Unidad Nº 6: Teoría de la estimación

Asignatura: Probabilidades y Estadísticas (MAT-21414)

Elaborado por: Lcdo. Ely Rosas

UNIDAD Nº 6: TEORÍA DE LA ESTIMACIÓN

6.1. ESTIMACIÓN. DEFINICIÓN. TIPOS

Estimación: es un valor específico observado del estadístico o estimador. Un estadístico o
estimador es una característica que describe los valores muestrales, son empleados para estimar
parámetros poblacionales y hacer inferencia sobre la población en general; esto en virtud de que en la
mayoría de los casos resulta impráctico o imposible estudiar la población en su totalidad. La estimación
estadística se divide en dos grandes grupos: la estimación puntual y la estimación de intervalo.

6.1.1. Estimación puntual: Según Berenson, Krehbiel y Levine (2006) es el valor de un solo
estadístico de muestra. Es decir, consiste en obtener un único número, calculado a partir de las
observaciones muestrales, y que es utilizado como estimación del valor del parámetro θ.

Por su parte, Webster (2001) dice que un estimador puntual utiliza un número único o valor para
localizar una estimación del parámetro. Los estimadores deben ser: (a) insesgados, (b) eficientes, (c)
consistentes y (d) suficientes.

A. Estimador insesgado: Un estimador es insesgado si la media de su distribución muestral es igual

al parámetro correspondiente.
B. Estimador eficiente: Dado todo estimador insesgado, el estimador más eficiente es aquel que tenga
la varianza más pequeña.
C. Estimador consistente: Un estimador es consistente si, a medida que n aumenta, el valor del
estadístico se aproxima al parámetro.
D. Estimador suficiente: Un estimador es suficiente si ningún otro estimador puede proporcionar más
información sobre el parámetro.
Estimadores comunes
Parámetro (θ) Estimador Estimación
n

Media (μ ¿ x́ ∑ Xi
x́= i=1
n
x
Proporción (p) ^p ^p= ; x → N º de é xitos
n
n
2
2
Varianza (σ ¿ s 2 ∑ ( X i− X́ )
s2= i=1
n−1
n

√
2
Desviación Estándar (σ ) s ∑ ( X i− X́ )
i=1
s=
n−1

Ejercicio 1: Un fabricante de baterías para flashes toma una muestra de 13 baterías de la producción
del día y las utiliza de manera continúa hasta que se agotan. El número de horas que se utilizaron hasta
el momento de fallar fue:

1
 Unidad Nº 6: Teoría de la estimación
Asignatura: Probabilidades y Estadísticas (MAT-21414)
Elaborado por: Lcdo. Ely Rosas

342 426 317 545 264 451

298
631 512 266 492 562
1049
a. Calcule e interprete la media, la varianza y la desviación estándar.
b. Estime la proporción de baterías que duraron menos de 500 horas.
6.1.2. Estimación de Intervalo: De acuerdo con Berenson, Krehbiel y Levine (2006) una estimación
del intervalo de confianza es un rango de números, llamado intervalo, construido alrededor de la
estimación puntual.

Webster (2001) dice que un intervalo de confianza denota un rango dentro del cual puede encontrarse
el parámetro, y el nivel de confianza que el intervalo contiene del parámetro. En realidad hay tres niveles de
confianza relacionados comúnmente con los intervalos de confianza: 99, 95 y 90%. No hay nada mágico
sobre estos tres valores. Se podría calcular un intervalo de confianza del 82% si se deseara. Estos tres
niveles de confianza, denominados coeficientes de confianza, son simplemente convencionales. El
coeficiente de confianza es el nivel de confianza que se tiene en que el intervalo contenga el valor
desconocido del parámetro.

