Está en la página 1de 25

Introduccion Estimacion Puntual Estimacion por Intervalo

ESTIMACI

ON
INTRODUCCI

ON A LA ESTAD

ISTICA
UC Introduccion a la Estadstica
Curso 2014
UC Introduccion a la Estadstica Estimacion 1 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
ESQUEMA DE LA PRESENTACI

ON
1 INTRODUCCI

ON
2 ESTIMACI

ON PUNTUAL
3 ESTIMACI

ON POR INTERVALO
Ross, S. (2007). ((Introducci on a la Estadstica)). Captulo 8. Reverte.
UC Introduccion a la Estadstica Estimacion 2 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Motivacion
INTRODUCCI

ON
Estudiaremos la estimacion puntual y por intervalo de parametros
poblacionales.
Se trata de determinar que podemos concluir sobre el valor de las
cantidades poblacionales desconocidas a la luz de los datos observados en
una muestra extrada de la poblaci on de interes.
Acompa naremos nuestras estimaciones con una medida de su precisi on.
Daremos una medida de la conanza que podemos tener sobre la validez
de nuestras conclusiones.
En particular, estudiaremos c omo estimar:
1 la media poblacional, y un caso particular de esta, la estimacion de una
proporcion poblacional, p.
2 la varianza poblacional,
2
.
UC Introduccion a la Estadstica Estimacion 3 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Deniciones
RECORDEMOS LAS SIGUIENTES DEFINICIONES
POBLACI

ON
Conjunto de elementos en los que estamos interesados.
Denotaremos la cantidad de elementos en la poblaci on como N cuando la
misma es nita.
En particular, nos interesa la variable X de dichos elementos.
X es desconocida para cada elemento de la poblaci on y, por tanto, se la
considera una v.a.
Asumimos que X sigue una distribuci on de probabilidad con media y
varianza
2
.
PAR

AMETRO
Cantidad poblacional desconocida.
Ejemplos: ,
2
.
Nuestro objetivo es estimar el valor de los parametros.
UC Introduccion a la Estadstica Estimacion 4 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Deniciones
MUESTRA
Subconjunto de elementos de la poblacion.
Denotaremos la cantidad de observaciones en la muestra como n.
Para los elementos seleccionados medimos la variable de interes, X.
Asumiremos que el procedimiento de selecci on se realiza con remplazo.
Por tanto, X
1
, X
2
, ..., X
n
son variables aleatorias independientes siguiendo
una misma distribuci on de probabilidad (la misma que X en la poblaci on)
y diremos que constituyen una muestra procedente de dicha distribuci on.
ESTAD

ISTICO
Magnitud numerica cuyo valor viene determinado por la muestra.
Por ejemplo,
MEDIA MUESTRAL:

X =

n
i=1
X
i
n
VARIANZA MUESTRAL: S
2
=

n
i=1
(X
i

X)
2
n1
UC Introduccion a la Estadstica Estimacion 5 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador puntual
ESTIMACI

ON PUNTUAL
ESTIMADOR PUNTUAL
Es un estadstico que se utiliza con el prop osito de predecir o estimar el
valor de un parametro poblacional.
El valor que asume el estimador en una muestra particular se utiliza para
predecir el valor de un parametro poblacional y se lo denomina valor
estimado para tal parametro.
ESTIMACI

ON PUNTUAL DE ,
2
Y
Se selecciona una muestra de tama no 10 de una poblacion con media y
varianza
2
desconocidas. Los datos observados resultan: 5 ; 3 ; 2 ; 7 ; 4 ; 10 ;
5 ; 8 ; 4 ; 6.
PAR

AMETRO ESTIMADOR PUNTUAL VALOR ESTIMADO


=

X =

n
i=1
X
i
n
x =

n
i=1
x
i
n
=5, 4

2
= S
2
=

n
i=1
(X
i

X)
2
n1
s
2
=

n
i=1
(x
i
x)
2
n1
=5, 822
= S =

S
2
s =

s
2
=2, 413
UC Introduccion a la Estadstica Estimacion 6 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador puntual
ESTIMACI

