Estimacin de

SEMANA 3 PARMETROS

[ ESTADSTICA INFERENCIAL ]


ESTIMACIN DE PARMETROS

TIPOS DE ESTIMADORES
INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL
INTERVALOS DE CONFIANZA PARA LA PROPORCIN
INTERVALO DE CONFIANZA PARA LA VARIANZA.

PALABRAS CLAVE

Estimacin puntual, estimador, estimacin por intervalo para muestra grande, estimacin
por intervalo para muestra pequea, estimacin por intervalo para la proporcin, nivel de
confianza.

INTRODUCCIN

Se pueden hacer inferencias acerca de los parmetros poblacionales de dos maneras: se
estiman los valores de los parmetros o podemos tomar decisiones con respecto a ellos. El
procedimiento que se utilice depende muchas veces de las circunstancias que motivan la
realizacin de inferencias. Por ejemplo, en empresas con produccin masiva es imposible o al
menos imprctico medir cada pieza de material que llega, o las propiedades de cada
producto terminado. En estos casos las caractersticas se estudian mediante muestras de
artculos extrados al azar y los resultados se generalizan a toda la produccin.

Suponga que una fbrica tiene dos incentivos de trabajo para que los empleados
incrementen la produccin. Se hace un muestreo de los empleados y, con base en los
resultados del mismo, se escoge el incentivo que da una mayor produccin. As es que se
desea tomar una decisin acerca de la diferencia en la produccin, pero es necesario medir el
riesgo de tomar una decisin incorrecta haciendo que la probabilidad de que esto ocurra sea
relativamente pequea.

Si se observa detenidamente, en todo momento se estn haciendo estimaciones. Los
gerentes recurren a las estimaciones porque en la mayora de casos deben tomar decisiones
racionales sin disponer de informacin completa y con mucha incertidumbre respecto a lo
que les depara el futuro.

La teora de la probabilidad constituye el fundamento de la inferencia estadstica, rama de la

estadstica que se ocupa del uso de los conceptos de la probabilidad para afrontar la
incertidumbre en la toma de decisiones. La inferencia estadstica se basa en la estimacin,
que se tratar en esta lectura y en la siguiente sobre prueba de hiptesis, en donde se harn
inferencias respecto a las caractersticas de la poblacin a partir de la informacin contenida
en las muestras.

2 [ POLITCNICO GRANCOLOMBIANO ]


2.1 TIPOS DE ESTIMADORES

Los procedimientos de estimacin pueden dividirse en dos tipos: estimacin puntual y

estimacin por intervalo. Suponga que un vendedor de productos qumicos quiere estimar la
ganancia media en cada venta de un producto nuevo. Se podra establecer la estimacin
mediante un solo nmero por ejemplo, $95.000 o se podra afirmar que la ganancia media
esta entre $90.000 a $100.000. El primer tipo se llama estimacin puntual, ya que se puede
asociar al nico nmero que representa la estimacin. El segundo tipo se llama estimacin
por intervalo.

La estimacin puntual utiliza la informacin de una muestra para llegar a un solo nmero,
que estima el parmetro de inters. La estimacin se realiza mediante un estimador.

Un estimador es una regla que expresa como calcular la estimacin, basndose en la

informacin de la muestra y se enuncia mediante una frmula.

Por ejemplo, la media muestral,

!
! =
!
Es un estimador puntual de la media poblacional y explica cmo puede obtenerse el valor
numrico de la estimacin. En forma similar la varianza muestral

(!! ! )!
!! =
!1
Es un estimador puntual de la varianza poblacional ! ! .

La estimacin por intervalo es una regla que indica como calcular dos nmeros con base en
los datos muestrales, estos dos nmeros tienen asociada una probabilidad llamada grado de
confiabilidad, la cual mide que el verdadero parmetro poblacional se encuentre dentro del
intervalo.

La estimacin puntual es a menudo insuficiente y no permite medir la confiabilidad de los

resultados, es por esto que se utiliza ms la estimacin por intervalo.

