Universidad de Oriente

Núcleo Monagas
Escuela de Ciencias Sociales y Administrativas. (ECSA)
Asignatura: Estadística II
UNIDAD II
ESTIMACION DE PARAMETROS

Cualquier inferencia extraía de la población se basa en estadísticos muéstrales. La

elección de los estadísticos adecuados dependerá de cuál sea el parámetro poblacional
de interés. El valor de ese parámetro será desconocido y uno de los objetivos del
muestreo es estimar su valor.

Estimación
Cuando no se puede medir la población entera de interés o no es viable, existen dos
grandes razones o propósitos para examinar la evidencia muestral. La primera, se conoce
como estimación, donde los resultados de la muestra se utilizan para examinar
características desconocidas de la población. Desde el punto de vista de vista de la
estadística este es el término que comúnmente se utiliza para hacer estimaciones; pero
en el campo de los negocios, este término se le llama Pronóstico, por cuanto los datos
que se usan provienen de colecciones de datos u observaciones históricas, y el valor para
el cual se requiere la estimación o pronóstico se encuentra en el futuro desconocido. La
segunda, se trata del contraste de hipótesis, que se desarrollará más adelante.

Estimador y estimación
Existe una diferencia entre el término Estimador y Estimación. Un estimador de un
parámetro poblacional es una variable aleatoria que depende de la información de la
muestra, cuyo valor proporciona aproximaciones a este parámetro desconocido. Mientras,
que un valor especifico de esa variable aleatoria se llama estimación.

Propiedades de un buen estimador

Es importante señalar que no existe un mecanismo único para determinar cuál es el mejor
estimados puntual en todas las circunstancias. Pero existen varios criterios para evaluar
los estimadores. Se presentan tres propiedades para evaluar los estimadores: ausencia
de sesgo, consistencia y eficiencia.

a) Estimador Insesgado
Se dice que un estimador puntual es un estimador insesgado de un parámetro
poblacional si su valor esperado es igual a ese parámetro; es decir, si
E ( θ^ ) =θ
Entonces θ^ es un estimador insesgado de θ .
La media muestral, la varianza muestral y la proporción muestral son estimadores
insesgados de sus correspondientes parámetros poblaciones:
1. La media muestral es un estimador insesgado de la μ , [ E ( x́ )=μ ] .
2. La varianza muestral es un estimador insesgado de la σ 2 , [ E ( s2 )=σ 2 ].
3. La proporción es un estimador insesgado de la π , [ E ( ṕ )=π ] .

Profesora: Lcda. Rosibel Padrón (MSc)

Rosipadron72@gmail.com
Universidad de Oriente
Núcleo Monagas
Escuela de Ciencias Sociales y Administrativas. (ECSA)
Asignatura: Estadística II
Un estimador que no es insesgado es sesgado. El grado del sesgo es la diferencia
entre la media del estimador y el verdadero parámetro.

b) Estimador consistente
Se dice que un estimador puntual es un estimador insesgado de un parámetro
poblacional θ si la diferencia entre el valor esperado del estimador disminuye a
medida que aumenta el tamaño de la muestra. Es lo mismo que decir que el sesgo
disminuye conforme aumenta el tamaño de la muestra.

No todos los estimadores insesgados son consistentes, y no todos los estimadores

consistentes son insesgados. Si la varianza de la muestra se calcula como sigue

s2=
∑ ( x i−x́ )2
n
Entonces será un estimador insesgado de la varianza poblacional. Sin embargo,
es consistente, debido a que el medida que aumenta el tamaño de la muestra,
tiende al estimador insesgado
2
2 ∑ ( x i−x́ )
s=
n−1

c) Estimador más eficiente y eficiencia relativa

Si hay varios estimadores insesgados de un parámetro, el estimador insesgado
que tiene la menor varianza es el estimador más eficiente o el estimador
insesgado de varianza mínima. Sean θ^1 y θ^2 dos estimadores insesgados de θ ,
basados en el mismo número de observaciones muéstrale. En este caso.
1. Se dice que θ^1 es más eficiente que θ^2 , si Var ( θ^1 ) <Var ( θ^2 ) .
2. La eficiencia relativa de θ^1 , con respecto a θ^2 es el cociente entre sus
varianzas, es decir,
Var ( θ^2 )
Eficiencia relativa=
Var ( θ^1 )
Tipos de Estimación
Dicha estimación se puede hacer a través de la estimación puntual y la estimación por
intervalos.

