Universidad Central de Venezuela

Facultad de humanidades y Educación

Escuela de Educación
Cátedra de Métodos Cuantitativos
Asignatura: Estadística Aplicada a la Educación

Estimación por intervalos para la Media

con Varianza Desconocida

Tutor: Autores:
Jhonnalid G. Juan Gil
Ana Rodriguez
Oriana Durán
Kevin Quintero
Esthefany Guevara
Yosberlyn Moreno

Octubre de 2019.

Introducción
 En el presente informe se describirán y definirán los conceptos, las metodologías
y fórmulas para el cálculo de la estimación por intervalos para la media con varianza
desconocida, cabe destacar que para obtener un mayor entendimiento se realizará
antes un breve repaso de los conceptos básicos de la estadística inferencial y para
concluir se anexará una tabla de distribución de t- Student con un ejemplo para la
búsqueda de el valor de t.

Estadística Inferencial
 La estadística inferencial es el proceso mediante el cual, a partir de unos
resultados provenientes de una muestra, se pretende obtener conclusiones acerca
de una o varias poblaciones,y ciertamente, en la mayoría de las poblaciones son
desconocidos los valores verdaderos de dicha población.En otras palabras, la
estadística inferencial utiliza una pequeña muestra de la población y a partir de ella
se llega a una conclusión probable de la misma.

¿Qué es población y muestra?

La población (N) es el mayor conjunto donde se encuentra la totalidad de

elementos artículos o sujetos los cuales poseen características comunes y no
comunes que se conocen como variables, de dichos elementos se desea conocer
información.

Las poblaciones pueden ser:

-Finita: Es aquella población que está compuesta por un número

pequeño de elementos, artículos o sujetos. Por ejemplo: Número de
motocicletas vendidas durante el mes de septiembre o número de alumnos en
determinada escuela.
-Infinita: Se denomina población infinita a aquella población que está
compuesta por un número grande de elementos. Por ejemplo: La cantidad de
litros de agua en el mar, o cantidad de granos de arena de una playa.

La muestra (n) es un subconjunto de datos perteneciente a una población

de datos la cual debe estar constituida por un cierto número de observaciones que
representen adecuadamente el total de los datos.

Medición de datos de la población y muestra

 Los datos de la población se miden a través de los Parámetros los cuales
son los valores, medidas o indicadores representativos de la población que se
seleccionan para ser estudiados, como la media aritmética, una proporción o su
desviación típica.

Dichos parámetros se denotan:

-Media poblacional (media aritmética): µ, el cual es el promedio de los valores de la

población.

-Varianza poblacional: σ² , es la sumatoria de las desviaciones al cuadrado de los

valores de la población a partir de la media poblacional µ.

-Desviación estándar: σ, es la raíz cuadrada de varianza poblacional σ².

Los datos de la muestra se miden a través de los Estadísticos o

Estimadores los cuales constituyen una medida descriptiva de los datos pero
provenientes de dicha muestra. Un estimador se caracteriza por ser:

-Insesgado: Es cuando el valor esperado del estimador es igual al valor esperado

del parámetro. E ( ) = (en el caso de estimar al parámetro de la media poblacional
“µ” y su estadístico ( ).

-Consistente: Se dice que un estimador es consistente si al aumentar el tamaño de

la muestra el estimador tiende al verdadero valor del parámetro.

-Eficiente: Se dice que un estimador es eficiente si el estimador tiene la mínima

varianza.

-Suficiente: Se dice que un estimador es suficiente si agota toda la información

pertinente al parámetro en la muestra.

La Estimación
 La Estimación es un proceso mediante el cual establecemos qué valor debe
tener un parámetro según deducciones que realizamos a partir de estadísticos o
estimadores. En otras palabras, estimar es establecer conclusiones sobre
características poblacionales a partir de resultados muestrales. Vamos a ver dos
tipos de estimaciones:

-Estimación Puntual: Una estimación puntual consiste en establecer un valor

concreto (es decir, un punto) para el parámetro. El valor que escogemos para decir
“el parámetro que nos preocupa vale X es el que suministra un estadístico concreto y
esta es la más sencilla. De un modo general, una estimación puntual es un valor que
se propone para el parámetro desconocido, valor que se obtiene determinando en la
muestra el parámetro muestral paralelo al poblacional. Así, una estimación puntual
para la media µ de una v.a es la media muestral µ 1= , para la varianza de una
v.a. es la varianza muestral =s2. una estimación puntual no es la mejor opción a
la hora de estimar ya que el hecho de que el parámetro tenga exactamente el valor
del estimador es una casualidad de difícil ocurrencia.

