ESTIMACIÓN PUNTUAL, TEOREMA DE LÍMITE CENTRAL Y ESTIMACION

POR INTERVALOS

LUIS FELIPE PEÑA PEÑA

FUNDACION UNIVERSITARIA DEL AREA ANDINA

FACULTAD DE CIENCIAS ADMINISTRATIVAS, ECONOMICAS Y

FINANCIERAS

ESTADISTICA INFERENCIAL

ADMINISTRACION DE EMPRESAS

18 DE NOVIEMBRE DE 2014
 INTRODUCCION

La estadística es una herramienta que todo profesional utiliza para realizar sus

investigaciones en cualquiera de los campos por los que se quiera desempeñar y así tomar

decisiones. A continuación encontraremos unos de los temas puntuales dentro de la

distribución de muestreo, que son el teorema de límite central y la estimación puntual,

intervalos. Temas que se complementan con los que se han visto anterior mente en las clases

de estadística inferencial, como variables aleatorias, distribución de probabilidad, medidas de

posición central entre otros, donde en que tipo de situaciones se deben utilizar por medio del

planteamiento de ejercicios.
 OBJETIVOS

Conocer que temas ya vistos en clase que intervienen en el teorema de límite central, la

estimación puntual y por intervalos, y la relación que tienen con los mismos.

Conocer en que parte de la estadística deben intervenir los temas expuestos en este

documento, cuando se deben utilizar y como se deben desarrollar mediante ejercicios para

su aplicación.

Aplicar cada unos de los conocimientos aplicados en las clases anteriores con los nuevos

temas expuestos en este documento.

 JUSTIFICACIÓN

El muestreo nos permite realizar investigación en una población en específico para un

estudio en general, utilizando varios temas básicos dentro de la estadística como lo son la

media, el rango, la moda, la varianza, las distribuciones de probabilidad y las variables

aleatorias. Que en si nos ayudara a llegar a una conclusión a el estudio que estamos

realizando a dicha población.

 MUESTREO

Para tener en cuenta en que se basa muestreo se deben tener en cuenta dos términos primero

población como un conjunto que se tiene en cuenta para un estudio y una muestra que es un

subconjunto de la población. Y tiene como parámetros a la media y la desviación estándar

para realzar estimaciones utilizando la información que nos proporciona la muestra, esto

quiere decir que la muestra es solo una parte de la población que manejando buenos

métodos de muestreo los resultados dan como resultado estimaciones de los parámetros de

una población, para que estos resultados sean los adecuados se utilizaran términos como el

muestreo aleatorios simple para seleccionar la muestra de una población.

1. Muestreo aleatorio simple

Es uno de los métodos para seleccionar una muestra de una población que en si dependen si

la población es finita o infinita

Muestreo de una población finita: El procedimiento que se utilizar para seleccionar en una

población finita es de seleccionar una muestra por una y así permite que la probabilidad de

cada una de las muestras de la población se a seleccionada.

Un ejemplo el director de la empresa Electronics Associates, Inc. esta encargado de

elaborar el perfil de los 2500 administradores de la empresa y debe determinar el sueldo

promedio y los administradores que han terminado la capacitación del programa de la

empresa, para escoger la muestras aleatoria simple se le suministra un archivo en un C.D.

donde se le asigna los número del 1 al 2500 en el orden en el que aparecen en el archivo de
personal. En este caso se consulta una tabla de dígitos aleatorios y se utilizar una muestra de

