Seminario A: ESTADISTICA APLICADA A LA EDUCACIN

TRABAJ O FINAL
Desarrollar el marco terico de la teora de muestro.
Resolver los siguientes ejercicios.

1. En la tabla se muestran los promedios de una muestra de alumnos de un colegio
secundario cuya poblacin es de 126 alumnos. Se sabe que la varianza de la poblacin
es igual a la varianza de la muestra.
a. Hallar los lmites de confianza del 95% para la media poblacin.
b. Hallar el nivel de confianza para afirmar que la media de la poblacin es 6,94 0,1.
7,25 4,66 6,97 6,58 5,77
6,33 6,38 7,06 3,08 8,3
4,55 8,25 8,33 7,45 7,51
5,74 9,15 6,92 9,51 7,03
6,98 6,55 5,19 5,14 6,8
3,86 6,89 7,45 7,02 7,25
6,03 7,47 7,02 6,9 6,68
6,58 7,92 8,6 8,85 5,22
7,06 8,26 6,71 7,96 7,44
8 8,47 8,23 5,16 8,09


2. De una muestra de 15 alumnos del nivel medio se encontr que el tiempo medio
empleado para recibirse es de 5 aos y 9 meses; y desviacin tpica de 27 das.
a. Encontrar los lmites del nivel de confianza del 95% para el tiempo medio.
b. Expresar el resultado del tem a en trminos probabilsticos.

3. El 60% de una muestra de 80 estudiantes de un colegio secundarios eligieron
ingles y el resto francs. Encontrar los lmites confianza del 96% de la proporcin de
estudiantes secundarios que eligen ingles.

4. A los alumnos de una muestra aleatoria de 200 alumnos de escuelas tcnicas y
600 de ENS (no tcnicas) se les pregunt si les gustaba la matemtica. 120 alumnos de
escuelas tcnicas y 280 alumnos de ENS contestaron que s. Hallar los lmites de
confianza del 98% para la diferencia de proporciones de los alumnos de ENS y de
escuelas tcnicas.


TEORA DE MUESTREO

La teora de muestreo se refiere al estudio de las relaciones que existen entre
una poblacin y las muestras que se extraen de las mismas. El estudio de las muestras
permite hacer estimaciones de caractersticas desconocidas de la poblacin (tales
como media, desviacin tpica, proporciones, etc.). Estas estimaciones se hacen a partir
del conocimiento de las caractersticas de las muestras (media, desviacin tpica,
proporcin, etc.).
Las caractersticas o medidas obtenidas de una muestra se llaman estadsticos;
y las medidas correspondientes a la poblacin parmetros. Cuando una medida
muestral o estadstico es utilizada como representante de una caracterstica poblacional
o parmetro se denomina estimador.
Actualmente el muestreo puede ser considerado como un instrumento
organizado para obtener hechos. Permite que se tomen decisiones que toman en
cuenta factores de importancia de los problemas que se desean resolver, adems de
ocuparse de la adecuada presentacin de los hechos individuales registrados y de la
manera en que estos se recopilan y resumen.
En el diseo de una muestra hay que considerar dos aspectos: inicialmente un
proceso de seleccin, en la que se incluyen en la muestra algunos elementos de la
poblacin; y posteriormente un proceso de estimacin, en el que se llevan a cabo los
clculos de las estadsticas de la muestra, que son estimadores muestrales de valores
de la poblacin.
El diseo de una muestra considera las tareas de seleccin y estimacin para
realizar inferencias que vayan del valor muestral al valor de la poblacin. Un valor de la
poblacin es una expresin numrica que sintetizan los valores de una o varias
caractersticas de la totalidad de la poblacin; en otras palabras, una medida resumen
de una cualidad de la distribucin de la variable o variables en la poblacin definida.
El valor de la muestra, o estadstica, es una estimacin que se calcula a partir
de los elementos que conforman la muestra. Por el contrario, el valor de la poblacin
depende de todos los elementos que forman parte de la poblacin.
Una de las desventajas al utilizar el muestreo, es que dentro de los valores
muestrales que se pueden obtener, es posible llegar a toparse con algunas deficiencias
resultado de una designacin de solo una fraccin de la poblacin total a ser observada
en la muestra, sin embargo, al realizar un buen diseo de muestra, se tiene como
consecuencia que estos errores tengan la menor presencia posible.
En general, correspondiente a cada parmetro poblacional habr un estadstico
a calcularse de la muestra. Comnmente el mtodo para obtener un estadstico de la
muestra es semejante al de obtener el parmetro de una poblacin finita, ya que una
muestra consiste de un conjunto finito de valores. Sin embargo, esto no siempre
produce el mejor estimador y uno de los problemas importantes de la teora de
muestreo es decidir cmo formar el estadstico muestral apropiado que mejor estime un
parmetro poblacional dado.
Donde sea posible se utilizarn letras griegas, tales como , , o etc., para
valores de parmetros poblacionales y letras romanas , , m s etc., para valores del
correspondiente estadstico muestral.

