Estimación de

SEMANA 3   PARÁMETROS  
 
 

 
 
 
 

 
 
 

 
 
 
 

 
 
 

 
 
 
 

 
 
 
   

[ ESTADÍSTICA INFERENCIAL ]
  

ESTIMACIÓN  DE  PARÁMETROS  

 

 TIPOS  DE  ESTIMADORES  

 INTERVALOS  DE  CONFIANZA  PARA  LA  MEDIA  POBLACIONAL  
 INTERVALOS  DE  CONFIANZA  PARA  LA  PROPORCIÓN  
 INTERVALO  DE  CONFIANZA  PARA  LA  VARIANZA.  

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.  

La   teoría   de   la   probabilidad   constituye   el   fundamento   de   la   inferencia   estadística,   rama   de   la  

estadística   que   se   ocupa   del   uso   de   los   conceptos   de   la   probabilidad   para   afrontar   la  
incertidumbre   en   la   toma   de   decisiones.   La   inferencia   estadística   se   basa   en   la   estimación,    
que   se   tratará   en   esta   lectura   y   en   la   siguiente   sobre   prueba   de   hipótesis,   en   donde   se   harán  
inferencias   respecto   a   las   características   de   la   población   a   partir   de   la   información   contenida  
en  las  muestras.  

 
2   [ POLITÉCNICO GRANCOLOMBIANO ]
  

2.1  TIPOS  DE  ESTIMADORES  

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

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

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.  

Un   estimador   es   una   regla   que   expresa   como   calcular   la   estimación,   basándose   en   la  

información  de  la  muestra  y  se  enuncia  mediante  una  fórmula.    

Por  ejemplo,  la  media  muestral,  

!
!   =  
!
Es  un  estimador  puntual  de  la  media  poblacional  µ  y  explica  cómo  puede  obtenerse  el  valor  
numérico  de  la  estimación.  En  forma  similar  la  varianza  muestral  

(!! − !  )!
!! =  
!−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.  

2.2    INTERVALOS  DE  CONFIANZA  

2.2.1  Intervalo  de  Confianza  para  la  Media  Poblacional.  

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
  

3.  Cuando  la  población  no  es  normal  

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  !!! .    

Se   expresa   el   nivel   de   confianza   del   intervalo   como   la   probabilidad                     (1   –   α)   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  estándar  que  corresponde  al  nivel  de  confianza  (1 − !)        y    
!!    es  el  error  estándar.    

Recuerde  que  el  error  estándar  se  obtiene  como:  

!
!! =   !
                       Para  población  infinita  o  desconocida.  

! !!!
!! =   !
  !!!
       Para  población  finita  o  conocida.        

Ejemplo:   el   gerente   de   una   fábrica   preocupado   por   la   demora   en   la   producción,   desea  

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

 
4   [ POLITÉCNICO GRANCOLOMBIANO ]
  

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

 

Obtener  una  estimación  con  un  nivel  de  confianza  del  90%  

Solución:  

Con  los  datos  de  la  muestra  se  obtiene  !  :  

! !"!,!
!   = !
 =   !
= 16,9  

 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  

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  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.  

El  intervalo  entonces  queda:  

  !  ± !!!
 

 
[ 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  

     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  distribución  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  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:    

! ± !!!    

Como   el   grado   de   confiabilidad   (1   –   α   )   =   95%   entonces   en   la   distribución   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  

  población  (tamaño  de  muestra  grande)  
 
 

 
[ ESTADÍSTICA INFERENCIAL ] 7
  

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

cierta  característica.  Como  es  una  proporción  se  refiere  a  una  fracción,  es  decir  una  parte  del  
total  que  cumple  con  cierta  condición.  

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

Se  distribuye  normal  estándar.  

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

se  distribuye  normal  estándar.  

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  

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   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:  

Organicemos  los  datos  dados:  

67     n = 95  
pˆ =
95

Calculemos  el  valor  de   α 2 :  

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

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

 
[ ESTADÍSTICA INFERENCIAL ] 9
  

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

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.  
 

  Intervalos   de   confianza   de   la   varianza   de   una   población  

  que  se  distribuye  normal.  
   

 
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

el  cual   P ⎛⎜ χn2−1 < χn2−1,1−α ⎞⎟ = α .  

⎝ 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 ⎛⎜ χn2−1 > χn2−1,α ⎞⎟ =

α
⎝ 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,

P ⎛⎜ χn2−1 < χn2−1,1−α ⎞⎟ =

α
⎝ 2 ⎠ 2  

P ⎛⎜ χ192 < χ19,1

2 ⎞
−α ⎟
= 0.025
⎝ 2 ⎠  

 
[ 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

(20 − 1)6.62 (20 − 1)6.62

<σ2 <
32.85 8.91  

3.8289 < σ 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.  
 

ELECCIÓN  DEL  TAMAÑO  DE  LA  MUESTRA  

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:  

Tamaño   de   la   muestra   para   estimar   la   media   poblacional   con   distribución   normal   y  

varianza  conocida.  
σ
Dado  que  el  margen  de  error,  que  denotaremos  e  es  igual  a    
e = Z x        
n  para  determinar  el  
valor  de  n  sólo  necesitamos  despejarlo:  

Z 2 σ x2
n=
e 2
 

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

Tamaño   de   la   muestra   para   estimar   la   proporción   poblacional   con   distribución  

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

 
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:  

Organicemos  la  información  dada:  

pˆ = 0.65
 
e  =  0,035  

Determinamos  el  valor  de  alfa:    

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.  

GUTIERREZ,   Humberto   y     DE   LA   VARA,   Román.   Control   estadístico   de   Calidad   y   Seis   Sigma  

(6s).  México:  McGraw-­‐Hill,  2005.    

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 ]