2.2 INTERVALOS DE CONFIANZA

2.2.1 Intervalo de Confianza para la Media Poblacional.

Aqu se tendr en cuenta los mtodos que se utilizan para construir intervalos de
confianza para la media poblacional, en tres situaciones diferentes:

1. Cuando la poblacin es normal y la varianza de la poblacin es conocida

2. Cuando la poblacin es normal y la varianza de la poblacin es desconocida

[ ESTADSTICA INFERENCIAL ] 3


3. Cuando la poblacin no es normal

2.2.1.1 Intervalo para la media de una poblacin normal y la varianza de la poblacin conocida.
Por lo que se vio en las distribuciones muestrales, se sabe que la distribucin muestral de !,
es normal con media y varianza !!! .

Se expresa el nivel de confianza del intervalo como la probabilidad (1 ) como se

representa en la figura siguiente:

El intervalo esta dado por:

! ! !!! ! ! !!! = 1 !
Que se escribe en forma resumida como:

! !!!
Donde:

Z es el valor de la tabla normal estndar que corresponde al nivel de confianza (1 !) y

!! es el error estndar.

Recuerde que el error estndar se obtiene como:

!
!! = !
Para poblacin infinita o desconocida.

! !!!
!! = !
!!!
Para poblacin finita o conocida.

Ejemplo: el gerente de una fbrica preocupado por la demora en la produccin, desea

estimar el tiempo promedio que gastan sus trabajadores en ensamblar una pieza
determinada. Por experiencia se sabe que el tiempo gastado tiene distribucin normal con
desviacin estndar de 3,38 minutos. Se toma una muestra de seis obreros y se registra el
tiempo, en minutos, que gastan obteniendo:

4 [ POLITCNICO GRANCOLOMBIANO ]


18,5 20,6 12,9 14,6 19,8 15,0

Obtener una estimacin con un nivel de confianza del 90%

Solucin:

Con los datos de la muestra se obtiene ! :

! !"!,!
! = !
= !
= 16,9

Para una confiabilidad del 90% encontramos el valor Z en la tabla de la distribucin normal
obteniendo:

El intervalo queda entonces:

! !!!
3,83
16,9 1,65
6
16,9 2,58 = 14,32

16,9 + 2,58 = 19,48

Con una confiabilidad del 90% se estima que el tiempo promedio de ensamblado esta entre
14,32 y 19,48 minutos.

2.2.1.2 Intervalo para la media de una poblacin normal, la varianza de la poblacin desconocida
y muestra pequea (n<30).

Como se vio en las distribuciones muestrales, utilizamos S desviacin estndar de la muestra

como una estimacin de desviacin estndar poblacional y se trabaja con la distribucin t
student con (n-1) grados de libertad.

El intervalo entonces queda:

! !!!

[ ESTADSTICA INFERENCIAL ] 5


Donde t es la distribucin t student con (n-1) grados de libertad y !! es el error estndar.

Ejemplo:

Un supermercado vende caf cuya etiqueta dice: 40 onzas. Ante los reclamos hechos, el
gerente toma una muestra de catorce paquetes y encuentra un peso promedio de 34,86 y
una desviacin estndar de 4,23. Con una confiabilidad del 95% estimar el peso promedio de
todos los paquetes.

Solucin

n=14 ! = 34,86 S = 4,23 gl = 14 1 = 13

Con una confianza del 95% y 13 grados de libertad el valor de la distribucin t es 2,1604.

El intervalo queda entonces:
!,!"
! !!! 34,86 2,1604 !"

34,86 2,54 = 32,32

34,86 + 2,54 = 37,40

Con una confianza del 95% se puede decir que el peso promedio se encuentra entre 32,32 y
37,40 onzas.

2.2.1.3 Intervalo para la media de una poblacin no normal.

En la lectura anterior se dijo que para poblaciones no normales cuando n es grande entonces
!!!
el valor de ! = ! se distribuye en forma aproximadamente normal; tambin se dijo que
!
una muestra se considera grande si n > 30. Entonces el intervalo queda:

! !!!


Si se desconoce se estima con la varianza muestral S2.
2

6 [ POLITCNICO GRANCOLOMBIANO ]


Ejemplo:

Un gran distribuidor de partes para automviles necesita una estimacin de la vida media
que cabe esperar de las limpias brisas en condiciones normales de manejo. La gerencia ya ha
determinado que la desviacin estndar de la vida de la poblacin es seis meses. Se
selecciona una muestra aleatoria simple de 100 limpia brisas obtenindose una vida media de
veintin meses. Como el distribuidor utiliza miles de estas piezas al ao, quiere encontrar una
estimacin por intervalo con un nivel de confianza del 95%.