Muestras aleatorias:
Como la inferencia estadstica se formula con base en una muestra de objetos
de la poblacin de inters, el proceso por medio del cual se obtiene ser aquel que
asegure la seleccin de una buena muestra. Una manera de obtener una buena
muestra resulta cuando el proceso de muestreo proporciona, a cada objeto en la
poblacin, una oportunidad igual e independiente de ser incluido en la muestra. Si la
poblacin consiste de N objetos y de estos se selecciona una muestra de tamao n, el
proceso de muestro debe asegurar que cada muestra de tamao n tenga la misma
probabilidad de ser seleccionada. Este procedimiento conduce a lo que comnmente se
conoce como una muestra aleatoria simple. En este contexto, la palabra aleatorio
sugiere una total imparcialidad en la seleccin de la muestra.

Muestreo con o sin remplazamiento:
Hablamos de muestreo con remplazamiento cuando un elemento de la
poblacin puede ser escogido varias veces para formar parte de la muestra.
El muestreo sin remplazamiento es cuando un elemento de la poblacin solo
puede ser seleccionado una sola vez para formar parte de la muestra.
De esta manera, una poblacin finita, en la que se realiza un muestreo con
remplazamiento, puede tericamente ser considerada como infinita, puesto que puede
extraerse cualquier nmero de muestras sin agotar la poblacin.

Parmetros poblacionales:
Se considera que se conoce una poblacin cuando conocemos la distribucin
de probabilidad ( )
f x (funcin de probabilidad o funcin de densidad) de la variable
aleatoria asociada X . Existirn ciertas cantidades que aparecen en
( )
f x , como y
o el caso de la distribucin normal o p en el caso de distribucin binomial. Otras
cantidades como la mediana, los momentos, sesgos, etc., pueden determinarse en
trminos de stos. Todas estas cantidades se conocen como parmetros poblacionales.
Cuando tenemos una poblacin dada, de manera que conocemos ( )
f x , entonces los
parmetros de la poblacin tambin se conocen.
Un problema importante surge en el caso de que la distribucin de probabilidad
( )
f x de la poblacin no se conozca precisamente, aunque podemos tener idea de l,
o al menos podemos formular alguna hiptesis relativa al, comportamiento general de
( )
f x As por ejemplo podemos tener alguna razn para suponer que una poblacin
determinada est distribuida normalmente. En tal caso no sabramos uno o ambos
valores de y o y as desearamos estimarlos.

Estadsticos muestrales:
Podemos tomar muestras aleatorias de la poblacin y entonces emplearlas para
obtener valores que sirven para estimar los parmetros poblacionales
En general, una muestra de tamao n puede describirse por los valores

1 2
, ,...,
n
x x x de las variables aleatorias
1 2
, ,...,
n
X X X . En el caso de muestreo
con remplazamiento
1 2
, ,...,
n
X X X seran variables aleatorias independientes
distribuidas idnticamente con distribucin de probabilidad
( )
f x . Entonces su
distribucin conjunta sera
( ) ( ) ( ) ( )
1 1 2 2 1 2
, ,...,
n n n
P X x X x X x f x f x f x = = = =
En otras palabras, como hemos enunciado antes las caractersticas o medidas
obtenidas de una muestra se llaman estadsticos; y las medidas correspondientes a la
poblacin parmetros. Cuando una medida muestral o estadstico es utilizada como
representante de una caracterstica poblacional o parmetro se denomina estimador.

