Universidad Autónoma De Santo Domingo

(UASD)

Nombres
Ambar Lisbeth
Apellidos
Rodríguez Tavarez
Matricula
100439585
Asignatura
Estadística Industrial II (Est-123)
Sección
03
Practica No. 8
Métodos de Estimación
Maestro
Joel A. Patiño De Los Santos

Santo Domingo, Rep. Dom.

Distrito Nacional
Título

Métodos de Estimación

Autoría
Ambar Lisbeth Rodríguez Tavarez
Estudiante de ingeniería industrial de la Universidad
Autónoma de Santo Domingo (UASD)
Matrícula 100439585
 Estimación

Se llama estimación al conjunto de técnicas que permiten dar un valor

aproximado de un parámetro de una población a partir de los datos
proporcionados por una muestra.
En el ámbito de la estadística estimación implica usar el valor de una
estadística derivada de una muestra para estimar el valor de un parámetro
correspondiente a población»; la muestra establece que la información puede
ser proyectada a través de diversos factores, formal o informalmente, son
procesos para determinar una gama muy probablemente y descubrir la
información que falta.
La estimación se realiza mediante el muestreo de frecuencia, (lo que está
contando con algo pequeño número de ejemplos), y la proyección de ese
número en una población más grande.

Estimaciones Puntuales y De Intervalos

La estadística inferencial es el proceso de uso de los resultados derivados de
las muestras para obtener conclusiones acerca de las características de una
población. La estadística inferencial nos permite estimar características
desconocidas como la media de la población o la proporción de la población.
Existen dos tipos de estimaciones usadas para estimar los parámetros de la
población: la estimación puntual y la estimación de intervalo. Una
estimación puntual es el valor de un solo estadístico de muestra. Una
estimación del intervalo de confianza es un rango de números, llamado
intervalo, construido alrededor de la estimación puntual. El intervalo de
confianza se construye de manera que la probabilidad del parámetro de la
población se localice en algún lugar dentro del intervalo conocido.
Estimación Puntual
Una estimación puntual de un parámetro poblacional es cuando se utiliza un
único valor para estimar ese parámetro, es decir, se usa un punto en concreto
de la muestra para estimar el valor deseado.
Cuando estimamos un parámetro de forma puntual, podemos saber con
certeza, cuál es ese valor. Imaginemos una población de 30 personas de las
que seleccionamos una muestra de 20 para las que conocemos sus edades.
Estimar de forma puntual la media de edad, sería tan sencillo como sumar
esos 20 datos y dividirlos entre el total de la muestra estadística.
Para obtener una estimación puntual se usa un estadístico que recibe el
nombre de estimador o función de decisión. Algunos ejemplos de
estadísticos son:
 La media muestral que sirve como estimación puntual de la media
poblacional.
 La desviación típica muestral que sirve de estimación para la
desviación típica de la población.
Estimación Por Intervalos
La estimación por intervalos consiste en establecer el intervalo de valores
donde es más probable se encuentre el parámetro. La obtención del intervalo
se basa en las siguientes consideraciones:
a) Si conocemos la distribución muestral del estimador podemos obtener las
probabilidades de ocurrencia de los estadísticos muestrales.
b) Si conociéramos el valor del parámetro poblacional, podríamos establecer
la probabilidad de que el estimador se halle dentro de los intervalos de la
distribución muestral.
c) El problema es que el parámetro poblacional es desconocido, y por ello el
intervalo se establece alrededor del estimador. Si repetimos el muestreo un
gran número de veces y definimos un intervalo alrededor de cada valor del
estadístico muestral, el parámetro se sitúa dentro de cada intervalo en un
porcentaje conocido de ocasiones. Este intervalo es denominado "intervalo
de confianza".
 Estimación del intervalo de confianza de la media
(O conocida)
Se emplea la siguiente fórmula:

Donde:
Z = valor crítico de la distribución normal estandarizada
Se llama valor crítico al valor de Z necesario para construir un intervalo de
confianza para la distribución. El 95% de confianza corresponde a un valor
(de 0,05. El valor crítico Z correspondiente al área acumulativa de 0,975 es
1,96 porque hay 0,025 en la cola superior de la distribución y el área
acumulativa menor a Z = 1,96 es 0,975.
Un nivel de confianza del 95% lleva a un valor Z de 1,96.