a) Estimación puntual
Una estimación puntual de un parámetro de población (pronóstico) es un valor único que
se calcula a partir de los datos de la muestra y que estima el valor desconocido de la
población. Para estimar un parámetro θ de una población se toma una muestra
representativa de la misma y se calcula el estadístico θ^ , el valor del estadístico se conoce
como la estimación puntual del parámetro θ. Una estimación puntual es la “mejor
conjetura” de un parámetro poblacional calculado a partir de una muestra. En este
Profesora: Lcda. Rosibel Padrón (MSc)
Rosipadron72@gmail.com
Universidad de Oriente
Núcleo Monagas
Escuela de Ciencias Sociales y Administrativas. (ECSA)
Asignatura: Estadística II
sentido, se puede decir que la “mejor conjetura” del valor de la μ está dada por el valor de
la x́ .
La siguiente tabla muestra algunos parámetros poblacionales y los correspondientes
estadísticos que proporcionan estimaciones puntuales de ellos.

Notaciones para estadísticas de población y de muestra

Símbolo de la Símbolo de la Propiedades

Estadísticas población muestra
(parámetro) (estadístico)
Media μ x́ Insesgado, Consistente, de
máxima eficiencia (suponiendo la
existencia de normalidad.
Desviación σ s Insesgado, Consistente, de
estándar máxima eficiencia (suponiendo la
existencia de normalidad.
Varianza σ2 s2 Insesgado, Consistente, de
máxima eficiencia (suponiendo la
existencia de normalidad.
Proporción π ṕ Insesgado, Consistente, de
máxima eficiencia (suponiendo la
existencia de normalidad.

b) Estimación por intervalos

Una estimación por intervalos, es aquella donde probablemente se encuentre el valor del
parámetro de la población de interés. En la sección anterior se habló sobre la estimación
puntual, una de sus desventajas es el hecho de no saber que tan próxima está del
parámetro, es decir, cuando se obtiene una estimaciónθ^ , a partir de una muestra aleatoria
de tamaño n, se desconoce que tan cerca (por defecto o exceso) está del parámetro a
estimar θ. Por eso se utiliza frecuentemente otro tipo de estimación, la estimación por
intervalos, la cual nos permite de acuerdo a un nivel de confianza especificado obtener
una información más precisa sobre el parámetro a estimar.
Un intervalo de confianza se determina al alrededor de la estimación puntual de la
siguiente manera:
Estructura de un intervalo de confianza
Estadistico ( estimaci ó n puntual ) ± Coeficiente de fiabilidad ×( Error muestral)

Donde el coeficiente de fiabilidad o confiabilidad, frecuentemente corresponde a un punto

porcentual de la distribución normal o un punto porcentual de la distribución t. Este punto
porcentual, se refiere a la probabilidad de que el intervalo propuesta contenga el valor del

parámetro de la población de interés, el cual se conoce como Nivel de Confianza 1− ( α2 )

Profesora: Lcda. Rosibel Padrón (MSc)
Rosipadron72@gmail.com
Universidad de Oriente
Núcleo Monagas
Escuela de Ciencias Sociales y Administrativas. (ECSA)
Asignatura: Estadística II
. Un intervalo de confianza es un intervalo obtenido mediante el procedimiento
estadístico que satisface los requerimientos de probabilidad establecidos.

