TEMA 3 INFERENCIA ESTADÍSTICA

Es el proceso mediante el cual se obtienen conclusiones o generalizaciones

sobre una conducta de una población partiendo de las información con tenida
en una o varias muestras seleccionadas de esa población.

La inferencia estadística se divide en dos problemas fundamentales:

Estimación de parámetros y prueba de hipótesis

La estimación de parámetros se subdivide en estimación puntual y estimación
por intervalos

3.1 Estimación de parámetros

Definición de un estimador:

Es una regla que expresa cómo calcular la estimación, basándose en la

información de la muestra y se enuncia, en general, mediante una formula; por
n

 xi
ejemplo, la media muestral x  e 1

Estimación Puntual: Consiste en la escogencia de un estadístico que

proporcione un valor tan cercano como sea posible al valor verdadero del
parámetro. La solución ideal seria disponer de un estadístico tal que su valor
para todas las muestras sea igual al valor del parámetro, dicho estadístico no
existe, por lo tanto nuestra búsqueda de estadístico debe orientarse Asia
aquellos que proporcionen valores razonablemente cercanos al valor real del
parámetro.

Los parámetros que debemos estimar más frecuentemente son:  (media

poblacional),  2 (varianza poblacional),  (desviación poblacional)

X es un buen estimador de 
S 2 es un buen estimador de  2
S es un buen estimador 
.
Ejemplo: Un vendedor quiere estimar la ganancia media en cada venta de un
producto nuevo. Se podría dar la estimación mediante un solo punto, por
ejemplo el valor del producto $ 935. El estimador puntual de la media
poblacional  explica cómo puede obtenerse el valor numérico de la
estimación, una vez conocidos los valores x1 , x2 ,..., xn .
Estimación Por Intervalos:

Se refiere a la estimación de un parámetro por medio de intervalos aleatorios,

llamados intervalos de confianza.

Calcular un intervalo de confianza es hallar un limite inferior y otro superior de

tal manera que tengamos una confiabilidad o probabilidad alta de que entre
dichos limites se halle el valor real del parámetro. a    b

El nivel de confianza del intervalo es la probabilidad que escribimos como

1   , esta probabilidad debe ser seleccionada por el investigador antes de
realizar el muestreo. Las probabilidades mas usadas son: 90% , 95%, 99%
estos valores también se dan como: 0.90, 0.95, 0.99

1   (nivel de confianza) probabilidad alta de ocurrencia

 (nivel de significancia) es el error que estamos dispuestos a tolerar

Ejemplos de cálculo de niveles de confianza

Nivel de confianza del 95 %

1 - a = 0.95
a = 0.05
a / 2 = 0.025
Z a / 2 = Z 0.025
P(Z ≤ Z 0.025) = 0.9750
Z (0.975) = 1.96

Grafica:
97.5
%

Z = 1.96

Z (0.975) = 1.96

Nivel de confianza del 99 %

1 - a = 0.99
a = 0.01
a / 2 = 0.005
Z a / 2 = Z 0.005
P(Z ≤ Z 0.005) = 0.995
 Z (0.995) = 2.58

Grafica:
99.5 %

Z = 2.58

Z (0.995) = 2.58

Nivel de confianza del 90 %

1 - a = 0.90
a = 0.1
a / 2 = 0.05
Z a / 2 = Z 0.05
P(Z ≤ Z 0.05) = 0.95
Z (0.95) = 1.65

Grafica:
95 %

Z = 1.65

Z (0.95) = 1.65

Nivel de confianza del 98 %

1 - a = 0.98
a = 0.02
a / 2 = 0.01
Z a / 2 = Z 0.01
P(Z ≤ Z 0.01) = 0.99
Z (0.99) = 2.33

Grafica:
99 %
 Z = 2.33

Z (0.99) = 2.33

Nivel de confianza del 68.26 %

1 - a = 0.6826
a = 0.3174
a / 2 = 0.1587
Z a / 2 = Z 0.1587
P(Z ≤ Z 0.1587) = 0.8413
Z (0.8413) = 1.0
Grafica:
84.13 %