Solucin:

Dado que el tamao de la muestra es mayor que treinta, se puede utilizar la distribucin
normal como la distribucin de muestreo y por lo tanto:

! !!!

Como el grado de confiabilidad (1 ) = 95% entonces en la distribucin normal el valor de Z

= 1,96

Donde el valor Z correspondiente es 1,96. Entonces remplazando en el intervalo:
6
21 1,96
100
21 1,18 = 19,82

21 + 1,18 = 22,18

Ahora se puede decir que la vida media de las limpias brisas se estima entre 19,82 y 22,18
meses con una confiabilidad del 95%.

Intervalos de confianza para proporciones de una

poblacin (tamao de muestra grande)

[ ESTADSTICA INFERENCIAL ] 7


Las proporciones poblacionales se refieren a aquella parte de la poblacin que satisface

cierta caracterstica. Como es una proporcin se refiere a una fraccin, es decir una parte del
total que cumple con cierta condicin.

Usando el modelo de la distribucin binomial tenemos lo siguiente: si p es la proporcin de

xitos en una muestra de n datos independientes, para la cual la probabilidad de xito es P,
entonces por el teorema del lmite central se tiene que la variable aleatoria:
p P
Z=
P (1 P )
n

Se distribuye normal estndar.

Si no se conoce el valor de P (la probabilidad de xito) este valor puede ser estimado por p
siempre que el tamao de la muestra dado sea mayor que 30 (n>30), as la variable aleatoria:
p P
Z=
p (1 p )
n

se distribuye normal estndar.

Con esta informacin si se tiene la proporcin de xitos en una muestra aleatoria de tamao
n, cuyas observaciones son tomadas de una poblacin que tiene una proporcin de xitos P
desconocida que satisfacen que n>30, entonces el intervalo de confianza (1 ) de la
proporcin poblacional es:

p (1 p ) p (1 p )
p z P p + z
2 n 2 n

En forma resumida el intervalo se expresa en la forma:

P(1 - P)
P Z
n

P(1 - P)
Y el margen de error de este intervalo es e = Z
n

Ejemplo:

En una muestra aleatoria de 95 empresas manufactureras, sesenta y siete han indicado que
su empresa ha obtenido la certificacin ISO en los dos ltimos aos. Halle el intervalo de

8 [ POLITCNICO GRANCOLOMBIANO ]


confianza al 99% de la proporcin poblacional de empresas que han recibido la certificacin

en los dos ltimos aos.

Solucin:

Organicemos los datos dados:

67 n = 95
p =
95

Calculemos el valor de 2 :

100 (1 ) % = 99%
1 = 0.99
= 1 0.99
= 0.01
= 0.005
2

Determinamos el factor de fiabilidad Z 2 en la tabla normal:

[ ESTADSTICA INFERENCIAL ] 9


Luego Z 2 = 2.58 y finalmente hallamos el intervalo de confianza:

p (1 p ) p (1 p )
p z P p + z
2 n 2 n

67 67 67 67
1 1
67 95 95 67 95 95
2.58 P + 2.58
95 95 95 95

0.58457 P 0.70526

As la proporcin de empresas con certificacin ISO se encuentra entre el 58% y 71%

aproximadamente.

Intervalos de confianza de la varianza de una poblacin

que se distribuye normal.

10 [ POLITCNICO GRANCOLOMBIANO ]


Si se tiene una muestra aleatoria de tamao n cuyas observaciones son extradas de una
poblacin que se distribuye normal con varianza 2 desconocida y la varianza muestral es s 2
entonces un intervalo de confianza para la varianza poblacional con un nivel de confianza de
100 (1 ) % es:

(n 1)s 2 (n 1)s 2
<2 <
n21, n21,1
2 2

Para el cual n21, es el valor que satisface que P n21 > n21, y n21,1 es el valor para
=
2 2 2 2

el cual P n21 < n21,1 = .

2 2

Ejemplo:

El director de control de calidad de una empresa qumica ha extrado una muestra aleatoria
de veinte sacos de fertilizante de 100 kilos para estimar la varianza de los kilos de impurezas.
Se ha observado que la varianza muestral es de 6.62. Determine el intervalo de confianza al
95% de la varianza poblacional de los kilos de impurezas.

