Estadística II

Facultad de Ingeniería
y ciencias básicas
 Estimación

Sergio Castañeda Ramírez

MSc. Ingeniero Químico
 Estimación
La estimación puntual de algún parámetro de la población  es un
valor 𝜃෠ del estadístico Θ
෡ calculado a partir de una población de
tamaño 𝑛.
 Estimación
La estimación puntual de algún parámetro de la población  es un
valor 𝜃෠ del estadístico Θ
෡ calculado a partir de una población de
tamaño 𝑛.

Ejemplo: 𝑋ത → 𝑥ҧ → 𝜇
 Estimación
La estimación puntual de algún parámetro de la población  es un
valor 𝜃෠ del estadístico Θ
෡ calculado a partir de una población de
tamaño 𝑛.

Ejemplo: 𝑋ത → 𝑥ҧ → 𝜇

෡ que tenga una medida igual al parámetro estimado

Un estadístico Θ
se denomina insesgado.
 Estimación
La estimación puntual de algún parámetro de la población  es un
valor 𝜃෠ del estadístico Θ
෡ calculado a partir de una población de
tamaño 𝑛.

Ejemplo: 𝑋ത → 𝑥ҧ → 𝜇

෡ que tenga una medida igual al parámetro estimado

Un estadístico Θ
se denomina insesgado.

¿Existe un parámetro así?

 Estimación
La estimación puntual de algún parámetro de la población  es un
valor 𝜃෠ del estadístico Θ
෡ calculado a partir de una población de
tamaño 𝑛.

Ejemplo: 𝑋ത → 𝑥ҧ → 𝜇

෡ que tenga una medida igual al parámetro estimado

Un estadístico Θ
se denomina insesgado.

¿Existe un parámetro así?

 Estimación
Aunque la exactitud de la estimación aumenta con el tamaño de la
muestras, no puede esperarse que la estimación puntual de una
muestra sea exactamente igual al parámetro de la población.
 Estimación
Aunque la exactitud de la estimación aumenta con el tamaño de la
muestras, no puede esperarse que la estimación puntual de una
muestra sea exactamente igual al parámetro de la población.

Es preferible determinar un intervalo que contenga el valor del

parámetro.

𝜃෠𝐿 < 𝜃 < 𝜃෠𝑈

 Estimación
Aunque la exactitud de la estimación aumenta con el tamaño de la
muestras, no puede esperarse que la estimación puntual de una
muestra sea exactamente igual al parámetro de la población.

Es preferible determinar un intervalo que contenga el valor del

parámetro.

𝜃෠𝐿 < 𝜃 < 𝜃෠𝑈

Los extremos del intervalos dependen de la distribución de

probabilidad del estadístico, la amplitud del intervalo y el tamaño
de la muestra.
 Estimación
Diferentes muestras producen distintos valores del estadístico Θ෡y
෡𝐿 y Θ
de Θ ෡ 𝑈 , entonces con la estimación por intervalos se calcula:

෡𝐿 < 𝜃 < Θ
𝑃 Θ ෡𝑈 = 1 − 𝛼
 Estimación
Diferentes muestras producen distintos valores del estadístico Θ෡y
෡𝐿 y Θ
de Θ ෡ 𝑈 , entonces con la estimación por intervalos se calcula:

෡𝐿 < 𝜃 < Θ
𝑃 Θ ෡𝑈 = 1 − 𝛼

𝜃෠𝐿 < 𝜃 < 𝜃෠𝑈 → Intervalo de confianza del 100 1 − 𝛼 %

1 − 𝛼 → coeficiente de confianza o fracción de confianza
𝜃෠𝐿 y 𝜃෠𝑈 → Extremos de confianza
 Estimación
Diferentes muestras producen distintos valores del estadístico Θ෡y
෡𝐿 y Θ
de Θ ෡ 𝑈 , entonces con la estimación por intervalos se calcula:

෡𝐿 < 𝜃 < Θ
𝑃 Θ ෡𝑈 = 1 − 𝛼

𝜃෠𝐿 < 𝜃 < 𝜃෠𝑈 → Intervalo de confianza del 100 1 − 𝛼 %

1 − 𝛼 → coeficiente de confianza o fracción de confianza
𝜃෠𝐿 y 𝜃෠𝑈 → Extremos de confianza

Cuanto más amplio sea el intervalo de confianza, más probable es

que contenga el parámetro desconocido, pero será menos exacto.
 Estimación de la media
Si 𝑥ҧ es la media de una muestra aleatoria de tamaño 𝑛 de una
población de la que se conoce su varianza 𝝈𝟐 , el intervalo de
confianza de 100 1 − 𝛼 % para µ es:

Donde 𝑧𝛼/2 es el valor de 𝑧 para el cual 𝑃 𝑧 < 𝑍𝛼/2 = 1 − 𝛼Τ2.

