Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema#2: Estimaciones
Integrantes:
Segura Raz Herndricx Ivan
Riestra Martinez Tomas Manuel Alfonso
Barnet koh Carlos Alberto
Matos Solis Joel Antonio
Perera Sabido Luis Fernando
Grupo:3I1
Fecha :16/04/2021
Índice
Introducción.......................................................................................................................................3
Estimaciones......................................................................................................................................4
2.1. Introducción a las estimaciones..............................................................................................4
2.2. Características de un estimador..............................................................................................4
2.3. Estimación Puntual.................................................................................................................5
2.4. Estimación por intervalo de confianza....................................................................................6
2.4.1. Intervalos de confianza para la media..............................................................................6
2.4.2. Intervalos de confianza para la diferencia de medias.......................................................9
2.4.3. Intervalos de confianza para la proporción......................................................................9
2.4.4. Intervalos de confianza para la varianza........................................................................11
2.4.5. Intervalos de confianza para la relación de varianzas....................................................12
2.5. Determinación del tamaño de la muestra..............................................................................13
Conclusión.......................................................................................................................................16
Fuentes bibliográficas......................................................................................................................17
Introducción
En este trabajo hablaremos de la estadística inferencial ya que tiene una gran variedad de elementos
que nos sirven para elegir de forma correcta los diferentes problemas que se nos pueden presentar en
el ámbito laboral. También podemos realizar un análisis de mercado mucho más correcto y lograr
que el marketing sea aún más efectivo, nos ayuda para poder conocer una característica o un
comportamiento de una población, ya sea de un sector o una muestra de ella, pero partiendo de
información que previamente ya conocíamos, en otras palabras, buscamos más conocimiento de
otro ya dado.
En esta unidad veremos las estimaciones que corresponde a la segunda unidad de la estadística
inferencial, aquí podremos encontrar desde características de un estimador hasta determinar tamaño
de una muestra, con esto nosotros podemos obtener un beneficio importante en la interpretación de
los resultados que nos den, ya que los números no son simples números, lo números hablan, ya que
la estadística nos da parámetros, indicadores que nos ayudan a tomar las mejores decisiones, por lo
que hay que tener un conocimiento matemático super bueno, en fin esto es lo que nos
aventuraremos en este trabajo.
Estimaciones
2.1. Introducción a las estimaciones
El objetivo principal de la estadística inferencial es la estimación, esto es que mediante el estudio de
una muestra de una población se quiere generalizar las conclusiones al total de esta. Los estadísticos
varían mucho dentro de sus distribuciones muestrales, y mientras menor sea el error estándar de un
estadístico, más cercanos serán unos de otros sus valores.
Existen d os tipos de estimaciones para parámetros; puntuales y por intervalo. Una estimación
puntual es un único valor estadístico y se usa para estimar un parámetro. El estadístico usado se
denomina estimador. Una estimación por intervalo es un rango, generalmente de ancho finito, que
se espera que contenga el parámetro. (Martinez, 2017)
Ejemplo:
En una población de 500 puntuaciones cuya Media (m) es igual a 5.09 han hecho un muestreo
aleatorio (número de muestras= 10000, tamaño de las muestras= 100) y hallan que la Media de las
Medias muestrales es igual a 5.09, (la media poblacional y la media de las medias muestrales
coinciden). En cambio, la Mediana de la población es igual a 5 y la Media de las Medianas es igual
a 5.1 esto es, hay diferencia ya que la Mediana es un estimador sesgado. La Varianza es un
estimador sesgado
Vemos que el muestreo en que n=100 la Media de las Medias muestrales toma el mismo valor que
la Media de la población.
3) Eficiencia. Diremos que un estimador es más eficiente que otro si la Varianza de la distribución
muestral del estimador es menor a la del otro estimador. Cuanto menor es la eficiencia, menor es la
confianza de que el estadístico obtenido en la muestra aproxime al parámetro poblacional.
Ejemplo:
La Varianza de la distribución muestral de la Media en un muestreo aleatorio (número de muestras:
1000, n=25) ha resultado igual a 0.4. La Varianza de la distribución de Medianas ha resultado, en el
mismo muestreo, igual a 1.12, (este resultado muestra que la Media es un estimador más eficiente
que la Mediana). (Martinez, Estadistica inferencial unidad 2: estimaciones, 2017)
Una estimación es puntual cuando se usa un solo valor extraído de la muestra para estimar el
parámetro desconocido de la población. Al valor usado se le llama estimador.
