que para el Valor de matrícula este corresponde a la media. Esto permite identificar cuáles estimadores presentan mayor proximidad a los parámetros poblacionales en cada caso.
Una precisión estadística: el promedio de dos estimaciones permite analizar su comportamiento conjunto, pero no es suficiente para concluir que un estimador es insesgado. Para ello sería necesario estudiar su comportamiento a través de múltiples muestras.
2.CONSISTENCIA: Un estimador es consistente cuando, a medida que aumenta el tamaño de la muestra, el estimador se aproxima cada vez más al verdadero valor del parámetro poblacional. Es decir, cuanto mayor sea la muestra, menor será la diferencia entre la estimación y el parámetro de la población.
\[ \hat{\theta}_n \xrightarrow{P} \theta \]
Esto significa que:
\[ \lim_{n\to\infty}P(|\hat{\theta}_n-\theta|>\varepsilon)=0 \]
Donde:
# CONSISTENCIA DEL ESTIMADOR DE LA MEDIA
# Tamaño de la población
N <- nrow(estudio)
# Función para evaluar la consistencia
evaluar_consistencia <- function(x, nombre) {
x <- na.omit(x)
N <- length(x)
# Varianza de la población (denominador N-1)
S2 <- var(x)
# Tamaños de muestra
tamanos <- c(374, 750, 1500, 3000, 6000, 10000, N)
tamanos <- tamanos[tamanos <= N]
# Varianza teórica de la media muestral
var_media <- (S2 / tamanos) * (1 - tamanos / N)
# Resultado
data.frame(
Variable = nombre,
Tamano_muestra = tamanos,
Varianza_estimador = var_media
)
}
# Aplicar a las dos variables
resultado_renta <- evaluar_consistencia(
estudio$Renta, "Renta"
)
resultado_matricula <- evaluar_consistencia(
estudio[["Valor Matricula"]], "Valor Matricula"
)
# Unir resultados
resultado_consistencia <- rbind(
resultado_renta,
resultado_matricula
)
# Presentar tabla
knitr::kable(
resultado_consistencia,
digits = 6,
caption = "Evaluación de la consistencia del estimador de la media"
)
| Variable | Tamano_muestra | Varianza_estimador |
|---|---|---|
| Renta | 374 | 1.349977e+13 |
| Renta | 750 | 6.541758e+12 |
| Renta | 1500 | 3.081256e+12 |
| Renta | 3000 | 1.351004e+12 |
| Renta | 6000 | 4.858786e+11 |
| Renta | 10000 | 1.398284e+11 |
| Renta | 13687 | 0.000000e+00 |
| Valor Matricula | 374 | 5.400717e+08 |
| Valor Matricula | 750 | 2.617094e+08 |
| Valor Matricula | 1500 | 1.232686e+08 |
| Valor Matricula | 3000 | 5.404825e+07 |
| Valor Matricula | 6000 | 1.943805e+07 |
| Valor Matricula | 10000 | 5.593971e+06 |
| Valor Matricula | 13687 | 0.000000e+00 |
Los resultados muestran que, tanto para Renta como para Valor Matricula, la varianza del estimador disminuye a medida que aumenta el tamaño de la muestra. Esto significa que, al tomar más estudiantes, la media estimada se acerca cada vez más a la media real de la población.
Por lo tanto, se evidencia un comportamiento consistente del estimador de la media para ambas variables. Cuando se incluye a toda la población (13.687 estudiantes), la varianza llega a cero.
