REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN UNIVERSITARIA

UNIVERSIDAD NACIONAL EXPERIMENTAL “SIMÓN RODRÍGUEZ”
NÚCLEO PALO VERDE “EXTENSIÓN LA GUAIRA”
ESTADISTICA II, SECCIÓN “D-G”

UNIDAD V:
TEORIA DE LA ESTIMACION

PARTICIPANTES:
SETIM GONCALVES EDILIANA DEL VALLE C.I. 20.780.029

FACILITADOR:
DIAZ, ALAYS

LA GUAIRA, 22 DE ENERO 2022

 Índice General

Pp
Índice General
2
Introducción
3
Definición de la estimación
5
Estimaciones locales o de punto
5
Propiedades de las estimaciones locales
7
Estimaciones por intervalos
8
Estimación por intervalos con muestras pequeñas (n ≤ 30)
10
Intervalos de confianza
11
Principales factores
12
Conclusión
15
Bibliografía
17

2
 Introducción

La teoría de estimación estadística estudia cómo obtener información

sobre una población, mediante muestras extraídas de ella puede emplearse
para obtener información acerca de muestras obtenidas aleatoriamente de
una población conocida. Sin embargo, desde un punto de vista práctico,
suele ser más importante y ser capaz de inferir información acerca de una
población a partir de muestras de ellas. Dichos problemas son tratados por
la inferencia estadística que utiliza principios de muestreo. Un problema
importante de la inferencia estadística es la estimación de parámetros
poblacionales o simplemente parámetros (como la media y la varianza
poblacionales), a partir de los estadísticos muéstrales correspondientes o
estadísticos (como la media y la varianza muestral.
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 la misma. Los datos estadísticos
varían mucho dentro de sus distribuciones muéstrales, y mientras menor sea

3
el error estándar de un estadístico, más cercanos serán unos de otros sus
valores.
Existen dos 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
En esta investigación tiene como objetico explotar información valiosa,
donde se hace referencia a la estimación, estimador, tipos de estimación,
intervalos de confianza, entre otros, es oportuno mencionar que todo mundo
hace estimaciones. Cabe destacar que la estimación es un valor especifico
observado de un estimador, ante lo expuesto cabe recalcar que la estimación
se basa en la toma de una muestra y calculando el valor que en ella asume
nuestro estimador .la finalidad es proporcionar las herramientas necesarias
para poder determinar buenas aproximaciones (estimaciones) a aquellos
valores desconocidos en la población y que estamos interesados en conocer.
Un buen estimador debe contar con ciertos criterios como eficiencia,
imparcialidad, congruencia y suficiencia.
En la investigación se mencionan los métodos para la estimación que
intentan medir las características particulares de una población. Los
estimadores puntuales como insesgados son estimadores de un parámetro
de una población que, en general, asume valores por encima del parámetro
de la población con la misma frecuencia y el mismo grado con que tiende a
asumir valores por debajo del parámetro de la población. En cuanto a
intervalos de confianza nos referimos a un conjunto de valores que tienen
alguna probabilidad específica de incluir el verdadero valor del parámetro de
la población, a menudo lo expresamos en errores estándar y no en valores
numéricos. Intervalos de confianza con grandes muestras la muestra
consiste de toda la población, sin embargo, cuanto mayor sea el tamaño
muestral, lo más seguro que podemos estar de que la media poblacional se

4
encuentre muy cerca a la media muestral que se obtiene. Para entender
mejor se debe tener conocimiento sobre distribuciones muéstrales, donde
tomamos en cuenta el teorema de limite central que nos dice que si la
distribución poblacional tiene una media µ y desviación estándar Ơ,
entonces, para n suficientemente grande, la distribución muestral de x es
aproximadamente normal, con media µX =µ y desviación estándar ƠX=Ơ/ ,
es decir, a mayor tamaño muestral, la desviación estándar se hace más
pequeña. Selección del tamaño muestra se conoce como el número de
elementos obtenidos o escogidos, que permitan explorar los resultados de la
muestra a toda la población .suponiendo que los elementos escogidos,
independientemente de su número, son representativos de toda la población.
A continuación continua el desarrollo de la investigación.

Definición de la Estimación

En inferencia estadística 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.  Por ejemplo, una estimación de
la media de una determinada característica de una población de tamaño N podría
ser la media de esa misma característica para una muestra de tamaño.

