ESTADISTICA

INFERENCIAL
Tema: Intervalo de confianza para la media con varianza conocida.
LOGRO DE LA SESIÓN

Al finalizar la sesión de
aprendizaje el estudiante conoce
los principales conceptos y tipos
de estimación, también calcula
intervalos de confianza para la
media y lo aplica en la solución
de problemas
 ESTIMACIÓN DE PARÁMETROS

Una de las aplicaciones más importantes en la estadística es la

estimación de los parámetros, la cual consiste en utilizar datos
muestrales para determinar los valores de los parámetros
desconocidos de una población. Existen dos formas distintas de
realizar una estimación.

ESTIMACIÓN ESTIMACIÓN POR

PUNTUAL INTERVALOS
 ESTIMACIÓN PUNTUAL

Una estimación es puntual cuando se utiliza un solo valor extraído de la muestra

para estimar el parámetro desconocido de la población, al valor utilizado se le llama
estimador puntual. Por ejemplo, la media muestral 𝑋 es un estimador de la media
poblacional 𝜇, la proporción muestral 𝑝 es un estimador de la proporción poblacional
p y la varianza muestral 𝑆 2 es un estimador de la varianza poblacional 𝜎 2 .
Propiedades de los estimadores puntuales

1. Estimador insesgado: Un estimador es insesgado si su valor esperado es igual al

parámetro que trata de estimar. Por ejemplo, la media muestral es un estimador
insesgado, porque 𝐸 𝑋 = 𝜇

1. Estimador eficiente: Si hay dos o más estimadores puntuales insesgados de un

parámetro, se denomina estimador más eficiente a aquel estimador que tenga menor
varianza.

1. Estimador consistente: Un estimador es consistente si al tomar el tamaño de

muestra cada vez más grande, su valor cada vez más se aproxima al parámetro que
trata de estima.

1. Estimador suficiente: Un estimador es suficiente si es capaz de sustraer de la

muestra toda la información que esta contenga acerca del parámetro. Esto significa,
que no existe otro estimador que puede suministrar más información del parámetro.
 ESTIMACIÓN POR INTERVALOS

Los estimadores puntuales toman diferentes valores de acuerdo a la muestra

elegida, y el no poder conocer el grado de precisión de la estimación realizada
puede resultar poco fiable. Para evitar este problema podemos estimar, no el
valor concreto de dicho parámetro sino, un intervalo de valores posibles donde
es más probable que se encuentre el parámetro. Llamamos un intervalo de
confianza al intervalo que contiene al parámetro µ que se esta estimando con
una probabilidad o nivel de confianza prefijado.

1 − 𝛼: 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎

𝛼: 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑛𝑐𝑖𝑎
 Intervalo de confianza para la media 𝝁

CASO 1: varianza 𝝈𝟐 es conocida

Sea 𝑥1 , 𝑥2 , 𝑥3 , . . . 𝑥𝑛 una muestra aleatoria de tamaño n extraída de

una población normal (o de cualquier otro tipo de población, con n
grande) que tiene una media 𝜇 y varianza 𝜎 2 conocida.

• Si la población es infinita, o la población es finita y el muestreo

𝜎
es con reposición, entonces, 𝜎𝑋 = 𝑛
• Si la población es finita de tamaño N y el muestreo es sin
𝜎 𝑁−𝑛
reposición, entonces, 𝜎𝑋 =
𝑛 𝑁−1
 EJERCICIO EXPLICATIVO

Un vendedor al mayoreo de partes automotrices necesita una estimación de la vida media que
puede esperar de los limpiaparabrisas en condiciones normales de manejo. La administración de
la empresa determinó que la desviación estándar de la vida útil de la población es de seis meses.
Suponga que seleccionamos una muestra aleatoria de 100 limpiaparabrisas y obtenemos una
media de vida útil de 36 meses.
a) Calcule el error de estimación para la vida media de los limpiaparabrisas.
Error= 𝜇 − 𝑋 = 𝑍1−𝛼 𝜎𝑋 =?
X: tiempo de vida de un limpiaparabrisas 2

𝜎 2 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜 𝛼 0.05
𝛼 = 0.05 → 1 − =1− = 0.975
𝜎 = 6 𝑚𝑒𝑠𝑒𝑠 2 2
𝑛 = 100 𝜎 6
𝑍1−𝛼 = 𝑍0.975 = 1.96 𝜎𝑋 = = = 0.6
𝑛 100
𝑋 = 36 𝑚𝑒𝑠𝑒𝑠 2

1 − 𝛼 = 0.95
Error= 𝑍1−𝛼 𝜎𝑋 =1.96*0.6=1.176
2
b) Construya e interprete una estimación por intervalo para la vida media de los limpiaparabrisas.
𝐼𝐶 𝜇, 0.95 =?

Usaremos un nivel de confianza del 95%

𝛼 = 0.05
así tenemos que 𝑍1−𝛼 = 𝑍0.975 = 1.96
2
𝜎𝑋 =0.6
𝑋=36

𝐼𝐶 𝜇, 0.95 = 36 − 1.96 0.6 ; 36 + (1.96)(0.6)

𝐼𝐶 𝜇, 0.95 = 34.824; 37.176

Interpretación: La vida media de todos los limpiaparabrisas esta entre

34. 8 y 37.2 meses a un nivel de confianza del 95%.
 Tamaño de la muestra
Se puede determinar que tan grande debe ser el tamaño demuestra 𝑛, de manera que
si 𝜇 se estima por 𝑋, el error de estimación no sea mayor que un valor 𝑒 y se tiene una
confianza de 1 − 𝛼. Entonces, el valor de 𝑛 se obtiene de:

• Si la población es infinita o la población es finita y el muestreo es con reposición:

• Si la población es finita y el muestreo es sin reposición:

 EJERCICIO EXPLICATIVO

El consumo de combustible es una variable aleatoria con parámetros que dependen del tipo de
vehículo. Suponga que para un automóvil se conoce la desviación estándar del consumo y es
igual a 2 km/l. Sin embargo, necesitamos información sobre el consumo promedio. Para hacer
esto, recolectamos una muestra de este modelo y observamos su consumo. ¿Qué tamaño de
muestra se debe considerar para el estudio, si el error de estimación del consumo promedio
para todos los automóviles de este modelo es como máximo 0.32 km/l con un nivel de confianza
del 95%?
X: Consumo de combustible 𝑍1−𝛼 = 𝑍 0.05 = 𝑍0.975 = 1.96
2 1− 2
Varianza 𝜎 2 conocida.
𝜎 = 2 𝑘𝑚/𝑙
e= 𝑋 − 𝜇 ≤ 0.32
Error=0.32km/l
Nivel de confianza=0.95
2
n=? 1.96 × 2
𝑛= ≅ 150
𝛼 = 0.05 0.32
 ¿QUÉ HEMOS APRENDIDO HOY?

¿Qué es el intervalo de confianza para la media 𝜇?

¿Cuál es la utilidad de este intervalo de confianza?

 TAREA DOMICILIARIA

RESOLVER EL EJERCICIO 2 DE LA TAREA

DOMICILIARIA DEL ARCHIVO Teoría y práctica.