Intervalo de confianza y nivel de confianza

Sea θ un parámetro desconocido. Supongamos que, basándose en la información
muestral, se hallan variables aleatorias A y B tales que p ( A <θ< B )=1−α , donde α es
cualquier número comprendido entre 0 y 1. Si los valores específicos de A y B son a y b,
entonces el intervalo de a a b se llama intervalo de confianza de θ al 100 ( 1−α ) %. La
cantidad 100 ( 1−α ) % se llama nivel de confianza.

Intervalos de Confianza para la Media con el Uso de la Distribución Normal.

En la unidad anterior tratamos la determinación de la probabilidad de que la media
muestral tomara diversos valores cuando se conoce la media y la desviación estándar
poblacional. Lo cual implicó un razonamiento deductivo respecto del resultado de la
muestra, basado en parámetros poblacionales conocidos.
Ahora bien, para aplicar la herramienta de estimación de parámetros, a partir del uso de
los intervalos de confianza, aplicaremos el razonamiento inductivo, a través del uso de
datos muéstrales, para hacer aproximaciones sobre el valor de la media poblacional.

Intervalo de confianza de la media de una población que sigue una distribución: de

varianza poblacional conocida
Consideramos una muestra aleatoria de n observaciones extraídas de una población que
sigue una distribución normal de media μ y varianza σ 2. Si la muestra es x́ , entonces el
intervalo de confianza al 100 ( 1−α ) % de la media poblacional, cuando la varianza es
σ
conocida, viene dado por: x́ ± z α / 2
√n
σ σ
Tal que x́−z α / 2 < μ^ < x́+ z α /2
√n √n
A lo que es lo mismo x́ ± ME
Donde ME, es el margen de error (también llamado error de muestreo estimado), es:

σ
ME=z α / 2
√n
La amplitud (A), es el doble del margen de error: A=2 ( ME )

σ
El Límite Superior de Confianza, (LSC), es: LSC=x́+ zα /2
√n
σ
El Límite Inferior de Confianza, (LIC), es : LIC=x́−z α /2
√n

Profesora: Lcda. Rosibel Padrón (MSc)

Rosipadron72@gmail.com
Universidad de Oriente
Núcleo Monagas
Escuela de Ciencias Sociales y Administrativas. (ECSA)
Asignatura: Estadística II
Los valores de z α / 2 , conocidos a veces como Factor de confiabilidad, utilizados
con mayor frecuencia son los siguientes:
Niveles de Confianza y los valores de z α / 2 correspondientes, para intervalos de
confianza de dos extremos
Nivel de 90% 95% 98% 99%
Confianza
α 0.10 0.05 0.02 0.01
zα / 2 1.645 1.96 2.33 2.575

Intervalo de confianza de la media de una población que sigue una distribución: de

varianza poblacional desconocida
Para hallar un intervalo de confianza al 100 ( 1−α ) % para este tipo de problemas el
razonamiento que se sigue es exactamente igual al utilizado en el caso anterior. Sin
embargo, se debe prestar especial atención al tamaño de la muestra.

a) Muestras grandes (n ≥ 30)

Supongamos que tenemos una muestra aleatoria de n observaciones extraídas de
una población normal de media μ y varianza σ 2 desconocida. Si la media y la
desviación estándar muestral son respectivamente x́ y s; y n ≥ 30. El intervalo de
confianza al 100 ( 1−α ) % de la media poblacional, cuando la varianza es
desconocida, viene dado por:
s
x́ ± z α / 2
√n
s s
Tal que x́−z α / 2 < μ^ < x́+ z α /2
√n √n
A lo que es lo mismo x́ ± ME
σ
Donde ME, es: ME=z α / 2
√n
b) Muestras pequeñas (n< 30)
Supongamos que tenemos una muestra aleatoria de n observaciones extraídas de
una población normal de media μ y varianza σ 2 desconocida. Si la media y la
desviación estándar muestral son respectivamente, x́ y s entonces los grados de
libertad gl=n−1 y el intervalo de confianza al 100 ( 1−α ) % de la media
poblacional, cuando la varianza es desconocida, viene dado por:
s
x́ ± t n−1; α /2
√n
s s
Tal que x́−t n−1 ;α / 2 < μ^ < x́ +t n−1 ;α / 2
√n √n
A lo que es lo mismo x́ ± ME