Z=1

Z (0.8413) = 1.0

3.2 Intervalos de confianza para la media poblacional

La estimación de la media poblacional  por intervalos confidenciales consiste

en el calculo de dos limites aleatorios a y b tales que el evento a    b
tenga una probabilidad alta de ocurrencia. Esta probabilidad equivale al nivel
de confianza 1   que el estadístico debe establecer inicialmente, esto es,
antes de tomar la muestra. Entonces, debemos hallar expresiones para a y b
tales que

pa    b  1  

Para hallar a y b razonamos de la manera siguiente: si la población es normal,

la media muestral x también se distribuye como una normal. Esta variable se
puede estandarizar como sigue
x
z ~ N (0 , 1 )

n
El valor z es el valor de la tabla de la distribución normal para una
2
probabilidad o are a su derecha igual a  2 y  z es el valor simétrico
2
de z
2

Sustituyendo el valor z tenemos

 
 
x  
p  z   z   1  
 2  2
 
 n 
Realizando algunas operaciones algebraicas en las desigualdades para
despejar  tenemos finalmente
   
p x  z    x  z   1
 2 n 2 n 

 
Los limites son a  x  z y b  x  z , o sea que el intervalo de
2 n 2 n

1   100 % de confianza para  es

   
 x  z , x  z 
 2 n 2 n

este intervalo tiene cuatro variables o incógnitas, los valores x , n,  se

conoce. Nos queda por calcular el valor de z Este valor se obtiene de la
2
tabla de la distribución normal conociendo el valor de 1
Asumamos que se desea un nivel de confiabilidad del 95%, esto es 1 =
0.95,
Entonces   0.05 y  2  0.025 por lo tanto el valor de z  z0.025
2

pz  z0.025   0.9750

Leemos en la tabla de la distribución normal que para una probabilidad de
0.9750 el valor correspondiente de z es 1.96, luego z0.025  1.96
Ejemplo

Es importante controlar el peso de un producto que se vende empacado en

cajas. Se tomo una muestra de 16 cajas y se obtuvo un peso promedio de 462
gm. La variabilidad histórica se ha medido mediante una desviación típica de
10 gm. Calcular un intervalo de confianza del 95% para estimar el peso
promedio de las cajas de este producto de confianza

x  462 , n = 16,   10 yz  z0.025  1.96 . El intervalo es

2
1.96  10
462   462  4.9  457 .1,466 .9
16
En resumen, podemos tener una confianza del 95% de que
457 .1    466 .9 en el sentido de que este intervalo es uno de los 95%
que contienen a  por cada 100 que se calcule en idéntica forma

3.3 Intervalos de confianza para una proporción p

El mejor estimador puntual de una proporción p es la proporción muestral

x
P teniendo en cuenta el hecho de que la distribución de P es
n
aproximadamente normal cuando n es grande n  100 podemos calcular
intervalos de confianza para p usando una formula semejante a la formula
     pq
 x  z , x  z  Reemplazando x por P y por
 2 n 2 n n n
obtenemos el siguiente intervalo de 1   100 % de confianza para p:
 pq pq 
 p  z , p  z 
 2 n 2 n 
Este intervalo no es calculable directamente puesto que no conocemos el
parámetro p. si reemplazamos P por P y q (1 - P ) obtenemos el siguiente
intervalo para estimar al 1   100 % .

 p1  p  p1  p  
 p  z , p  z 
 2 n 2 n 

Ejemplo

Se tomó una muestra de 120 interruptores eléctricos de un lote que fue

despachado a un almacén de ventas al menudeo y se encontraron 10
defectuosos. Hallar un intervalo de confianza del 90% para estimar la
proporción de interruptores defectuosos en la fabricación de estos aparatos
Tenemos que
x 10
P   0.083 yz0.05  1.65
n 120
Luego un intervalo apropiado es
0.083  0.917
0.083  1.65  0.083  0.041
120
Con una confiabilidad cercana al 905 podemos suponer que 0.042 < p < 0.124,
o también que la proporción de interruptores defectuosos esta entre 4% y un
12% aproximadamente.