INFERENCIA ESTADSTICA

SEMANA 4
NDICE

APRENDIZAJES ESPERADOS ........................................................................................................... 3

INTRODUCCIN ............................................................................................................................. 3
1. ESTIMACIN PUNTUAL ......................................................................................................... 3
1.1. PROPIEDADES DE LOS ESTIMADORES PUNTUALES ....................................................... 4
2. MTODO DE MXIMA VEROSIMILITUD ................................................................................ 5
2.1. FUNCIN DE VEROSIMILITUD ....................................................................................... 5
2.2. ESTIMADOR MXIMO VEROSMIL ................................................................................ 6
3. ESTIMACIN POR INTERVALOS ........................................................................................... 11
3.1. INTERVALOS DE CONFIANZA PARA PARMETROS DE POBLACIONES NORMALES ..... 11
3.1.1. INTERVALO DE CONFIANZA PARA LA MEDIA CON VARIANZA CONOCIDA ......... 11
3.1.2. INTERVALO DE CONFIANZA PARA LA MEDIA CON VARIANZA DESCONOCIDA ... 13
3.1.3. INTERVALO DE CONFIANZA PARA UNA PROPORCIN ........................................ 15
COMENTARIO FINAL.................................................................................................................... 16
REFERENCIAS ............................................................................................................................... 17

2
ESTE DOCUMENTO CONTIENE LA SEMANA 4
ESTIMACIN PUNTUAL Y POR INTERVALOS

APRENDIZAJES ESPERADOS
Ejercitar mtodos de estimacin puntual de un parmetro poblacional desconocido.

Practicar el reconocimiento de variabilidad que genera un proceso de estimacin y, por

ende, calcular intervalos de confianza para estimar parmetros de una poblacin.

INTRODUCCIN
Cuando se realiza una afirmacin acerca de los parmetros de la poblacin en estudio,
basndose en la informacin contenida en la muestra, esta se puede realizar mediante valores
puntuales de un estadstico o sealando un intervalo de valores dentro del cual se tiene
confianza que est el valor del parmetro. El primer caso se conoce como estimacin puntual.
En ella se utilizan directamente los valores de un estadstico sobre la muestra dada. En el
segundo caso se est ante una estimacin por intervalos, donde se calcula un intervalo de
confianza en el que razonablemente cae el valor estimado con un nivel de confianza prefijado.

1. ESTIMACIN PUNTUAL
Se sabe que las variables aleatorias (X1, X2, , Xn) constituyen una muestra aleatoria de tamao
n si las X i son variables aleatorias independientes y todas las X i tienen la misma
distribucin de probabilidad.

Tambin se sabe que una estadstica es cualquier funcin de las observaciones contenidas en
una muestra, por ejemplo la media muestral, la varianza muestral o la proporcin muestral.
Adems, una estadstica puede tomar distintos valores en distintas muestras, constituyendo
una variable aleatoria. Cualquier estadstica que permita hacer una idea acerca del valor
poblacional de un parmetro desconocido se llamar estimador y se llamar estimador puntual
a un valor concreto obtenido en una muestra (Prez, 2002).

El paso previo de todo proceso de estimacin consistir en definir las estadsticas que se
emplearn como estimadores. Por ejemplo, si se quiere estimar la media de una poblacin,
entonces se debera usar como estimador la media muestral. Sin embargo, se debe analizar las
propiedades de cada estimador.

Es lgico pensar que una estimacin puntual posee la ventaja de obtener un valor exacto de un
parmetro poblacional. Sin embargo, al tomar distintas muestras el valor de la estadstica

3
ESTE DOCUMENTO CONTIENE LA SEMANA 4
muestral cambia. Por ello es muy importante que un estimador goce de determinadas
propiedades deseables.

1.1. PROPIEDADES DE LOS ESTIMADORES PUNTUALES

Segn Csar Prez (2002) las propiedades de los estimadores puntuales son:

1) Un estadstico es suficiente cuando recoge toda la informacin que entrega la muestra. Esta
es una caracterstica muy deseable en estimador puntual.

2) Un estimador puntual es consistente cuando verifica que la probabilidad que la desviacin

entre el estimador y el verdadero valor del parmetro estimado sea mayor que un cierto
valor prefijado.

