Estadística Inferencial

Unidad:
Introducción a la
Estadística Inferencial y la
Estimación

Docente: Manuel Enrique Sotero Murga

Logro
Al finalizar la unidad el estudiante utiliza los diferentes métodos
de estimación que le permiten definir un buen estimador para
los diferentes parámetros de una población y los aplica a
situaciones reales.

Importancia
Esta unidad es importante porque nos permite estimar los
parámetros de una población, tal como el número promedio de
hijos por familia en una ciudad, una región, un País, etc., así
también nos permite estimar los parámetros de un proceso
productivo, tal como tiempo promedio de fabricación de un
artículo, una prenda, una pieza mecánica, un ensamblado, etc.
Contenido general
 Introducción a la estadística Inferencial.
 Distribución muestral y estimación de la media y la
diferencia de medias, con varianza conocida y
desconocida.
Introducción a la estadística Inferencial
Introducción a la estadística inferencial

• La Estadística Descriptiva y la Estadística Inferencial

ESTADÍSTICA

Estadística Estadística
Descriptiva Inferencial
Introducción a la estadística inferencial

La Estimación de Intervalo para el parámetro La Prueba de Hipótesis

Introducción a la estadística inferencial

• Estadísticos de una Muestra

𝞆 Media Aritmética Muestral

S2 Varianza Muestral
S Desviación Estándar Muestral
p Proporción Muestral
r Coeficiente de Correlación Muestral
Introducción a la estadística inferencial

• Parámetros de una Población

𝞵 Media Aritmética Poblacional

ơ2 Varianza Poblacional
ơ Desviación Estándar Poblacional
π Proporción Poblacional
ρ Coeficiente de Correlación Poblacional
Introducción a la estadística inferencial

Estadística Estadística
Inferencial Descriptiva

Población Muestra

Inferencia
del
resultado
Introducción a la estadística inferencial

• Concepto de Distribución de la Media Muestral

X1

X1
X2
X2

X3
X3
X4

X4

POBLACIÓN MUESTRAS DISTRIBUCION

DE LA MEDIA
MUESTRAL
Introducción a la estadística inferencial

ERROR MUESTRAL (e)

Viene hacer la diferencia entre la Media Aritmética

de una Muestra (X) y la Media Poblacional (μ).

e = X - μ (margen de error)
Ejemplo de Error Muestral
 • Hallar el error muestral de la edad promedio de una población de adolescentes,
si de esta se extrae una muestra aleatoria de 25 adolescentes, siendo los
resultados obtenidos Media de la muestra 12, y Media de la población 15.
Ejemplo de Error Muestral
Ejemplo: Distribución muestral de la media
con varianza conocida
Distribución muestral y estimación de la
media y la diferencia de medias, con
varianza conocida y desconocida
Propiedades de la distribución muestral,
teorema de límite central

La Media
Error Muestral
Muestral

Desviación Cuando la
Estándar Población es
Muestral Normal

Teorema de
Límite Central
Propiedades de la distribución
muestral: Error muestral

La suma de todos los errores muestrales

es igual a cero.

e1 + e2 + e3 + e4 +…….. en = 0

Donde: ei= error muestral de la muestra i.

Propiedades de la distribución
muestral: Media muestral

Se cumple que :

La Media Muestral (promedio de todas las

muestras) es igual a la Media Poblacional

µx = μ
Propiedades de la distribución muestral:
Desviación estándar muestral para una
población infinita

La Desviación Estándar muestral es igual a la

Desviación Estándar Poblacional dividido por la Raíz
Cuadrada del tamaño de la muestra (eventos
independientes)

𝜎
ơx =
𝑛
Donde:
σx = Desviación Estándar Muestral
σ = Desviación Estándar Poblaciónal
n = Número de elementos de la Muestra
Propiedades de la distribución muestral:
Desviación estándar muestral para una
población finita
Pero si la distribución muestral es para una población
finita y LA MUESTRA FORMADA ES SIN REPOSICION se
utilizara la siguiente formula:(los eventos ya no serán
independientes)

𝜎 𝑁−𝑛
ơx =
𝑛 𝑁−1

Donde:
σx = Desviación Estándar Muestral
σ = Desviación Estándar Poblaciónal
N = Tamaño de la población
n = Tamaño de la Muestra
Propiedades de la distribución muestral: cuando la población es normal

Si la población de la que se extraen las muestras es normal, la distribución muestral de medias será
también normal sin importar el tamaño de la muestra (n≥ 2).

Para una población Normal se cumple: N (μ, σ2 )

Luego para la distribución de las medias muestrales se cumplirá que:

N (µx, σ2/𝑛)
Y el valor de Z se transformara de:

𝑋𝑖 − 𝜇 𝑋𝑖−µ
Z= en: Z= 𝜎
𝜎
𝑛
Propiedades de la distribución muestral:
Teorema de límite central

De una población infinita con media μ y varianza σ2

se extraen muestras aleatorias de tamaño n,
entonces la media muestral µx se comporta
aproximadamente como una variable aleatoria
normal con media igual a la media poblacional y con
varianza igual a la varianza poblacional dividida por el
tamaño de la muestra, siempre que n sea grande (n ≥
30).