Profesora: Lcda. Rosibel Padrón (MSc)

Rosipadron72@gmail.com
Universidad de Oriente
Núcleo Monagas
Escuela de Ciencias Sociales y Administrativas. (ECSA)
Asignatura: Estadística II
s
Donde ME, es: ME=t n−1; α /2
√n
Intervalos de Confianza para la Proporción
Sea ṕ la proporción observada de “éxitos” en una muestra aleatoria de n observaciones
procedentes de una población que tiene una proporción de éxitos π . En este caso si n es
suficientemente grande para que ⌊ ( n ) ( π ) ( 1−π ) >5 ⌋ . El intervalo de confianza al
100 ( 1−α ) % de la proporción de la población, viene dado por:
ṕ (1− ṕ )
ṕ ± z α /2
√ n
ṕ ( 1− ṕ ) ṕ ( 1− ṕ )
Tal que

A lo que es lo mismo
ṕ−z α /2
ṕ ± ME
√ n √
< π^ < ṕ+ z α /2
n

ṕ ( 1− ṕ )
Donde ME, es: ME=z α / 2
√ n

Selección del tamaño de muestra adecuado

Algunas de las preocupaciones más comunes cuando se diseña un estudio estadístico es:
¿cuántos elementos deben incluirse en la muestra. Si ésta es demasiado grande, se
derrocha inútilmente dinero y tiempo en la recolección de los datos. De la misma manera,
si la muestra es muy pequeña, las conclusiones resultantes podrían ser incorrectas. El
tamaño adecuado de la muestra depende de tres factores:

1. El nivel de confianza deseado.

2. El máximo error permisible por el investigador.
3. La variación en la población que se estudia.

El nivel de confianza deseado, lo puede seleccionar libremente el investigador.

Dependiendo de cuál sea el tamaño de muestra requerido, puede seleccionar niveles de
confianza entre 90%, 95% o 99%.Si desea muestras grandes, tendrá que seleccionar un
nivel de confianza grande.

El error máximo permisible Ee , corresponde al máximo nivel d error que está dispuesto a
asumir el investigador; y es la cantidad que se suma y resta a la media muestral para
determinar los puntos extremos del intervalo. Un error admisible pequeño requerirá una
muestra grande; mientras que un error grande aceptará el uso de una muestra menor.

La desviación típica poblacional corresponde al último factor para determinar el tamaño de

la muestra. Si está muy dispersa se requiere una muestra grande. Pero si es homogénea,
el tamaño de muestra requerido será menor.

Si no se conoce la desviación típica poblacional, se puede hacer una estimación de la

misma, basado en cualquiera de las siguientes indicaciones:

Profesora: Lcda. Rosibel Padrón (MSc)

Rosipadron72@gmail.com
Universidad de Oriente
Núcleo Monagas
Escuela de Ciencias Sociales y Administrativas. (ECSA)
Asignatura: Estadística II
1. El enfoque de estudios de comparabilidad, para estudios similares.
2. Aproximación basada en un intervalo de variación.
3. Uso de estudios pilotos, basado en una muestra.

