Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SEMANA 3
PARÁMETROS
[ ESTADÍSTICA INFERENCIAL ]
PALABRAS CLAVE
Estimación
puntual,
estimador,
estimación
por
intervalo
para
muestra
grande,
estimación
por
intervalo
para
muestra
pequeña,
estimación
por
intervalo
para
la
proporción,
nivel
de
confianza.
INTRODUCCIÓN
Se
pueden
hacer
inferencias
acerca
de
los
parámetros
poblacionales
de
dos
maneras:
se
estiman
los
valores
de
los
parámetros
o
podemos
tomar
decisiones
con
respecto
a
ellos.
El
procedimiento
que
se
utilice
depende
muchas
veces
de
las
circunstancias
que
motivan
la
realización
de
inferencias.
Por
ejemplo,
en
empresas
con
producción
masiva
es
imposible
o
al
menos
impráctico
medir
cada
pieza
de
material
que
llega,
o
las
propiedades
de
cada
producto
terminado.
En
estos
casos
las
características
se
estudian
mediante
muestras
de
artículos
extraídos
al
azar
y
los
resultados
se
generalizan
a
toda
la
producción.
Suponga
que
una
fábrica
tiene
dos
incentivos
de
trabajo
para
que
los
empleados
incrementen
la
producción.
Se
hace
un
muestreo
de
los
empleados
y,
con
base
en
los
resultados
del
mismo,
se
escoge
el
incentivo
que
da
una
mayor
producción.
Así
es
que
se
desea
tomar
una
decisión
acerca
de
la
diferencia
en
la
producción,
pero
es
necesario
medir
el
riesgo
de
tomar
una
decisión
incorrecta
haciendo
que
la
probabilidad
de
que
esto
ocurra
sea
relativamente
pequeña.
Si
se
observa
detenidamente,
en
todo
momento
se
están
haciendo
estimaciones.
Los
gerentes
recurren
a
las
estimaciones
porque
en
la
mayoría
de
casos
deben
tomar
decisiones
racionales
sin
disponer
de
información
completa
y
con
mucha
incertidumbre
respecto
a
lo
que
les
depara
el
futuro.
2
[ POLITÉCNICO GRANCOLOMBIANO ]
La
estimación
puntual
utiliza
la
información
de
una
muestra
para
llegar
a
un
solo
número,
que
estima
el
parámetro
de
interés.
La
estimación
se
realiza
mediante
un
estimador.
(!! − ! )!
!! =
!−1
Es
un
estimador
puntual
de
la
varianza
poblacional
! ! .
La
estimación
por
intervalo
es
una
regla
que
indica
como
calcular
dos
números
con
base
en
los
datos
muestrales,
estos
dos
números
tienen
asociada
una
probabilidad
llamada
grado
de
confiabilidad,
la
cual
mide
que
el
verdadero
parámetro
poblacional
se
encuentre
dentro
del
intervalo.
La
estimación
puntual
es
a
menudo
insuficiente
y
no
permite
medir
la
confiabilidad
de
los
resultados,
es
por
esto
que
se
utiliza
más
la
estimación
por
intervalo.
Aquí
se
tendrá
en
cuenta
los
métodos
que
se
utilizan
para
construir
intervalos
de
confianza
para
la
media
poblacional,
en
tres
situaciones
diferentes:
1. Cuando la población es normal y la varianza de la población es conocida
2. Cuando la población es normal y la varianza de la población es desconocida
[ ESTADÍSTICA INFERENCIAL ] 3
2.2.1.1
Intervalo
para
la
media
de
una
población
normal
y
la
varianza
de
la
población
conocida.
Por
lo
que
se
vio
en
las
distribuciones
muestrales,
se
sabe
que
la
distribución
muestral
de
!,
es
normal
con
media
μ
y
varianza
!!! .
! ! − !!! ≤ ! ≤ ! − !!! = 1 − !
Que
se
escribe
en
forma
resumida
como:
! ± !!!
Donde:
Z
es
el
valor
de
la
tabla
normal
estándar
que
corresponde
al
nivel
de
confianza
(1 − !)
y
!!
es
el
error
estándar.
! !!!
!! = !
!!!
Para
población
finita
o
conocida.
4
[ POLITÉCNICO GRANCOLOMBIANO ]
Obtener una estimación con un nivel de confianza del 90%
Solución:
Para
una
confiabilidad
del
90%
encontramos
el
valor
Z
en
la
tabla
de
la
distribución
normal
obteniendo:
El
intervalo
queda
entonces:
! ± !!!
3,83
16,9 ± 1,65
6
16,9 − 2,58 = 14,32
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
población
normal,
la
varianza
de
la
población
desconocida
y
muestra
pequeña
(n<30).
