SEP S.E.S.T.N.

M TecNM

INSTITUTO TECNOLÓGICO DE TOLUCA

INGENIERÍA INDUSTRIAL

ACTIVIDAD I, UNIDAD II

ASIGNATURA:

ESTADISTICA INFERENCIAL I

DOCENTE:

CLAUDIA GEORGINA SANTIESTEBAN ALCANTARA

PRESENTA:
PABLO ROMERO TELLEZ

No. De control: V18281270

METEPEC, EDO DE MÉXICO, SEPTIEMBRE DE 2019.

 ESTIMACION UNIDADII

INTRODUCCIÓN
En este trabajo se pretende dar a conocer y saber calcular las estimaciones
puntuales y por intervalos para la media ya sea conocida o no la desviación estándar
poblacional, así como las estimaciones para la probabilidad de éxito en una
binomial.

OBJETIVOS

•Entender los conceptos de estimación, estimación puntual y estimación por

intervalos •Calcular las estimaciones (puntual y por intervalos) para la probabilidad
de éxito. •Saber interpretar correctamente los resultados de la estimación por
intervalos

PABLO ROMERO TELLEZ

 ESTIMACION UNIDADII

Estimador

Es la regla o procedimiento, expresado en general por medio de una fórmula, que se

utiliza para deducir la estimación.
¿Qué es una estimación?
Es cuando queremos realizar el estudio de una población cualquiera de la que
conocemos sus parámetros por ejemplo su media poblacional o la probabilidad de
éxito si la población sigue una distribución binomial, debemos tomar una muestra
aleatoria de dicha población para calcular una aproximación a dichos parámetros
que conocemos y queremos estimar.
Tipos de estimación
a) Estimación puntual: consiste en un solo estadístico muestral que se usa para
estimar el valor verdadero de un parámetro de una población que es desconocido.
Por ejemplo, la media muestral x es una estimador puntual de la media poblacional
μ.
Cuando usamos una estimación puntual, sabemos que aunque usemos un método
bueno de estimación es prácticamente improbable que el valor de la estimación
coincida con el verdadero valor del parámetro, así que sería conveniente acompañar
nuestra estimación con alguna medida que nos permitiera expresar la cercanía del
estimador al parámetro. Una solución a ello no los brindan los estimadores por
Intervalos de Confianza.

b) Estimación por intervalo: es la estimación de un parámetro de la población

dado por dos números entre los cuales se puede considerar que se encuentra el
parámetro. Las estimaciones de intervalo indican la precisión de una estimación y
son, por lo tanto, preferibles a las estimaciones puntuales.

Características que debe tener un buen estimador

a) Debe ser insesgado: un estimador es insesgado, si en promedio, tiende a tomar
valores que están por encima del parámetro de la población con la misma frecuencia
y la misma extensión, con la que tiende a asumir valores por debajo del parámetro
de población que se está estimando.
b) Debe ser eficiente: de varios estimadores insesgados, el más eficiente es el que
tiene el error estándar más pequeño.

PABLO ROMERO TELLEZ

 ESTIMACION UNIDADII

c) Debe ser consistente: significa que a medida que aumenta el tamaño de la

muestra, la estimación se aproxima al valor del parámetro.
d) Debe ser suficiente: significa que ningún otro estimador puede suministrar más
información sobre el parámetro.
Intervalo de confianza para la media
En esta distribución normal de medias se puede calcular el intervalo de confianza
donde se encontrara la media poblacional si solo se conoce una media muestral (x),
con una confianza determinada. Para ello se necesita calcular el punto Xα/2 o, mejor
dicho su versión estandarizada Zα/2 o valor crítico, junto con su “opuesto en la
distribución” X – α / 2. Estos puntos delimitan la probabilidad para el intervalo.

Intervalo de confianza para la diferencia de medias

Supondremos la existencia de dos poblaciones sobre las que una variable

determinada sigue una distribución Normal con idéntica varianza en las dos. Sobre
la población 1, la variable sigue una distribución N(µ1, σ) y, sobre la población 2,
sigue una distribución N(µ2, σ). Igualmente supondremos que disponemos de
dos muestras aleatorias independientes, una para cada población, de tamaños
muestrales n1 y n2 respectivamente.

El objetivo es construir un intervalo de confianza, con nivel de confianza (1 − α) · 100

%, para la diferencia de medias

PABLO ROMERO TELLEZ

 ESTIMACION UNIDADII

µ1 − µ2

El método se basa en la construcción de una nueva variable D, definida como la

diferencia de las medias muestrales para cada población

Esta variable, bajo la hipótesis de independencia de las muestras, sigue una

distribución Normal de esperanza

µ1 − µ2

y de varianza

La estimación conjunta, a partir de las dos muestras, de la varianza común viene

dada por la expresión

y, utilizando la propiedad de que la variable

sigue una distribución χ2 con n1 + n2 − 2 grados de libertad, podemos construir un

estadístico pivote que siga una distribución t de Student y que nos proporciona la
fórmula siguiente para el intervalo de confianza para la diferencia de medias:

donde tα/2 es el valor de una distribución t de Student con n1 + n2 − 2 grados de

libertad que deja a su derecha una probabilidad de α/2.