Estimaciones locales o de punto

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, cual es ese valor. Imaginemos una población de 30 personas de las
que seleccionamos una muestra de 20 para las que conocemos sus edades.

5
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.

Pensemos ahora en que queremos estimar la altura media de esa muestra.

Al contrario que antes, no tenemos el valor de la altura de cada persona. En
este caso no podríamos realizar una estimación puntual, es decir, no
podríamos hallar un valor concreto de esa altura media. En este caso
tendríamos que realizar una estimación por intervalos, es decir, podríamos
acotar el valor más alto y más bajo de las alturas de las personas con cierta
seguridad o lo que en estadística se conoce como cierto nivel de confianza.

Ejercicio 1

 Se ha realizado un estudio estadístico sonre el peso, en kg, y el sexo de los

recién nacido durante seis meses en un hospital. El peso de  15  de ellos es
3215 3315 2987 2853 3054 2900 2873 310 3115 2799 2869 3008 3106 3115
2875
Además, 7 de esos bebés son niños. Determina un estimador puntual para :
 El peso medio de la población.
 La proporción de niños nacidos.

Población: Todos los recién nacidos en el hospital durante los seis meses.
Muestra: Los 15 recién nacidos estudiados.

6
 Ejercicio 2
Con una muestra de 200 personas, para determinar su altura media
"en metros", se ha obtenido el intervalo de confianza (1,60; 1,76) con un nivel
de confianza del 95 %. Interpreta este resultado y decide cuál será el error
máximo admisible.
La estimación por intervalo de confianza es más completa que la
estimación puntual ya que en lugar de proporcionarnos un único valor como
estimación del parámetro desconocido, nos da un intervalo donde puede
encontrarse dicho valor.

7
 Propiedades de las estimaciones locales

 Insesgadez: Un estimador es insesgado cuando la esperanza matemática

del este es igual al parámetro que se desea estimar. Por tanto, la diferencia
entre el parámetro a estimar y la esperanza de nuestro estimador tendría que
ser 0.

 Eficiente: Un estimador es más eficiente o tiene la capacidad de estimar de

forma precisa cuando su varianza es reducida. Por lo tanto ante 2
estimadores, siempre elegiremos el que tenga una varianza menor.

 Consistencia: Un estimador consistente es aquel que a medida que la

medida que la muestra crece se aproxima cada vez más al valor real del
parámetro. Por lo tanto, cuantos más y valores entran en la muestra, el
parámetro estimado será más preciso.

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.

Ejercicio
X = el gasto de un estudiante universitario en la compra de libros de texto.
¿cuál es el gasto medio µ = E[X]?

8
 Una m.a.s. de tamaño n: (X1, X2, ..., Xn). Obtenemos los valores:
(x1, x2, ..., xn).
a.- Proponer cuatro estimadores del parámetro poblacional µ
n
1
T1(X1, . . . , Xn) = ^μ1 = ∑x
n i=1 i
n
1
T2 (X1, . . . , Xn) = ^μ2 = ∑x
n−1 i=1 i
X 1+ Xn
T3 (X1, . . . , Xn) = μ
^3 =
2
T4(X1, . . . , Xn) = μ^ 4 = X2 – X1
30+20+10
T1(X1, X2, X3) = =20
3
30+20+10
T2 (X1, X2, X3) = =30
2
30+10
T3 (X1, X2, X3) = =20
2
T4 (X1, X2, X3) = 20 – 30 = -10

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:
 Si conocemos la distribución muestral del estimador podemos obtener
las probabilidades de ocurrencia de los estadísticos muéstrales.
 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.
 El problema es que el parámetro poblacional es desconocido, y por
ello el intervalo se establece alrededor del estimador. Si repetimos el

9
 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".

Ejercicio 1
Determinar el intervalo del peso promedio de los recién nacidos
durante el mes de agosto en una gran ciudad partiendo de una muestra
aleatoria de 100 bebés, en las que se obtuvo un peso promedio de 3100
gramos con una desviación estándar muestral s = 1500 gramos.

Solución

En primer lugar, se determina el error estándar de la muestra:

ε = s/√n = (1500 g)/√100 = 150 g.
Por lo tanto, partiendo de esta muestra se puede inferir que el peso
promedio de los bebés nacidos en el mes de agosto en esa ciudad, está
comprendido entre 2950 g y 3250 g, con 68% de probabilidad.