Matemticamente, un estimador es consistente para el parmetro si para cualquier

nmero positivo que se llamar (psilon) se cumple que:

l m P n 1
n

3) Un estimador puntual es insesgado o centrado cuando su valor probable coincide con el
valor del parmetro a estimar, es decir, se dice que el estimador de un parmetro
llamado es un estimador insesgado si el valor esperado de es .

A partir de la propiedad anterior se puede definir el sesgo de un estimador

E
TEOREMA

Un estimador insesgado es consistente si (Montgomery & Runger, 1996):

l m Var 0
n

4) Un estimador puntual es eficiente cuando es insesgado y tiene varianza mnima.

4
ESTE DOCUMENTO CONTIENE LA SEMANA 4
TEOREMA

Si es un estimador insesgado de , tendr varianza mnima si (Montgomery & Runger,

1998):

Var
1
ln f x 2
n E

Donde f x es la funcin de densidad de la poblacin, ln es el logaritmo natural, E es la

esperanza y n es el tamao de la muestra.

Una vez seleccionadas las propiedades que el estimador debe cumplir para ser considerado
aceptable, queda resolver cmo se determinarn los estimadores puntuales. Los mtodos ms
usados son el de mxima verosimilitud, el mtodo de los momentos y el mtodo de los
mnimos cuadrados.

2. MTODO DE MXIMA VEROSIMILITUD

2.1. FUNCIN DE VEROSIMILITUD

Si x es una variable aleatoria (v. a.) que define una poblacin con parmetro y est definida
por la funcin de probabilidad f x; . Se selecciona una muestra aleatoria de tamao n que

se denota como xi i 1 . Se define la funcin de verosimilitud L x1 ,x2 ,...,xn ; como:

n

n
L x1 ,x2 ,...,xn ; f xi ,
i 1

OBSERVACIN

n
El smbolo
i1
significa el producto de cada valor de la funcin evaluando xi .

Para hallar el mximo de esta funcin se transforma dicha funcin aplicando logaritmo, ya que
posee propiedades deseables para obtener buenas conclusiones.

5
ESTE DOCUMENTO CONTIENE LA SEMANA 4
 2.2. ESTIMADOR MXIMO VEROSMIL
Una estadstica que se toma como estimador, porque su valor al sustituir al parmetro hace
mxima la probabilidad de obtener el resultado observado, se llama estimador de mxima
verosimilitud (e. m. v.).

Considerando la funcin de verosimilitud L x1 ,x2 ,...,xn ; y transformndola en una funcin

montona al aplicar la funcin logaritmo ln L x1 ,x2 ,...,xn ; , el estimador mximo verosmil

se halla derivando esta funcin e igualndola a cero.

En resumen, el e. m. v. se obtiene siguiendo los siguientes pasos:

Ejemplo: Si x es una variable aleatoria que distribuye normal con media y varianza 2 . En
notacin:

L xi ; , f x
n
2
xi i
i 1

La funcin f xi xi se refiere a la funcin de densidad que, en este caso, es la funcin de

densidad de una distribucin normal.

Se reemplaza:

xi
2

1
f xi xi e 2 2

2 2

xi
2

L xi ; , 2
n
1
e 2 2

i 1 2 2

Se desarrolla la productoria:

x1 x2 xn
2 2 2

1 1 1
e 2 2
e 2 2
. . . e 2 2

2 2 2 2 2 2

6
ESTE DOCUMENTO CONTIENE LA SEMANA 4
Si se analiza esta expresin:

n
1 1
multiplicada n veces por s misma, da como resultado por definicin
2 2 2 2

de potencia.
Para la expresin que contiene a la funcin exponencial
n
xi
2

x1 x2 xn
2 2 2
i 1

e 2 2
e 2 2
. . . e 2 2
e 2 2

Por la propiedad de la multiplicacin de bases iguales, se mantienen las bases y se suman los
exponentes. (Recordar: am an = am+n).