Según Montgomery, una estimación por intervalo de un parámetro desconocido θ es un intervalo de

la forma l ≤θ ≤ u, donde los puntos l y u dependen del valor numérico del estadístico θ^ para una muestra en
particular y de la distribución de muestreo de θ^ . Un intervalo l ≤θ ≤ u se conoce como intervalo de confianza
del 100(1−α ¿ por ciento para el parámetro desconocido θ. Las cantidades l y u reciben el nombre de
límites de confianza inferior y superior, respectivamente, y 1−α es el nivel de confianza. La interpretación
de un intervalo de confianza es que, si se recopila un número infinito de muestras aleatorias y se calcula un
intervalo de confianza del 100(1−α ¿ por ciento para θ, para cada una de las muestras, entonces el 100(
1−α ¿ por ciento de esos intervalos contienen el valor verdadero de θ.

En la práctica, se obtiene sólo una muestra aleatoria y se calcula un intervalo de confianza. Puesto que
este intervalo puede o no contener el valor verdadero de θ, no es razonable asociar un nivel de probabilidad
a este evento específico. La proposición adecuada es que el intervalo observado [ l ,u ] contiene el valor
verdadero de θ con una confianza 100(1−α ¿.

6.1.2.1. Intervalo de Confianza para la Media, Varianza Conocida.

Definición: Si x́ es la media muestral de una muestra aleatoria de tamaño n de una población con
varianza conocida σ 2, un intervalo de confianza para μ del 100(1−α ¿ por ciento está dado por
σ σ
x́−Z α / 2 ≤ μ ≤ x́+ Z α /2
√n √n
Z
donde α /2 es el punto de la distribución normal estándar que corresponde al porcentaje α /2.

Este intervalo de confianza proporciona buenos resultados para muestras tomadas de una población
normal, o para muestras de tamaño n ≥ 30, sin importar la forma que tenga la población.

2
 Unidad Nº 6: Teoría de la estimación
Asignatura: Probabilidades y Estadísticas (MAT-21414)
Elaborado por: Lcdo. Ely Rosas

Ejercicio 2: Un fabricante de papel para computadora tiene un proceso de producción que opera
continuamente a lo largo del turno completo. Se espera que el papel tenga una media de longitud de
11 pulgadas y una desviación estándar de 0,02 pulgadas. A intervalos periódicos, se selecciona una
muestra para determinar si la media de longitud del papel es igual a 11 pulgadas o para ver si algo ha
salido mal durante el proceso que haya cambiado la longitud del papel que se fabrica. Una muestra
aleatoria de 100 hojas indica que la longitud del papel es de 10,998 pulgadas. Construya e interprete
una estimación del intervalo de confianza del 95% para la media poblacional de la longitud del papel.

6.1.2.2. Intervalo de Confianza para la Media de una Distribución Normal, Varianza

Desconocida.

Definición: Si x́ y s son la media y la desviación estándar de una muestra aleatoria tomada de una
distribución normal con varianza σ 2 desconocida, entonces un intervalo de confianza del 100(1−α ¿
por ciento para μ está dado por
s s
x́−t α / 2 ;n−1 ≤ μ ≤ x́+ t α /2 ;n−1
√n √n
donde t α / 2; n−1 es el punto crítico superior que corresponde al porcentaje α /2 de la distribución t con
n−1 grados de libertad.

Nota: La distribución t –Student (t) debe utilizarse cuando todas estas tres condiciones están
presentes: (1) la población es normal, (2) se toma una muestra pequeña (n<30 ¿ y (3) σ es
desconocido.

Propiedades:
1. La distribución t-student sólo podrá usarse en muestras provenientes de poblaciones normales o
aproximadamente normales.
2. Siempre que σ se conozca, el Teorema del Límite Central permite aproximar a una distribución
normal independiente del tamaño de la muestra.
3. En la práctica σ pocas veces es conocido, por lo tanto puede estimarse con S la varianza muestral
en el estadístico Z cuando n ≥ 30.