Distribucin muestral:
Se define la distribucin muestral de un estadstico (distribucin de muestreo)
en una poblacin, como la distribucin de probabilidad de todos los posibles valores
que un estadstico puede asumir para cierto tamao de la muestra. Especficamente, se
trabajar con las distribuciones muestrales para: medias, proporciones y varianzas.
Una distribucin muestral es una distribucin de probabilidad de un estadstico
muestral calculado a partir de todas las muestras posibles de tamao n , elegidas al
azar en una poblacin determinada. Si la poblacin es infinita, tenemos que concebir la
distribucin muestral como una distribucin muestral terica, ya que es imposible sacar
todas las muestras aleatorias posibles de tamao n de una poblacin infinita. Si la
poblacin es finita y moderada se puede construir una distribucin muestral
experimental, sacando todas las muestras posibles de un tamao dado, calculando
para cada muestra el valor del estadstico que nos interesa.

Distribucin muestral de medias:
Sea
1 2
, ,...,
n
X X X las variables aleatorias para una muestra especfica de
tamao n , la media de la muestra o media muestral es una variable aleatoria definida
por

1 2
...
n
X X X
X
n
+ + +
=
La distribucin muestral de medias es la distribucin de probabilidad de todas
las medias posibles de las muestras, para un tamao n determinado. Esta distribucin
de probabilidad tiene asociados (parmetros) tales como la media
X
, desviacin
estndar
X
o y varianza
2
X
o . Para calcular, estos parmetros de la distribucin muestral
de medias se utilizan las siguientes relaciones:
X
=
2
2
1
1
X
X
N n
n N
N n
N n
o
o
o
o

para poblaciones finitas

2
2
X
X
n
n
o
o
o
o
=
=
para poblaciones infinitas
La expresin de la desviacin estndar de la distribucin muestral de medias,
se le llama error tpico o estndar de la media y nos indica la diferencia promedio entre
los diversos valores de X y . Como se observa, a medida que el tamao de la
muestra aumenta este error disminuye, las diversas medias muestrales se hacen ms
uniforme en su valor, y en consecuencia, cualquier media muestral es una buena
estimacin de la media poblacional .
Para valores grandes de n con 30 n > la distribucin muestral de medias se
aproxima a una distribucin normal con media
X
y desviacin estndar
X
o
independiente de la poblacin de que se trate (siempre que la media y la varianza
poblacional sean finitas y el tamao de la poblacin sea al menos dos veces el tamao
de la muestra). Este resultado en una poblacin infinita es un caso especial del teorema
del lmite central de teora de probabilidad superior que demuestra que la aproximacin
es tanto mejor conforme n se hace mayor. Esto se indica diciendo que la distribucin
muestral es asintticamente normal.
En caso de que la poblacin se distribuya normalmente, la distribucin muestral
de medias se distribuye tambin normalmente, incluso para pequeos valores de n (es
decir, 30 n < ).
Si la poblacin de la cual se toman las muestras tiene una distribucin de
probabilidad con media y varianza
2
o que no necesariamente tiene una distribucin
normal. Entonces la variable tipificada asociada con X , dada por

X
Z
n

=


Distribucin muestral para la diferencia de medias
( )
1 2 X X :
A veces interesa hacer inferencias sobre la diferencia poblacional de medias
1 2
, o saber si es razonable concluir que dos medias poblacionales no son iguales,
considerando que se tienen sendas muestras para las poblaciones 1 y 2,
respectivamente, donde:
1
1
2
1
1
2
2
2
Tamao de la muestra de la poblacin 1
Media de la muestra 1
Varianza de la poblacin 1
Tamao de la muestra de la poblacin 2
Media de la muestra 2
Varianza de la poblacin 2
n
X
n
X
o
o
=
=
=
=
=
=

