ESTIMACIÒN DE LA MEDIA POBLACIONAL

USO DEL INTERVALO DE CONFINAZA

DEFINICIONES.
1. ESTIMACIÒN.

Una estimación estadística es un proceso mediante el que establecemos qué valor

debe tener un parámetro según deducciones que realizamos a partir de estadísticos.
En otras palabras, estimar es establecer conclusiones sobre características
poblacionales ( parámetros ) a partir de resultados muestrales ( estadísticas ). A este
procedimiento se le conoce como INFERENCIA ESTADÌSTICA.

Otra forma de entender la definición de estimación: es la acción de tasar el valor de

un parámetro a través de estadísticos, con un nivel de incertidumbre determinable.

2. INTERVALO DE CONFIANZA

La estimación por intervalos de confianza es una técnica estadística que busca

determinar , a partir de un estadístico, un rango de valores en la recta de los reales
en la que , con un nivel de confianza determinado, se puede afirmar que se
encuentra el parámetro poblacional.
 NIVEL DE CONFIANZA: describe la probabilidad de que el intervalo
matemáticamente construido contenga el parámetro. Se suele representar
como ( 1−∝ ) % . Los de mayor uso son 90%, 95%, 99%. También se puede
entender como el porcentaje de intervalos efectuados bajo las mismas
condiciones que contendrán el parámetro.
Por ejemplo: un 95% de confianza, indica que por cada 100 intervalos
construidos bajo las mismas condiciones , 95 de ellos contendrá el
parámetro y 5 de ellos no lo contiene.
μ=2
Esta gráfica nos muestra 20 intervalos de confianza y se conoce la media
poblacional. Según la gráfica hay 19 intervalos que contienen la media y uno que
no la contiene. En porcentaje corresponde a (19/20)% = 95%
Así mismo, representa el área bajo la curva normal de la estadística muestral.

μ=2 N.C

3. INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL

Dada una variable aleatoria con distribución Normal N(μ,  σ) , el objetivo es la

construcción de un intervalo de confianza para el parámetro μ, basado en una
muestra de tamaño n de la variable.  Desde el punto de vista didáctico hemos de
 considerar dos posibilidades sobre la desviación típica de la variable: que sea
conocida o que sea desconocida y tengamos que estimarla a partir de la muestra.

 TEOREMA DEL LÌMITE CENTRAL

Cuando se seleccionan muestras aleatorias simples de tamaño n de una

población, la distribución muestral de la media muestral puede aproximarse
mediante una distribución normal a medida que el tamo de la muestra se hace
grande, en particular n ≥ 30.

CASO 1: SE CONCOCE LA VARIANZA POBLACIONAL

Dada una muestra X1, ..., Xn, el estadístico

se distribuye según una Normal estándar. Por tanto, aplicando el método del pivote podemos
construir la expresión

donde zα/2 es el valor de una distribución Normal estándar que deja a su derecha una probabilidad
de α/2 de la que se deduce el intervalo de confianza
Siendo ,
X́ : media muestral
zα/2 : coeficiente de confianza. Valor que se obtiene de la tabla de la distribución normal
estándar
σ : desviación estándar poblacional
n : tamaño muestral
σ
=σ x́ =¿ error estàndar de estimaciòn o error tìpico
√n
Los dos valores de este intervalo se conocen como lìmite inferior de confianza (LIC) y
lìmite superior de confianza ( LSC) . Por tanto,
LIC = X́ −¿ zα/2 *σ x́
LSC = X́ + ¿ zα/2 *σ x́
Ahora, si se tiene un grado de certeza de que el intervalo de que el intervalo contenga el
paràmetro , es necesario usar una medida que nos informe qué tan amplio es el intervalo. A
esta medida se le conoce como error màximo de muestreo
 ERROR MÁXIMO DE MUESTREO (E).
Mide la màxima distancia posible entre el parámetro ( en este caso la media poblacional) y
el estadìstico que se utilizó para estimarlo ( en este caso la media muestra) en valor
absoluto. La expresión matemática que se utiliza es la siguiente:
Z ( ∝/2 )∗σ
|
E = |Z (∝/ 2)∗σ X́|= |
√n
( )
x́ → μ ← x́
Z
E= ( ∝/2 ) X́
∗σ
  TAMAÑO DE MUESTRA
Del error muestral se puede despejar n y obtener la formula para calcular el tamaño de la
muestra.
(Z ¿¿ ( ∝/ 2 ))2∗σ 2
n= ¿
E2
En el caso de que se conozca el tamaño de la población ( N ) , entonces se corrige el
tamaño de la muestra anterior usando la expresión,
(Z ¿¿ ( ∝/2 ))2∗N∗σ 2
n= 2 2 2
¿
E ∗( N−1 ) +(Z ¿¿ ( ∝/2 )) ∗σ ¿

 EJEMPLO 1
Los agentes de ventas de una empresa presentan un informe semanal que enumera los
clientes contactados durante una semana . En una muestra de 65 informes semanales la
media muestral es de 19.5 por semana. La desviación estándar poblacional es de 5.2.
a. Establezca un IC de 90% para la media poblacional del número de clientes
contactados semanalmente por el personal de ventas.
b. Establezca un IC de 95% para la media poblacional del número de clientes
contactados semanalmente por el personal de ventas.
RTA.
X́ =19.5 =
σ = 5.2
n = 65
σ 5.2
=σ x́ = =0,645
√n √65
a. NC = ( 1−∝ ) % . = 95%
Z (0.025) = 1.96 usando la tabla de la distribución normal estándar

