UNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA

VICERRECTORADO ACADÉMICO
COORDINACIÓN GENERAL DE PREGRADO
CIENCIAS FISCALES
ASIGNATURA: ESTADÍSTICA APLICADA
Unidad 4: ESTIMACIÓN DE PARAMETROS

Introducción.

Supongamos que debemos estudiar la resistencia a la tensión de una componente empleada en la

carrocería de un automóvil. Esta resistencia presenta una variabilidad natural, debido a las
variaciones inevitables en la materia prima, en las máquinas, en los sistemas de medición, etc.
Obviamente, los diseñadores de la pieza, atentos a esta variabilidad inevitable, han fijado
tolerancias, en este caso el valor mínimo admisible para dicha característica de calidad. Con este
razonamiento, si una de estas componentes tiene una resistencia inferior a la tolerancia, la pieza
debe ser rechazada. Nuestro problema es determinar el porcentaje de unidades dentro de la
producción que no satisfacen la tolerancia.

Como vimos en las unidades anteriores, este y cualquier otro problema puede ser resuelto si se
conoce la distribución de probabilidades de la variable. Sin embargo, en la práctica resulta
imposible o poco práctico observar toda la población. En el ejemplo, tratándose de un ensayo
destructivo, debiéramos romper todas las unidades producidas para comprobar si cumplen o no
con la resistencia mínima establecida.

La solución que planteamos en las unidades anteriores es tomar una muestra y luego, a partir de
sus propiedades, elegir un modelo de probabilidad que represente adecuadamente a la variable
aleatoria. Pero para poder usar el modelo, debemos ajustarlo dándole valores a los parámetros, y
verificar que la representación obtenida sea correcta.

Ahora bien, ¿cómo debemos utilizar la información muestral para obtener las mejores
aproximaciones posibles de los parámetros de la población? Por ejemplo, si el modelo elegido es
el Normal, es preciso aproximar sus propiedades fundamentales:  y  . ¿Cuál es la forma de
hacerlo y qué nivel de error podemos cometer?

Este es el problema central que plantea la presente unidad, la forma en que se puede asignar
valores a los parámetros de una población, sin haberla medido en su totalidad y el análisis de los
errores que se cometen al realizar esta aproximación.
Conviene destacar que la temática tiene una terminología específica. Por ejemplo, se denomina
Parámetro a una propiedad de la población y Estimador a una propiedad de la muestra que se
utiliza como aproximación al parámetro poblacional.

Entre los aspectos que se deben analizar se encuentra la forma adecuada de estimar los
parámetros de modelos como son el Binomial; Poisson; Exponencial; Normal; etc. Dedicándole
especial atención al promedio muestral, dado que posee interesantes propiedades a la hora de
realizar estimaciones. Además, a fin de estudiar la variabilidad de los estimadores, utilizamos
distribuciones de probabilidad especialmente desarrolladas para representar la incertidumbre del
muestreo. Estas distribuciones se denominan: Chi.cuadrado; t de Student y F de Fischer.

Por otra parte es posible realizar dos tipos de estimaciones: Puntual y por Intervalo. En la
estimación puntual se obtiene un valor único como aproximación del parámetro poblacional
desconocido.

Pero como ya mencionamos, los estimadores son variables aleatorias por lo que sus valores
pueden variar de una muestra a otra y por lo tanto, la aproximación puntual obtenida puede no
ser totalmente satisfactoria ya que no conocemos el error cometido en la aproximación. En
cambio, la estimación por intervalo tiene en cuenta dicho error, ya que permite determinar un
rango de valores dentro de los cuales existe una cierta probabilidad de incluir al parámetro
poblacional desconocido.
INSTRUCCIONES. Basado en los videos, en la pequeña guía previa y utilizando la bibliografía
recomendada conteste las siguientes preguntas y realice los ejercicios que estan al final. Se le
recomienda entregar en pdf, letra arial, numero 12.

La fecha de entrega está pautada para el lunes 16 de febrero del año en curso.

CUESTIONARIO DE ORIENTACION

1) ¿Qué es un parámetro y qué es un estimador? ¿Cuál es la diferencia entre ambos conceptos?

Explicar cuál es la razón por la que se dice que los estimadores son variables aleatorias.

2) Suponga que estudiamos la variable continua: “Tiempo de reparación de una máquina, ante un
cierto tipo de fallas (en minutos)”. Suponga además, que la verdadera media poblacional es μ =
135min. Se toma una muestra de veinte observaciones de esa variable. Analice si es posible que el
promedio de la muestra sea exactamente igual a 135min. Justifique conceptualmente la respuesta.