b) Se calcula
1
𝑋̅ = ∑𝑋
𝑖
𝑛
2.4 + 2.9 + 2.7 + 2.6 + 2.9 + 2.0 + 2.8 + 2.2 + 2.4 + 2.4 + 2.0 + 2.5 29.8
𝑋̅ = 12 = 12 = 2.483
1
𝑆2 = (∑𝑋2 − (∑𝑋 )2/𝑛)
𝑥 𝑖 𝑖
𝑛−1
(2.42 + 2.92 + 2.72 + 2.62 + 2.92 + 22 + 2.82 + 2.22 + 2.42 + 2.42 + 22 + 2.52) − (12)(2.483)2
𝑆𝑥2 =
12 − 1
2
75.08 − 29.8 /12
𝑆𝑥2 = = 0.09788
11
Ahora bien, en teorema se explica que, ya que 𝑋̅ tiene una desviación estándar σ/√𝑛, el error
estimado es S/√𝑛 = √0.09788/12 = 0.090.
Por lo tanto, parece haber ya sea un sesgo debido al procedimiento del laboratorio, o algo de plomo
ya en las muestras antes de ser marcadas. Las 12 mediciones están sobre la concentración conocida,
1.25 µg/l.
Si partimos de una población que sigue una distribución Z ~ N(0,1) bastará con encontrar el punto
crítico zα/2 para tener un intervalo que contenga la media poblacional con probabilidad c.
P(-zα/2 < Z < zα/2) = 1-α
bastará con hacer unas sencillas operaciones para llegar a que el intervalo de confianza para la
media μ de una población normal con desviación típica conocida σ es:
Despejando:
Ejemplo:
Se ha obtenido una muestra de 25 alumnos de una Facultad para estimar la calificación media de los
expedientes de los alumnos en la Facultad. Se sabe por otros cursos que la desviación típica de las
puntuaciones en dicha Facultad es de 2.01 puntos. La media de la muestra fue de 4.9. Intervalo de
confianza al 90 %.
𝑋̅ − 𝜇
𝑡=
𝑆/√𝑛
con lo que el intervalo de confianza para la media μ de una población con desviación
típica desconocida es, sustituyendo y despejando:
𝑃 (−𝑡α⁄2,𝑛−1 𝑋̅ − 𝜇
≤ 𝑆 ≤ 𝑡α⁄2,𝑛−1) = 1 − α
⁄
√𝑛
Ejemplo:
Un artículo en el Journal of Testing and Evaluation (Vol. 10, Núm. 4, 1982, p. 133) presenta las
siguientes 20 mediciones del tiempo residual de flama (en segundos) en muestras tratadas de ropa
de dormir para niños:
9.85, 9.93, 9.15, 9.11, 9.61 9.81, 9.67, 9.94, 9.85, 9.15 9.83, 9.92, 9.14, 9.99, 9.88 9.95,
9.95, 9.93, 9.92, 9.89
Deseamos encontrar un intervalo de confianza del 95 por ciento respecto al tiempo residual de
flama media.
de modo que el intervalo de confianza del 95% es (32.17, 116.63). La media del uso en pico para
hogares con acondicionador de aire es mayor que para los hogares sin él, de 32.17 a
116.63 kWh por mes.
El intervalo de confianza no solo revela que las dos medias poblacionales son estadísticamente
diferentes, porque el intervalo de confianza no contiene el 0, también cuantifica la cantidad de
diferencia.
El primero de los resultados indica que la proporción muestral es un estimador insesgado del
parámetro binomial p, es decir, de la verdadera proporción que se intenta estimar sobre la base de
una muestra.
Para construir un intervalo de confianza para p, que tenga aproximadamente el grado de confianza
(1 − α)100%, primero determine, para un conjunto dado de valores de p, las cantidades x0 y x1
correspondientes, donde x0 es el entero más grande para el cual las probabilidades binomiales b(k;
n, p) = P[X = k] satisfacen
Para enfatizar el punto de que x0 y x1 dependen del valor de p, dichas cantidades se escribirán
como x0(p) y x1(p). Por lo tanto, puede afirmarse con una probabilidad de aproximadamente 1 − α,
y al menos 1 − α, que se satisfará la desigualdad x0 (p) < x < x1
(p) aquí x es un valor de una variable aleatoria y p es una constante fija. Para cambiar
desigualdades como esta, en intervalos de confianza para p, se utiliza un método gráfico sencillo,
que se ilustra mediante el siguiente ejemplo: suponga que se quieren encontrar intervalos de
confianza de aproximadamente 95% para p para muestras de tamaño n = 20. Con la tabla 1, que
viene al final del libro, primero determine x0 y x1 para valores seleccionados de p, tales que x0 sea
el entero más grande para el cual B ( x0; 20, p ) ≤
0.025 mientras x1 es el entero más pequeño para el cual 1 − B ( x1 − 1; 20, p ) ≤ 0.025.