ON PUNTUAL DE p
Consideramos una poblacion de tama no N en la que Np elementos (con Np
entero) presentan cierta caracterstica de interes y los restantes N(1p)
elementos no la presentan.
Queremos estimar p.
Seleccionamos una muestra X
1
, X
2
, ..., X
n
de la poblacion. Para i =1, 2, ..., n
X
i
=
_
1 si el i-esimo elemento de la muestra presenta la caracterstica
0 en otro caso
Denotamos X =
n
i=1
X
i
= n umero de elementos muestrales que presentan la
caracterstica.
As, p =

X =
X
n
=

n
i=1
X
i
n
= proporcion de elementos muestrales que presentan la
caracterstica es un estimador puntual de p.
En la presentacion anterior vimos que
1 E [ p] = E [

X] = p.
2 V( p) =V(

X) =
p(1p)
n
(o aprox. si la muestra se selecciona sin remplazo).
Observemos p(1p)
1
4
y, por tanto, para n dado, la varianza de p esta acotada.
UC Introduccion a la Estadstica Estimacion 7 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador puntual
EJEMPLO
Los docentes de Introducci on a la Estadstica quieren conocer la proporcion de
estudiantes que rindieron el primer parcial que lo eval uan difcil. Para ello han
seleccionado una muestra aleatoria de 50 estudiantes a los que se les pregunto su
percepcion sobre la dicultad del parcial. Si 10 de ellos lo evaluaron difcil:
1 Proponga un estimador para el parametro de interes.
2 Estime la proporcion de estudiantes que rindieron el parcial, sobre los 2061 que lo
rindieron, que lo eval uan difcil.
3 Estime la desviacion tpica de este estimador.
4 Cual es la maxima desviacion tpica posible de este estimador?
SOLUCI

ON
1 p =

X =
X
50
=

50
i=1
X
i
n
, con X
i
=
_
1 si el i-esimo estudiante lo eval ua difcil
0 en otro caso
2 En la muestra resulta p

= x =
x
50
=

50
i=1
x
i
n
=
10
50
=0, 2.
3

SD( p) =
_
p(1 p)
50
, por tanto

SD( p)

=
_
p

(1 p

)
50
=
_
0,2(10,2)
50
=0,05657.
4 Se obtiene con p =
1
2
, por tanto es
_
0,5(10,5)
50
=0,07071.
UC Introduccion a la Estadstica Estimacion 8 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Propiedades deseables de los estimadores
ALGUNAS PROPIEDADES DE LOS ESTIMADORES PUNTUALES
INSESGAMIENTO
Un estimador cuyo valor esperado coincide con el parametro que se desea
estimar se dice que es un estimador insesgado de dicho parametro.
El valor estimado para un parametro vara de una muestra a otra. El
insesgamiento del estimador signica que el promedio de los valores
estimados del parametro que se obtienen sobre todas las muestras posibles
coincide con el verdadero valor del parametro.
Por ejemplo,

X es un estimador insesgado para ya que E (

X) = .
M

INIMA VARIANZA
Un estimador insesgado se dice eciente si su varianza es mnima.
Buscamos que la distribuci on del estimador insesgado este lo mas
concentrada posible en torno a su valor esperado (el valor del parametro).
De esa forma se logra que la probabilidad de que el estimador este cerca
del verdadero valor del parametro que pretende estimar sea lo mas grande
posible.
UC Introduccion a la Estadstica Estimacion 9 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Propiedades deseables de los estimadores
UTILIDAD DE LAS PROPIEDADES ENUNCIADAS
Vimos que es poco probable que una variable aleatoria (aproximadamente)
normal se separe de su valor esperado mas de 2 veces su desviaci on tpica.
As, cuanto mas peque na sea la varianza de un estimador insesgado de un
parametro con distribucion (aproximadamente) normal, mas corto sera el
intervalo de valores posibles del estimador centrado en el parametro con
radio igual a 2 veces su desviaci on tpica para una probabilidad prejada.
APLICACI

ON
Cuando la muestra proviene de una poblaci on con valor esperado y
varianza
2
,

X es un estimador insesgado de y SD(

X) =

n
.
Si el tama no de muestra es sucientemente grande,

X sigue una
distribuci on aproximadamente normal.
Por tanto, la probabilidad de que

X diera de en menos de 2

n
es
aproximadamente 0,95.
Ademas, a medida que n aumenta, el intervalo del recorrido de