σ2
N (μ, )
𝑛
Distribución muestral

Distribución Muestral Distribución Muestral

de la Media con de la Media con
Varianza Conocida Varianza Desconocida

Distribución Muestral
Distribución Muestral
para la Diferencia de
para la Diferencia de
Medias con Varianzas
Medias con Varianzas
Iguales pero
Conocidas
Desconocidas
 Distribución muestral de la media con varianza conocida

Para hallar la probabilidad de la Media Muestral, cuando se conoce la varianza poblacional, y la media poblacional, la
variable aleatoria x, tiene una distribución aproximadamente normal:

𝑋−µ
Z= PROBABILIDAD CUANDO LA POBLACION ES FINITA, INFINITA, y la muestra obtenida con reposición.
σ/ 𝑛
O LA POBLACION ES INFINITA Y SIN REPOSICION.

𝑋−µ
Z= PROBABILIDAD CUANDO LA POBLACION ES FINITA N y la muestra obtenida sin reposición.
σ 𝑁−𝑛
∗( )
𝑛 𝑁 −1
Donde: 𝜇 media poblacional
X media muestral
σ es la desviación estándar poblaciónal
Z Coeficiente de Distribución Normal
N es el tamaño de la población
n es el tamaño de la muestra
Distribución muestral de la media con
varianza desconocida
Para hallar la probabilidad de la Media Muestral, para
una distribución aproximadamente normal y n < 30 ,
cuando no se conoce la varianza poblacional, pero si la
varianza muestral, usaremos:

𝑥−𝜇
t= 𝑆
𝑛

Donde: 𝜇 media poblacional

Χ es la media muestral
S es la desviación estándar de la muestra
n es el tamaño de la muestra
t distribución t-student
Distribución muestral de la media con
varianza desconocida
Para hallar la probabilidad de la Media Muestral, de una
muestra de tamaño n ≥ 30, y no se conoce la varianza
poblacional, pero si la varianza muestral, usaremos:

𝑋−𝜇
Z= 𝜎
𝑛

Donde: μ media poblacional

Χ es la media muestral
S es la desviación estándar de la muestra
n es el tamaño de la muestra
Z es la Distribución Normal
Distribución Muestral para la diferencia de Medias con varianzas
conocidas

Si las distribuciones no son normales y los tamaños de muestra n1 < 30 y n2 < 30, pero se
conocen las varianzas poblacionales, se utilizará también Z.

µ𝑥1−µ𝑥2 −(µ1−µ2)
Z=
ơ2 1 ơ2 2
+
𝑛1 𝑛2

Luego el intervalo de confianza para las Diferencia de las medias Poblacionales será:

𝜎21 ơ22
Intervalo (μ1-μ2) = (µx1 – µx2) +/- Zơ/2 x +
𝑛1 𝑛2
Distribución Muestral para la diferencia de Medias con varianzas
iguales pero desconocidas
Cuando las Poblaciones son Normales e independientes y las Varianzas σx2 = σy2 son iguales
pero no se conocen, pero los valores de sus varianzas muestrales son conocidas, y el tamaño
de las muestras son < 30, aplicaremos la siguiente formula:

µ𝑥1−µ𝑥2 −(µ1−µ2) 1 1
t= 1 1 Intervalo (μ1-μ2) = (µx1 – µx2) +/- tơ/2 xSp +
𝑆𝑝 𝑥 + 𝑛1 𝑛2
𝑛1 𝑛2

Donde:

𝑛1−1 𝑆21+ 𝑛2−1 𝑆22

Sp =
𝑛1+𝑛2−2
Intervalo de Estimación

Intervalo de Estimación Intervalo de Estimación

Intervalo de Estimación
para la Media con para la Media con
para la Media con
varianza desconocida y varianza desconocida y
varianza conocida
n ≥ 30 n < 30

Intervalo de Estimación
Intervalo de Estimación
para la diferencia de
para la diferencia de
Medias con varianzas
Medias con varianzas
diferentes y
conocidas
desconocidas
Intervalo de Estimación para la Media
con varianza conocida

El intervalo de confianza para la Media Poblacional

cuando la Varianza es conocida, será la siguiente:

Intervalo (μ1-μ2) = (µx1 – µx2) +/- Zơ/2 𝜎

𝑛
Intervalo de Estimación para la Media
con varianza desconocida y n ≥ 30

El intervalo de confianza para la Media Poblacional cuando

la Varianza es desconocida, pero n ≥ 30, será la siguiente:

Intervalo (μ1-μ2) = (µx1 – µx2) +/- Zơ/2 𝑆

𝑛
Intervalo de Estimación para la Media
con varianza desconocida y n < 30

El intervalo de confianza para la Media Poblacional

cuando la Varianza es desconocida, pero n < 30, será
la siguiente:

Intervalo (μ1-μ2) = (µx1 – µx2) +/- t(ơ/2, gl). 𝑆

𝑛
Intervalo de Estimación para la
diferencia de Medias con varianzas
conocidas

Cuando las poblaciones son normales e

independientes y las Varianzas σ21 y σ22 son
conocidas , las distribuciones muestrales de las
medias también serán normales sin importar los
tamaños de las muestras, (n≥2) estadístico a usar Z.

