INSTITUTO TECNOLóGICO DE CAMPECHE

Ingeniería Industrial

Investigación Conceptual
Tema II. - Estimación

CrAKS
Estadística Inferencial I
MI3

10/20/2020
Índice

Los dos problemas que atiende la estadística inferencialpág.4

La Estimación estadísticaPág. 4

• Introducciónpág. 4
• Tipos de estimadorespág.4
• Características de un buen estimador puntualpág.5
• Interpretación de α y de (1−α)pág.5
• Estructura general de un Intervalo de Confianzapág.6
Intervalos de confianza (I. de C.)pág.6

1. Para una población

• I. de C. para la media µ con varianza σ 2 conocida. ¿Cuándo se aplica? ¿Cuál es

su modelo?Pág.6

• I. de C. Para la media µ con varianza σ 2 desconocida. ¿Cuándo se aplica? ¿Cuál

es el modelo?pág.6

• I. de C. Para la proporción π. ¿Cuándo se aplica? ¿Cuál es el modelo? Pág.7

• I. de C. para la varianza (σ 2) y para la desviación estándar (σ). ¿Cuándo se

aplican? ¿Cuáles son sus modelos? Pág 7

2. Para 2 poblaciones

• I. de C. para 2 medias µ 1−µ2 con varianzas σ12, σ22 conocidas. ¿Cuándo se

aplica? ¿Cuál es su modelo? Pág. 8

• I. de C. para 2 medias µ1−µ2 con varianzas σ12, σ22 desconocidas:

a.Pero que se pueden suponer iguales. ¿Cuándo se aplica? ¿Cuál es el
modelo? pág8

!2
 b.Pero que no se pueden suponer iguales. ¿Cuándo se aplica? ¿Cuál es
el modelo? Pág.9
• I. de C. para 2 medias µ 1−µ2 para observaciones pareadas. ¿Cuándo se aplica?
¿Cuál es su modelo?Pág.9

• I. de C. Para 2 proporciones π1, π2. ¿Cuándo se aplica? ¿Cuál es el modelo?

pág10

• I. de C. para 2 varianzas σ12/σ22. ¿Cuándo se aplica?¿Cuál es el modelo?pág10

Determinación del tamaño de la muestrapág. 11

• Basado en la media de la poblaciónpág.11
• Basado en la proporción de la poblaciónpág.11
• Basado en la diferencia entre las medias de la Poblaciónpág.11

Bibliografia y videos referentes al temapág.12

!3
 Introducción

Un estimador de un parámetro poblacional es una función de los datos muestrales. En

pocas palabras, es una fórmula que depende de los valores obtenidos de una muestra,
para realizar estimaciones. Lo que se pretende obtener es el valor exacto de un
parámetro. Por ejemplo, si se pretende estimar la talla media de un determinado grupo
de individuos, puede extraerse una muestra y ofrecer como estimación puntual la talla
media de los individuos de la muestra.
La media de la muestra puede ser un estimador de la media de la población, la
cuasivarianza muestral es un buen estimador de la varianza poblacional y el total
muestral es un buen estimador del total poblacional.
Por tanto, una definición más matemática de un estimador y las propiedades que debe
de cumplir un estimador para ser bueno.
Sea X1......Xn, una m.a.s. de tamaño n, decimos que es un estimador θ* de un
parámetro θ si el estadístico que se emplea para conocer dicho parámetro desconocido
es este.
Los dos problemas que atiende la estadística inferencial
La estadística inferencial pretende resolver dos problemas fundamentales: la
estimación de parámetros poblacionales a partir de estadígrafos muestrales conocidos,
y la toma de decisiones estadísticas acerca de hipótesis establecidas sobre la
población, también con base al conocimiento de sus muestras.

Estimación estadística

Introduccion
Las poblaciones son generalmente muy grandes muy grandes como para ser
estudiadas en su totalidad. Su tamaño requiere que se seleccione muestras, las cuales
se pueden utilizar más tarde para hacer inferencias sobre poblaciones.

Ejemplo, si el gerente de una tienda minorista desea saber sobre el gasto promedio de
sus clientes durante el año anterior, podría encontrar difícil calcular el promedio de los
cientos o quizás miles de clientes que pasaron por su tienda. Seria mucho más fácil
estimar la media poblacional con la media de una muestra representativa.

Tipos de estimadores

• Estimador puntual
Utiliza un estadístico para estimar el parámetro en un solo valor o punto. Un estimador
es puntual cuando se usa solo un valor extraído de la muestra para estimar el
parámetro desconocido de la población.

!4
Al valor usado se le llama estimador

• Estimación por intervalo

Especifica el rango dentro del cual está el parámetro desconocido. Consiste en
determinar un par de valores a y b en un intervalo [a, b] y para una probabilidad de 1 - 𝛼
prefijada (nivel de confianza) se verifique en relación al parámetro 𝜃 a estimar se
cumpla:

P (𝜃 ⋲ [a, b]) = 1 - 𝛼

Ó en otros términos

P ( a ≤ 𝜃 ≤ b) = 1 - 𝛼
Características de un buen estimador puntual
Para desempeñarse de manera confiable, los estimadores deben ser:
• Insesgados: Un estimador insesgados si la media del estadístico calculado en todas
las muestras es igual al parámetro correspondiente.
• Eficiente: La eficiencia de un estimador depende de su varianza. Dado todo
estimador insertado, el estimador mas eficiente es aquel que tenga la varianza mas
pequeña.
• Consistente: Un estimar es consistente si, a medida que n aumenta, el valor
estadístico se aproxima al parámetro. Debe ser insertado y su varianza debe
aproximarse a cero a medida que n aumenta. Por tanto se puede decir que la media
muestral es un estimador consistente de la media poblacional. Si un estimador no es
consistente, tomar una muestra más grande para mejorar su estimado no será de
utilidad.
• Suficiente: Un estimador es suficiente si ningún otro estimador puede proporcionar
más información sobre el parámetro. Da una base suficiente para una evaluación
sobre la estimación de parámetros mediante la construcción de intervalos de
confianza.