X centrado
en con probabilidad 0,95 es cada vez mas corto.
UC Introduccion a la Estadstica Estimacion 10 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Propiedades deseables de los estimadores
20 10 0 10 20
0
.
0
0
.
1
0
.
2
0
.
3
0
.
4
PROBABILIDAD CONTENIDA EN EL INTERVALO CENTRADO EN CON RADIO 2SD(X) CON n=36
Media Muestral de una poblacin Normal(0,30)
D
e
n
s
i
d
a
d
SD(X)=5
20 10 0 10 20
0
.
0
0
.
1
0
.
2
0
.
3
0
.
4
PROBABILIDAD CONTENIDA EN EL INTERVALO CENTRADO EN CON RADIO 2SD(X) CON n=225
Media Muestral de una poblacin Normal(0,30)
D
e
n
s
i
d
a
d
SD(X)=2
20 10 0 10 20
0
.
0
0
.
1
0
.
2
0
.
3
0
.
4
PROBABILIDAD CONTENIDA EN EL INTERVALO CENTRADO EN CON RADIO 2SD(X) CON n=900
Media Muestral de una poblacin Normal(0,30)
D
e
n
s
i
d
a
d
SD(X)=1
UC Introduccion a la Estadstica Estimacion 11 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador por intervalo
ESTIMACI

ON POR INTERVALO
Cuando se estima un parametro mediante un estimador puntual no se
puede esperar que el valor estimado resultante sea exactamente igual al
parametro.
Sin embargo, podemos esperar que el valor estimado para el parametro
este pr oximo al valor poblacional.
Buscaremos encontrar un intervalo construido alrededor del valor estimado
para el parametro para el cual tengamos una elevada conanza en que el
verdadero valor del parametro este contenido en el.
UC Introduccion a la Estadstica Estimacion 12 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador por intervalo
DEFINICIONES
ESTIMADOR POR INTERVALO
Un estimador por intervalo de un parametro poblacional es un intervalo
aleatorio (sus extremos son variables aleatorias) para el que se predice
contendra al verdadero valor del parametro con un determinado error maximo
(o precisi on) y una determinada probabilidad (o conanza).
Para obtener un estimador por intervalo para un parametro de la poblaci on se
utiliza la distribuci on de probabilidad del estimador puntual del parametro.
INTERVALO DE CONFIANZA
Un intervalo de conanza para un parametro poblacional resulta de evaluar el
estimador por intervalo para dicho parametro en la muestra observada. La
conanza que se da al intervalo es la probabilidad de que el estimador por
intervalo contenga al verdadero valor del parametro.
UC Introduccion a la Estadstica Estimacion 13 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador por intervalo
MEDIA POBLACIONAL DE UNA POBLACI

ON NORMAL CON VARIANZA CONOCIDA


Sea X
1
, X
2
, ..., X
n
una muestra procedente de una poblaci on Normal(, ).
Sabemos que Z =

n(

X)

Normal (0, 1).


Entonces, para cualquier (0, 1) se cumple que
P
_

n(

X)

z
/2
_
=1.
De ello se desprende que, con una probabilidad 1, y

X distan entre
s como maximo z
/2

n
. Esto equivale a
P
_

X z
/2

n


X +z
/2

n
_
=1.
ESTIMADOR POR INTERVALO E INTERVALO DE CONFIANZA
El intervalo

X z
/2

n
se denomina estimador por intervalo al
100(1)% para .
El intervalo x z
/2

n
se denomina intervalo de conanza 100(1)%
para .
UC Introduccion a la Estadstica Estimacion 14 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador por intervalo
EJEMPLO
Se sabe que el contenido de nicotina en los cigarrillos, medido en miligramos,
sigue una distribuci on normal con desviaci on tpica 0,7 miligramos. Se
seleccion o una muestra de 44 cigarrillos y se midi o sus contenidos de nicotina.
Se obtuvo un contenido medio de 1,74 miligramos de nicotina por cigarrillo.
1 Proponga un estimador por intervalo al 95% para el contenido medio de
nicotina en un cigarrillo.
2 Obtenga un intervalo de conanza al 95% para el contenido medio de
nicotina en un cigarrillo. Interprete el resultado.
3 Que tama no muestral se necesita para que la longitud del intervalo al
95% de conanza sea menor o igual que 0,3 miligramos?
SOLUCI