Ejercicio 3: Una empresa manufacturera produce aislantes eléctricos. Si los aislantes se rompen al
usarse, muy posiblemente se tendrá un corto circuito. Para probar la fuerza de los aislantes, se lleva a
cabo una prueba destructiva para determinar cuánta fuerza se requiere para romperlos. Se mide la
fuerza observando cuántas libras se aplican al aislante antes de que se rompa. La tabla siguiente lista
25 valores de este experimento. Construya e interprete una estimación del intervalo de confianza del
95% para la población media de fuerza requerida para romper el aislante. Suponga que la fuerza
requerida se distribuye normalmente.
1870 1728 1656 1610 1634
1784 1522 1696 1592 1662
1866 1764 1734 1662 1734
1774 1550 1756 1762 1866
1820 1744 1788 1688 1810

3
 Unidad Nº 6: Teoría de la estimación
Asignatura: Probabilidades y Estadísticas (MAT-21414)
Elaborado por: Lcdo. Ely Rosas

6.1.2.3. Intervalo de Confianza para la Diferencia entre Medias de dos Distribuciones Normales,
Varianzas Desconocidas pero iguales.

Definición: Si x́ 1, x́ 2, s21 y s22 son las medias y las varianzas de dos muestras aleatorias de tamaños n1 y
n2 , respectivamente, tomadas de dos poblaciones normales e independientes con varianzas
desconocidas pero iguales, entonces un intervalo de confianza del 100(1−α ¿ por ciento para la
diferencia entre medias μ1−μ 2 es
1 1 1 1
1 2
√
x́ 1−x́ 2−t α / 2, n +n −2 s p
2 2
1 2
√
+ ≤ μ1−μ2 ≤ x́ 1− x́ 2 +t α / 2, n +n −2 s p
n1 n2
+
n1 n2
√
donde s p= [ ( n1−1 ) s + ( n 2−1 ) s ] / ( n1 +n2−2 ) es el estimador combinado de la desviación estándar
1 2

común de la población, y t α / 2 ,n +n −2 es el punto crítico superior que corresponde al porcentaje α /2 de

1 2

la distribución t con n1 +n 2−2 grados de libertad.

Ejercicio 4: Un artículo publicado en una reconocida revista dio a conocer los resultados de un
análisis del peso de calcio en cemento estándar y en cemento contaminado con plomo. Los niveles
bajos de calcio indican que el mecanismo de hidratación del cemento queda bloqueado y esto permite
que el agua ataque varias partes de una estructura de cemento. Al tomar diez muestras de cemento
estándar, se encontró que el peso promedio de calcio es x́ 1=90,0 con una desviación estándar
muestral s1=5,0 ; los resultados obtenidos con 15 muestras de cemento contaminado con plomo
fueron x́ 2=87,0 y s2=4,0. Supóngase que el porcentaje de peso de calcio está distribuido de manera
normal. Encuéntrese un intervalo de confianza del 95% para la diferencia entre medias μ1−μ 2 de los
dos tipos de cemento. Por otra parte, supóngase que las dos poblaciones normales tienen la misma
desviación estándar.

6.1.2.4. Intervalo de Confianza para la Varianza de una Distribución Normal.

Definición: Si s2 es la varianza muestral de una muestra aleatoria de n observaciones tomadas de una

distribución normal con varianza desconocida σ 2, entonces un intervalo de confianza del 100(1−α ¿
por ciento para σ 2 es
( n−1 ) s 2 2 ( n−1 ) s 2
≤σ ≤ 2
χ 2α / 2 ,n−1 χ 1−α / 2 ,n−1
2 2
donde χ α /2 , n−1 y χ 1−α /2 ,n−1 son los puntos críticos superior e inferior que corresponden al porcentaje
α /2 de la distribución ji-cuadrada con n−1 grados de libertad.

Nota: Este intervalo puede convertirse en un intervalo de confianza sobre la desviación estándar σ al
obtener la raíz cuadrada de ambos miembros.