El valor de Z es aproximadamente 2,58 porque el área de la cola alta es 0,005

y el área acumulativa menor a Z = 2,58 es 0,995.
Factores de los que depende un intervalo de confianza

 Tamaño de la muestra seleccionada: Dependiendo de la cantidad de

datos que se hayan utilizado para calcular el valor muestral, este se
acercará más o menos al verdadero parámetro poblacional.
 Nivel de confianza: Nos va a informar en qué porcentaje de casos
nuestra estimación acierta. Los niveles habituales son el 95% y el
99%.
 Margen de error de nuestra estimación: Este se denomina como
alfa y nos informa de la probabilidad que existe de que el valor
poblacional esté fuera de nuestro intervalo.
 Lo estimado en la muestra (media, varianza, diferencia de
medias…): De esto va a depender el estadístico pivote para el cálculo
del intervalo.
El estadístico pivote utilizado para el cálculo sería el siguiente:

Ejemplo
Se desea estimar la media del tiempo que un corredor emplea para completar
una maratón. Para ello se han cronometrado 10 maratones y se ha obtenido
una media de 4 horas con una desviación típica de 55 minutos. Se desea
obtener un intervalo al 95% de confianza.
Para obtener el intervalo, no tendríamos más que sustituir los datos en la
fórmula del intervalo.

El intervalo de confianza, sería la parte de la distribución que queda

sombreada en azul. Los 2 valores acotados por este serían los
correspondientes a las 2 líneas de color rojo. La línea central que parte la
distribución en 2 sería el verdadero valor poblacional.

Es importante resaltar que en este caso, dado que la función de densidad de

la distribución N(0,1) nos da la probabilidad acumulada (desde la izquierda
hasta el valor crítico), tenemos que encontrar el valor que nos deja a la
izquierda 0,975% (este es 1,96).
Estimación del intervalo de confianza de la media
(O desconocida)
Estimación de intervalo de confianza para la proporción
Sirve para calcular la estimación de la proporción de elementos en una
población que tiene ciertas características de interés.

Ejemplo
En un almacén se está haciendo una auditoria para las facturas defectuosas.
De 500 facturas de venta se escoge una muestra de 30, de las cuales 5
contienen errores. Construir una estimación del intervalo de confianza del
95%.
Solución:
Los datos del problema son:

Como en los datos aparece el tamaño de la población, se debe verificar si el

tamaño de la nuestra es mayor que el 5% para emplear la fórmula con el
factor finito de corrección. Se remplaza valores en la siguiente fórmula:

Con lectura en la tabla de la distribución normal para un área de 0,025 se

obtiene Z = -1,96, y por simetría Z =1,96
Calculando la proporción de la muestra se obtiene:
 Tamaño de la muestra
En estadística el tamaño de la muestra se le conoce como aquel número
determinado de sujetos o cosas que componen la muestra extraída de una
población, necesarios para que los datos obtenidos sean representativos de la
población.
¿De qué depende el tamaño muestral?
El tamaño muestral dependerá de decisiones estadísticas y no estadísticas,
pueden incluir por ejemplo la disponibilidad de los recursos, el presupuesto
o el equipo que estará en campo.
Antes de calcular el tamaño de la muestra necesitamos determinar varias
cosas:
 Tamaño de la población. Una población es una colección bien definida
de objetos o individuos que tienen características similares. Hablamos
de dos tipos: población objetivo, que suele tiene diversas
características y también es conocida como la población teórica. La
población accesible es la población sobre la que los investigadores
aplicaran sus conclusiones.
 Margen de error (intervalo de confianza). El margen de error es una
estadística que expresa la cantidad de error de muestreo aleatorio en
los resultados de una encuesta, es decir, es la medida estadística del
número de veces de cada 100 que se espera que los resultados se
encuentren dentro de un rango específico.
 Nivel de confianza. Son intervalos aleatorios que se usan para acotar
un valor con una determinada probabilidad alta. Por ejemplo, un
intervalo de confianza de 95% significa que los resultados de una
acción probablemente cubrirán las expectativas el 95% de las veces.
 La desviación estándar. Es un índice numérico de la dispersión de un
conjunto de datos (o población). Mientras mayor es la desviación
estándar, mayor es la dispersión de la población.
 CÁLCULO DEL TAMAÑO DE LA MUESTRA
DESCONOCIENDO EL TAMAÑO DE LA POBLACIÓN
La fórmula para calcular el tamaño de muestra cuando se desconoce el
tamaño de la población es la siguiente:

En donde
Z = nivel de confianza,
P = probabilidad de éxito, o proporción esperada
Q = probabilidad de fracaso
D = precisión (error máximo admisible en términos de proporción)
CÁLCULO DEL TAMAÑO DE LA MUESTRA CONOCIENDO
EL TAMAÑO DE LA POBLACIÓN
La fórmula para calcular el tamaño de muestra cuando se conoce el tamaño
de la población es la siguiente:

En donde, N = tamaño de la población Z = nivel de confianza, P =

probabilidad de éxito, o proporción esperada Q = probabilidad de fracaso D
= precisión (Error máximo admisible en términos de proporción).
 Determinación del tamaño de la muestra para la media
 El nivel de confianza o seguridad (1-α). El nivel de confianza prefijado
da lugar a un coeficiente (Zα). Para una seguridad del 95% = 1.96;
para una seguridad del 99% = 2.58.
 La precisión con que se desea estimar el parámetro (2 * d es la
amplitud del intervalo de confianza).
 Una idea de la varianza S2 de la distribución de la variable cuantitativa
que se supone existe en la población.

Ejemplo
Si deseamos conocer la media de la glucemia basal de una población, con
una seguridad del 95 % y una precisión de ± 3 mg/dl y tenemos información
por un estudio piloto o revisión bibliográfica que la varianza es de 250 mg/dl.

Si la población es finita, como previamente se señaló, es decir conocemos el

total de la población y desearíamos saber cuántos del total tendríamos que
estudiar, la respuesta sería:
 Determinación de tamaño de muestra para una
proporción
 El nivel de confianza o seguridad (1-α). El nivel de confianza prefijado
da lugar a un coeficiente (Zα). Para una seguridad del 95% = 1.96,
para una seguridad del 99% = 2.58.
 La precisión que deseamos para nuestro estudio.
 Una idea del valor aproximado del parámetro que queremos medir (en
este caso una proporción). Esta idea se puede obtener revisando la
literatura, por estudio pilotos previos. En caso de no tener dicha
información utilizaremos el valor p = 0.5 (50%).
Ejemplo
¿A cuántas personas tendríamos que estudiar para conocer la prevalencia de
diabetes? Seguridad = 95%; Precisión = 3%: Proporción esperada =
asumamos que puede ser próxima al 5%; si no tuviésemos ninguna idea de
dicha proporción utilizaríamos el valor p = 0,5 (50%) que maximiza el
tamaño muestral:

Donde:
Zα² = 1.962 (ya que la seguridad es del 95%)
p = proporción esperada (en este caso 5% = 0.05)
q = 1 – p (en este caso 1 – 0.05 = 0.95)
d = precisión (en este caso deseamos un 3%)

Si la población es finita, es decir conocemos el total de la población y

deseásemos saber cuántos del total tendremos que estudiar la respuesta seria:
Donde:
N = Total de la población
Zα² = 1.962 (si la seguridad es del 95%)
p = proporción esperada (en este caso 5% = 0.05)
q = 1 – p (en este caso 1-0.05 = 0.95)
d = precisión (en este caso deseamos un 3%).