Entonces,

LIC = X́ −¿ zα/2 *σ x́ = 19.5 – (1.96*0,645) = 18.24

LSC = X́ + ¿ zα/2 *σ x́ = 19.5 + (1.96*0,645) = 20.76
Z ( ∝/2 )∗σ
E= | √n | =|1.96∗0,645|=1.26

INTERPRETACIÒN : Con una confianza de 95% se infiere o se estima que el número

de clientes contactos en promedio está entre 18.24 a 20.76 . Hay un error máximo en el
estimado de 1.26

b. NC = ( 1−∝ ) % . = 90%
Z (0.05) = 1.65 usando la tabla de la distribución normal estándar

Entonces,
LIC = X́ −¿ zα/2 *σ x́ = 19.5 – (1.65*0,645) = 18.43
LSC = X́ + ¿ zα/2 *σ x́ = 19.5 + (1.65*0,645) = 20.56
Z ( ∝/2 )∗σ
E= | √n | =|1.65∗0,645|=1.064

INTERPRETACIÒN : Con una confianza de 95% se infiere o se estima que el número

de clientes contactos en promedio está entre 18.43 a 20.56 . Hay un error máximo en el
estimado de 1.064

 EJEMPLO 2
Se desea estimar el precio de galón de gasolina corriente en esta ciudad. Se tiene
información que la desviación estándar poblacional es de $ 245. Si se desea un error
máximo en el estimado de $ 88 con una NC de 99%,
a. ¿ qué tan grande debe seleccionarse una muestra de estaciones de gasolina en esta
ciudad?
RTA.
σ = $ 245
E = $ 88
NC = ( 1−∝ ) % . = 99%
Z (0.005) = 2.58 usando la tabla de la distribución normal estándar

(Z ¿¿ ( ∝/ 2 ))2∗σ 2
n= ¿
E2

2.58 2∗2452
n= = 51.59 ≈ 52
882

INTERPRETACIÒN : Con una confianza de 95% y un error máximo en el estimado se

requiere seleccionar una muestra aleatoria de 52 estaciones en la ciudad.
b. ¿ Cuàl sería el tamaño de la muestra si seba que en la ciudad hay 3750 estaciones de
gasolina?
RTA.
σ = $ 245
E = $ 88
NC = ( 1−∝ ) % . = 99%
Z (0.005) = 2.58 usando la tabla de la distribución normal estándar
N = 750
Por tanto, se corrige el tamaño de la muestra anterior
2.582∗750∗245 2
n= 2 = 48,33 ≈ 49
88 ∗( 750−1 )+ 2.582∗2452

INTERPRETACIÒN : Con una confianza de 95% y un error máximo en el estimado se

requiere seleccionar una muestra aleatoria de 49 estaciones en la ciudad.
CASO 2: SE DESCONOCE LA VARIANZA POBLACIONAL

Es muy común que se requiera estimar la media de una población sin conocer la varianza
poblacional . En este caso , si tenemos una muestra aleatoria tomada de una población
normal con varianza poblacional desconocida , se sabe que la variable aleatoria
X́−μ
T=
S
√n

Sigue una distribución   T de student con  V =n−1  grados de libertad. Aquí S es la

desviación estándar de la muestra. En el caso que no se conozca la varianza poblacinal  σ2
se puede utilizar la distribución  T para construir un intervalo de confianza para  μ.

El procedimiento es similar que cuando se conoce  σ2 sólo se reemplaza  σ por S y la

distribución normal estándar por la distribución T de student. De esta manera

Si  X́ y  S son la media y desviación estándar de una muestra aleatoria de una población
normalde la que se desconoce la varianza σ2 , un intervalo de confianza del  100(1−α)%
μ es:

t ( ∝/2 )∗s t (∝/ 2)∗s

x́− < μ < x́+
√n √n

donde t(α/2) es el valor t con V =n−1 grados de libertad que deja un área de  α/2 a la
derecha de la distribución  T de student.

GRÁFICA DE LA DISTRIBUCIÓN T DE ESTUDENT

 COMPARACIÓN GRÁFICA DE LA DISTRIBUCIÓN Z Y CON LA DISTRIBUCIÓN T

 EJEMPLO 1

El contenido de ácido sulfurico de 7 contenedores similares es de 9.8, 10.2, 10.4, 9.8, 10.0,
10.2 y 9.6 litros. Calcule un intervalo de confianza del 95% para el contenido promedio de
todos los contenedores suponiendo una distribución aproximadamente normal.

RTA.

n=7

x́ = 10.0

S = 0,283
NC = ( 1−∝ ) % . = 95%

t (0,025) = 2,447

t ( ∝/2 )∗s 2,447∗0,283

LIC = x́− =10,0−( ) = 9,74
√n √7
t (∝/ 2)∗s 2,447∗0,283
LIC = x́ + =10,0+( ) = 10,26
√n √7
2,447∗0,283
E= ( √7 )
=0,261litros

INTERPRETACIÒN: Con una confianza de 95% se infiere o se estima que el contenido

promedio de la población de contenedores se encuentra entre 9,74 y 10,26 litros. El error
máximo en el estimado es de 0,261 litros.