En consecuencia:

xi
2

n
1 i 1

e 2 2

2
2

Ahora se aplica la funcin logaritmo natural:

xi
n
2

1
n
i 1
ln L xi ; , 2 ln e 2 2

2 2

Usando las propiedades de los logaritmos:

xi
n
2

1 n

ln L xi ; , 2 ln
i 1

e 2
2

2 2 b
a

xi 2
n

1 i1 2 n

ln L xi ; , ln
2
ln e 2
2 2

7
ESTE DOCUMENTO CONTIENE LA SEMANA 4
 n

x
2

1 i
n ln
i 1
ln e
2
2
2 2

x
2

1 i
n ln
i 1
1
2
2
2 2

Se deriva y se iguala a cero para maximizar la funcin. Primero se deriva respecto del
parmetro .

n
2 xi
2
ln L xi ; , 2
i 1

2 2

ln L xi ; , 2
x
i 1
i

Se iguala a cero y se desarrolla la sumatoria:

x i
i 1
0
2

8
ESTE DOCUMENTO CONTIENE LA SEMANA 4
Esta expresin solo es cero cuando su numerador es cero:

x 0
i 1
i

Como es un valor constante, se aplica la propiedad de las sumatorias.

x n 0
i 1
i

Se despeja :

xi 1
i n

x i
i 1

n

Este resultado quiere decir que la media muestral es un estimador insesgado. Para comprobar
esto se usa la definicin de sesgo: E

E 0

La segunda parte de esta estimacin es verificar si el estimador mximo verosmil para la

varianza tambin goza de propiedades deseables.

Ahora se derivar la funcin de verosimilitud respecto del parmetro 2 :

x
2

1 i
ln L xi ; , 2 n ln
i 1

2
2
2 2

x
2
ln L xi ; , 2
n i
i 1

2
2 2 2 4

9
ESTE DOCUMENTO CONTIENE LA SEMANA 4
Se iguala a cero:

x
2

n i
i 1
0
2 2 2 4

Se lleva una fraccin a cada lado de la igualdad:

x
2
i
n
i 1

2 4
2 2

Se intercambian medios:

x
2
i
2 4
i 1

n 2 2

Se simplifican y se restan los exponentes de las bases iguales:

x
2
i
2 4 2
i 1

n 2

x
2
i
i 1
2
n

Por lo tanto el estimador de 2 es:

x x
n 2
i
i 1
2
n

Por lo tanto, 2 es insesgado. Su sesgo es:

E 2 2
n 1 2
n
2

E 2 2
2
n

Como el sesgo es negativo, 2 tiende a subestimar la verdadera varianza 2 . A medida que

el tamao de la muestra n aumenta, el sesgo tiende a cero.

10
ESTE DOCUMENTO CONTIENE LA SEMANA 4
 3. ESTIMACIN POR INTERVALOS
El problema que presenta la estimacin puntual de un parmetro reside en que no garantiza ni
mide la precisin de la estimacin. Por esta razn, es necesario que la estimacin entregue una
medida del grado de confianza. Para ello se construyen lmites entre los que se hallar el valor
del parmetro estimado (Montgomery & Runger, 1996).

Si es el parmetro que se quiere estimar, se define una probabilidad de 1 de seleccionar

una muestra que produzca un intervalo que contiene el verdadero valor de .

Se conoce como intervalo de confianza del 100 1 % para el parmetro desconocido a

aquel intervalo proveniente de un nmero infinito de muestras aleatorias, tal que para cada
muestra aleatoria el 100 1 % de esos intervalos contiene el verdadero valor de .

Entre ms grande sea el intervalo de confianza (esto es la diferencia entre el lmite superior y
el inferior), mayor es la seguridad que el intervalo en realidad contenga el verdadero valor de
. Por otra parte, entre ms grande sea el intervalo, menor informacin se tiene acerca del
valor verdadero de . En una situacin ideal, el intervalo debera ser relativamente pequeo
con una confianza grande.

3.1. INTERVALOS DE CONFIANZA PARA PARMETROS DE

POBLACIONES NORMALES

3.1.1. INTERVALO DE CONFIANZA PARA LA MEDIA CON VARIANZA

CONOCIDA

Si x es la media muestral de una muestra aleatoria de tamao n de una poblacin con

varianza conocida 2 , un intervalo de confianza para del 100 1 % est dado por
(Montgomery & Runger, 1996):

x Z / 2 x Z / 2
n n

Donde Z / 2 es el punto de la distribucin normal estndar que corresponde al porcentaje

/ 2.