solo 30 administradores

5110
63271 59986 71744 2 15141 80714 58683 93108 13554 79945
7911
88547 9896 95436 5 8303 1041 20030 63754 8459 28364
55957 57243 83865 9911 19761 66535 40102 26646 60147 15702
6712
46276 87453 44790 2 45573 84358 21625 16999 13385 22782
1529
55363 7449 34835 0 76616 67191 12777 21861 68689 3263
5844
69393 92758 49902 7 42048 30378 87618 26933 40640 16281
13186 29431 88190 4588 38733 81290 89541 70290 40113 8243
7835
17726 28652 56836 1 47327 18518 92222 55201 27340 10493
3015
36520 64465 5550 7 82242 29520 69753 72602 23756 54935
5683
81628 36100 39254 5 37636 2421 98063 89641 64953 99337
7549
84649 48968 75215 8 49539 74240 3466 49292 36401 45525
7505
63291 11618 12613 5 43915 26488 41116 64531 56827 30825
70502 53225 3655 5915 37140 57051 48393 91322 25653 6543
4980
6426 24771 59935 1 11082 66762 94477 2494 88215 27191
7016
20711 55609 29430 5 45406 78484 31639 52009 18873 96927
2586
41990 70538 77191 0 55204 73417 83920 69468 74972 38712
2667
72452 36618 76298 8 89334 33938 95567 29380 75906 91807
1052
37042 40318 57099 8 9925 89773 41335 96244 29002 46453
4696
53766 52875 15987 2 67342 77592 57651 95508 80033 69828
1602
90585 58955 53122 5 84299 53310 67380 84249 25348 4332
6451
32001 96293 37203 6 51530 37069 40261 61374 5815 6714
7215
62606 64324 46354 7 67248 20135 49804 9226 64419 29457
 5032
10078 28073 85389 4 14500 15562 64165 6125 71353 77669
1529
91561 46145 24177 4 10061 98124 75732 815 83452 97355
7960
13091 98112 53959 7 52244 63303 63839 63839 74762 50289

Al consultar el primer renglón se da cuenta que cada digito es un digito aleatorio que tiene

la misma oportunidad de aparecer en cualquier otro. Como el número mayor en la lista de la

población de administradores que es de 2500 los conjuntos escogidos aleatoria mente serán

de cuatro dígitos y se puede escoger desde cualquier lugar de la tabla en este caso se

avanzara de izquierda a derecha.

6327 1599 8671 7445 1102 1514 1807

Ya que los números de la tabla son aleatorios quiere decir que todos tiene la misma

posibilidad de ser seleccionados como estos conjuntos son de cuatro dígitos se pueden usar

para que la población de los administradores tenga la posibilidad de ser incluidos dentro de

la muestra aleatoria el primer número que se escoge aleatoriamente es 6327 pero es mayor a

2500 por lo tanto el primer administrador escogido es el 1599, realizando el mismo ejercicio

con los demás y los otros administradores escogidos son el 1102, 1514 y 1807 hasta .

Completar la muestra de 30.

2. Muestreo de una población finita

El muestreo de una población infinita debe cumplir con dos requisitos en especial

- Cada uno de los elemento seleccionados proviene de la población

- Cada elemento se selecciona independientemente

Por ejemplo un restaurante quiere saber el perfil de la clientela seleccionando una muestra

aleatoria de los mismos haciendo que ellos diligencien un cuestionario como se puede ver el

ejemplo cumple con los requisitos del muestro de la población infinita ya que al restaurante

ingresa cualquier cliente, el segundo es que no haya sesgos en la selección, sesgos quiere

decir que no exista semejanza con otros clientes, esto se evita haciendo que la selección de

un cliente no influya dentro de otro en si los clientes son elegidos independientemente.

EJERCICIOS

1. Dada una población finita que tiene cinco elementos a, b, c, d y e seleccione 10 muestras

aleatorias simples de tamaño 2.

a. Enumere las 10 muestras empezando con AB, AC y así en lo sucesivo.

b. Usando el muestreo aleatorio simple, ¿cuál es la probabilidad que tiene cada muestra de

tamaño 2 de ser seleccionada?

c. Si el número aleatorio 1 corresponde a A, el número 2 corresponde a B y así en lo

sucesivo. Enliste la muestra aleatoria de tamaño 2 que será seleccionada al usar los números

aleatorios 8 0 5 7 5 3 2.

RESPUESTA

a. AB, AC, AD, AE, BC, BD, BE, CD, CE, DE

b. Como hay 10 muestras, la probabilidad que tiene cada una es 1⁄10

c. E y C porque 8 y 0 no se pueden emplear; 5 corresponde a E; 7 no se puede emplear; el 5

se salta porque E ya se tomó en la muestra; 3 corresponde a C; el 2 ya no se necesita porque

ya se tiene una muestra de tamaño 2

2. Suponga que una población finita tiene 350 elementos. A partir de los últimos tres dígitos

de cada uno de los siguientes números aleatorios de cinco dígitos (por ejemplo: 601, 022,

448,...), determine los primeros cuatro elementos que se seleccionarán para una muestra

aleatoria simple.