Estimación de la media
Ejemplo:
Se encuentra que la concentración promedio de zinc que se obtiene
en una muestra de mediciones en 36 sitios diferentes de un río es
de 2.6 gramos por mililitro. Calcule los intervalos de confianza del
95% y 99% para la concentración media de zinc en el río. Suponga
que la desviación estándar de la población es de 0.3 gramos por
mililitro.
 Estimación de la media
Muestras diferentes producirán valores diferentes de 𝑥ҧ y, por lo
tanto, diferentes estimaciones por intervalos del parámetro μ:
 Estimación de la media
Si se desconoce la desviación estándar de la población:

1. Suponer la varianza muestral igual a la poblacional (si la

muestra es lo suficientemente grande):

2. Utilizar la distribución t de student:

Ejemplo:
El contenido de ácido sulfúrico 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.
 Estimación de la media
Si se utiliza 𝑥ҧ como una estimación de 𝜇, el tamaño de la muestra
que hace que la estimación puntual no exceda un error dado 𝑒 con
un 100 1 − 𝛼 % de confianza es:
Ejemplo:
Se encuentra que la concentración promedio de zinc que se obtiene
en una muestra de mediciones en 36 sitios diferentes de un río es
de 2.6 gramos por mililitro. Calcule los intervalos de confianza del
95% y 99% para la concentración media de zinc en el río. Suponga
que la desviación estándar de la población es de 0.3 gramos por
mililitro.

¿Qué tan grande debe ser la muestra si queremos tener un 95% de

confianza de que nuestra estimación de 𝜇 diferirá en menos de 0.05
con respecto al valor verdadero?
 Estimación de la varianza
Si 𝑆 2 es la varianza de una muestra aleatoria de tamaño 𝑛 de una
población, el intervalo de confianza de 100 1 − 𝛼 % para 𝜎 2 es:

Donde 𝜒 2 𝛼 y 𝜒 21−𝛼 es el valor de𝜒 2 que corresponde con 𝛼 y 1 − 𝛼

en la distribución chi-cuadrada con grados de libertad 𝜐 = 𝑛 − 1.
Ejemplo:
Un fabricante de baterías para automóvil garantiza que su
producto durará, en promedio, 3 años con una desviación
estándar de 1 año. Si cinco de estas baterías tienen duraciones de
1.9, 2.4, 3.0, 3.5 y 4.2 años, ¿será cierto con un 95% de confianza
que la desviación estándar de todas las baterías del fabricante es
de 1 año? Suponga que las duraciones de las baterías siguen una
distribución normal.
Ejercicios:

1. Una máquina produce piezas metálicas de forma cilíndrica. Se

toma una muestra de las piezas y los diámetros son 1.01, 0.97,
1.03, 1.04, 0.99, 0.98, 0.99, 1.01 y 1.03 centímetros. Calcule un
intervalo de confianza del 99% para la media del diámetro de las
piezas que se manufacturan con esta máquina. Suponga una
distribución aproximadamente normal.

2. Un experto en eficiencia desea determinar el tiempo promedio

que toma perforar tres hoyos en cierta placa metálica. ¿De qué
tamaño debe ser una muestra para tener un 95% de confianza
en que esta media muestral estará dentro de 15 segundos de la
media verdadera? Suponga que por estudios previos se sabe
que 𝜎 = 40 segundos.
Ejercicios:

3. Los siguientes son los pesos, en decagramos, de 10 paquetes

de semillas de pasto distribuidas por cierta compañía: 46.4,
46.1, 45.8, 47.0, 46.1, 45.9, 45.8, 46.9, 45.2 y 46. Encuentre la
varianza de la población de los paquetes de semillas de pasto
que distribuye esta compañía en un intervalo de confianza de
95%. Suponga una población normal.
Ejercicios:

4. Se registran las siguientes mediciones del tiempo de secado, en

horas, de cierta marca de pintura vinílica:

Suponga que las mediciones representan una muestra aleatoria

de una población normal y con base en esto calcule el intervalo
de predicción del 95% para el tiempo de secado promedio y la
varianza de la población de latas de pintura.
GRACIAS