Entonces, la diferencia de las medias muestrales 1 2 X X , estima a
1 2
.
La forma funcional de la distribucin muestral de 1 2 X X depende de la forma
funcional de las poblaciones donde se extraen las muestras tomando en cuenta:
- Si ambas poblaciones son normales la distribucin muestral de la diferencia de
medias es normal.
- Si una o ambas de las poblaciones no es normal, la distribucin muestral de
las diferencias de medias 1 2 X X es normal si
1 2
, 30 n n > (grandes muestras), este
resultado se deduce del teorema del lmite central.
En estos casos, los parmetros que definen esta distribucin muestral de las
diferencias de medias vienen dados por:
1 2
1 2
1 2
2 2
1 2
1 2
X X
X X
n n

o o
o

=
= +

El cual se aplica para dos casos especficos dependiendo de la muestra:
a) Para grandes muestras, cuando
1 2
, 30 n n > , se trabaja con la distribucin
normal. En estos casos, estandarizando la diferencia de medias muestrales, se tiene:
( )
( ) 1 2
1 2
2 2
1 2
1 2
X X
Z
n n

o o

=
+

b) Para pequeas muestras, Cuando
1 2
, 30 n n < , se trabaja con la Distribucin
t de Student. Por lo tanto, el valor viene dado por:
( )
( ) 1 2
1 2
2 2
1 2
p p
X X
t
S S
n n

=
+

Donde:
( ) ( )
2 2
2 1 1 2 2
1 2
1 1
p
n S n S
S
n n

=
+


Distribucin de una proporcin muestral:
Existen ocasiones en las cuales no estamos interesados en la media de una
muestra, sino que queremos investigar la proporcin de casos con cierta preferencia, en
la muestra. Supngase una poblacin infinita y que la probabilidad de ocurrencia de un
suceso (conocido como su xito) es p , mientras que la probabilidad de no ocurrencia
del suceso es 1 q p = .
Esta distribucin se genera de igual manera que la distribucin muestral de
medias, a excepcin de que al extraer las muestras de la poblacin se calcula el
estadstico proporcin. Se define una proporcin muestral como el cociente:


Nmeros de casos favorables
Total de casos o tamao de la muestra
p
p = =

La distribucin muestral de proporciones est estrechamente relacionada con la
distribucin binomial; una distribucin binomial es una distribucin del total de xitos en
las muestras, mientras que una distribucin de proporciones es la distribucin de un
promedio (media) de los xitos.
La distribucin de una proporcin muestral, se define de una manera anloga a
la distribucin de media, o sea que para las muestras
1 2
, ,...,
n
n n n se tendr
1 2
, ,...,
n
p p p

distribucin de una proporcin muestral.
De acuerdo a lo expuesto, la distribucin muestral de proporciones corresponde
a una distribucin de probabilidad de todas las proporciones posibles de las muestras,
para un tamao n determinado.
Los parmetros que definen esta distribucin vienen dados por:
p
p
P = =
2
1
1
p
p
p q N n
n N
p q N n
N n
o
o

para poblaciones finitas

2
p
p
p q
n
p q
n
o
o
=
=
para poblaciones infinitas
Para el clculo de probabilidades relativa a proporciones, se trabaja de manera
anloga al caso de la distribucin muestral de medias.


Distribucin muestral para la diferencia de proporciones
( ) 1 2
p p :
De manera anloga a la distribucin muestral para la diferencia de medias
pueden obtenerse para distribuciones muestrales de diferencias de proporciones de dos
poblaciones distribuidas binomialmente con parmetros
1 1
, p q y
2 2
, p q respectivamente.
En este caso
1 2
y S S corresponden a las proporciones de xitos
1 2
y P P resultando:
1 2 1 2
1 2 1 2
1 2
2 2
1 1 2 2
1 2
P P P P
P P P P
p p
p q p q
n n

o o o

= =
= + = +

En vez de tomar diferencias de estadsticos algunas veces estamos interesados
en la suma de estadsticos. En tal caso la distribucin muestral de la suma de
estadstico
1 2
y S S tiene media y desviacin estndar dada por
1 2 1 2
1 2 1 2
2 2
S S S S
S S S S

o o o
+
+
= +
= +


Distribucin muestral de varianza:
Si
1 2
, ,...,
n
X X X

denota las variables aleatorias para una muestra de tamao n
, entonces la variable aleatoria que da la varianza de la muestra o la varianza muestral
se define como