ON
1

X 1, 96
0,7

44
.
2 1, 741, 96
0,7

44
. Con una conanza del 95% el contenido medio de
nicotina de un cigarrillo se encuentra entre 1,5332 y 1,9468 miligramos.
3 n 84.
UC Introduccion a la Estadstica Estimacion 15 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador por intervalo
MEDIA POBLACIONAL DE UNA POBLACI

ON NORMAL CON VARIANZA DESCONOCIDA


CONCEPTO PREVIO - DISTRIBUCI

ON T-STUDENT
Si X
1
, X
2
, ..., X
n
es una muestra procedente de una poblaci on Normal(, )
sabemos que:
1 Z =

n(

X)

Normal (0, 1).


2 U =
(n1)S
2

2

2
n1
.
Bajo estas condiciones resulta que la variable aleatoria denida como
T =
Z

U/(n1)
=

n(

X)
S
tiene una distribuci on conocida como distribucion t con n1 grados de libertad.
Notaci on: T t
n1
.
UC Introduccion a la Estadstica Estimacion 16 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador por intervalo
DENSIDAD DE LA DISTRIBUCI

ON t
La funcion de densidad de una
variable aleatoria t es simetrica
respecto de 0.
Su apariencia es muy similar a la de
la normal estandar, aunque su
dispersi on es mayor ya que sus colas
son mas pesadas.
A medida que sus grados de libertad
aumentan, la densidad de la t se
aproxima mas a la de la normal
estandar.
La tabla en la pagina que sigue da los
percentiles t
k,
de las distribuciones t
para distintos valores de k y , es
decir los valores de las t con k grados
de libertad que a rama derecha
acumulan una probabilidad igual a .
4 2 0 2 4
0
.
0
0
.
1
0
.
2
0
.
3
0
.
4
Funciones de densidad Normal estandar y t
x
D
e
n
s
i
d
a
d
NORMAL(0,1)
t(n=3)
t(n=5)
t(n=10)
UC Introduccion a la Estadstica Estimacion 17 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador por intervalo
Percentiles t
k,
de las distribuciones t
k 0,40 0,25 0,10 0,05 0,025 0,01 0,005 0,0025 0,001 0,0005
1 0,325 1,000 3,078 6,314 12,706 31,821 63,657 127,321 318,310 636,620
2 0,289 0,816 1,886 2,920 4,303 6,965 9,925 14,089 23,326 31,598
3 0,277 0,765 1,638 2,353 3,182 4,541 5,841 7,453 10,213 12,924
4 0,271 0,741 1,533 2,132 2,776 3,747 4,604 5,598 7,173 8,610
5 0,267 0,727 1,476 2,015 2,571 3,365 4,032 4,773 5,893 6,869
6 0,265 0,718 1,440 1,943 2,447 3,143 3,707 4,317 5,208 5,959
7 0,263 0,711 1,415 1,895 2,365 2,998 3,499 4,029 4,785 5,408
8 0,262 0,706 1,397 1,860 2,306 2,896 3,355 3,833 4,501 5,041
9 0,261 0,703 1,383 1,833 2,262 2,821 3,250 3,690 4,297 4,781
10 0,260 0,700 1,372 1,812 2,228 2,764 3,169 3,581 4,144 4,587
11 0,260 0,697 1,363 1,796 2,201 2,718 3,106 3,497 4,025 4,437
12 0,259 0,695 1,356 1,782 2,179 2,681 3,055 3,428 3,930 4,318
13 0,259 0,694 1,350 1,771 2,160 2,650 3,012 3,372 3,852 4,221
14 0,258 0,692 1,345 1,761 2,145 2,624 2,977 3,326 3,787 4,140
15 0,258 0,691 1,341 1,753 2,131 2,602 2,947 3,286 3,733 4,073
16 0,258 0,690 1,337 1,746 2,120 2,583 2,921 3,252 3,686 4,015
17 0,257 0,689 1,333 1,740 2,110 2,567 2,898 3,222 3,646 3,965
18 0,257 0,688 1,330 1,734 2,101 2,552 2,878 3,197 3,610 3,922
19 0,257 0,688 1,328 1,729 2,093 2,539 2,861 3,174 3,579 3,883
20 0,257 0,687 1,325 1,725 2,086 2,528 2,845 3,153 3,552 3,850
21 0,257 0,686 1,323 1,721 2,080 2,518 2,831 3,135 3,527 3,819
22 0,256 0,686 1,321 1,717 2,074 2,508 2,819 3,119 3,505 3,792
23 0,256 0,685 1,319 1,714 2,069 2,500 2,807 3,104 3,485 3,767
24 0,256 0,685 1,318 1,711 2,064 2,492 2,797 3,091 3,467 3,745
25 0,256 0,684 1,316 1,708 2,060 2,485 2,787 3,078 3,450 3,725
26 0,256 0,684 1,315 1,706 2,056 2,479 2,779 3,067 3,435 3,707
27 0,256 0,684 1,314 1,703 2,052 2,473 2,771 3,057 3,421 3,690
28 0,256 0,683 1,313 1,701 2,048 2,467 2,763 3,047 3,408 3,674
29 0,256 0,683 1,311 1,699 2,045 2,462 2,756 3,038 3,396 3,659
30 0,256 0,683 1,310 1,697 2,042 2,457 2,750 3,030 3,385 3,646
40 0,255 0,681 1,303 1,684 2,021 2,423 2,704 2,971 3,307 3,551
60 0,254 0,679 1,296 1,671 2,000 2,390 2,660 2,915 3,232 3,460
120 0,254 0,677 1,289 1,658 1,980 2,358 2,617 2,860 3,160 3,373
0,253 0,674 1,282 1,645 1,960 2,326 2,576 2,807 3,090 3,291
UC Introduccion a la Estadstica Estimacion 18 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador por intervalo
MEDIA POBLACIONAL DE UNA POBLACI