Como
se
vio
en
las
distribuciones
muestrales,
utilizamos
S
desviación
estándar
de
la
muestra
como
una
estimación
de
σ
desviación
estándar
poblacional
y
se
trabaja
con
la
distribución
t
student
con
(n-‐1)
grados
de
libertad.
!
± !!!
[ ESTADÍSTICA INFERENCIAL ] 5
Donde t es la distribución t student con (n-‐1) grados de libertad y !! es el error estándar.
Ejemplo:
Un
supermercado
vende
café
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
desviación
estándar
de
4,23.
Con
una
confiabilidad
del
95%
estimar
el
peso
promedio
de
todos
los
paquetes.
Solución
Con una confianza del 95% y 13 grados de libertad el valor de la distribución t es 2,1604.
El
intervalo
queda
entonces:
!,!"
! ± !!!
34,86 ± 2,1604 !"
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 población 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;
también
se
dijo
que
!
una
muestra
se
considera
grande
si
n
>
30.
Entonces
el
intervalo
queda:
! ± !!!
Si
se
desconoce
σ
se
estima
con
la
varianza
muestral
S2.
2
6
[ POLITÉCNICO GRANCOLOMBIANO ]
Ejemplo:
Un
gran
distribuidor
de
partes
para
automóviles
necesita
una
estimación
de
la
vida
media
que
cabe
esperar
de
las
limpias
brisas
en
condiciones
normales
de
manejo.
La
gerencia
ya
ha
determinado
que
la
desviación
estándar
de
la
vida
de
la
población
es
seis
meses.
Se
selecciona
una
muestra
aleatoria
simple
de
100
limpia
brisas
obteniéndose
una
vida
media
de
veintiún
meses.
Como
el
distribuidor
utiliza
miles
de
estas
piezas
al
año,
quiere
encontrar
una
estimación
por
intervalo
con
un
nivel
de
confianza
del
95%.
Solución:
Dado
que
el
tamaño
de
la
muestra
es
mayor
que
treinta,
se
puede
utilizar
la
distribución
normal
como
la
distribución
de
muestreo
y
por
lo
tanto:
! ± !!!
Donde
el
valor
Z
correspondiente
es
1,96.
Entonces
remplazando
en
el
intervalo:
6
21 ± 1,96
100
21
–
1,18
=
19,82
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%.
[ ESTADÍSTICA INFERENCIAL ] 7
Usando
el
modelo
de
la
distribución
binomial
tenemos
lo
siguiente:
si
p̂
es
la
proporción
de
éxitos
en
una
muestra
de
n
datos
independientes,
para
la
cual
la
probabilidad
de
éxito
es
P,
entonces
por
el
teorema
del
límite
central
se
tiene
que
la
variable
aleatoria:
pˆ − P
Z=
P (1 − P )
n
Si
no
se
conoce
el
valor
de
P
(la
probabilidad
de
éxito)
este
valor
puede
ser
estimado
por
p̂
siempre
que
el
tamaño
de
la
muestra
dado
sea
mayor
que
30
(n>30),
así
la
variable
aleatoria:
pˆ − P
Z=
pˆ (1 − pˆ )
n
Con
esta
información
si
se
tiene
la
proporción
de
éxitos
en
una
muestra
aleatoria
de
tamaño
n,
cuyas
observaciones
son
tomadas
de
una
población
que
tiene
una
proporción
de
éxitos
P
desconocida
que
satisfacen
que
n>30,
entonces
el
intervalo
de
confianza
(1
–
α)
de
la
proporción
poblacional
es:
pˆ (1 − pˆ ) pˆ (1 − pˆ )
pˆ − zα ≤ P ≤ pˆ + zα
2 n 2 n
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
certificación
ISO
en
los
dos
últimos
años.
Halle
el
intervalo
de
8
[ POLITÉCNICO GRANCOLOMBIANO ]
confianza
al
99%
de
la
proporción
poblacional
de
empresas
que
han
recibido
la
certificación
en
los
dos
últimos
años.
Solución:
67
n = 95
pˆ =
95
100 (1 − α ) % = 99%
1 − α = 0.99
α = 1 − 0.99
α = 0.01
α = 0.005
2
[ ESTADÍSTICA INFERENCIAL ] 9
pˆ (1 − pˆ ) pˆ (1 − pˆ )
pˆ − zα ≤ P ≤ pˆ + zα
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
Así
la
proporción
de
empresas
con
certificación
ISO
se
encuentra
entre
el
58%
y
71%
aproximadamente.