( )
2
2
1
n
i
i
X X
S
n
=

=

Siempre que el valor esperado de un estadstico sea igual al parmetro
poblacional correspondiente llamamos al estadstico un estimador insesgado, y el valor
una estima insesgada, de este parmetro y vendr dada por

2
2
2
1
S
n
S
n
o

= =
Que est muy prximo a
2
o solamente para grandes valores de
( )
30 n n > . El
estimador insesgado est definido por
( )
2
2
2
1
1
1
n
i
i
X X
n
S S
n n
=

= =

Debido a estos, algunos estadistas escogen para definir la varianza muestral
por
2
S en cambio de
2
S y sencillamente remplazan n por 1 n en el denominador.
Si el muestreo es sin remplazo de una poblacin finita de tamao N , entonces
la media de la distribucin muestral de varianza est dada por
2
2
1
1
S
N n
N n
o

| || |
=
| |

\ .\ .

Tomando todas las posibles muestras aleatorias de tamao n extradas de una
poblacin y computando la varianza para cada muestra de
2
S
2
S es conveniente
hallar la distribucin muestral de la variable aleatoria relacionada
( )
( )
2
2
2
1
2 2 2
1
n
i
i
X X
n S
nS
o o o
=

= =

Si la varianza poblacional se conoce, entonces:
Para grandes muestras, cuando 30 n > , hallamos la variable tipificada, se
tiene:
X
Z
n

=
Para pequeas muestras, Cuando 30 n < , se trabaja con la distribucin t de
Student. Por lo tanto, el valor viene dado por:
1
X X
T
S
S
n
n

= =

T tiene una distribucin t de Student con 1 n grados de libertad.

Estimacin de parmetros:
Estimador: Un estimador de un parmetro poblacional es una funcin de los
datos muestrales, tambin llamado estadstico. En pocas palabras, es una frmula que
depende de los valores obtenidos de una muestra, para realizar estimaciones.
Formalmente, si u

es un parmetro poblacional, se dice que u es un estimador
puntual de u

si
( )
1 2
, ,...,
n
x x x u u = , donde
1 2
, ,...,
n
x x x

son las variables aleatorias que
integran una muestra aleatoria de tamao N de la poblacin en cuestin.
Por ejemplo, un estimador de la media poblacional
( ) , puede ser la media
muestral
( )
X segn la siguiente frmula:
1
1
n
i
i
X x
n

=
~ =


donde
1 2
, ,...,
n
x x x

es el conjunto de de datos de la muestra X .
El estimador es una variable aleatoria que asigna a cada posible valor de la
muestra un valor numrico. Como tal, tiene sentido calcular su esperanza, su varianza y
otras caractersticas propias de las variables aleatorias.

Estimador consistente:
Es razonable esperar que un buen estimador de un parmetro u sea cada vez
mejor conforme crece el tamao de la muestra. Esto es, conforme la informacin en una
muestra aleatoria se vuelve cada vez mas completa, la distribucin de muestreo de un
buen estimador se encuentra cada vez mas concentrada a travs del parmetro u . Se
tendr un mejor estimador de u si se basa en 30 observaciones que si lo hacen con
solo 5. Esta idea origina lo que se conoce como un estimador consistente.

Estimacin puntual
Para estimar un parmetro u de una poblacin se toma una muestra
representativa de la misma y se calcula el estadstico u , el valor del estadstico se
conoce como la estimacin puntual del parmetro u . Por ejemplo:
Parmetro Estimacin puntual
u =
X u = (media muestral)
u o =
S u = (varianza muestral)
p u =
p u = (proporcin muestral)
1 2
u =
1 2
X X (diferencia muestral de media)

Estimacin por intervalos de confianza
En la seccin anterior se habl sobre la estimacin puntual, una de sus
desventajas es el hecho de no saber qu tan prxima est del parmetro, es decir,
cuando se obtiene una estimacin u , a partir de una muestra aleatoria de tamao n ,
se desconoce que tan cerca (por defecto o exceso) est del parmetro a estimar u .
Por eso se utiliza frecuentemente otro tipo de estimacin, la estimacin por intervalos,
la cual nos permite de acuerdo a un nivel de confianza especificado obtener una
informacin ms precisa sobre el parmetro a estimar.
1. Intervalo de confianza para medias con 30 n > (grandes muestras):
2 2
, X Z X Z
n n
o o
o o

| |
e +
|
\ .
es una estimacin por intervalo de la media de
la poblacin para un nivel de confianza del
( )
1 % o ; por ejemplo, si se define un nivel
de confianza del 95 %, esto significa que por cada 100 muestras de tamao 30 n > en
95 de ellas la media de la poblacin cae dentro de este intervalo.