Tamaño de la muestra para estimar la media de una población que sigue una
distribución normal, cuando la varianza es conocida

Supongamos que se selecciona una muestra aleatoria de una población que sigue una
distribución normal de varianza conocida σ 2 . En este caso, el intervalo de confianza al
100 ( 1−α ) % de la media poblacional tiene una amplitud (error de muestreo), a cada lado
de la media muestral si el tamaño de la muestra, n, es
n=Z ¿ ¿¿ ¿
A lo que es lo mismo
2
zσ
n= ( )
Ee

Donde Z¿ ¿¿ es el valor utilizado para el nivel de confianza especificado, σ 2 es la varianza

de la población (o su estimación) y Ee es el error de muestreo de más o de menos
permitido en el intervalo (siempre la mitad del intervalo de confianza).
El número de observaciones muéstrales debe ser necesariamente un entero. Si el numero
n resultante de la formula anterior no es entero, entonces debe redondearse al siguiente
número entero para garantizar que el intervalo de confianza no es superior a la amplitud
deseada.

Tamaño de la muestra para estimar la proporción poblacional

Supongamos que se selecciona una muestra aleatoria de una población. Puede
garantizarse entonces un intervalo de confianza al 100 ( 1−α ) % de la proporción
poblacional, que tiene una amplitud máxima ME a cada lado de la proporción muestral si
el tamaño de la muestra, n, es
z 2 πQ
n=
Ee 2

Para determinar el tamaño de la muestra para proporción también se hace uso de los
factores descritos con anterioridad.

1. El nivel de confianza deseado Z¿ ¿¿ (90%, 95% o 99%)

2. El máximo error permisible por el investigador, que se requiere en la proporción de
la población ( Ee¿¿ 2) ¿
3. Un estimado de la proporción poblacional ( πQ)

Es posible calcular la varianza de la proporción ( πQ¿ si se encuentra disponible a partir

de un estudio piloto o alguna otra fuente. De otra manera se utilizará 0.50 para cada
término, de tal manera que la varianza será igual a 0.25.

Profesora: Lcda. Rosibel Padrón (MSc)

Rosipadron72@gmail.com
Universidad de Oriente
Núcleo Monagas
Escuela de Ciencias Sociales y Administrativas. (ECSA)
Asignatura: Estadística II

Ejercicios Resueltos
I. Intervalo de confianza de la media de una población que sigue una
distribución normal: de varianza poblacional desconocida y muestra grande.

1. Un profesor de inglés contó el número de palabras con errores ortográficos en un

ensayo que recientemente asignó a sus alumnos. Para el grupo de 40 alumnos, el
numero medio de palabras mal escritas fue de 6.05 y la desviación estándar de
2.44. Establezca un intervalo de confianza de 95% para el número medio de
palabras con errores en la población de estudiantes.
Solución

Datos :n=40 ; x́=6,05 ; s=2,44 ; 1− ( α2 )=0,95

Utilizamos la siguiente fórmula para estimar la media poblacional
s s
x́ ± z α / 2 S x́ ↔ x́−z α / 2 ≤ ^μ ≤ x́ + z α / 2
√n √n
Calculamos el coeficiente de confiabilidad para el 95% de confianza
α
(1− )=0,95 → z 0,25=1,96
2
Posteriormente calculamosel error muestral de la siguiente manera :
s 2,44
S x́ = → =0,3858
√n √ 40
Seguidamente se calcula el margen de Error (ME)
σ
ME=z α / 2 → 1.96 ( 0,3858 )=0.7562
√n
Ahora se procede a construir el intervalo de confianza, como sigue:
x́ ± ME
6,05−0,7562≤ ^μ ≤6,05+ 0,7562
5,29 ≤ μ^ ≤ 6,81
Profesora: Lcda. Rosibel Padrón (MSc)
Rosipadron72@gmail.com
Universidad de Oriente
Núcleo Monagas
Escuela de Ciencias Sociales y Administrativas. (ECSA)
Asignatura: Estadística II
Interpretación: De acuerdo con los resultados obtenidos en la muestra, se estima que el
verdadero número medio de palabras con errores en la población de estudiantes, varía
entre 5,29 y 6,81 palabras, con una probabilidad del 95%.