98601 73022 83448 02147 34229 27553 84147 93289 14209

RESPUESTA

22, 147, 229, 289

ESTIMACIÓN PUNTUAL

La estimación puntual se da cuando se calcula la media muestral y la desviación estándar

muestral de y la proporción poblacional de una muestra aleatoria simple. Continuando con el

ejemplo de la muestra de los 30 administradores. A continuación encontraremos la lista de

los 30 administradores escogidos donde se encuentra el salario anual de cada uno de ellos y

la culminación del programa de capacitación.

programa de
salario anual capacitación salario anual programa de capacitación
$49 094.30 SI $51 766.00 SI
$53 263.90 SI $52 541.30 NO
$49 643.50 SI $44 980.00 SI
$49 894.90 SI $51 932.60 SI
$47 621.60 NO $52 973.00 SI
$55 924.00 SI $45 120.90 SI
 $49 092.30 SI $51 753.00 SI
$51 404.40 SI $54 391.80 NO
$50 957.70 SI $50 164.20 NO
$55 109.70 SI $52 973.60 NO
$45 922.60 SI $50 241.30 NO
$57 268.40 NO $52 793.90 NO
$55 688.80 SI $50 979.40 SI
$51 564.70 NO $55 860.90 NO
$56 188.20 NO $57 309.10 NO

Y hallaremos las la media poblacional y la desviación estándar poblacional utilizando los

datos de la tabla

×
´ = ∑ xi = 1554 420 = 51 814
n 30

∑ (xi−x ¯ ) 2 325 009 260

S=
√ n−1
=
√ 29
= 3348

Para hacer la estimación se utiliza la letra p donde la proporción de los administradores que

si cumplieron con la capacitación utilizando la siguiente formula

x 19
P= =
n 30

Donde x con el número de administradores que terminaron la capacitación y n la muestra. Y

cada uno de estos análisis estadísticos se les conoce como estimadores puntuales

EJERCICIOS

1. Los datos siguientes provienen de una muestra aleatoria simple.

5 8 10 7 10 14

a. ¿Cuál es la estimación puntual de la media poblacional?

b. ¿Cuál es la estimación puntual de la desviación estándar poblacional?

RESPUESTA

a. ×
´ = ∑ xi = 54 =9
n 6

∑ (xi−x ¯ ) 2 (¿ 4)2(¿ 1) 2¿ 2¿ 2 48
b. S=
√ n−1
=
√ 6−1 √ =
6−1
= 3.1

2. Como respuesta a una pregunta de una encuesta a 150 individuos de una muestra se

obtuvieron 75 si, 55 no y 20 individuos no dieron su opinión

a. ¿Cuál es la estimación puntual de la proporción de la población que responde Sí?

b. ¿Cuál es la estimación puntual de la proporción de la población que responde No?

Respuesta

x 75
a. P = =
n 150
= 0.50

x 55
b. P = =
n 150
= 0.36

DISTRIBUCIONES MUESTRALES

La distribución de probabilidad de la media muéstral por los distintos valores que toma al

escoger varias muestras aleatorias simples. Conociendo la distribución muéstral podremos

saber que tan cerca esta de la media muéstral x y la media poblacional µ y donde se puede

asegurar que ambas son una variable aleatoria

1. Distribución muestral de x́

La distribución muestral de x es la distribución de probabilidad de todos los valores de la

media muestral esta distribución al igual que las distribuciones de probabilidades tiene un

valor esperado, desviación estándar.