ơ21 ơ22
Intervalo (μ1-μ2) = (µx1 – µx2) +/- Zơ/2 x +
𝑛1 𝑛2
Intervalo de Estimación para la diferencia de Medias con varianzas
iguales pero desconocidas

Luego el intervalo de confianza para la diferencia de Medias Poblacionales cuando las

Varianzas σx2 = σy2 son iguales pero desconocidas, será la siguiente:

1 1 𝑛1−1 𝑆21+ 𝑛2−1 𝑆22

Intervalo (μ1-μ2) =(µx1 – µx2)+/- tơ/2 + x
𝑛1 𝑛2 𝑛1+𝑛2−2

donde t α/2 es el valor t con n1+n2-2 grados de libertad, por arriba del cual encontramos un
área de α/2 y un nivel de confianza de 1 – α.
Intervalo de Estimación para la diferencia de Medias con varianzas
diferentes y desconocidas

Cuando las Poblaciones son Normales e independientes pero las Varianzas σ21 ≠ σ22 son diferentes y
desconocidas, y tamaños de muestra n , m < 30, utilizaremos la siguiente formula, para hallar el
intervalo de estimación:

𝑆21 𝑆22
Intervalo (μ1-μ2) =(µx1 – µx2)+/- t(v,𝛂/2) +
𝑛1 𝑛2

𝑆12 𝑆22 2
+
𝑛1 𝑛2
V= 𝑆12 2 𝑆22 2
𝑛1 + 𝑛2 V= grados de libertad, se redondea al
𝑛1−1 𝑛2−1 inmediato superior
Ejemplo de Distribución Muestral de
la Media con Varianza Conocida
Ejemplo: Distribución Muestral de la Media con Varianza

• Una empresa eléctrica fabrica focos que tienen un tiempo de duración que se distribuye en
forma normal, con media 800 horas y desviación estándar de 40 horas. Encuentre la
probabilidad de que una muestra aleatoria de 16 focos tenga una vida promedio de menos
de 775 horas.
conocida y Población Infinita
Ejemplo: Distribución Muestral de la Media con Varianza
conocida y Población Infinita
Demostración:
Distribución Muestral de la Media
con Varianza Desconocida
Ejemplo: Distribución Muestral de la Media

• Un laboratorio afirma que el contenido de aloe en sus cremas es de 500 miligramos en

promedio, con un intervalo de confianza de 90%.
Para verificar esta afirmación INDECOPI selecciona una muestra de 25 envases de crema,
hallando una media de 518 miligramos y una desviación estándar de 40 gramos. ¿Es
correcta la afirmación del laboratorio?.
con Varianza Desconocida
Ejemplo: Distribución Muestral de la Media
con Varianza Desconocida
Intervalo de Estimación para la
Media Poblacional
Demostración:
Intervalo de Estimación para la Media
con Varianza Conocida
Ejemplo: Intervalo de Estimación para la

• Un comerciante mayorista compra latas de conserva. Según indicación de la etiqueta el

peso aproximado promedio por lata es μ onzas. Se supone que la población de los pesos es
normal con ơ= 2 onzas. Si de un envió reciente el comerciante escoge al azar 20 latas y
encuentra que el peso promedio es de 18,5 onzas.
Media con Varianza Conocida

a. Determine el intervalo de confianza al 90% para el peso promedio de todas las latas de
conserva (μx)
Ejemplo: Intervalo de Estimación para la
Media con Varianza Conocida
 Intervalo de Estimación para la
Diferencia de Medias con Varianzas
Iguales pero Desconocidas
Demostración:
Intervalo de Estimación para la Diferencia de
Medias con Varianzas Iguales pero
Desconocidas
Diferencia de Medias con varianzas iguales
Ejemplo: Intervalo de Estimación para la

• Los tiempos de vida de dos tipos de focos en horas son las siguientes (ver
cuadro)
Determinar un intervalo de confianza al 95% para la diferencia de medias de los
tiempos de vida de ambos focos, si se supone que las varianzas de las
poblaciones son iguales pero desconocidas.
pero desconocidas

X 481 506 527 661 501 572 561 501 487 524
Y 526 511 556 542 491 537 582 605 558 578
Ejemplo: distribución muestral de la media
con varianza desconocida
Conclusiones
QUE APRENDIMOS EN ESTA SESIÓN:
 Conceptos de Distribución Muestral de la Media.
 Que es el Margén de Error.
 Las Propiedades de la Distribución Muestral de la
Media.
 Estadísticos de la Distribución Muestral de la Media.
 Cálculo del Intervalo de Estimación de la Media
Poblacional.
 Estadísticos de la Distribución Muestral de la
Diferencia de Medias.
 Cálculo del Intervalo de Estimación de la Diferencia de
Medias.
Gracias
Docente: Manuel Enrique Sotero Murga