ESTADÍSTICA APLICADA

PARA LOS NEGOCIOS

Semana 10

Sesión 02
ESTADÍSTICA APLICADA PARA LOS NEGOCIOS

TEMA DE LA SESIÓN

INTERVALO DE CONFIANZA PARA

LA MEDIA CON VARIANZA
CONOCIDA.
LOGRO DE LA SESIÓN

Al finalizar la sesión de
aprendizaje el estudiante conoce
los principales conceptos y tipos
de estimación, también calcula
intervalos de confianza para la
media y lo aplica en la solución de
problemas
 Intervalo de confianza para la media con varianza
conocida.

Una de las aplicaciones más importantes en la estadística es la

estimación de los parámetros, la cual consiste en utilizar datos
muestrales para determinar los valores de los parámetros
desconocidos de una población. Existen dos formas distintas de
realizar una estimación.

ESTIMACIÓN PUNTUAL ESTIMACIÓN POR

INTERVALOS

Datos/Observaciones
ESTIMACIÓN PUNTUAL

Una estimación es puntual cuando se utiliza un solo valor extraído de la muestra para
estimar el parámetro desconocido de la población, al valor utilizado se le llama estimador
puntual. Por ejemplo, la media muestral 𝑋ത es un estimador de la media poblacional 𝜇 , la
proporción muestral 𝑝ഥ es un estimador de la proporción poblacional p y la varianza
muestral 𝑆 2 es un estimador de la varianza poblacional 𝜎 2

Datos/Observaciones
Propiedades de los estimadores puntuales

1. Estimador insesgado: Un estimador es insesgado si su valor esperado es

igual al parámetro que trata de estimar. Por ejemplo, la media muestral es
un estimador insesgado, porque 𝐸 𝑋ത = 𝜇
2. Estimador eficiente: Si hay dos o más estimadores puntuales insesgados
de un parámetro, se denomina estimador más eficiente a aquel estimador
que tenga menor varianza.
3. Estimador consistente: Un estimador es consistente si al tomar el tamaño
de muestra cada vez más grande, su valor cada vez más se aproxima al
parámetro que trata de estima
4. Estimador suficiente: Un estimador es suficiente si es capaz de sustraer
de la muestra toda la información que esta contenga acerca del parámetro.
Esto significa, que no existe otro estimador que puede suministrar más
información del parámetro.

Datos/Observaciones
ESTIMACIÓN POR INTERVALOS

Los estimadores puntuales toman diferentes valores de acuerdo a la muestra

elegida, y el no poder conocer el grado de precisión de la estimación realizada
puede resultar poco fiable. Para evitar este problema podemos estimar, no el
valor concreto de dicho parámetro sino, un intervalo de valores posibles donde
es más probable que se encuentre el parámetro. Llamamos un intervalo de
confianza al intervalo que contiene al parámetro 𝜽 que se esta estimando con
una probabilidad o nivel de confianza prefijado.

1 − 𝛼: 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎

𝛼: 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑛𝑐𝑖𝑎

Datos/Observaciones
 Intervalo de confianza para la media 𝝁

CASO 1: varianza 𝝈𝟐 es conocida

Sea 𝑋1 , 𝑋2 , 𝑋3 , . . . 𝑋𝑛 una muestra aleatoria de tamaño 𝑛 extraída de

una población normal (o de cualquier otro tipo de población, con 𝑛
grande) que tiene una media 𝜇 y varianza 𝜎 2 conocida.
• Si la población es infinita, o la población es finita y el muestreo es
𝜎
con reposición, entonces, 𝜎𝑋ത = 𝑛

• Si la población es finita de tamaño N y el muestreo es sin reposición,

𝜎 𝑁−𝑛
entonces, 𝜎𝑋ത =
𝑛 𝑁−1
 EJERCICIO EXPLICATIVO
Un fabricante produce focos que tienen un promedio de vida de distribución normal y una desviación estándar de 40
horas. Si una muestra de 30 focos tiene una vida promedio de 780 horas. Construya un intervalo de confianza del 97
% para el tiempo promedio de todos los focos que produce la empresa. Interprete el resultado obtenido.
X: Tiempo de vida de un foco
𝜎 2 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜
𝜎 = 40ℎ𝑜𝑟𝑎𝑠
𝑛 = 30
𝐼𝐶 𝜇, 0.97 = 780 − 2.17 7.303 ; 780 + (2.17)(7.303)
𝑋ത = 780 ℎ𝑜𝑟𝑎𝑠
1 − 𝛼 = 0.97 = 764.15; 795.85
𝑍1−𝛼 = 𝑍0.985 = 2.17
2
𝜎 40
𝜎𝑋ത = = = 7.303
𝑛 30
 EJERCICIO EXPLICATIVO
Un vendedor al mayoreo de partes automotrices necesita una estimación de la vida media que puede esperar de los
limpiaparabrisas en condiciones normales de manejo. La administración de la empresa determinó que la desviación
estándar de la vida útil de la población es de seis meses. Suponga que seleccionamos una muestra aleatoria de 100
limpiaparabrisas y obtenemos una media de vida útil de 36 meses.
a) Calcule el error de estimación para la vida media de los limpiaparabrisas.
𝛼
X: tiempo de vida del parabrisas 𝛼 = 0.05 entonces = 0.025
2
𝜎 2 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜
𝜎 = 6 𝑚𝑒𝑠𝑒𝑠 𝑍1−𝛼 = 𝑍0.975 = 1.96 𝜎 6
𝜎𝑋ത = = = 0.6
2 𝑛 100
𝑛 = 100
𝑋ത = 36 𝑚𝑒𝑠𝑒𝑠
1 − 𝛼 = 0.95 𝐸𝑟𝑟𝑜𝑟 = 𝑍 𝛼 × 𝜎𝑋ത = 1.96 × 0.6 = 1.176
1− 2

𝑒𝑟𝑟𝑜𝑟 = 𝜇 − 𝑋ത = 𝑍1−𝛼 𝜎𝑋ത =?

2

Datos/Observaciones
b) Construya e interprete una estimación por intervalo para la vida media de los
limpiaparabrisas.

Usaremos un nivel de confianza del

95%

𝛼 = 0.05

así tenemos que:

𝑍1−𝛼 = 𝑍0.975 = 1.96 𝐼𝐶 𝜇, 0.95 = 36 − 1.96 0.6 ; 36 + (1.96)(0.6)

2
= 34.824; 37.176
𝜎𝑋ത = 0.6

𝑋ത = 36

Datos/Observaciones
 ¿QUÉ HEMOS APRENDIDO HOY?

¿Qué es el intervalo de confianza para la media 𝜇?

¿Cuál es la utilidad de este intervalo de confianza?

 TAREA DOMICILIARIA
RESOLVER EL EJERCICIO 6 DE LOS EJERCICIOS PROPUESTOS
DEL ARCHIVO: S10.s2 - Teoría y práctica.