PABLO ROMERO TELLEZ

 ESTIMACION UNIDADII

Intervalos de confianza de una proporción

Dada una variable aleatoria con distribución Binomial B(n, p), el objetivo es la
construcción de un intervalo de confianza para el parámetro p, basada en una
observación de la variable que ha dado como valor x. El mismo caso se aplica si
estudiamos una Binomial B(1, p) y consideramos el número de veces que ocurre el
suceso que define la variable al repetir el experimento n veces en condiciones
de independencia.

Existen dos alternativas a la hora de construir un intervalo de confianza para p:

Considerar la aproximación asintótica de la distribución Binomial en la distribución

Normal.

Utilizar un método exacto.

Aproximación asintótica

Tiene la ventaja de la simplicidad en la expresión y en los cálculos, y es la más

referenciada en la mayoría de textos de estadística. Se basa en la aproximación

que, trasladada a la frecuencia relativa, resulta

Tomando como estadístico pivote

que sigue una distribución N(0, 1), y añadiendo una corrección por continuidad al
pasar de una variable discreta a una continua, se obtiene el intervalo de confianza
asintótico:

PABLO ROMERO TELLEZ

 ESTIMACION UNIDADII

donde zα/2 es el valor de una distribución Normal estándar que deja a su derecha
una probabilidad de α/2 para un intervalo de confianza de (1 − α) · 100 %. Las
condiciones generalmente aceptadas para considerar válida la aproximación
asintótica anterior son:

El intervalo obtenido es un intervalo asintótico y por tanto condicionado a la validez

de la aproximación utilizada. Una información más general sobre los intervalos de
confianza asintóticos puede encontrase aquí.

Intervalo exacto

Aun cuando las condiciones anteriores no se verifiquen, es posible la construcción

de un intervalo exacto, válido siempre pero algo más complicado en los cálculos. Es
posible demostrar que un intervalo exacto para el parámetro p viene dado por los
valores siguientes:

donde Fα/2,a,b es el valor de una distribución F de Fisher-Snedecor con a y b

grados de libertad que deja a su derecha una probabilidad de α/2 para un intervalo
de confianza de (1 − α) · 100 %.

Intervalo de confianza para la diferencia de proporciones

Los límites para el intervalo de una diferencia de proporciones correspondientes a

dos muestras independientes son:

PABLO ROMERO TELLEZ

 ESTIMACION UNIDADII

donde el símbolo zα/2 es el mismo valor crítico que antes, prob(Z > zα/2) = α/2, y
corresponde a un intervalo de confianza 1 − α %.

Este intervalo puede utilizarse de manera alternativa al contraste de hipótesis para

decidir (con nivel de significación α %) si hay igualdad de los dos grupos. Se decidirá
por la igualdad de los grupos si el valor 0 queda incluido en cualquier posición en el
intervalo.

Si se dispone de alguna información previa y sólo quiere calcularse alguno de los

dos intervalos unilaterales, bastará sustituir zα/2 por zα y descartar el límite superior
o inferior del intervalo según el caso. Por ejemplo, el intervalo unilateral derecho
corresponde a:

PABLO ROMERO TELLEZ

 ESTIMACION UNIDADII

CONCLUSIONES

En este trabajo se pretende dar a conocer y saber calcular las estimaciones

puntuales y por intervalos para la media ya sea conocida o no la desviación estándar
poblacional, así como las estimaciones para la probabilidad de éxito en una
binomial.

Se llama estimación al conjunto de técnicas que permiten dar un valor aproximado

de un parámetro de una población a partir de los datos proporcionados por
una muestra. Por ejemplo, una estimación de la media de una determinada
característica de una población de tamaño N podría ser la media de esa misma
característica para una muestra de tamaño n.

PABLO ROMERO TELLEZ

 ESTIMACION UNIDADII

FUENTES BIBLIOGRAFICAS

https://es.wikipedia.org/wiki/Estimaci%C3%B3n_estad%C3%ADstica

http://calculo.cc/temas/temas_estadistica/muestreo/problemas/prob_intervalo0.html

http://www.maralboran.org/web_ma/ejercicios/op_estad/Estimacion.pdf

http://www.maralboran.org/web_ma/ejercicios/op_estad/Estimacion.pdf

PABLO ROMERO TELLEZ