3) ¿Cómo es la distribución de la media aritmética de muestras extraídas de una población

Normal? ¿Qué pasa si la variable no tiene distribución Normal, o su distribución es desconocida?

4) Representar gráficamente una variable con distribución Normal con media 200 y con desvío 20.
Superpuesta con la figura anterior, graficar la distribución de la media aritmética de muestras de
tamaño n=4, 25 y 100, de esa población.

5) El promedio de una muestra se considera un buen estimador de la media de la población.

Explicar los motivos de la afirmación anterior.

6) Analizando el comportamiento de los estimadores, se acostumbra calificarlos como: Insesgados;

Consistentes; Eficientes y Suficientes. Explicar bajo qué condiciones se otorga cada una de esas
calificaciones. Indicar en particular cuáles son las medidas muestrales que pueden utilizarse como
estimadores puntuales insesgados de los parámetros μ y σ2.

7) Construya una lista de estimadores convenientes para los parámetros de los siguientes
modelos: Binomial; Poisson; Normal; Exponencial.

8) Explique las principales características de la distribución Chi-cuadrado. Deduzca una cantidad

estadística que posea dicha distribución de probabilidad. Mencione mediante un ejemplo cómo se
utiliza la tabla correspondiente. Grafique una Chi-cuadrado con 12 grados de libertad.

9) Explique las principales características de la distribución t de Student. Ejemplifique el modo en

que se utiliza la tabla correspondiente. Grafique en forma superpuesta una t de Student con 6, 20
y 120 grados de libertad.

10) Los parámetros de una población pueden estimarse en forma puntual y por intervalo. Explicar
en qué consiste cada una y cuáles son las ventajas de la estimación por intervalos de confianza.

11) Realice la deducción de los siguientes intervalos: o Intervalos de confianza para la media de
una Normal con varianza conocida. o Intervalos de confianza para la media de una Normal con
varianza no conocida. o Intervalos de confianza para la varianza de una Normal. Aplique para
ello el método del pivote.

12) Cuando se hace una estimación por intervalo, la aproximación es más precisa cuanto menor
es la longitud. ¿De qué depende la longitud de un intervalo de confianza? ¿Cómo se puede hacer
para disminuir dicha longitud, conservando el nivel de confianza?

13) El Nivel de Confianza es una decisión importante a la hora de realizar una estimación por
intervalos. Explique qué es lo que representa el Nivel de Confianza.
14) Suponga que estudiamos la variable: “Tiempo de reparación de una máquina, ante un cierto
tipo de fallas (en minutos)”. Como parte del estudio estimamos la media poblacional con un
intervalo de 90% de confianza y obtenemos los siguientes extremos:

Einferior = 120min; Esuperior= 150min.

Al respecto, analicemos las siguientes cuestiones: a) ¿Podemos estar seguros de que el intervalo
comprende a la verdadera media?. b) ¿Es correcta la siguiente expresión?: P ( 120 < µ < 150) =
0,90.

EJERCICIOS

1. Una compañía de electrónica fabrica resistores que tienen una resistencia promedio de 100  y
una desviación estándar de 10. Si se sabe que la distribución de la resistencia es Normal:

a) ¿Cuál es la probabilidad de que al tomar una muestra de 49 resistores, la resistencia promedio

sea menor de 97? b) Si en lugar de tomar una muestra 49 se considera una de 10 resistores ¿cuál
será el valor de la probabilidad antes mencionada? c) ¿Es importante la hipótesis de normalidad
de la variable en ambos casos? ¿por qué?

2. Una máquina llena bolsas de cemento. Se estudia la variable X: contenido de una bolsa. Si todo
funciona normalmente, esta variable debe tener distribución Normal, con una media de 50 Kg. y
un desvío de 0.5 Kg. Se controla diariamente el funcionamiento de la máquina. Este control se
puede realizar midiendo el contenido de una o varias bolsas de cemento. a) Si se extrae sólo una
bolsa, calcular los valores x1 y x2, simétricos con respecto a la media especificada, que encierran
una probabilidad del 95 %. b) Si se extraen 5 bolsas al azar y se calcula la media aritmética de sus
contenidos, determinar los valores x1 y x2, simétricos con respecto a la media, que encierran
nuevamente una probabilidad del 95 %. c) Calcular lo mismo que en el punto anterior, para el caso
en que se extraiga una muestra de 100 bolsas. d) Comparar los resultados obtenidos en a), b) y c) y
elaborar una opinión al respecto. Representar gráficamente las distribuciones obtenidas.