Ejemplo: Para determinar el peso medio de un pasajero de un avin se toma una muestra
aleatoria de 36 pasajeros y se obtiene una media muestral de 72,57 kilgramos. Supngase

11
ESTE DOCUMENTO CONTIENE LA SEMANA 4
que la distribucin de los pesos de los pasajeros del avin tiene una desviacin estndar de
13,61 kg. Construya un intervalo de confianza del 95% para el peso promedio de un pasajero.

Solucin:

Se obtiene primero el valor de .

Un intervalo del 95% implica que 1 0,95 . Se despeja :

1 0,95

0,05

Ahora se busca la probabilidad para: Z / 2 Z0 ,05 / 2 Z0 ,025

Como la distribucin normal es simtrica, se busca dentro de la tabla del apndice: 1 0,025 =
0,975.

Por lo tanto, se busca las probabilidades de: Z 0 ,025 y Z 0 ,975

Se busca dentro la tabla del apndice de la semana y se observan los valores que hay al
interior de la tabla, juntando el valor vertical y horizontal correspondiente. Otra opcin es la
frmula en Excel: =DISTR.NORM.ESTAND.INV(0,025)

Es importante tener en consideracin que Excel siempre dar la cola izquierda, por lo tanto se
debe tener en cuenta la simetra de la distribucin normal.

Entonces, Z0 ,975 1,96 y por simetra Z0 ,025 1,96

12
ESTE DOCUMENTO CONTIENE LA SEMANA 4
Luego, los datos son:

Se reemplaza en: x Z / 2 x Z / 2
n n

13,61 13,61
72,57 1,96 72,57 1,96
36 36

68,12 77,02

Interpretacin: el intervalo calculado entre 68,12 kg y 77,02 kg incluir el peso medio de todos
los pasajeros de avin con una probabilidad de un 95%.

Observacin: es importante observar que si se toma 100 muestras, construyndose 100

intervalos de confianza (uno para cada muestra), se esperara que 95 de ellos incluyeran
efectivamente al valor del parmetro.

3.1.2. INTERVALO DE CONFIANZA PARA LA MEDIA CON VARIANZA

DESCONOCIDA

Si x y s son la media y la desviacin estndar de una muestra aleatoria de tamao n de una

poblacin con varianza 2 desconocida, entonces un intervalo de confianza para del
100 1 % est dado por (Montgomery & Runger, 1996):

s s
x t / 2 ,n 1 x t / 2 ,n 1
n n

Donde t / 2 ,n 1 es el punto crtico superior que corresponde al porcentaje de / 2 de la

distribucin t con n 1 grados de libertad.

Ejemplo: Un artculo publicado en el Journal of Testing and Evaluation (1982, p. 133) presenta
las siguientes 20 mediciones del tiempo de combustin residual (en segundos) de ropa de
dormir para nios:

13
ESTE DOCUMENTO CONTIENE LA SEMANA 4
 9,85 9,93 9,75 9,77 9,67
9,87 9,67 9,94 9,85 9,75
9,83 9,92 9,74 9,99 9,98
9,95 9,95 9,93 9,92 9,89

Encuentre un intervalo de confianza al 95% para el tiempo de combustin residual promedio

suponiendo que el tiempo de combustin residual sigue una distribucin normal.

Solucin:

Se calcula el promedio y la desviacin estndar muestrales:

x 197 ,05
X i 9,8525
n 20

x x
n

i
1,83268
s i 1
0,0965
n 1 19

Un intervalo del 95% implica que 1 0,95 . Se despeja :

1 0,95

0,05

Ahora se busca la probabilidad para t / 2 t0 ,05 / 2 t0 ,025 asociada con 20 1 = 19 grados de

libertad.

Como t0 ,025 no aparece en la tabla, se usa la simetra de esta distribucin (al igual que la
distribucin normal):

1 0,025 = 0,975

Es decir, t0 ,025 t0 ,975

Se busca dentro la tabla 2 de la semana y se observa el valor que corresponde a 19 grados de

libertad y t0 ,975 en la tabla juntando el valor vertical y horizontal correspondiente.

