Estimación Estadística

BIOESTADÍSTICA
Objetivos:

❑ Conocer la definición de estimación y sus tipos.

❑ Diseñar intervalos de confianza para la estimación de los diferentes parámetros poblacionales.
❑ Saber interpretar correctamente los resultados de la estimación por intervalos.
❑ Calcular el error estándar y la precisión de estimación por intervalos.
 Estimación es una de las
dos áreas principales de
la estadística inferencial.

Estimación Estadística
Es un Proceso mediante el cual establecemos que valor debe tener un parámetro según deducciones que
realizamos. En otras palabras Estimar: es establecer conclusiones sobre características poblacionales a partir de
resultados muestrales.

Tipos de estimación

Estimación Estimación Por

Puntual Intervalo
 Ejemplos:
❖La media de la muestra se utiliza como estimador del valor de la media de la
población.
𝑥ҧ = 𝜇
𝑥:ҧ 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎.
𝜇: 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛.
❖La desviación típica de la muestra se utiliza como estimador del valor de la
Estimación Puntual desviación típica de la población.
𝑆=𝜎
La estimación puntual es un solo 𝑆: desviación típica o desviación estándar de la muestra.
número que se utiliza para estimar un 𝜎: desviación típica o desviación estándar de la muestra.
parámetro desconocido de la
población. Al valor usado se le llama ❖La varianza de la muestra se utiliza como estimador del valor de la varianza de
estimador. la población.
𝑆2 = 𝜎2
𝑆 2 : 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎.
𝜎 2 : 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛.
❖La proporción de la muestra se utiliza como estimador del valor de la
proporción de la población.
𝑝ҧ = 𝑃
𝑝:ҧ 𝑝𝑟𝑜𝑝𝑜𝑟𝑐íó𝑛 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎.
𝑃: 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛.
 Pero sabemos que es prácticamente
improbable que el valor de la estimación
El problema de este
puntual coincida con el verdadero valor
tipo de estimación
del parámetro, así que será conveniente
es que no hay forma
acompañar nuestra estimación con
de saber que tan
alguna medida que nos permita expresar
buena es.
la cercanía del estimador al parámetro.
Una solución a ello nos lo brindan los
estimadores por Intervalo de Confianza.

Estimación por
Intervalo
Es un conjunto de valores entre dos
extremos dados obtenido a partir de datos
muestrales, en el que hay una determinada
probabilidad de que se encuentre el
parámetro. A esta probabilidad se le conoce
como nivel de confianza.
La estimación por intervalo
de un parámetro 𝜃 recibe
el nombre de intervalo de
confianza (IC).
Nivel de confianza 𝟏 − 𝜶 : es el grado de certeza (o probabilidad),
expresado en porcentaje con el que queremos realizar la estimación de un
parámetro a través de un estadístico muestral.
Nivel de significancia 𝜶 : es el margen de error asociado al nivel de
confianza de un intervalo (es una medida de las posibilidades de fallar en
la estimación mediante intervalo).
Es decir, que si se tiene un intervalo de confianza del 95% el nivel de significancia o
de error es de 5%
𝜶 = 𝟏𝟎𝟎% − (𝒏𝒊𝒗𝒆𝒍 𝒅𝒆 𝒄𝒐𝒏𝒇𝒊𝒂𝒏𝒛𝒂)
Entonces:
𝛼 = 100% − 95% = 5% (𝐸𝑟𝑟𝑜𝑟)
Un buen IC será aquel cuyo nivel de confianza sea muy grande, se consideran los
siguientes: 90%, 95%, 98% y el de 99%. Que implican niveles de significancia de
10%, 5%, 2% y 1 % respectivamente.
Los intervalos de confianza se calculan en función de tres elementos, los cuales son:
1. Estimador (𝜃)መ
2. Factor de confiabilidad
3. Error estándar del estimador (𝜎𝜃෡ )

De manera que los intervalos se calculan con la siguiente fórmula:

I𝐶 = 𝐸𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 ± 𝐹𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 ∗ (𝐸𝑟𝑟𝑜𝑟 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟)

Precisión del IC (anchura del intervalo)

Obs: Para encontrar la precisión
de un IC se realiza el producto
entre el factor de confiabilidad y
el error estándar del estimador.
La anchura de un IC nos indica que si obtenemos:
1. Intervalos largos proporcionan estimaciones imprecisas.
2. Mientras que intervalos cortos proporcionan
estimaciones precisas.
Notación de IC:

IC = [ 𝜃መ − Factor de confiabilidad ∗ (𝜎𝜃෡ ) ; 𝜃መ + Factor de confiabilidad ∗ 𝜎𝜃෡ ]

Limite inferior Limite superior

Ver video
En este video se muestra la diferencia entre una estimación puntual y una estimación por intervalo para un
parámetro poblacional. ( Enlace: https://www.youtube.com/watch?v=cMqgG_lBC2U )
Estimación de la media de una población (𝝁)
Intervalos de confianza para la media poblacional:

CASO I

❖ Muestreo a partir de una población que no presenta una distribución normal.