Ejercicio 2
Supongamos que se duplica el tamaño de la muestra de bebés
nacidos en el mismo mes de agosto y en la misma ciudad del ejemplo 1. El
peso promedio de la muestra es 3100 g con una dispersión estándar de 1500
g.
Se pide estimar el intervalo de peso promedio de los recién nacidos de
esa ciudad, a partir de esta nueva muestra.

Solución

10
 Ahora el error estándar disminuye en el factor 1/√2, por lo que el
nuevo error estándar del peso promedio será 106 g.
Entonces se puede estimar, a partir de esta nueva muestra que, el
peso promedio de los recién nacidos está comprendido en el rango que va
de los 2994 g a 3206 g, con una probabilidad del 68%.

Estimación por intervalos con muestras pequeñas (n ≤ 30)

Como se ha indicado anteriormente, para poder utilizar la

distribución normal es necesario que las muestras sean grandes (n > 30) y
conocer la desviación estándar. Si no se conoce σ se utiliza s, pero si
además la muestra es pequeña, los resultados no serán satisfactorios.
En estos casos se utiliza la distribución t de Student, cuyas
características son que es una distribución continua, tiene forma de
campana y es simétrica, es una familia de curvas todas con la misma media
de cero, pero sus desviaciones estándar difieren de acuerdo al tamaño de
la muestra, y que es más baja y dispersa que la distribución normal. Cuando
el tamaño de la muestra se incrementa, la distribución t se aproxima a la
normal.

Ejercicio 1
Hallar el intervalo característico correspondiente para:

a)    90 %     b)    95 %      c)    99 %

11
 Ejercicio 2

En una distribución normal N (70, 6) , obtener los intervalos

característicos para el 90 %, 95 % y 99 %.

Intervalos de confianza

Un intervalo de confianza es una técnica de estimación utilizada

en inferencia estadística que permite acotar un par o varios pares de valores,
dentro de los cuales se encontrará la estimación puntual buscada (con una
determinada probabilidad). Un intervalo de confianza nos va a permitir
calcular dos valores alrededor de una media muestral (uno superior y otro
inferior). Estos valores van a acotar un rango dentro del cual, con una
determinada probabilidad, se va a localizar el parámetro poblacional.
Intervalo de confianza = media +- margen de error
Conocer el verdadero poblacional, por lo general, suele ser algo muy
complicado. Pensemos en una población de 4 millones de personas.
¿Podríamos saber el gasto medio en consumo por hogar de esa población?
En principio sí. Simplemente tendríamos que hacer una encuesta entre todos
los hogares y calcular la media. Sin embargo, seguir ese proceso sería
tremendamente laborioso y complicaría bastante el estudio.
Ante situaciones así, se hace más factible seleccionar una muestra
estadística. Por ejemplo, 500 personas. Y sobre dicha muestra, calcular la
media. Aunque seguiríamos sin saber el verdadero valor poblacional,
podríamos suponer que este se va a situar cerca del valor muestral. A esa

12
 media le sumamos el margen de error y tenemos un valor del intervalo de
confianza. Por otro lado, le restamos a la media ese margen de error y
tendremos otro valor. Entre esos dos valores estará la media poblacional.
El intervalo de confianza no sirve para dar una estimación puntual del
parámetro poblacional, si nos va a servir para hacernos una idea aproximada
de cuál podría ser el verdadero de este. Nos permite acotar entre dos valores
en dónde se encontrará la media de la población.

Principales factores

 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.

Ejercicio 1
Se ha obtenido una muestra de 25 alumnos de una Facultad para
estimarla 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.
1. Intervalo de confianza al 90 %.
2. Intervalo de confianza al 99 %.
Solución
1. Intervalo de confianza al 90 %. Usamos la fórmula:

σ 13
x=± z α
2 √n
 Por último, sustituyendo los datos en la fórmula del intervalo, tenemos:
4,9 ± 1,64 (2,01/√25) ≡ 4,9 ± 0,66
(4,24, 5,56)
2. Intervalo de confianza al 99 %.
σ
x=± z α
2 √n
Por último, sustituyendo los datos en la fórmula del intervalo, tenemos:
4,9 ± 2,58 (2,01/√25) = 4,9 ± 1,04(3,86, 5,94)