Por consiguiente, al hacer p igual a 0.1, 0.2,..., y 0.9, se obtienen los valores que se muestran en la
siguiente tabla
Al graficar los puntos y al dibujar curvas suaves, ahora se “despeja” p. Para cualquier valor dado de
x, es posible obtener límites de confianza de aproximadamente 95% para p al ir horizontalmente a
las dos curvas y marcar los valores de p correspondientes. Por ende, para x = 4, se obtiene el
intervalo de confianza de aproximadamente 95%
0.06 < p < 0.45
Cuando n es grande, se construyen intervalos de confianza aproximados para el parámetro binomial
p al usar la aproximación normal a la distribución binomial. En concordancia, se afirma con
probabilidad 1 − α que satisface la desigualdad:
Consideremos dos cuantiles de esta distribución que nos dejen una probabilidad en la ``zona
central'' de la distribución
y por tanto
es un intervalo de confianza para de nivel de confianza 1 − α.
Ejemplo:
Recuérdese que se están comparando los dos catalizadores para medir su eficacia en la reducción
de los tiempos de inmersión para tarjetas de circuito impreso. n1 = 12 baños se efectuaron con el
catalizador 1 y n2 = 15 baños se realizaron con el catalizador 2, resultando S1 = .85 minutos y s2 =
.98 minutos. Determinaremos un intervalo de confianza2 2
de 90 por ciento respecto al cociente de varianza 𝜎 /𝜎 . De acuerdo con el teorema
1 2
encontramos que:
Al emplear el hecho de que 𝐹.95,14,11 = 1/𝐹.05,11,14 = 1/2.58 = .39. Puesto que este intervalo de
confianza incluye la unidad, podríamos no requerir que las desviaciones estándar de los tiempos de
inmersión para los dos catalizadores sean diferentes en el nivel de confianza del 90 por ciento.
Donde:
n = el tamaño de la muestra. N
= tamaño de la población.
De esta fórmula del error de la estimación del intervalo de confianza para la media se despeja la n,
para lo cual se sigue el siguiente proceso:
Elevando al cuadrado a ambos miembros de la fórmula se obtiene:
Multiplicando fracciones:
Eliminando denominadores:
Eliminando paréntesis:
Transponiendo n a la izquierda:
Factor común de n:
Despejando n:
Se tiene N=500, para el 95% de confianza Z = 1,96, y como no se tiene los demás
valores se tomará y e = 0,05.
Reemplazando valores de la fórmula se tiene:
Conclusión
Lo que esta esta unidad nos dice es que, necesitamos los conocimientos de la unidad uno ya que
hablamos de las distribuciones muestrales como, por ejemplo, la ji cuadrada, la x, la t y f. Por esto,
necesitamos saber todos estos temas ya que en esta unidad tuvimos que emplear algebra para poder
emplear los “Intervalos de confianza” y pudimos entender que estos son principalmente útiles en
para definir y tener una seguridad a la hora de tomar decisiones.
Al tomar las sesión de clases todos los días surgen unas preguntas que se aclaran repasando el tema
o viendo videos en diversas plataformas, lo importante es que realmente entendamos, así que está
bien buscar información externa, como equipo también nos apoyamos mutuamente porque si uno
tiene dudas hay que apoyarlo porque somos un grupo de aprendizaje colaborativo, teniendo
discusiones llegamos a un consenso y aportamos ideas, de tal manera que vemos la importancia de
cada una de los temas por lo que al momento de hacer la investigación de la unidad reforzamos
todas nuestras ideas para un mejor aprendizaje.
También en equipo se relaciona la importancia de todas las materias a lo que haremos en el futuro, y
con los ejemplos vistos en clase más los investigados nos hacemos una idea de la utilidad de cada
uno de los intervalos de confianza que podemos obtener y como usarlos.
Sabemos que el próximo tema estará relacionado, así como este está relacionado con el anterior y
para esto hicimos el trabajo de investigación, para mantener la memoria fresca acerca de los temas y
para en un futuro si se nos llega a olvidar algo de los temas tener este respaldo para poder estudiar
de nuevo y recordar que hay muchas otras formas de recordar y repasar el tema y con ello ser mejor
persona y también mejor profesionista.
Fuentes bibliográficas
Martinez, I. (2017). Estadistica inferencial unidad 2: estimaciones. Obtenido de StuDocu:
https://www.studocu.com/es-mx/document/instituto-tecnologico-y-de-estudios-
superiores-de-occidente/analitica/apuntes/estadistica-inferencial-unidad-2-
estimaciones/3164546/view
MARIO ORLANDO SUÁREZ IBUJES, M.
Montgomery
En el texto: (2020)
Bibliografía: (2020). Retrieved 6 October 2020, from https://www.ugr.es/~mvargas/Infe1.pdf