1.1. valor esperado

Como esta variable tiene valores diferentes es necesario saber la media de todos los valores

de la misma que se tienen de las distintas muestras aleatorias y que viene se conoce como el

valor esperado

E (x́ ¿ = µ

E (x́ ¿ = valor esperado de la media muestral

µ = media poblacional

1.2. Desviación estándar de x́

La desviación estándar para la distribución muestral de ×se

´ define de dos manera cuando la

población es finita o infinita utilizando las siguientes connotaciones

σ x́= desviación estándar de ×

´

σ = desviación estándar de la población

n=¿Tamaño de la muestra

N=¿ Tamaño de la población

Ya teniendo estos términos claros se puede demostrar cuando la población es finita o infinita
 N −n σ
Finita: σ x́=
√ ( )
N−1 √ n

σ
Infinita: σ x́=
√n

En el caso de cuando la población es finita la formula que se nos plantea se le conoce en

parte como el factor de corrección para una población finita, pero aunque la población sea

σ
buena desviación estándar de la media muestral es σ x́= y para esto se crea una regla
√n
general y que en si tiene dos condiciones

1. Que la población sea infinita

2. O que la población se finita y el tamaño de la muestra sea menor o igual a 5% del

tamaño de la población es decir n/N = 0.05

La desviación estándar solo se hallara de esta manera cuando se presente esta situación pero

para conocer la desviación estándar de x́ se necesita saber primero la desviación estándar de

la población σ y la diferencia de ambas es como tal el error estándar que se refiere a la

desviación estándar de un estimador puntual. Tomando como ejemplo el tema de los 30

administradores escogidos en una población de 2500 la desviación estándar poblacional es

de σ = 4000, como la población es finita y el tamaño de la muestra es de 30, y se realiza

n/N para hacer la aproximación 2500/30 = 0.012 quiere decir que cumple con la regla de la

aproximación y así calcular el error estándar

4000
σ x́= =730.0
√ 30

Forma de la distribución muestral de x́

Para hallar la distribución muestral de x́se tienen en cuenta dos situaciones, cuando la

población tiene distribución normal y cuando no la tiene. Cuando la población tiene no

distribución normal, entra el teorema de limite central que ayudara a hallar la forma de

distribución de la muestra de x́

TEOREMA DE LÍMITE CENTRAL

El teorema de límite central nos indica que la población es en donde se tomen muestras

aleatorias simples para realizar un estudio deben estar distribuidas de manera normal en

dicha población, quiere decir que las medias muéstrales se deben graficar con distribución

normal. A medida que la población sea más grande Con una media X = µ y un error

estándar de  x=√ x pero para que sea asi hay una regla general en donde si la muestra n

es de 30 el teorema de limite central permitira que la distribucion sea normal en las medias

muestrales asi si la poblacion sea normal

Por ejemplo una población que no está distribuida normalmente tiene una media de µ =

1000 y una desviación estándar de σ =¿ 1000 para que esta se distribuya de manera normal
 100
se tomaría una muestra de 50 y el error estándar seria de σ x́= = 14.14 y la grafica de
√ 50
la distribución sería la siguiente.

100
σ x́= =14.14
√ 50

x́ = µ =1000

Pero si se toma una muestra de 100 el error estándar se vuelve

100
σ x́= = 10
√ 100

x́ = µ =1000

Y como se evidencia a medida que las medias muestrales se acercan más a la media

poblacional el error estándar viene siendo menor haciendo que las estimaciones sean más

precisas.
EJERCICIOS

1. La media de una población es 200 y su desviación estándar es 50. Se va a tomar una

muestra Aleatoria simple de tamaño 100 y se usará la media muestral para estimar la

media poblacional.

a. ¿Cuál es el valor esperado de x́ ?

b. ¿Cuál es la desviación estándar dex́ ?

c. Muestre la distribución muestral de x́ ?

d. ¿Qué muestra la distribución muestral de x́ ?

RESPUESTA

a. 200
50
b. σ x́= =5
√ 100
50
c. σ x́= =
√ 100

x́ = µ = 200

d. Muestra la distribución de probabilidad de x́

 ESTIMACION POR INTERVALO

Como es de saber la estimación puntual nos daba un dato exacto acerca del parámetro
poblacional pero la estimación por intervalos se puede calcular al sumar o restar un margen
de error y su formula general es

ESTIMACION PUNTUAL ± MARGEN DE ERROR

El fin de la estimación por intervalos es dar la información que esté más cerca de la
estimación puntual que se obtiene de la muestra del parámetro poblacional en donde entra la
media poblacional y la proporción poblacional y para hallar la estimación por cada uno de
estos parámetros se tiene una formula