Ejercicio 2

Se ha obtenido una muestra de 30 alumnos de una Facultad para

estimarla 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.
1. Intervalo de confianza al 90 %.
2. Intervalo de confianza al 99 %.
Solución
1. Intervalo de confianza al 90 %. Usamos la fórmula:

σ
x=± z α
2 √n
Por último, sustituyendo los datos en la fórmula del intervalo, tenemos:
4,9 ± 1,64 (2,01/√25) ≡ 4,9 ± 0,66
(4,24, 5,56)
2. Intervalo de confianza al 99 %.
σ
x=± z α
2 √n

14
 Por último, sustituyendo los datos en la fórmula del intervalo, tenemos:
4,9 ± 2,58 (2,01/√25) = 4,9 ± 1,04(3,86, 5,94)

Conclusión
Esta investigación Aborda aspectos fundamentales de la
estadística: la teoría de la estimación, que permite predecir con determinada
precisión las características estadísticas de una población a partir de la
información aportada por individuos de una muestra extraída al azar de una
población. El interés de este artículo reside principalmente en el estudio
detenido del significado de una investigación,

15
 Estimación es el método estadístico para obtener inferencias cerca de
valores de parámetros sobre la base de estadísticos de muestras. Debe
señalarse que hemos tratado el procedimiento tradicional de estimación
basado en decisiones. Se dice que un estimador es bueno si posee las
propiedades de insesgabilidad, consistencia, eficiencia y suficiencia .el
método de máxima probabilidad proporcionan estimadores que
ordinariamente son consistentes, eficientes y suficientes; pero no siempre
proporcionan estimadores insesgado. Nuestro estudio de la estimación lo
hemos hecho hasta ahora en el supuesto que la distribución de un estimador
por muestreo esta normalmente distribuido en tanto que muchas
distribuciones por muestreo solo son aproximadamente normales , los límites
de confianza construidos con multiplicadores de confianza normal solo posee
valores aproximados .
La estimación siempre ha sido utilizada en los contextos más variados
de la vida cotidiana. Pensemos simplemente en la necesidad de embaldosar
un piso, saber cuántas ovejas hay en el campo, calcular el dinero para hacer
una compra de comestibles, pensar en el monto del pago de impuestos
mensuales o calcular la hora sin consultar el reloj. En estas situaciones
raramente necesitamos resultados exactos. La Estimación es el método
estadístico de obtener inferencias cerca de valores de parámetros sobre la
base de estadísticos de muestras. Debe de señalarse que hemos tratado el
procedimiento tradicional de estimación basado en decisiones.
Cabe destacar que la estimación es un valor especifico observado de
un estimador, ante lo expuesto formamos una estimación tomando una
muestra y calculando el valor que en ella asume nuestro estimador, la
finalidad es proporcionar las herramientas necesarias para poder determinar
buenas aproximaciones (estimaciones) a aquellos valores desconocidos en
la población y que estamos interesados en conocer. Un buen estimador debe
de contar con ciertos criterios como eficiencia, imparcialidad, congruencia y
suficiencia.

16
 El objetivo de la investigación fue logrado el cual es aprender y
comprender lo relacionado a la distribución en el muestreo y teoría de la
estimación, y para ello es necesario partir de ejemplificaciones como
estrategia didáctica en la construcción del tema.
Cabe destacar que el término estimación, también se utiliza
en ciencias aplicadas para hacer referencia a un cálculo aproximado, que
normalmente se apoya en la herramienta estadística aunque puede no
hacerlo. En este sentido, un ejemplo clásico son los poco conocidos pero
útiles en economía problemas de Fermi.
Por último y para concluir la importancia de la realización de
estimaciones adecuadas sobre el tamaño y esfuerzo requerido es una de las
características fundamentales de un proyecto de desarrollo de exitoso. Las
malas estimaciones o más comúnmente las no estimaciones, son
posiblemente una de las principales causas de los fracasos de muchas
empresas en el mundo ya que debe existir una planeación estratégica entre
si.

Bibliografía

 Des Raj, (1968) Teoría del muestreo. Fondo de Cultura Económica

 Josep M. Doputenech I. Massons/Introducción a la Teoría de la
Estimación y a la

17
 Teoría de la decisión estadística, Departamento de Psicología
Universidad de Barcelona
 Abraira, V. (2002). Desviación estándar y error estándar. Revista
Semergen.
 Recuperado de web.archive.org.
 Salinas, H. (2010). Estadística y probabilidades. Recuperado de
mat.uda.cl.

18