Teoría de la estimación estadística

Teoría de la estimación estadística

se centra en la exactitud y precisión de las cosas que estimar, medir, contar, o calcular. Le da maneras de indicar el grado de precisión sus medidas son y para calcular el rango que es probable que incluya el valor verdadero.

Exactitud y precisión

Siempre que estimar o medir cualquier cosa, su valor estimado o medido puede diferir de la realidad de dos maneras - puede ser inexacta, imprecisa, o ambos.

• Exactitud se refiere a qué tan cerca su medida tiende a venir a la verdadero valor, sin ser parcial sistemáticamente en una dirección u otra.

• Precisión se refiere a qué tan cerca de un montón de mediciones repetidas vienen a el uno al otro - es decir, cómo reproducible que son.

La figura muestra cuatro blancos de tiro con un montón de agujeros de bala por disparos de fusil repetidas. Estos objetivos ilustran la distinción entre exactitud y precisión - dos términos que describen diferentes tipos de errores que pueden ocurrir cuando se toman muestras o medir algo (o, en este caso, al disparar a un blanco).

• El objetivo superior izquierda es lo que la mayoría de la gente la esperanza de alcanzar - los tiros toda agrupación juntos (buena precisión), y se centrará en el centro de la diana (buena precisión).

• El objetivo superior derecha muestra que las vacunas son muy coherentes entre sí (una buena precisión), así que sabemos que el tirador era muy constante (sin grandes perturbaciones aleatorias de una toma a la siguiente), y otros efectos aleatorios deben también han sido bastante pequeña .

  Pero los disparos eran todos consistentemente alto y hacia la derecha (mala precisión). Tal vez la vista de la pistola estaba desalineado o el tirador no sabía cómo usarlo correctamente. Se ha producido un error sistemático en alguna parte del proceso de apuntar y disparar.

• El objetivo inferior izquierda indica que el tirador no fue muy consistente de una toma a otra (que tenía poca precisión). Tal vez era inestable en la celebración de la rifle- quizá respirado de forma diferente para cada Shot tal vez las balas no fueron conformados todo correctamente, y tenía diferentes aerodynamics- o cualquier número de otras diferencias aleatorias pueden haber tenido un efecto de una toma a la siguiente.

  Lo único bueno que puedo decir de este juego es que al menos tendía a ser más o menos centrado en el blanco - los tiros no muestran ninguna tendencia a ser consistentemente alto o bajo, o consistentemente hacia la izquierda o la derecha del centro. No hay evidencia de error sistemático (o inexactitud) en su disparo.

• El objetivo inferior derecha muestra la peor clase de tiro - los tiros no están estrechamente agrupadas (mala precisión) y parecen mostrar una tendencia a ser alto y hacia la derecha (poca precisión). Ambos errores aleatorios y sistemáticos son prominentes en el tiro de este juego de acción.

Muestreo distribuciones y los errores estándar

los Error estándar (abreviado SE) es una manera de indicar el grado de precisión de su estimación o medición de algo es. El SE le dice lo mucho que la estimación o valor medido podrían variar si tuviera que repetir el experimento o la medición muchas veces, utilizando una muestra aleatoria diferente de la misma población cada vez y registrar el valor que obtuvo cada vez.

Esta colección de números tendría una difusión de los valores, formando lo que se llama el distribución muestral para esa variable. La SE es una medida de la anchura de la distribución de muestreo.

Afortunadamente, usted no tiene que repetir todo el experimento un gran número de veces para calcular la SE. Generalmente, usted puede estimar la SE con datos de un solo experimento.

Intervalos de confianza

Los intervalos de confianza proporcionan otra forma de indicar la precisión de una estimación o medición de algo. LA intervalo de confianza (IC) en torno a un valor estimado es el rango en el que usted tiene un cierto grado de certeza, llamada nivel de confianza (CL), que el verdadero valor de esa variable se encuentra.

Si se calcula correctamente, su intervalo de confianza del citado debe abarcar el verdadero valor de un porcentaje del tiempo al menos igual a un nivel de confianza citado.

Supongamos que usted trata a 100 seleccionados al azar quienes sufren migraña con un nuevo medicamento, y usted encuentra que 80 de ellos responden al tratamiento (según los criterios de respuesta que ha establecido). Su tasa de respuesta observada es del 80 por ciento, pero la forma precisa es esta tasa observada?

Se puede calcular que el intervalo de confianza del 95 por ciento para este índice de respuesta del 80 por ciento pasa de 70.8 por ciento a 87.3 por ciento. Esos dos números son llamados el 95 por ciento inferior y superior límites de confianza en torno a la tasa de respuesta observada.

Si usted afirma que la verdadera tasa de respuesta (en la población de pacientes de migraña que dibujó su muestra de) se encuentra entre 70,8 por ciento y 87,3 por ciento, hay una probabilidad del 95 por ciento de que esa afirmación es correcta.