❖ Se conoce la varianza poblacional 𝜎 2.
❖ Tamaño de muestra grande (𝑛 ≥ 30).

Cuando la muestra es grande se aplica el Teorema Límite Central.

Donde:
𝜎 𝑥:ҧ 𝑚𝑒𝑑𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙.
𝐼𝐶 = 𝑥ҧ ± (𝑍1−𝛼ൗ )( )
2 𝑛 𝜎: 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙.
𝑛: 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎.
El factor de confiabilidad sigue
𝑍1−𝛼ൗ : 𝑓𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑
2
una distribución normal
Para encontrar el factor de confiabilidad que sigue una
distribución normal se necesita la siguiente tabla:

HAS CLIC AQUÍ PARA DES CARGAR LA TABLA DE VALORES CRÍTICOS DE Z

Observación:
Media Muestral (estimador) Error estándar de la media (Error estándar del estimador)

𝜎
𝐼𝐶 = 𝑥ҧ ± (𝑍1−𝛼Τ2 )( )
𝑛

Factor de confiabilidad
Ejemplo 1: En una encuesta sanitaria de cierta comunidad, se entrevistó a 150 personas. Uno de los detalles de la información obtenida
fue el número de recetas médicas que cada persona había tenido que pedir durante el año anterior. El número promedio de
recetas fue de 5.8. se sabe que hay una varianza poblacional de 9.61
a. Calcule la precisión para un IC del 95% para el número medio de recetas.
b. Estime el verdadero número promedio de recetas médicas a un nivel de confianza del 95 por ciento. Interprete el
resultado.
Debes tener cuidado al Datos: Nos dan de información una varianza poblacional y en
momento de identificar realidad lo que se necesita es una desviación típica
los datos que nos dan en 𝑛 = 150
poblacional.
el enunciado y los datos 𝑥ҧ = 5.8 Recordatorio: Formula para calcular una desviación:
que en realidad se
ocupan. 𝜎 2 = 9.61 → 𝜎 = 3.1
𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 = (𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎)

El factor de confiabilidad lo encontramos a

partir de la tabla de valores críticos de Z.
Has clic aquí para ver la imagen
Solución: Obs: Para encontrar la precisión
de un IC se realiza el producto
𝜎 3.1
a. Precisión IC 95% = 𝑍1−𝛼Τ2 = 1.96 = 1.96 0.2531139401 = 0.496 entre el factor de confiabilidad y
𝑛 150
el error estándar del estimador.
b. Estime el verdadero número promedio de recetas médicas a un nivel de confianza del 95 por ciento. Interprete el resultado

El factor de confiabilidad lo encontramos a

partir de la tabla de valores críticos de Z.
Has clic aquí para ver la imagen

𝜎 3.1
𝐼𝐶95% = 𝑥ҧ ± 𝑍1−𝛼ൗ = 5.8 ± 1.96 = 5.8 ± 0.496
2 𝑛 150

𝐼𝐶95% = [5.3, 6.3]

Interpretación: Con un 95% de confianza se afirma que el verdadero número promedio de recetas médicas esta entre
5 a 6 recetas (5.3 a 6.3 recetas).
Ejemplo 2: Se desea estimar el tiempo (minutos) promedio diario que los adultos de una determinada ciudad dedican a actividades
deportivas, a un nivel de confianza del 98%. Para una muestra de 250 habitantes de esa ciudad se ha obtenido un tiempo
medio de dedicación a actividades deportivas de 90 minutos diarios. Teniendo en cuenta que en la población de adultos
de esa ciudad hay una desviación típica de 20 minutos.