-Estimación por Intervalos: Consiste en estimar el parámetro desconocido por

medio de un intervalo aleatorio llamado intervalo de confianza (IC). Es preferible
estimar por intervalos, porque se tendría mayor posibilidad de que el verdadero valor
del parámetro se encuentre entre los límites del IC. Los Intervalos de Confianza (IC)
para los distintos parámetros a evaluar, que son:

Estimación para la media con varianza conocida.

Estimación para la media con varianza desconocida.

Estimación para las proporciones.

A continuación nos enfocaremos en la Estimación para la media con

varianza desconocida.

Frecuentemente debemos tratar de estimar la media de una población sin

conocer la varianza, por lo tanto se requiere desarrollar la estimación del intervalo de
confianza de µ usando sólo los estadísticos de muestra yS
 Para realizar el cálculo se utiliza la siguiente fórmula:

IC= ( - t (n-1 a/2) * s/√n-1 ≤ µ ≤ +t (n-1 a/2) * s/√n-1) = 1-a

Donde ± t (n-1 a/2) es el punto en la escala de la distribución t-student que tiene

n-1 grados de libertad tal que el área bajo la curva a la derecha de este punto es a
/2. Cabe destacar que si la variable es normal se utiliza la distribución t- Student en
lugar de una Distribución Normal Tipificada “Z” pero cuando n es grande (>30) se
puede sustituir t por z sin ningún problema.

Definición y utilidad de la tabla de distribución t-Student

La t- Student es una distribución con un parámetro que se denomina grados de

libertad. En función de este parámetro ( que se calcula de distinta manera en cada
una de las posibles aplicaciones) debemos buscar en la tabla el valor del cuantil
necesario para el cálculo del IC. La t- Student es necesaria para el cálculo de
intervalos de confianza que involucran a Medias.
Si la variable aleatoria X se distribuye normalmente, entonces el siguiente estadístico
tiene una distribución t con n-1 grados de libertad.

t= -µ
s
√n

Esta expresión tiene la misma forma que el estadístico Z en la ecuación para la

distribución muestral de la media con excepción de que S se utiliza para estimar la
varianza desconocida.

Propiedades:
-Siendo su media igual a 0 y su varianza n
n-2 .

-La curva es simétrica con respecto a “0” y tiene forma de campana.

-La desviación estándar se de la distribución “t” es siempre mayor

que “1”.

- La dispersión exacta, o desviación estándar de la distribución “t”,

depende del parámetro que se denomina número de grados de
libertad.

-A medida que el número de grados de libertad se aproxima al

infinito, la desviación estándar de la distribución “t”, se aproxima a
“1”.

-A medida que el número de grados de libertad se aproxima al

infinito, la curva de la distribución “t”, se aproxima a una curva de
probabilidad de una distribución Normal “Z”.
 Para buscar, por ejemplo: con 10 grados de libertad, si se quiere
tener un nivel de confianza de 90% significa que entre los dos extremos de la
distribución se encuentra el otro 10% , 5% en cada lado, lo que sería un área de
0,05. Buscando en la columna para un área de la cola superior y en la fila
correspondiente a 10 grados de libertad, se obtiene un nivel para t de 1,812. Vea la
imagen.

Conclusión
 La estadística inferencial es un parte fundamental del desarrollo de las ciencias
humana y tiene un enorme impacto en la educación, la sociología y las finanzas. Ella
es parte de muchos proyectos científicos durante el periodo escolar, esto enseña a
los jóvenes de forma directa como realizar una investigación científica válida,
recolectando información del medio ambiente, aplicando todas las herramientas de la
estadística.

Esto es fundamental para desarrollar puntos de vista críticos en los más

jóvenes, esto es importante no tan solo para los estudiantes sino también para los
docentes y para poder crear formas didácticas de enseñar.

Se puede concluir entonces que la estadística inferencial es una rama muy

importante dentro de la estadística sobre todo cuando los recursos son limitados, es
decir cuando no se pueden realizar estudios completos por diversos motivos
humanos o económicos que sean significativos sobre la población.

Su finalidad es inferir de la población donde procede y por esta razón se conoce

también como inferencia estadística.