Para la media poblacional

x́ ± Margen de error

Y para proporción poblacional

ṕ ±Margen de error

1. Media poblacional: σ conocida

Para obtener la estimación de la media poblacional se debe tener la desviación estándar

poblacional σ o la desvasion estándar muestral s para poder calcular la margen de error para

eso se necesitan datos que anteceden para calcular la desviación estándar poblacional antes

de tomar la muestra quiere decir que la σ es conocida

Ejemplo la empresa Lloyd selecciona una muestra aleatoria simple de 100 clientes con fin

de saber cuánto gastan en cada visita a la tienda la media muestral es una estimación puntual
de μ, la cantidad media gastada en cada visita a la tienda por la población formada por los

clientes de Lloyd ha estado realizando estos estudios semanales durante varios años. Donde

la σ es de $20 y también indica que la población tiene una distribución normal. En la

última semana en un estudio a 100 clientes Lloyd obtuvo como media muestral $82 La

media muestral de la cantidad gastada permite una estimación puntual de la media

poblacional de la cantidad gastada en cada visita μ. Y como la población está distribuida de

manera normal con una desviación estándar quiere decir que la distribución muestral de x́

20
es una distribución normal con un error estándar σ x́= = 2 y esta graficada de la
√ 100
siguiente forma

Distribución muestral de x́

20
σ x́= =2
√ 100

µ
En la tabla de probabilidad normal estándar se encuentra que 95% de los valores de

cualquier variable aleatoria distribuida normalmente aparecen dentro de ± 1.96 desviaciones

estándar de la media. Por tanto, si la distribución muestral se encuentra distribuida

normalmente, 95% de los valores de deben estar dentro de ±1.96 σ x́ de la media μ. En el

ejemplo de Lloyd, se sabe que la distribución muestral de x́ está distribuida normalmente y

que el error estándar es σ x́ = 2. Como ±1.96σ x́=¿ 1.96 (2) = 3.92, se puede concluir que

95% de los valores de obtenidos usando muestras de n = 100 estarán dentro de ±3.92 de la

media poblacional. Y se grafica de la siguiente manera

95% de todos los

Valores de
x́

3.92 3.92
 1.96 σ x́ 1.96 σ x́

Encontces como ya tenemos el margen de error que viene siendo 3.92 y se calcula una

estimacion por intervalo para µ que seria x́ ±3.92 pero que pasaria si se tomaran ahora tres

muestras aleatorias distintas cada una de a 100 clientes. La primera media muestral da el

valor de x́ 1que se obtiene restando el 3.92 x́ 1 y sumando 3.92 x́ 1 dando el intervalo y

abarca toda la media poblacional. la segunda muestra tambien tiene el valor aunque sean

diferentes el intervalo que obtuvo ocupa tambien ocupa toda la media poblacional, pero en

el caso de la tercera muestra no sucede lo mismo aunque tenga el valor restando y sumando

3.92 x́3 no abarca toda la media poblacional. En este caso la grafica s representaria de la

siguente manera

Distribucion de la muestrax́ σ x́=2

95% de todos los

Valores de
x́

3.92 µ 3.92

x́ 1 intervalo de x́ 1
dado por 3.92
 x́ 2

Intervalo de x́ 2

dado por 3.92

x́ 3

Intervalo de x́ 3dado por

3.92 que no abarca µ

Media poblacional µ

Para que se obtuvieran las estimaciones cabe recordar que en la encuesta que lloyd hizo a

100 clientes tubo una media muestral de 82 y uso ± 3.92 para hallar los intervalos en cada

una de las muestras Por tanto, la estimación por intervalo que se basa en los datos de la

última semana es el intervalo que va de 82 - 3.92 = 78.08 a 82 +3.92 = 85.92. Como los

intervalos se constituyeron al 95% con x́ ± 3.92 la media poblacional el intervalo que se

obtiene es de 78.08 a 85.92 en donde se encuentra la media poblacional μ. Y a esto se le

conoce como el intervalo de confianza Al valor 0.95 se le conoce como coeficiente de

confianza y al intervalo 78.08 a 85.92 como el intervalo de confianza de 95%.