2. Intervalo de confianza para medias con 30 n < (pequeas muestras):
Se utiliza la t de Student para estos casos y cuando se desconoce la
desviacin de la poblacin, utilizando la siguiente expresin
2 2
,
S S
X Z X Z
n n
o o

| |
e +
|
\ .

Es una estimacin por intervalo de la media de la poblacin para un nivel de
confianza del ( )
1 % o

3. Intervalo de confianza para diferencias de medias ( )
1 2
:
a) Si 30 n > (grandes muestras) se usa la distribucin normal:
( )
( ) ( )
2 2 2 2
1 2 1 2
1 2 1 2
1 2
1 2 1 2 2 2
, X X Z X X Z
n n n n
o o
o o o o

| |
e + + + |
|
\ .

b) si n < 30 (pequeas muestras) se usa la t de Student:
( )
( ) ( )
2 2 2 2
1 2 1 2
1 2 1 2
1 2
1 2 1 2 2 2
,
S S S S
X X Z X X Z
n n n n
o o

| |
e + + + |
|
\ .

para un nivel de confianza del
( )
1 % o y
1 2
, 30 n n <
donde
( ) ( )
2 2
2 1 1 2 2
1 2
1 1
p
n S n S
S
n n

=
+

4. Intervalo de confianza para proporciones
( )
p :
a) grandes muestras:
2 2
,
p q p q
p p Z p Z
n n
o o
| |
e +
|
\ .

b) pequeas muestras:
2 2
,
p q p q
p p t p t
n n
o o
| |
e +
|
\ .

5. Intervalo de confianza para varianzas:
( ) ( )
2 2
2 2
1
2 2
1 1
,
n S n S
o o
o

| |
|
e
|
|
\ .

Estimador insesgado:
Por supuesto, cualquier funcin de la muestra, con la definicin anterior, podra
ser un estimador, pero es deseable que las estimaciones que surjan a partir de un
estimador "se parezcan", en cierto modo, al parmetro que se desea estimar.
Con este propsito, se dice que un estimador de un parmetro es insesgado
si su esperanza es el propio .


Estimacin puntual
Consiste en la estimacin del valor del parmetro mediante un slo valor,
obtenido de una frmula determinada. Por ejemplo, si se pretende estimar la talla media
de un determinado grupo de individuos, puede extraerse una muestra y ofrecer como
estimacin puntual la talla media de los individuos. Lo ms importante de un estimador,
es que sea un estimador eficiente. Es decir, que sea insesgado (ausencia de sesgos) y
estable en el muestreo o eficiente (varianza mnima).

Variabilidad del Parmetro
Si no se conoce, puede obtenerse una aproximacin en los datos aportados por
la literatura cientfica o en un estudio piloto. Tambin hay mtodos para calcular el
tamao de la muestra que prescinde de este aspecto. Habitualmente se usa como
medida de esta variabilidad la desviacin tpica poblacional y se denota .

Error de la estimacin
Es una medida de su precisin que se corresponde con la amplitud del intervalo
de confianza. Cuanta ms precisin se desee en la estimacin de un parmetro, ms
estrecho deber ser el intervalo de confianza y, si se quiere mantener o disminuir el
error, ms ocurrencias debern incluirse en la muestra estudiada. En caso de no incluir
nuevas observaciones para la muestra, ms error se comete al aumentar la precisin.
Se suele llamar E, segn la frmula E =
2
-
1
.