2. Asistieron 400 espectadores a un partido de beisbol de la liga infantil. Una muestra

aleatoria de 50 espectadores reveló que el número medio de bebidas gaseosas
que consumieron, fue de 1.86 con una desviación estándar de 0.50. Establezca un
intervalo de confianza de 99% para el número medio de refrescos consumidos.
Solución

Datos : N=400 ; n=50; x́=1.86 ; s=0.50 ; 1− ( α2 )=0,99

s s
Formulas: x́ ± z α / 2 S x́ ↔ x́−z α / 2
≤ ^μ ≤ x́ + z α / 2
√n √n
α
( )
Coeficiente de confiabilidad para 1− =0,99→ z 0,005 =2.575
2
Calculamos el Error muestral, para una población finita
s N −n 0.5 400−50
S x́ = ×
√
√ n N−1 √50
→ ×
√
400−1
=0,066

s
Calculamos el margen de error: ME=z α / 2 → 2.575 ( 0,066 )=0.1705
√n
Ahora se procede a construir el intervalo de confianza, como sigue:
x́ ± ME
1.86−0.1705 ≤ ^μ ≤1.86 +0.1705
1.69 ≤ μ^ ≤ 2.03
Interpretación: De acuerdo con los resultados obtenidos en la muestra, se estima que el
verdadero promedio de refrescos consumidos por la población de espectadores, varía
entre 1.69 y 2.03 refrescos, con una probabilidad del 99%.

II. Intervalo de confianza de la media de una población que sigue una

distribución normal: de varianza poblacional desconocida y muestra
pequeña.

3. Una empresa de alquiler de automóviles tiene interés en saber cuánto tiempo

permanecen sus vehículos en el taller de reparaciones. Formule todos los
supuestos y halle el intervalo de confianza al 90% del número anual medio de días
que todos los vehículos de la flota de la empresa permanecen en el taller de
reparaciones, si una muestra aleatoria de 9 automóviles mostró el siguiente
número de días que había permanecida cada uno en el taller de reparaciones:
16 10 21 22 8 17 19 14 19

Solución

Profesora: Lcda. Rosibel Padrón (MSc)

Rosipadron72@gmail.com
Universidad de Oriente
Núcleo Monagas
Escuela de Ciencias Sociales y Administrativas. (ECSA)
Asignatura: Estadística II
Datos :n=9 ; x́=16 ; s=4 . 79 ; 1− ( α2 )=0 ,90
s s s
Formula: x́ ± t n−1; α /2 → x́−t n−1 ;α / 2 ≤ μ^ ≤ x́+ t n −1 ;α /2
√n √n √n

Coeficiente de confiabilidad: t (n−1 ;α ¿¿2)=0,90 → α = 0,10 =0,05 ¿

2 2
Grados de libertad: gl=n−1→ 9−1=8
t 8 ;0 .05=1 . 860
s 4 ,79
S x́ = → =1 , 5967
√n √9
s
ME=t n−1; α /2 →1 , 860 ( 1, 5967 ) =2 ,970
√n
Ahora construimos el intervalo de confianza:
x́ ± ME
16 ± 2, 970
16−2 ,97 ≤ ^μ ≤16+ 2 ,97
13 , 03 ≤ μ^ ≤ 18 ,97
Interpretación: De acuerdo con los resultados obtenidos en la muestra, se estima que el
verdadero número de días promedio que tardan los vehículos en el taller, varía entre 13
y 19 días, con una probabilidad del 90%.

III. Caso: Intervalos de Confianza para la Proporción

4. Suponga que una cadena de televisión (FOX) planea sustituir uno de sus
programas que se transmite en el horario con mayor número de telespectadores,
con una nueva comedia dirigida al público familiar. Antes de que se tome una
decisión final, se elige una muestra aleatoria de 400 televidentes que acostumbran
presenciar la televisión durante dicho horario. Después de ver un pre programa de
la comedia, 250 de las personas indicaron que sí la verían. a) Cuál es la
estimación de la proporción de telespectadores en la población, que verá el nuevo
programa?; b) Defina un intervalo de confianza de 90% para la proporción de
público que verá el nuevo espectáculo.
Solución

Datos :n=400 ; x i=250 ; a . ¿ π =? ; b . ¿ 1− ( α2 )=0,90

Variable de interés: preferencia o gusto por un nuevo programa de televisión.
Éxitos: Proporción de personas que verán el nuevo programa.