σ
El margen de error esta dado por Z a/2 esto da como fórmula que nos permite hallar la
√n

σ
estimación del intervalo de una media poblacional con σ conocida: x́ ± Z a/2 y tiene
√n
las siguiente connotaciones donde 1-a es el coeficiente de confianza y Z a/2 es el valor de Z
que proporciona un área a/2 la cola superior de la distribución de probabilidad normal

estándar

Tomando nuevamente el ejemplo de Lloyd el intervalo que de confianza es de 95% por lo

tanto su coeficiente es de 0.95 que se haya (1 - a) donde a es 0.05 y la distribución normal se

da en 0.05/2 =0.025 que sería la cola superior de la distribución y se denomina como Z 0.025

que es igual a 1.96 como la media muestral de Lloyd es de x́ = 82 y la desviación estándar

que de σ = 20 y la muestra era de n = 100 y como resultado

20
82 ± 1.96 = 3.92
√ 100
82 ±3.92

Como el intervalo de confianza es del 95% que va desde 82 – 3.92 = 78.08 y 82 + 3.92 =

85.92. En si para el intervalo de confianza del 95% es el que más se utiliza hay otros dos

intervalos de confianza que se utilizan que son el de 90% y 99% para aplicar estas mismas

operaciones para dar valor a los intervalos de confianza

VALORES DE Z α/2 PARA LOS NIVELES DE

CONFIANZA MÁS USADOS
Z
niveles de confianza α α /2 α/2
0.1 1.64
99% 0 0.05 5
0.0 0.02 1.96
95% 5 5 0
0.0 0.00 2.57
99% 1 5 6
EJERCICIOS

1. En una muestra aleatoria simple de 40 artículos la media muestral obtenida es 25. La

desviación Estándar poblacional es σ = 5.

a. ¿Cuál es el error estándar de la media σ x́ ?

b. ¿Cuál es el margen de error para tener 95% de confianza?

RESPUESTA

σ 5
a. σ x́= = = 0.79
√n √ 40
σ
b. x́ ± Z a/2
√n
5
25 ± 1.96 = 1.54 = (25+1.54 = 26.54) (25 - 1.54=23.46)
√ 40

En una muestra aleatoria simple de 50 artículos de una población en la que σ = 6 la media

muestral fue 32.

a. Proporcione un intervalo de confianza de 90% para la media poblacional.

b. Establezca un intervalo de confianza de 95% para la media poblacional.

c. Proporcione un intervalo de confianza de 99% para la media poblacional.

RESPUESTA

σ
x́ ± Z a/2
√n
6
a. 32 ±1.645 = 32 ± 1.39 = ( 32 +1.39 = 33.39) ( 32 – 1.39 = 30.61)
√ 50
 6
b. 32 ±1.960 = 32 ±1.66 = (32 + 1.66 = 33.66) (32 – 1.66 = 30.34)
√ 50
6
c. 32 ±2.576 = 32 ± 2.18 = (32 + 2.18 = 34.18) (32 – 2.18 = 29.82)
√ 50

2. Media poblacional: desconocida σ

Cuando la desviación estándar de la media poblacional es desconocida se utiliza la misma

muestra para estima μ y σ donde se utiliza s para estimar σ el margen de error y la

estimación por intervalo de la media poblacional se basan en una distribución de

probabilidad denominada como distribución t esta a su vez tiene una distribución normal

pero esta distribución solo se utiliza cuando la población se desvía demasiado de una

población normal y esta depende de un paramento que se denomina grados de libertad, si los

grados de libertad aumentan la diferencias que existe entre la distribución t y la distribución

normal es cada vez menos.