10
[ POLITÉCNICO GRANCOLOMBIANO ]
Si
se
tiene
una
muestra
aleatoria
de
tamaño
n
cuyas
observaciones
son
extraídas
de
una
población
que
se
distribuye
normal
con
varianza
σ 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 − α ) %
es:
(n − 1)s 2 (n − 1)s 2
<σ2 <
χ n2−1,α χ n2−1,1−α
2 2
Para
el
cual
χn2−1,α
es
el
valor
que
satisface
que
P ⎛⎜ χn2−1 > χn2−1,α ⎞ α
y
χ n2−1,1−α
es
el
valor
para
⎟ =
2 ⎝ 2 ⎠ 2 2
Ejemplo:
El
director
de
control
de
calidad
de
una
empresa
química
ha
extraído
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.
Solución:
Dado
que
s 2 = 6.62
y
n=20
vamos
a
establecer
los
valores
χn2−1,α
y
χ n2−1,1−α
cuando
α 2 = 0.025 .
2
2
P ⎛⎜ χ 20
2 2 ⎞
−1 > χ 20 −1,α ⎟ = 0.025
⎝ 2 ⎠
P ⎛⎜ χ192 2 ⎞
> χ19,α ⎟ = 0.025
⎝ 2 ⎠
χn2−1,α = 32.85
De
acuerdo
a
los
valores
de
la
tabla
2
por
otra
parte,
[ ESTADÍSTICA INFERENCIAL ] 11
2 2
de
acuerdo
a
los
valores
de
la
tabla
χ19,1−0.025 = χ19,0.975 = 8.91 .
2 2
Luego
el
intervalo
de
confianza
es
(n 2− 1)s < σ 2 < (n2− 1)s
χ n −1,α χ n −1,1−α
2 2
Es
posible
que
cuando
realicemos
una
estimación
por
intervalo
observemos
que
el
tamaño
de
este
es
demasiado
grande.
Por
ende
si
ampliamos
el
tamaño
de
la
muestra
es
posible
que
encontremos
intervalos
de
confianza
más
pequeños
que
nos
ayuden
a
establecer
conclusiones
más
precisas
y
cercanas
al
valor
de
los
parámetros
poblacionales.
Para
esto
es
necesario
elaborar
un
proceso
que
nos
permita
establecer
el
tamaño
más
adecuado
de
la
muestra.
Dicho
tamaño
de
muestra
se
obtiene
utilizando
el
margen
de
error.
Veamos:
Z 2 σ x2
n=
e 2
Téngase
en
cuenta
que
los
datos
dados
deben
ser
el
margen
de
error
y
la
varianza
poblacional.
12
[ POLITÉCNICO GRANCOLOMBIANO ]
P(1 - P)
e=Z
Para
determinar
el
valor
de
n
sólo
necesitamos
despejarlo:
n
2
n= Z P (1 - P)
e 2
Téngase
en
cuenta
que
los
datos
dados
deben
ser
el
margen
de
error
y
la
proporción
muestral.
Ejemplo (tomado del libro estadística para administración y economía de Paul, NEWBOLD).
La
política
de
gobierno
es
asuntos
internos
ha
recibido
un
índice
de
aprobación
del
65%
en
una
encuesta
reciente.
Se
ha
dicho
que
el
margen
de
error
era
de
0.035.
¿De
qué
tamaño
era
la
muestra
utilizada
para
hacer
esta
encuesta
si
suponemos
que
el
nivel
de
confianza
era
del
95%?
Solución:
pˆ = 0.65
e
=
0,035
100 (1 − α ) % = 95%
1 − α = 0.95
α = 1 − 0.95
α = 0.05
α = 0.025
2
Ahora
sí
hallamos:
Luego
zα 2
es
1.96
y
el
valor
de
n
es
aproximadamente
714
porque
[ ESTADÍSTICA INFERENCIAL ] 13
n=
(1.96) 0.65 (1 − 0.65)
= 713.44
2
(0.035)
BIBLIOGRAFÍA
FREUND,
John
E.,
MILLER,
Irwin
y
MILLER,
Marylees.
Estadística
Matemática
con
aplicaciones.
6ed.
Madrid
Prentice
Hall,
2000.
KENNET,
Ron
S.,
y
ZACKS,
Shelemyahu.
Estadística
Industrial
Moderna.
Barcelona,
Thomson,
2000.
MONTGOMERY,
Douglas
C.
y
RUNGER,
George
C.
Probabilidad
y
Estadística
aplicadas
a
la
Ingeniería.
2ed.
México:
Limusa,
2002.
NEWBOLD. Paul. Estadística para los Negocios y la Economía. 4ed. Madrid Prentice Hall, 1988.
WALPOLE
Ronal,
E.,
MYERS,
Raymond
H.
y
MYERS,
Sharon
L.
Probabilidad
y
Estadística
para
Ingenieros.
6ed.
Madrid
Prentice
Hall,
1998.
14
[ POLITÉCNICO GRANCOLOMBIANO ]