Entonces, t0 ,975 2,093

Si se quiere usar Excel, se debe tener en cuenta que el estadstico t est considerado como
t ,n 1 . En este caso sera t 0 ,05 ,19 . Como se tiene el percentil ( = 0,05), se usar la frmula
que dice inv: =DISTR.T.INV(0,05;19) = 2,093

14
ESTE DOCUMENTO CONTIENE LA SEMANA 4
Los datos son:

x 9,8525

s 0,0965

n 20

Se reemplaza en el intervalo de confianza para la media con varianza desconocida.

s s
x t / 2 ,n 1 x t / 2 ,n 1
n n

0,0965 0,0965
9,8525 2,093 9,8525 2,093
20 20

9,8525 0,04516 9,8525 0,04516

9,8073 9,8977

Interpretacin: si se tiene una confianza del 95% de que el tiempo de combustin residual
promedio se encuentra entre 9,8073 y 9,8977 segundos.

3.1.3. INTERVALO DE CONFIANZA PARA UNA PROPORCIN

Si p es la proporcin de observaciones de una muestra aleatoria de tamao n que pertenece

a una clase inters, entonces un intervalo de confianza aproximado del 100 1 % para la
poblacin p de la poblacin que pertenece a esta clase, est dado por (Montgomery &
Runger, 1996):

p Z / 2

p 1 p p pZ

p 1 p
/2
n n

Donde Z / 2 es el punto de la distribucin normal estndar que corresponde al porcentaje

/ 2.

Ejemplo: Una fbrica desea saber la proporcin de dueas de casa que prefieren una
aspiradora de alta potencia sin importar el alto consumo elctrico. Se toma al azar una
muestra de 100 casas (donde por supuesto hay una duea de casa) en la comuna de Santiago
Centro y un encuestador le consulta a cada duea de casa al respecto. De las 100 dueas de
casa, 20 dicen que s les gustara una aspiradora de alta potencia y 80 afirman lo contrario.

15
ESTE DOCUMENTO CONTIENE LA SEMANA 4
Cul sera entonces la verdadera proporcin p si se desea un intervalo de confianza del
95%?

Solucin:

Los datos son:

20
p 0, 2
100

Z / 2 1,96 (ver ejemplo del intervalo de confianza para la media con varianza conocida)

n 100

Se reemplaza en el intervalo de confianza para la proporcin:

p Z / 2

p 1 p p pZ
p 1 p
/2
n n

0, 2 1 0, 2 0, 2 1 0, 2
0, 2 1,96 p 0, 2 1,96
100 100

0, 2 0,0784 p 0,2 0,0784

0,1216 p 0, 2784

Interpretacin: con un nivel de confianza del 95% se puede concluir que, de 100 dueas de
casa entre 12 y 27 de ellas estn interesadas en la aspiradora.

COMENTARIO FINAL
Esta semana se han tratado los mtodos de estimacin a travs de estimadores puntuales y de
intervalos de confianza. En la mayora de los problemas prcticos no basta con una estimacin
puntual, atendiendo a que muchas veces es ms til una medida que considere la variabilidad
como lo es un intervalo de confianza.

Es importante decidir qu propiedades debe tener el estimador puntual que se va a escoger y

en el caso de una estimacin por intervalo de confianza se debe decidir el nivel de confianza y
el tamao de muestra adecuado.

16
ESTE DOCUMENTO CONTIENE LA SEMANA 4
REFERENCIAS
Canavos, G. (1984). Probabilidad y estadstica, aplicaciones y mtodos. 1 edicin. Estados

Unidos: McGraw-Hill.

Chao, L. (1982). Estadstica para las ciencias administrativas. 2 edicin. Estados Unidos:

McGraw-Hill.

Montgomery, D. & Runger, G. (1996). Probabilidad y estadstica aplicadas a la ingeniera. 1

edicin. Estados Unidos: McGraw-Hill.

Newbold, P.; Carlson, W. & Thorne, B. (2008). Estadstica para la administracin y economa.

6 edicin. Estados Unidos: Pearson, Prentice-Hall.

Prez, C. (2002). Estadstica aplicada a travs de Excel. 2 edicin. Madrid, Espaa: Prentice-

Hall.

Santiago, J. (2006). Apuntes de clase de Estadstica II. Licenciatura en matemtica y

computacin. Chile: Universidad de Santiago de Chile.

PARA REFERENCIAR ESTE DOCUMENTO, CONSIDERE:

IACC (2013). Estimacin puntual y por intervalos. Inferencia estadstica. Semana 4.

17
ESTE DOCUMENTO CONTIENE LA SEMANA 4