Profesora: Lcda. Rosibel Padrón (MSc)

Rosipadron72@gmail.com
Universidad de Oriente
Núcleo Monagas
Escuela de Ciencias Sociales y Administrativas. (ECSA)
Asignatura: Estadística II
ṕ (1− ṕ ) → ṕ ( 1− ṕ ) ṕ ( 1− ṕ )
Formula: ṕ ± z α /2
√ n
ṕ−z α /2
√ n
< π^ < ṕ+ z α /2
Calculamos la proporción muestral de personas que verán el nuevo programa de TV.
√ n

x i 250
ṕ= → =0,63; π́=0,63
n 400
( 1− ṕ ) =1−0.63=0.37

Coeficiente de confiabilidad para 1− ( α2 )=0,90→ z 0,05 =1.645

ṕ ( 1− ṕ ) (0.63) ( 0.37 )
Calculamos el Error muestral σ ṕ=
n √ →

ṕ ( 1− ṕ )
400 √ =0.024

Calculamos el margen de error: ME=z α / 2

n √ →1.645 ( 0,024 )=0.039
Ahora se procede a construir el intervalo de confianza, como sigue:
ṕ ± ME
0,63−0,039 ≤ π^ ≤0,63+ 0,039
0 , 59 ≤ μ^ ≤ 0 ,67
Interpretación: De acuerdo con los resultados obtenidos en la muestra, se estima que la
verdadera proporción del público que verá el nuevo espectáculo, varía entre 59% y 67%,
con una probabilidad del 90%.

IV. Caso: Tamaño de la muestra para estimar la media de una población

5. Se planea una encuesta para determinar el tiempo promedio que los ejecutivos de
una corporación ven televisión. Un estudio piloto indicó que el tiempo medio por
semana es de 12 horas, con una desviación estándar de 3 horas. Se desea
estimar el tiempo medio dentro de un cuarto de hora, utilizando el de confianza de
0.95. ¿Cuántos ejecutivos deben incluirse en el estudio?
Solución
1 α
Datos : x́=12 horas ; s=3 hotas; E e = hora ; 1− =0,95
4 2 ( )
α
Z(1− )=0,95 → z 0,25=1,96
2
2
zs 2 ( 1.96 ) ( 3 )
n=
( ) [
Ee
→
0.25 ]
=553,19 ≈ 554

Interpretación: para determinar el verdadero tiempo promedio por semana, se requiere

una muestra de 554 aproximadamente para realizar dicho estudio, con una probabilidad
del 95%.

V. Caso: Tamaño de la muestra para estimar la proporción poblacional

Profesora: Lcda. Rosibel Padrón (MSc)

Rosipadron72@gmail.com
Universidad de Oriente
Núcleo Monagas
Escuela de Ciencias Sociales y Administrativas. (ECSA)
Asignatura: Estadística II
6. La estimación de la proporción poblacional se encuentra entre ±0.10, con un nivel
de confianza de 99%. El mejor cálculo de la proporción de población es 0.45.
¿Qué tamaño de muestra necesitas tener?
Solución

( α2 )=0,99 ; π =0.45
Datos : Ee =± 0.10 ; 1−

α
(
Z 1−
2 )
=0,99 → z 0,005=2.575
2
z 2 πQ ( 2.575 ) ( 0.45 )(0.55)
n= 2
→ =164,11 ≈ 165
Ee ( 0.10 )2

Interpretación: Se estima que para determinar la verdadera proporción poblacional, la

muestra sea de 165 aproximadamente, con una probabilidad del 99%.

Profesora: Lcda. Rosibel Padrón (MSc)

Rosipadron72@gmail.com