Ejercicio 5: Un fabricante de detergente líquido está interesado en la uniformidad de la máquina

utilizada para llenar las botellas. De manera específica, es deseable que la desviación estándar σ del
proceso de llenado sea menor que 0,15 onzas de líquido; de otro modo, existe un porcentaje mayor
del deseable de botellas con un contenido menor de detergente. Supóngase que la distribución del
volumen de llenado es aproximadamente normal. Al tomar una muestra aleatoria de 20 botellas, se
4
 Unidad Nº 6: Teoría de la estimación
Asignatura: Probabilidades y Estadísticas (MAT-21414)
Elaborado por: Lcdo. Ely Rosas

obtiene una varianza muestral s2=0,0153 (onzas de fluido)2. Construya e interprete un intervalo de
confianza del 95% para la varianza del proceso de llenado.

6.1.2.5. Intervalo de Confianza para el Cociente de Varianzas de dos Distribuciones Normales.

Definición: Si s21 y s22 son las varianzas muestrales de dos muestras aleatorias de tamaños n1 y n2 ,
respectivamente, tomadas de dos poblaciones normales e independientes con varianzas σ 12 y σ 22
desconocidas, entonces un intervalo de confianza del 100(1−α ¿ por ciento para el cociente σ 12 /σ 22 es
s 21 σ 21 s 21
f 1−α /2 , n −1 , n −1 ≤ 2 ≤ 2 f α / 2, n −1 ,n −1
1
s 22 2
σ 2 s2
1 2

donde f α / 2 ,n −1 ,n −1 y f 1−α / 2, n −1, n −1 son los puntos críticos superior e inferior que corresponden al
2 1 2 1

porcentaje α /2 de la distribución F con n2 −1 y n1 −1 grados de libertad en el numerador y en el

denominador, respectivamente.

El punto crítico inferior que corresponde al porcentaje 1−α /2 puede calcularse a partir del punto
crítico superior que corresponde al porcentaje α /2 con la expresión:
1
f 1−α / 2, n −1, n −1=
1 2
f α /2 ,n −1 , n −1
2 1

Ejercicio 6: Una compañía fabrica propulsores para uso en motores de turbina. Una de las
operaciones consiste en esmerilar el terminado de una superficie particular con una aleación de
titanio. Pueden emplearse dos procesos de esmerilado, y ambos pueden producir partes que tienen la
misma rugosidad superficial promedio. Al ingeniero de manufactura le gustaría seleccionar el proceso
que tenga la menor variabilidad en la rugosidad de la superficie. Para ello toma una muestra de n1 =12
partes del primer proceso, la cual tiene una desviación estándar muestral s1=5,1 micropulgadas, y una
muestra aleatoria de n2 =15 partes del segundo proceso, la cual tiene una desviación estándar muestral
s2=4,7 micropulgadas. Se supone que los dos procesos son independientes y que la rugosidad de la
superficie está distribuida de manera normal. Se desea encontrar un intervalo de confianza del 90%
para el cociente de las dos varianzas σ 12 /σ 22.

6.1.2.6. Intervalo de Confianza de una Proporción.

Definición: Si ^p es la proporción de observaciones de una muestra aleatoria de tamaño n que

pertenece a una clase de interés, entonces un intervalo de confianza aproximado del 100(1−α ¿ por
ciento para la proporción p de la población que pertenece a esta clase es
^p (1− ^p ) ^p (1− ^p )
√
^p−Z α / 2
n √
≤ p ≤ ^p +Z α /2
n

5
 Unidad Nº 6: Teoría de la estimación
Asignatura: Probabilidades y Estadísticas (MAT-21414)
Elaborado por: Lcdo. Ely Rosas

donde Z α /2 es el punto crítico superior que corresponde al porcentaje α /2 de la distribución normal

estándar.

Ejercicio 7: En una muestra aleatoria de 85 soportes para el cigüeñal de motor de automóvil, 10

tienen un terminado que es más rugoso de lo que las especificaciones permiten. Encuentre e interprete
un intervalo de confianza del 95% para la proporción de soportes en la población que exceden las
especificaciones de rugosidad.