ESTIMACIONES

Curso: Estadística Aplicada

Mg. Ing. Luis Sakibaru
 OBJETIVOS

•Entender los conceptos de estimación,

estimación puntual y estimación por
intervalos
•Calcular las estimaciones ( puntual y por
intervalos )para la probabilidad de éxito.
•Saber interpretar correctamente los
resultados de la estimación por intervalos
 ESTIMACIÓN
PUNTUAL

DEFINICIÓN
PROPIEDADES

INSESGADO DE VARIANZA CONSISTENCIA EFICIENCIA

MÍNIMA
Que es una estimación ?
es cuando queremos realizar el estudio de una
población cualquiera de la que desconocemos sus
parámetros por ejemplo su media poblacional o la
probabilidad de éxito si la población sigue una
distribución binomial , debemos tomar una muestra
aleatoria de dicha población para calcular una
aproximación a dichos parámetros q conocemos y
queremos estimar .
Características de los estimadores

Se discuten dos importantes características de los

estadísticos usados como estimadores puntuales de los
parámetros: el sesgo y la variabilidad del muestreo. El sesgo
se refiere a la tendencia que muestra un estimador en
sobreestimar o subestimar el parámetro. La variabilidad del
muestreo se refiere a la variabilidad observada en el valor
del estimador de muestra a muestra.
Supongamos que tienes que realizar un estudio de
protección al consumidor y con este fin realizas una
inspección a las básculas de los comercios de alimentos.
Uno de tus inspectores te muestra los resultados de dos
básculas: una, de un supermercado, y otra de una tienda de
abarrotes, en las cuales se pesó una bolsa de verduras
preparada para tal fin.
La báscula 1 tenía una escala digital y proporcionó
esencialmente el mismo resultado al pesar la bolsa
repetidamente. La variación máxima entre pesada y pesada
fue de 3.5 g. Esta báscula potencialmente es muy precisa,
pero se calibró incorrectamente y en promedio subestima el
peso en 50 g.
La báscula 2 es muy barata y proporciona muy diferentes
resultados entre pesadas. Algunas veces sobreestima mucho y
otras veces subestima de la misma manera. Sin embargo, el
promedio de un número grande de pesadas proporciono el peso
real. La báscula 1 tiene sesgo porque en promedio las
mediciones proporcionan un peso 50 g por abajo del peso real.
En comparación, la báscula 2 proporciona estimaciones sin
sesgo en el peso, pero las mediciones tienen mucha variabilidad
y frecuentemente están muy alejadas del valor real. La báscula
1, a pesar de proporcionar mediciones sesgadas, es muy
precisa. Las mediciones nunca exceden de 3.5 g del peso real.
Ahora proporcionemos las definiciones de exactitud y precisión
(variabilidad ). Las ideas básicas son las mismas que se
desarrollaron para las básculas.
¿Que es una estimación puntual?
Una estimación es puntual cuando se usa un solo valor extraído de la muestra
para estimar el parámetro desconocido de la población. Al valor usado se le
llama estimador.

La media de la población se puede estimar puntualmente mediante la media de

la muestra:

La proporción de la población se puede estimar puntualmente mediante la

proporción de lamuestra:

La desviación típica de la población se puede estimar puntualmente mediante

la desviación típica de la muestra, aunque hay mejores estimadores:
 PROPIEDADES DEL
ESTIMADOR
Sesgo. Se dice que un estimador es insesgado si la Media de
la distribución del estimador es igual al parámetro.
Estimadores insesgados son la Media muestral (estimador de la
Media de la población) y la Varianza (estimador de la Varianza
de la población)
Ejemplo
En una población de 500 puntuaciones cuya Media (m) es igual a
5.09 han hecho un muestreo aleatorio (número de muestras=
10000, tamaño de las muestras= 100) y hallan que la Media de las
Medias muestrales es igual a 5.09, (la media poblacional y la media
de las medias muestrales coinciden). En cambio, la Mediana de la
población es igual a 5 y la Media de las Medianas es igual a 5.1 esto
es, hay diferencia ya que la Mediana es un estimador sesgado.
La Varianza es un estimador sesgado. Ejemplo: La Media de las
Varianzas obtenidas con la Varianza

en un muestreo de 1000 muestras (n=25) en que la Varianza de

la población es igual a 9.56 ha resultado igual a 9.12, esto es, no
coinciden. En cambio, al utilizar la Cuasivarianza

la Media de las Varianzas muestrales es igual a 9.5, esto es,

coincide con la Varianza de la población ya que la Cuasivarianza
es un estimador insesgado.
Estimador de la varianza
A la hora de elegir un estimador de podemos
comenzar con el estimador más natural:

Podemos comprobar que cuando el carácter que se estudia sobre

la población es gaussiano, en realidad este es el estimador máximo
verosímil para la varianza. Sin embargo se comprueba también su
falta de sesgo, lo que hace mas adecuado que se utilice como
estimador de la varianza al siguiente concepto: cuasi varianza
muestral
 ESTIMACIÓN DE INTERVALO PARA
LA MEDIA POBLACIONAL Yσ
POBLACIONAL CONOCIDA