\[ E(\bar{X}) = \mu \]
# EFICIENCIA DEL ESTIMADOR DE LA MEDIA DE RENTA
# Extraer la variable de la población
renta <- na.omit(estudio$Renta)
# Tamaño de la población
N <- length(renta)
# Tamaño de muestra
n <- 374
# Varianza poblacional con denominador N-1
S2 <- var(renta)
# Varianza teórica de la media muestral
var_media <- (S2/n)*(1-n/N)
# Construir otro estimador lineal insesgado
# con pesos diferentes
pesos <- (1:n)/sum(1:n)
# Calcular la suma de cuadrados de los pesos
suma_pesos <- sum(pesos^2)
# Varianza teórica del estimador ponderado
var_ponderado <- S2*(suma_pesos-1/N)
# Tabla comparativa
comparacion <- data.frame(
Estimador = c(
"Media muestral",
"Media ponderada"
),
Varianza = c(
var_media,
var_ponderado
),
Error_estandar = c(
sqrt(var_media),
sqrt(var_ponderado)
)
)
knitr::kable(
comparacion,
digits = 4,
caption = "Comparación de eficiencia de estimadores para Renta"
)
| Estimador | Varianza | Error_estandar |
|---|---|---|
| Media muestral | 1.349977e+13 | 3674204 |
| Media ponderada | 1.810144e+13 | 4254579 |
barplot(
comparacion$Varianza,
names.arg = comparacion$Estimador,
col = c("lightblue", "lightgreen"),
main = "Comparación de varianzas de los estimadores",
ylab = "Varianza",
xlab = "Estimadores"
)
Para evaluar la eficiencia del estimador de la media de Renta, se realizó una comparación de las varianzas teóricas de dos estimadores lineales insesgados: la media muestral tradicional y una media ponderada. Ambos estimadores cumplen la condición de insesgadez, debido a que la suma de sus respectivos coeficientes es igual a uno.
Los resultados permiten observar que la media muestral tradicional presenta una menor varianza que el estimador ponderado. Esto se debe a que asigna el mismo peso a todas las observaciones, minimizando la variabilidad entre los estimadores lineales insesgados considerados.
En consecuencia, se demuestra que la media muestral es el estimador lineal insesgado de mínima varianza bajo el diseño de muestreo aleatorio simple sin reemplazo. Por tanto, cumple la propiedad de eficiencia dentro de esta clase de estimadores.
4.SUFICIENCIA: La suficiencia es una propiedad de los estimadores que permite determinar si un estadístico contiene toda la información relevante de la muestra para estimar un parámetro poblacional.
Para analizar la suficiencia de los estimadores, es necesario conocer el comportamiento y la distribución probabilística de las variables Renta y Valor matrícula. Por esta razón, se elaboran histogramas y gráficos Q-Q, que permiten observar la forma de distribución de los datos y evaluar si presentan un comportamiento aproximadamente normal. Esta información sirve como punto de partida para establecer un modelo de distribución que permita estudiar la suficiencia de los estimadores.
# ANALISIS DE DISTRIBUCION DE LOS DATOS
par(mfrow = c(2, 2))
# Renta
hist(estudio$Renta,
main = "Distribución de Renta",
xlab = "Renta",
col = "lightblue")
qqnorm(estudio$Renta,
main = "Gráfico Q-Q de Renta")
qqline(estudio$Renta, col = "red")
# Valor matrícula
hist(estudio[["Valor Matricula"]],
main = "Distribución de Valor matrícula",
xlab = "Valor matrícula",
col = "lightgreen")
qqnorm(estudio[["Valor Matricula"]],
main = "Gráfico Q-Q de Valor matrícula")
qqline(estudio[["Valor Matricula"]], col = "red")
par(mfrow = c(1, 1))
Análisis de la distribución de Renta
El histograma muestra que la mayoría de los datos se concentran en valores bajos.
Se observa una fuerte asimetría positiva, debido a la presencia de algunos valores de renta considerablemente altos.
En el gráfico Q-Q, los puntos se alejan notablemente de la línea de referencia, especialmente en la parte superior. Esto indica que los datos no siguen una distribución normal.
Análisis de la distribución de Valor matrícula
El histograma muestra una concentración de estudiantes en valores bajos de matrícula.
Se observa una asimetría positiva, con algunos valores de matrícula considerablemente superiores al resto.
La distribución tampoco presenta una forma similar a una campana, por lo que visualmente no parece ajustarse a una distribución normal.