Distribución Normal estándar

Distribución t 20 grados de libertad

Distribución t 10 grados de libertad

Entonces se puede evidenciar que a medida que aumentan los grados de libertad la

distribución t es más parecida a la distribución normal estándar y la media de toda

distribución t es 0. Igual que en caso anterior para indicar el área de la cola superior de la

distribución a la letra t se le dará un subíndice por ejemplo se usó z0.025 para indicar el

valor de z que deja en la cola superior de la distribución normal estándar un área de 0.025, se

usará t0.025 para indicar el valor de t será t a/2. En este caso para hacer la estimación del
intervalo utilizando la formula de cuando la σ es conocida se utilizaría la desviación

estándar muestral s para hacer la estimación se σ y Z a/2 se sustituye por t a/2 de la

distribución t

a /2

t a/2 t

Y Para hacer la distribución de t existe una tabla con ciertos valores para poder hallar el

margen de error reemplazando los valores anteriores

s
x́=ta /2
√n
Donde S es la desviación estándar, (1 – a) es el coeficiente y ta /2 es el valor de t que nos

proporciona un área a /2 en la cola superior de la distribución t (la que nos proporciona la

tabla) para n – 1 grados de libertad

AREA EN LA COLA SUPERIOR

GRADOS DE LIBERTAD 0.20 0.10 0.05 0.025 0.01 0.005
1 1.376 3.078 6.314 12.706 31.821 63.656
2 1.061 1.886 2.920 4.303 6.965 9.925
3 0.978 1.638 2.353 3.182 4.541 5.841
4 0.941 1.533 2.132 2.776 3.747 4.604
5 0.920 1.476 2.015 2.571 3.365 4.032
 6 0.906 1.440 1.943 2.447 3.143 3.707
7 0.896 1.415 1.895 2.365 2.998 3.499
8 0.889 1.397 1.860 2.306 2.896 3.355
9 0.883 1.383 1.833 2.262 2.821 3.250
60 0.848 1.296 1.671 2.000 2.390 2.660
61 0.848 1.296 1.670 2.000 2.389 2.659
62 0.847 1.295 1.670 1.999 2.388 2.657
63 0.847 1.295 1.669 1.998 2.387 2.656
64 0.847 1.295 1.669 1.998 2.386 2.655
65 0.847 1.295 1.669 1.997 2.385 2.654
66 0.847 1.295 1.668 1.997 2.384 2.652
67 0.847 1.294 1.668 1.996 2.383 2.651
68 0.847 1.294 1.668 1.995 2.382 2.650
69 0.847 1.294 1.667 1.995 2.382 2.649
90 0.846 1.291 1.662 1.987 2.368 2.632
91 0.846 1.291 1.662 1.986 2.368 2.631
92 0.846 1.291 1.662 1.986 2.368 2.630
93 0.846 1.291 1.661 1.986 2.367 2.630
94 0.845 1.291 1.661 1.986 2.367 2.629
95 0.845 1.291 1.661 1.985 2.366 2.629
96 0.845 1.290 1.661 1.985 2.366 2.628
97 0.845 1.290 1.661 1.985 2.365 2.627
98 0.845 1.290 1.661 1.984 2.365 2.627
99 0.845 1.290 1.660 1.984 2.364 2.626
100 0.845 1.290 1.660 1.984 2.364 2.626
INFINITO 0.842 1.282 1.645 1.960 2.326 2.576

Los grados de libertad para que valor de la distribución t sea n – 1 se debe a la fórmula para

hallar la desviación estándar poblacional

s= √∑ ¿¿ ¿ ¿

Los grados de libertad se refieren a los valores independientes que hay de ∑ ¿¿ y

n – 1 es el número de grados de libertad para demostrar la estimación de intervalo cuando σ

es desconocida

EJERCICIO

1. Se tomara un estudio para estimar la media de los adeudos en las tarjetas de crédito de

una población de familias con una muestras n = 70 familias aunque no se tiene la

estimación de la desviación estándar poblacional, los datos de la muestra se deben

utilizar para estimar la desviación estándar poblacional y la media poblacional.

SALDOS DE LAS TARJETAS DE CREDITO

9 430 14 661 7 159 9 071 9 691 11 032

7 535 12 195 8 137 3 603 11 448 6 525
4 078 10 544 9 467 16 804 8 279 5 239
5 604 13 659 12 595 13 479 5 649 6 195
5 179 7 061 7 917 14 044 11 298 12 584
4 416 6 245 11 346 6 817 4 353 15 415
10 676 13 021 12 806 6 845 3 467 15 917
1 627 9 719 4 972 10 493 6 191 12 591
10 112 2 200 11 356 615 12 851 9 743
6 567 10 746 7 117 13 627 5 337 10 324
13 627 12 744 9 465 12 557 8 372  
18 719 5 742 19 263 6 232 7 445  