ON NORMAL CON VARIANZA DESCONOCIDA


Sea X
1
, X
2
, ..., X
n
una muestra procedente de una poblaci on Normal(, ).
Sabemos que T =

n(

X)
S
t
n1
.
Entonces, para cualquier (0, 1) se cumple que
P
_

n(

X)
S

t
n1,/2
_
=1.
De ello se desprende que, con una probabilidad 1, y

X distan entre
s como maximo t
n1,/2
S

n
. Esto equivale a
P
_

X t
n1,/2
S

n


X +t
n1,/2
S

n
_
=1.
ESTIMADOR POR INTERVALO E INTERVALO DE CONFIANZA
El intervalo

X t
n1,/2
S

n
se denomina estimador por intervalo al
100(1)% para .
El intervalo x t
n1,/2
s

n
se denomina intervalo de conanza
100(1)% para .
UC Introduccion a la Estadstica Estimacion 19 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador por intervalo
EJEMPLO
Se selecciona una muestra de tama no 10 de una poblacion Normal con media
y desviaci on tpica , ambos desconocidos. Los datos observados resultan:
5 ; 3 ; 2 ; 7 ; 4 ; 10 ; 5 ; 8 ; 4 ; 6
1 Proponer un estimador por intervalo para al 95%.
2 Obtener un intervalo de conanza para al 95%.
3 Interprete el resultado obtenido en el tem anterior.
4 El intervalo al 99% sera de mayor o menor longitud?
5 El intervalo al 99% tendra mayor o menor precisi on?
SOLUCI

ON
1

X 2, 262
S

10
.
2 5, 42, 262
2,413

10
.
3 Con una conanza del 95%, se encuentra entre 3,674 y 7,126.
4 Mayor.
5 Menor.
UC Introduccion a la Estadstica Estimacion 20 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador por intervalo
VARIANZA DE UNA POBLACI

ON NORMAL
Sea X
1
, X
2
, ..., X
n
una muestra procedente de una poblaci on Normal(, ).
Sabemos que U =
(n1)S
2

2

2
n1
.
Entonces, para cualquier (0, 1) se cumple que
P
_

2
n1,1/2

(n1)S
2

2

2
n1,/2
_
=1.
De ello se desprende que
P
_
(n1)S
2

2
n1,/2

(n1)S
2

2
n1,1/2
_
=1.
ESTIMADOR POR INTERVALO E INTERVALO DE CONFIANZA
El intervalo
_
(n1)S
2

2
n1,/2
,
(n1)S
2

2
n1,1/2
_
se denomina estimador por intervalo al
100(1)% para
2
.
El intervalo
_
(n1)s
2