ESTIMACIÓN
POR INTERVALOS
DE CONFIANZA

ESTIMACIÓN DE INTERVALO PARA

LA MEDIA POBLACIONAL Yσ
POBLACIONAL DESCONOCIDA
DEFINICIÓN
Definición
• En estadística, se llama intervalo de confianza a
un par de números entre los cuales se estima que
estará cierto valor desconocido con una
determinada probabilidad de acierto. Formalmente,
estos números determinan un intervalo, que se
calcula a partir de datos de una muestra, y el valor
desconocido es un parámetro poblacional.
• La probabilidad de éxito en la estimación se
representa con 1 - α y se denomina nivel de confianza.
En estas circunstancias, α es el llamado error
aleatorio o nivel de significación, esto es, una
medida de las posibilidades de fallar en la
estimación mediante tal intervalo.
¿Por qué hablamos de confianza y
no de probabilidad?
• En nuestro contexto, el parámetro poblacional es el
que es, y no asociamos ninguna probabilidad ni
fenómeno aleatorio al respecto.
• La confianza del intervalo debe ser entendida como
la fracción de intervalos calculados a partir de una
gran serie de muestras de tamaño idéntico que
contienen el valor verdadero del parámetro
poblacional.
Elemento de un intervalo de
confianza
• El nivel de confianza con el que deseamos
trabajar.
No es una elección sin importancia, puesto que del
nivel de confianza dependerá la precisión de la
estimación que obtengamos, es decir, la anchura
del intervalo. A mayor nivel de confianza exigido,
mayor será el radio del intervalo y por tanto menor
la precisión en la estimación. Generalmente se
trabaja con niveles de confianza del orden del 90%
o 95 %.
El objetivo de este apartado es conseguir una estimación
de la media µ(desconocida) de una población, cuya
desviación típica σ es conocida.
Para ello se recurre a una muestra de tamaño n, para la
que se obtiene su media 𝑋.ሙ
ESTIMACIONES PUNTUALES Y ESTIMACIONES
POR INTERVALO; SU CONFIABILIDAD
A una estimación de un parámetro poblacional que se da mediante
un solo número se le llama estimación puntual del parámetro. A una
estimación de un parámetro poblacional que se da mediante dos
números, entre los cuales se considera que debe estar el parámetro
en cuestión, se le llama estimación por intervalo del parámetro en
cuestión.
Las estimaciones por intervalo dan la precisión, o exactitud, de la
estimación, y por esto se prefieren a las estimaciones puntuales.
EJEMPLO: Si se dice que en la medición de una distancia se
obtuvo como resultado 5.28 metros (m), se está dando una
estimación puntual. En cambio, si se dice que la distancia es
5.28 ± 0.03 m (es decir, que la distancia está entre 5.25 y 5.31
m), se está dando una estimación por intervalo.

La información sobre el error (o precisión) de una estimación

es su confiabilidad.
En la tabla siguiente, se presentan los valores de zc que corresponden a varios
niveles de confianza que se usan en la práctica. Los valores de zc para niveles
de confianza que no estén en esta tabla se pueden encontrar en las tablas de
áreas de la curva normal.
Si partimos de una población que sigue una distribución Z ~ N(0,1) bastará
con encontrar el punto crítico zα/2 para tener un intervalo que contenga la
media poblacional con probabilidad c.

p(-zα/2 < Z < z α/2 ) = c

Si en el caso general tomamos:

En el caso de poblaciones que no son normales, o que simplemente no sabemos si

lo son o no, necesitamos que el tamaño de la muestra sea suficientemente grande
(n > 30) para poder aplicar el Teorema central del límite para obtener que el
intervalo de confianza para la media μ de una población con desviación típica
conocida σ es:
Intervalos de confianza para las medias
Una empresa de investigación llevó a cabo una encuesta para determinar la
cantidad media que los estudiantes gastan en sus trabajos durante una semana. La
semana encontró que la distribución de cantidades gastadas por semana tendía a
seguir una distribución normal, con una desviación estándar de $5. Una muestra de
64 estudiantes revelo qu e =$20.

a) ¿ Cuál es el estimador de intervalo de confianza de 95% para la µ?

DATOS:
FORMULA:
n= 64
=20
σ =5
95%

21.23
 95%

18.77
La doctora Patton es profesora de Inglés. Hace poco contó el número de palabras
con faltas de ortografía en un grupo de ensayos de sus estudiantes. Observó que
la distribución de palabras con faltas de ortografía por ensayo se regía por una
distribución normal con una desviación estándar de 2.44 palabras de ensayo. En
su clase de 40alumnos de las 10 de la mañana, el número medio de las palabras
con faltas de ortografía fue de 6.05.

Construya un intervalo de confianza de 90% para el número medio de palabras

con faltas de ortografía en la población de ensayos.

DATOS: FORMULA:
n= 40
=20
σ =5
90%

6.69
 90%

5.41
La asociación Estadounidense de productores de azúcar
desea calcular el consumo medio de azúcar por año.
Una muestra de 16 personas revela que el consumo
medio anual es de 60 libras, con una desviación
estándar de 20 libras. Construya un intervalo de
confianza del 99% para la media de la población.
FORMULA PARA ESTIMAR UN INTERVALO
PARA LA MEDIA POBLACIONAL
DESCONOCIDA
TABLA DE LA DISTRIBUCIÓN t-STUDENT
CONCLUSIONES
se llama estimación al conjunto de técnicas que
permiten dar un valor aproximado de un parámetro de
una población a partir de los datos proporcionados por
una muestra.
El nivel de confianza con el que deseamos trabajar
dependerá la precisión de la estimación