Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Núcleo Monagas
Escuela de Ciencias Sociales y Administrativas. (ECSA)
Asignatura: Estadística II
UNIDAD II
ESTIMACION DE PARAMETROS
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.
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 ] .
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.
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
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.
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
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
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:
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.
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
Para determinar el tamaño de la muestra para proporción también se hace uso de los
factores descritos con anterioridad.
Ejercicios Resueltos
I. Intervalo de confianza de la media de una población que sigue una
distribución normal: de varianza poblacional desconocida y muestra grande.
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%.
Solución
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
x i 250
ṕ= → =0,63; π́=0,63
n 400
( 1− ṕ ) =1−0.63=0.37
ṕ ( 1− ṕ ) (0.63) ( 0.37 )
Calculamos el Error muestral σ ṕ=
n √ →
ṕ ( 1− ṕ )
400 √ =0.024
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
( 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