RESPUESTA

La media muestral es de x́=$ 9312 la desviación estándar muestral s=$ 4007 y

utilizaremos la tabla de distribución para obtener el valor de t 0.025 que corresponde al

95% de intervalo de confianza y n – 1 = 69 grados de libertad

 4007
9312 ±1.995
√ 70
9312 ±955

La estimación puntual de la media poblacional es de 9312 y el margen de error de 955 el

intervalo de confianza de 95% que va desde 9312 – 955 = $8357 y 9312 + 955 = $10267 y

este sería el intervalo de confianza de los adeudos de las familias en sus tarjetas de crédito

PROPORCIÓN POBLACIONAL

Para la estimación del intervalo por la proporción poblacional p la formula es la siguiente:

p ± Margen de error

Para el cálculo de la estimación por intervalo la distribución muestral se debe tener en

cuenta que la distribución muestral de ṕ se aproxime a una distribución normal siempre y

cuando np≥ 5 y n(1− p)≥ 5 que se evidencia en la siguiente grafica. La media de la

p(1− p)
distribución de ṕ es la proporción poblacional p y el error estándar σ ṕ=
√ n

p(1− p)
Distribución muestral de ṕ σ ṕ=
√ n

a/2 a/2
 p

z α/2σ p z α/2σ p

Como la distribución muestral de p es una distribución normal la estimación por intervalo de

la proporción poblacional se elige como margen de error Z a/2σ entonces 100(1 – a) % de

los intervalos tendrá la verdadera proporción poblacional pero para calcular el margen de

error no se puede usar σ ṕ porque p es lo que se está tratando de estima y se sustituye por

la misma para hallar el margen de error y la estimación del intervalo de la proporción

poblacional mediante la siguiente formula

ṕ(1− p)
Margen de error =Z a/2σ =
√ n

Ahora con el margen de error se expresa la fórmula para la estimación de un intervalo de

una proporción poblacional donde 1 – a es el coeficiente de confianza de Z α/2 el valor de Z

que deja un área α/2 en la cola superior de la distribución normal estándar

α
ṕ ± Z √ ṕ ¿ ¿ ¿
2

EJERCICIO

1. Un estudio en estados unidos encuesto a 900 golfistas para conocer su opinión acerca

era el trato en los cursos del golf dentro de las cuales 396 golfistas estaban satisfechas

con el trato entonces la estimación puntual de la proporción poblacional es de 396/900 =

0.44 y se usara el nivel de 95% de confianza

 α
ṕ ± Z √ ṕ ¿ ¿ ¿
2

0.44 (1−0.44 )
0.44 ± 1.96
√ 900

0.44 ± 0.0324 = (0.44 – 0.0324 = 0.4076) (0.44 + 0.0324 = 0.4724)

El margen de error es de 0.0324 y la estimación de intervalo de confianza de 95% de la

proporción poblacional está entre 0.4076 y 0.4724 donde los golfistas están satisfechos.

ABSTRAC

En este documento se presentaron cada uno de términos que anteceden a los temas

principales como el muestreo aleatorio simple y la distribución muestral que permite que la

explicación para obtener una estimación puntual por medio de parámetros poblacionales

como la media muestral y la distribución muestral poblacional que en si son variables

aleatorias. Luego con las formulas de la desviación estándar y el error estándar permitió

saber las condiciones para que estas distribuciones muestrales se aproximaran a una

distribución normal y cuando no se aproximaran se utilizaría el teorema de limite central

siempre y cuando la muestra fuese grande. Luego se hablaría de las estimaciones por

intervalos de la media poblacional y de la proporción poblacional donde da un dato más

 preciso cada uno de ellos con un margen de error en el caso de la media poblacional la

desviación estándar poblacional es conocida o desconocida, y cada una de estas se basaba en

la estimación por intervalos de la distribución estándar normal.

BIBLIOGRAFÍA

ANDERSON, S. W. (s.f.). estadistica para administracion y economia . learning cengage.

wester, a. l. (s.f.). estadistica aplicada a los negocios y a la economia . mc graw hill .