2
n1,/2
,
(n1)s
2

2
n1,1/2
_
se denomina intervalo de conanza
100(1)% para
2
.
UC Introduccion a la Estadstica Estimacion 21 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador por intervalo
EJEMPLO
Se selecciona una muestra de tama no 10 de una poblacion Normal con media
y desviaci on tpica , ambos desconocidos. Los datos observados resultan:
5 ; 3 ; 2 ; 7 ; 4 ; 10 ; 5 ; 8 ; 4 ; 6
1 Proponer un estimador por intervalo para
2
al 95%.
2 Obtener un intervalo de conanza para
2
al 95%.
3 Interprete el resultado obtenido en el tem anterior.
4 El intervalo al 90% sera de mayor o menor longitud?
5 El intervalo al 90% tendra mayor o menor precisi on?
SOLUCI

ON
1
_
9S
2
19,02
,
9S
2
2,70
_
.
2
_
95,822
19,02
,
95,822
2,70
_
.
3 Con una conanza del 95%,
2
se encuentra entre 2,755 y 19,407.
4 Menor.
5 Mayor.
UC Introduccion a la Estadstica Estimacion 22 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador por intervalo
PROPORCI

ON POBLACIONAL
Sea X
1
, X
2
, ..., X
n
una muestra procedente de una poblaci on Bernoulli(p).
Sabemos que si n es lo sucientemente grande, de forma que tanto np
como n(1p) son mayores que 5, se puede utilizar la aproximaci on de la
distribuci on normal a la binomial.
Bajo las condiciones anteriores

n(

Xp)

p(1p)
=

n( pp)

p(1p)
Normal(0, 1).
Entonces, para cualquier (0, 1) se cumple que
P
_

n(

Xp)

p(1p)

z
/2
_

=1.
De ello se desprende que, con una probabilidad aproximada 1, p y

X
distan entre s como maximo en z
/2
_
p(1p)
n
. Esto equivale a
P
_

X z
/2
_
p(1p)
n
p

X +z
/2
_
p(1p)
n
_

=1.
Observemos que la proporci on desconocida p aparece en los extremos de
la desigualdad lo que impedira evaluarlos. Se puede demostrar que si en
ellos se remplaza p por su estimador

X lo anterior sigue siendo valido.
UC Introduccion a la Estadstica Estimacion 23 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador por intervalo
PROPORCI

ON POBLACIONAL
As, con una probabilidad aproximada 1, p y

X distan entre s como
maximo en z
/2
_

X(1

X)
n
. Esto equivale a
P
_

X z
/2
_

X(1

X)
n
p

X +z
/2
_

X(1

X)
n
_

=1.
ESTIMADOR POR INTERVALO E INTERVALO DE CONFIANZA
El intervalo
_

X z
/2
_

X(1

X)
n
,

X +z
/2
_

X(1

X)
n
_
se denomina
estimador por intervalo al 100(1)% aproximadamente para p.
El intervalo
_
x z
/2
_
x(1 x)
n
, x +z
/2
_
x(1 x)
n
_
se denomina intervalo
de conanza aproximada 100(1)% para p.
UC Introduccion a la Estadstica Estimacion 24 / 25
Introduccion Estimacion Puntual Estimacion por Intervalo
Estimador por intervalo
EJEMPLO
Retomamos el ejemplo presentado en la pagina 8.
1 Proponer un estimador por intervalo al 95% para la p = proporci on de
estudiantes que rindieron el primer parcial que lo eval uan difcil.
2 Obtener un intervalo de conanza para p al 95%.
3 Interprete el resultado obtenido en el tem anterior.
4 Cual es el tama no de muestra que asegura una precisi on de 2 puntos
porcentuales para estimar p con una conanza del 95%?
SOLUCI

ON
1
_

X 1,96
_

X(1

X)
50
,

X +1,96
_

X(1

X)
50
_
.
2
_
0,21,96
_
0,2(10,2)
50
, 0,2+1,96
_
0,2(10,2)
50
_
.
3 Con una conanza del 95%, la proporci on de estudiantes que rindieron el
primer parcial que lo eval uan difcil se encuentra entre 0,09 y 0,31.
4 n 2401.
UC Introduccion a la Estadstica Estimacion 25 / 25

También podría gustarte