Interpretación de α y de (1α)

• (1−α) ⇢ nivel de confianza (usualmente 90%, 95% o 99%)

⇣
Es un rango de valores que se determina en base a información muestral, en el cual es
probable que el parámetro poblacional esté contenido.

!5
• α ⇢ nivel de significación (usualmente 10%, 5% o 1%)
⇣
El riesgo que se está asumiendo en la estimación.

Estructura general de un intervalo de confianza

Estimador puntual ± Margen de error

Intervalos de confianza
1. Para una población

I. de C. para la media μ con varianza σ2 conocida. ¿Cuándo se aplica?

¿Cuál es su modelo?
Dada una muestra, x1, ..., xn de una población con media (desconocida) µ y varianza
conocida σ2, un intervalo de 95% de confianza para la media poblacional µ es︎

El cálculo del intervalo se puede hacer con calculadora o través del Excel.

Ejemplo. Se quería estimar la velocidad media en una calle con un límite teórico de
50km por hora. Con un radar oculto, se observó que la velocidad media de una muestra
de 25 coches fue de 58km/hora. Si la desviación típica de la velocidad en esta calle es
de 6km/hora, calcular un intervalo de 95 % de confianza para la verdadera velocidad ︎
media.

Un intervalo de confianza es ︎
58±1,96∗6/√ 25=58±2,35=(55,65, 60,35).
Se estima que la verdadera velocidad media en esta calle es entre 55,65km/hora y
60,35km/hora.

I. de C. Para la media μ con varianza σ2 desconocida. ¿Cuándo se

aplica? ¿Cuál es el modelo?
En la práctica, no es habitual conocer la desviación típica, así que esta debe estimarse
a partir de la muestra, igual que se estima la media. El intervalo de confianza para la
media de una variable aleatoria normal, con desviación típica desconocida, tiene la
siguiente forma:

!6
siendo t n - 1, 𝛼/2 el valor de t de student con n - 1 grados de libertad que deja a la

derecha 𝛼/2 de área. es la cuasi-desviación típica muestral, es decir la raíz

cuadrada de la cuasi-varianza muestral.

I. de C. Para la proporción π. ¿Cuándo se aplica? ¿Cuál es el

modelo?
El objetivo es construir un intervalo de confianza para la proporción de elementos ( p) de
una población que poseen una determinada característica (votantes de un partido
político, alumnos que usan una determinada red social, elementos defectuosos…) a
partir de una muestra aleatoria simple de la población.
De esta forma, consideramos la variable

Es decir, la variable aleatoria que toma los valores 1 y 0 (1 si tiene la característica, con
probabilidad p, 0 si no la tiene)
Tomamos entonces una muestra aleatoria simple X 1, … , Xn de la variable X ⋲ B (1,
p) Dado el nivel de confianza 1 - 𝛼, El intervalo es:

I. de C. para la varianza (σ2) y para la desviación estándar (σ).

¿Cuándo se aplican? ¿Cuáles son sus modelos?

De una muestra aleatoria de tamaño n, se obtiene la varianza muestra s2, a partir de la

cual se trata de estimar o probar hipótesis acerca de 𝜎2 . Los límites de confianza para
la desviación estándar σ de una población distribuida normalmente, estimada a partir
de una muestra con desviación estándar s, están dados por

!7
!8
2. Para 2 poblaciones

I. de C. para 2 medias μ1μ2 con varianzas σ12, σ22 conocidas. ¿Cuándo

se aplica? ¿Cuál es su modelo?

I. de C. para 2 medias μ1μ2 con varianzas σ12, σ22 desconocidas:

a. Pero que se pueden suponer iguales. ¿Cuándo se aplica? ¿Cuál es el modelo?

b. Pero que no se pueden suponer iguales. ¿Cuándo se aplica? ¿Cuál es el modelo?

!9
 I. de C. para 2 medias μ1μ2 para observaciones pareadas. ¿Cuándo
se aplica?
¿Cuál es su modelo?

I.de C. Para 2 proporciones π1, π2. ¿Cuándo se aplica? ¿Cuál es el

modelo?

!10
 I.de C. para 2 varianzas σ12/σ22. ¿Cuándo se aplica? ¿Cuál es el
modelo?

!11
Determinación del tamaño de la muestra
Basado en la media de la población

Basado en la proporción de la población

Basado en la diferencia entre las medias de la

Población

!12
 Bibliografia

Videos
1. Determinar el tamaño de la muestra con base en el nivel de confianza y el margen
de error - https://www.youtube.com/watch?v=bXh29loUa9Q
2. Estimación puntual y estimación por intervalo para un parámetro - https://
www.youtube.com/watch?v=cMqgG_lBC2U

!13