Solución:
Datos:
El factor de confiabilidad lo
𝑛 = 250 encontramos a partir de la
𝑥ҧ = 90 tabla de valores críticos de Z.
Has clic aquí para ver la imagen
𝜎 = 20

𝜎 20
𝐼𝐶98% = 𝑥ҧ ± 𝑍1−𝛼Τ2 = 90 ± 2.33 = 90 ± 2.33 1.264911064 = 90 ± 2.947
𝑛 250

𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠: 𝐼𝐶98% = 87.05 , 92.95

Interpretación: Se puede afirmar con un 98% de confianza que el verdadero tiempo promedio diario que los adultos de dicha ciudad
dedican a actividades deportivas esta entre 87.05 min y 92.95 min.
CASO II

❖ Muestreo a partir de una población que presenta una distribución normal.

❖ Se conoce la varianza poblacional 𝜎 2.
❖ Tamaño de muestra es pequeño (𝑛 < 30).

𝜎
𝐼𝐶 = 𝑥ҧ ± (𝑍1−𝛼ൗ )( )
2 𝑛

El factor de confiabilidad sigue
una distribución normal
Donde:
𝑥:ҧ 𝑚𝑒𝑑𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙.
𝜎: 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙.
𝑛: 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎.
𝑍1−𝛼ൗ : 𝑓𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑
2
Ejemplo 1: Se sabe que los estudiantes de una provincia duermen un número de horas diarias que se distribuye según una ley normal con
una desviación estándar de 2 horas. A partir de una muestra de 21 alumnos se encontró que duermen un número diario
promedio de 7.14 horas.
a. Calcule el error estándar para la media.
b. Encuentre un IC para estimar el verdadero número promedio de horas diarias de sueño de los estudiantes, a un 99%
de confianza.

Solución:
Datos:
𝑛 = 21
𝑥ҧ = 7.14
𝜎=2

a. Error estándar
𝜎 2
𝜎𝑥ҧ = = = 0.436
𝑛 21
 b. Encuentre un IC para estimar el verdadero número promedio de horas diarias de sueño de los estudiantes, a un 99% de
confianza.

El factor de confiabilidad lo
encontramos a partir de la
tabla de valores críticos de Z.
Has clic aquí para ver la imagen

𝜎 El error estándar de la media se conoce a partir

𝐼𝐶99% = 𝑥ҧ ± 𝑍1−𝛼Τ2 = 7.14 ± 2.576 0.436
𝑛 del resultado del inciso a.

= 7.14 ± 1.12

𝐼𝐶99% =[6.02, 8.26]

Interpretación: Se puede afirmar con un 99% de confianza que el verdadero número promedio de horas diarias de sueño de
los estudiantes esta entre 6.02 y 8.26 horas.
Ejemplo 2: En una muestra de 19 individuos se observa que un determinado trastorno emocional se produce a partir de una edad media
de 50 años. Se supone que estamos ante un fenómeno que sigue una distribución normal con una varianza poblacional de 36
años2.
a. Encuentre el factor de confiabilidad para un IC del 90%.
b. Estime la verdadera edad media a un nivel de confianza del 90%.
c. Interprete el resultado del inciso anterior.

Debes tener cuidado al Datos: Nos dan de información una varianza poblacional y en
momento de identificar realidad lo que se necesita es una desviación típica
los datos que nos dan en 𝑛 = 19
poblacional.
el enunciado y los datos 𝑥ҧ = 50 Recordatorio: Formula para calcular una desviación:
que en realidad se
ocupan. 𝜎 2 = 36 → 𝜎 = 6
𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 = (𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎)

Solución:
Lo encontramos a partir de la
𝑎. 𝐹𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 90% 𝑍1−𝛼ൗ = 1.645 tabla de valores críticos de Z.
2 Has clic aquí para ver la imagen

6
𝑏. 𝐼𝐶90% = 50 ± 1.645 = 50 ± 1.645 1.376494403 = 50 ± 2.26 𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠: 𝐼𝐶90% = [ 47.74 , 52.26]
19
𝑐. 𝐼𝑛𝑡𝑒𝑟𝑝𝑟𝑒𝑡𝑎𝑐𝑖ó𝑛: 𝐶𝑜𝑛 𝑢𝑛 90% 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑠𝑒 𝑎𝑓𝑖𝑟𝑚𝑎 𝑞𝑢𝑒 𝑑𝑖𝑐ℎ𝑜 𝑡𝑟𝑎𝑠𝑡𝑜𝑟𝑛𝑜 𝑒𝑚𝑜𝑐𝑖𝑜𝑛𝑎𝑙 𝑠𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑒 𝑎 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒 𝑢𝑛𝑎 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎
𝑒𝑑𝑎𝑑 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 48 𝑎 52 𝑎ñ𝑜𝑠 (47.74 𝑎 52.26 𝑎ñ𝑜𝑠).