Solucin:

Dado que s 2 = 6.62 y n=20 vamos a establecer los valores n21, y n21,1 cuando 2 = 0.025 .
2 2

P n21 > n21, =

2 2

P 20
2 2
1 > 20 1, = 0.025
2

P 192 2
> 19, = 0.025
2

n21, = 32.85
De acuerdo a los valores de la tabla 2 por otra parte,

P n21 < n21,1 =

2 2

P 192 < 19,1

2

= 0.025
2

[ ESTADSTICA INFERENCIAL ] 11


2 2
de acuerdo a los valores de la tabla
19,10.025 = 19,0.975 = 8.91 .

2 2
Luego el intervalo de confianza es (n 2 1)s < 2 < (n2 1)s
n 1, n 1,1
2 2

(20 1)6.62 (20 1)6.62

<2 <
32.85 8.91

3.8289 < 2 < 14.1167

En otras palabras la varianza poblacional o la varianza en kilos de impurezas se encuentra

entre 2.83 y 14.12 kilos.

ELECCIN DEL TAMAO DE LA MUESTRA

Es posible que cuando realicemos una estimacin por intervalo observemos que el tamao
de este es demasiado grande. Por ende si ampliamos el tamao de la muestra es posible que
encontremos intervalos de confianza ms pequeos que nos ayuden a establecer
conclusiones ms precisas y cercanas al valor de los parmetros poblacionales.

Para esto es necesario elaborar un proceso que nos permita establecer el tamao ms
adecuado de la muestra. Dicho tamao de muestra se obtiene utilizando el margen de error.
Veamos:

Tamao de la muestra para estimar la media poblacional con distribucin normal y

varianza conocida.

Dado que el margen de error, que denotaremos e es igual a
e = Z x
n para determinar el
valor de n slo necesitamos despejarlo:

Z 2 x2
n=
e 2

Tngase en cuenta que los datos dados deben ser el margen de error y la varianza
poblacional.

Tamao de la muestra para estimar la proporcin poblacional con distribucin

normal.
Al igual que en el caso anterior dado que el margen de error, que denotaremos e es igual a :

12 [ POLITCNICO GRANCOLOMBIANO ]


P(1 - P)
e=Z
Para determinar el valor de n slo necesitamos despejarlo:
n
2
n= Z P (1 - P)
e 2

Tngase en cuenta que los datos dados deben ser el margen de error y la proporcin
muestral.

Ejemplo (tomado del libro estadstica para administracin y economa de Paul, NEWBOLD).

La poltica de gobierno es asuntos internos ha recibido un ndice de aprobacin del 65% en

una encuesta reciente. Se ha dicho que el margen de error era de 0.035. De qu tamao era
la muestra utilizada para hacer esta encuesta si suponemos que el nivel de confianza era del
95%?

Solucin:

Organicemos la informacin dada:

p = 0.65

e = 0,035

Determinamos el valor de alfa:

100 (1 ) % = 95%
1 = 0.95
= 1 0.95
= 0.05
= 0.025
2
Ahora s hallamos:

Luego z 2 es 1.96 y el valor de n es aproximadamente 714 porque

[ ESTADSTICA INFERENCIAL ] 13


n=
(1.96) 0.65 (1 0.65)
= 713.44
2
(0.035)

BIBLIOGRAFA
FREUND, John E., MILLER, Irwin y MILLER, Marylees. Estadstica Matemtica con
aplicaciones. 6ed. Madrid Prentice Hall, 2000.

GUTIERREZ, Humberto y DE LA VARA, Romn. Control estadstico de Calidad y Seis Sigma

(6s). Mxico: McGraw-Hill, 2005.

KENNET, Ron S., y ZACKS, Shelemyahu. Estadstica Industrial Moderna. Barcelona, Thomson,
2000.

MONTGOMERY, Douglas C. y RUNGER, George C. Probabilidad y Estadstica aplicadas a la

Ingeniera. 2ed. Mxico: Limusa, 2002.

NEWBOLD. Paul. Estadstica para los Negocios y la Economa. 4ed. Madrid Prentice Hall, 1988.

WALPOLE Ronal, E., MYERS, Raymond H. y MYERS, Sharon L. Probabilidad y Estadstica para
Ingenieros. 6ed. Madrid Prentice Hall, 1998.

14 [ POLITCNICO GRANCOLOMBIANO ]