Valor
Tambin llamado nivel de significacin. Es la probabilidad (en tanto por uno)
de fallar en nuestra estimacin, esto es, la diferencia entre la certeza (100) y el nivel de
confianza (1-). Por ejemplo, en una estimacin con un nivel de confianza del 95%, el
valor es (100-95)/100 = 0,05

Valor crtico
Se representa por
2
Z
o
. Es el valor de la abscisa en una determinada
distribucin que deja a su derecha un rea igual a
2
o
, siendo
( )
1 o el nivel de
confianza. Normalmente los valores crticos estn tabulados o pueden calcularse en
funcin de la distribucin de la poblacin. Por ejemplo, para una distribucin normal, de
media 0 y desviacin tpica 1, el valor crtico para = 0,1 se calculara del siguiente
modo: se busca en la tabla de la distribucin ese valor (o el ms aproximado), bajo la
columna "rea"; se observa que se corresponde con -1,28. Entonces
2
Z
o
= 1,64. Si la
media o desviacin tpica de la distribucin normal no coinciden con las de la tabla, se
puede realizar el cambio de variable
( )
x
X
X
t

o

= para su clculo.
- Con estas definiciones, si tras la extraccin de una muestra se dice que "3 es
una estimacin de la media con un margen de error de 0,6 y un nivel de confianza del
99%", podemos interpretar que el verdadero valor de la media se encuentra entre 2,7 y
3,3, con una probabilidad del 99%. Los valores 2,7 y 3,3 se obtienen restando y
sumando, respectivamente, la mitad del error, para obtener el intervalo de confianza
segn las definiciones dadas.
- Para un tamao fijo de la muestra, los conceptos de error y nivel de confianza
van relacionados. Si admitimos un error mayor, esto es, aumentamos el tamao del
intervalo de confianza, tenemos tambin una mayor probabilidad de xito en nuestra
estimacin, es decir, un mayor nivel de confianza.

Otros usos del trmino
El trmino estimacin tambin se utiliza en ciencias aplicadas para hacer
referencia a un clculo aproximado, que normalmente se apoya en la herramienta
estadstica aunque puede no hacerlo. En este sentido, un ejemplo clsico son los poco
conocidos pero tiles en economa problemas de Fermi.

Otros datos estadsticos:
Muchos otros datos estadsticos adems de la media, varianza y desviacin
tpica pueden definirse para muestras. Por ejemplo la mediana, la moda, la moda, los
momentos, el sesgo, la curtosis, etc. Sus definiciones son anlogas a esas dadas para
poblaciones. Algunos de estos se presentan en la siguiente tabla:

Errores tpicos para algunas distribuciones muestrales

Distribucin
Muestral
Error Tpico Notas Especiales
Medias
X
n
o
o =
Se cumple para grandes muestras o pequeas
donde la poblacin es finita o el muestreo es con
remplazamiento. La distribucin muestral de
medias se ajunta mucho a una normal para
30 n > incluso para poblaciones no normales
X
= , la media poblacional en todos los
casos.
Proporciones
( )
1
P
p p
p q
n n
o

= =
Las notas anteriores para medias son igualmente
aplicables aqu
P
P = en todos los casos.
Desviacin
Tpica
( )
( )
4
4
2
1
2
2
4
S
S
n
n
t
o o
o
o
o
=

=

Para 30 n > , la distribucin muestral de S es
muy prxima a una normal.
S
o est dada por (1) solamente cuando la
poblacin es normal (o aproximada). Si la
poblacin no es normal, puede utilizarse (2).
Ntese que (2) pasa a ser (1) cuando
4
4
30 =
lo que se cumple para poblaciones normales.
Para 100,
S
n > 100 con gran aproximacin.
Medianas
1, 2533
2
med
n n
t o o
o o = =


Para 30 n > , la distribucin muestral de la
mediana es muy prxima a una normal. Los
resultados dados son vlidos solamente si la
poblacin es normal o aproximadamente normal.
med
=
Varianzas
( )
( )
2
2
2
2
1
2
S
t
P
S
n
n
o o
o
o
=

=

Las notas para desviaciones tpicas son
igualmente aplicables aqu. Ntese que (2) pasa a
ser (1) en caso de que la poblacin sea normal.
( )
2
2
1
s
n
n
o

=
que es casi igual a
2
o para valores ( )
30 n n s


Resolucin de problemas
1 .En la tabla se muestran los promedios de una muestra de alumnos de un colegio
secundario cuya poblacin es de 126 alumnos. Se sabe que la varianza de la poblacin
es igual a la varianza de la muestra.
a. Hallar los lmites de confianza del 95% para la media poblacin.
b. Hallar el nivel de confianza para afirmar que la media de la poblacin es 6,94 0,1.
7,25 4,66 6,97 6,58 5,77
6,33 6,38 7,06 3,08 8,3
4,55 8,25 8,33 7,45 7,51
5,74 9,15 6,92 9,51 7,03
6,98 6,55 5,19 5,14 6,8
3,86 6,89 7,45 7,02 7,25
6,03 7,47 7,02 6,9 6,68
6,58 7,92 8,6 8,85 5,22
7,06 8,26 6,71 7,96 7,44
8 8,47 8,23 5,16 8,09

Clculo de la media:
6,932 X =
Clculo de la desviacin tpica y varianza:

2
1,756128 o =
1,3251892 o =
Hallamos la Varianza respecto a la media
0,18741014
X
n
o
o = =


Sabemos que:
Coeficiente de
confianza
1
(1 ) z LIC
u

c
u
o


LSC
u

+ c
u
o


0.90 0.45 1.645
u

1.645
u
o

u

+ 1.645
u
o


0.95 0.475 1.96
u

1.96
u
o

u

+ 1.96
u
o


0.99 0.495 2.575
u

2.575
u
o

u

+ 2.575
u
o



Lmite inferior de confianza:
1,96 6,56467613
X
X o =
Lmite superior de confianza:
1,96 7, 29932387
X
X o + =
Tambin los lmites de confianza pueden ser representados por:
Conclusin: Los lmites de confianza del 95% para la media de la poblacin son:
Puesto que la poblacin nos es muy grande en relacin con el tamao de la muestra
debe emplearse la frmula para poblaciones finitas con muestreo sin remplazamiento.
Entonces:
6,94 0,1
1
c
X
N n
X Z
N
o

=

( )
6,56467613 7, 29932387
6,932
2
X
+
e =
Respuestas:
a) Los lmites de confianza del 95% para la de la poblacin:
[6,564; 7,299].
b) El nivel de confianza para afirmar que la de la poblacin es 6,94 0,1 es:

Entonces el nivel de confianza es del 0,0693 %.

2. De una muestra de 15 alumnos del nivel medio se encontr que el tiempo medio
empleado para recibirse es de 5 aos y 9 meses; y desviacin tpica de 27 das.
a. Encontrar los lmites del nivel de confianza del 95% para el tiempo medio.
b. Expresar el resultado del tem a en trminos probabilsticos.
n= 15 alumnos.
= 5 aos, 9 meses.
Considerando que un mes tiene 30 das, entonces:
9 meses 270 das.
5 aos___ 12 meses____ 360 das.
Tiempo para recibirse 630 das


2
27das o =

27
1,341640787
15
X
n
o
o = = =
630 1,96 1,341640787
c
X
X Z o =
= 630 2,629615942
=
= -627,3703841
Entonces el intervalo quedara formado por:
[627,3703; 632,6296] en das.

Respuesta:
P( 627,3703 632,6296).


4. A los alumnos de una muestra aleatoria de 200 alumnos de escuelas tcnicas y 600
de ENS (no tcnicas) se les pregunt si les gustaba la matemtica. 120 alumnos de
escuelas tcnicas y 280 alumnos de ENS contestaron que s. Hallar los lmites de
confianza del 98% para la diferencia de proporciones de los alumnos de ENS y de
escuelas tcnicas.

98%___ t
c
Z
c
= 2, 33

Escuelas tcnicas
- P
1
=

- Q
1=


ENS:
- P
2
=

- Q
2=
1-p
2
= 0,5

Entonces:

1
-
2
= 0,6 0, 4

= 0,1

1 1
1
p q
n
=

2 2
2
p q
n
=

1 1 2 2
1 2
1 2
0,13 2,33 0, 0012 0, 000414814
c
p q p q
p p Z
n n
+ = +

Respuesta:
Los lmites de confianza del 98% para la diferencia de proporciones de los alumnos de
ENS y de escuelas tcnicas es (0,039702869