Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimación24 29
Estimación24 29
Estadística II
CAPITULO II
ESTIMACIÓN.
Todas las personas hacemos estimaciones: lo hacen las amas de casas cuando preparan
un plato de comida; estiman la cantidad de sal que agregan en la preparación, estiman la
cantidad que servirán a cada comensal; un mecanógrafo estima el tiempo en realizar un
trabajo; un conductor estima el tiempo de viaje; los ejecutivos del gobierno estima el
presupuesto para el nuevo año; los gerentes deben hacer estimaciones rápidas y de ellas
depende, muchas veces su futuro éxito. Estimar es aproximarse a un número que no se conoce
y que no hay medio inmediato para hacerlo. Las estimaciones se puede hacer de dos
maneras: estimaciones por punto ó puntuales y estimaciones por intervalo.
ESTIMACIÓN PUNTUAL
Estadísticamente hablando, la estimación puntual es un número que se utiliza para
aproximarse a un parámetro poblacional desconocido. Por ejemplo, cuando se desea conocer
el ingreso familiar promedio de todas las familias zulianas, el estadista tomará una muestra
representativa de esta población y calculará el ingreso promedio (x) de esas muestras; ese
valor obtenido será una estimación puntual del promedio real desconocido de la población
CARACTERÍSTICAS DE UN BUEN ESTIMADOR
De todos los estimadores de un parámetro de la población, uno es mejor estimador que los
demás. Un buen estimador debe tener las siguientes características:
ESTIMADOR CONGRUENTES: Produce valores que se acercan más al parámetro
poblacional a media que crece el tamaño de la muestra.
ESTIMADOR EFICIENTE: Tiene un error estándar más pequeños que cualquier otro
estimador; cuanto más pequeño sea el error, más eficiente será el estimador.
ESTIMADOR INSESGADO: Asume valores por encima y por debajo del parámetro con la
misma frecuencia.
ESTIMADOR SUFICIENTE: Utiliza toda la información disponible en los datos referentes al
parámetro a estimar.
Los mejores estimadores son:
La media muestral (x ) es el mejor estimador de la media poblacional ().
El mejor estimador de la varianza poblacional (²) es la varianza muestral
(S ²)
El mejor estimador de la desviación estándar poblacional () es la desviación
estándar muestral ( S) .
La proporción muestral ( p) es el mejor estimador de la proporción poblacional
( p).
Ejemplo: El promedio de ingreso mensual de una muestra de 1.000 familias zulianas fue
X =150.000 Bs. (ejemplo teórico, año 1998); así estimamos que el ingreso familiar en el Zulia
es de = 150.000Bs.
Ejemplo: De una muestra de 300 estudiantes de un instituto educacional, 240 eran de sexo
femenino (esto es, el 80 del total de la muestra); inferimos que el 80% de los estudiantes del
instituto son de sexo femenino.
ESTIMACIÓN POR INTERVALO
La estimación puntual es a menudo insuficiente puesto que ó se acierta ó se equivoca en la
estimación. Es más útil cuando se acompaña del error que se comete en la investigación, por
ejemplo, no es lo mismo decir: “ El avión llega exactamente a las seis” a decir “El avión llega
más o menos a las seis”, si el avión se retarda o adelanta un minuto, ya la primera proposición
es falsa, mientras que la segunda no. Ese “más o menos” ( ± ) se debe transformar en un
número para ser más preciso, el cual se denomina “error”. Si en el ejemplo anterior el “más o
Estadística II
menos” es de cinco minutos, entonces estamos diciendo que el avión llegará, según nuestra
estimación, entre las 5:55 y las 6:05, es decir: 6:00 + 0:05.
Gráficamente el intervalo (5:55; 6:05) se construye así:
La estimación por intervalo es una gama de valores, entre los cuales se espera esté el valor
correcto desconocido por lo menos hasta el momento de hacer la estimación. A diferencia de la
estimación puntual, ésta lleva implícita el error que se comete.
Ejercicio
1.-Dé a) un ejemplo de estimación puntual y b) un ejemplo de estimación por intervalo.
2.-Si un parámetro poblacional es 120 y si de varias muestras tomadas del mismo tamaño el
estimador arrojó los valores: 119; 118; 119; 118. ¿Será ese (120) un buen estimador? ¿Por
qué?
INTERVALO DE CONFIANZA.
En la estimación por intervalo, el conjunto de valores que sirve para estimar un parámetro
desconocido, constituye una zona de aceptación, de confianza ó de éxito. Estos intervalos de
estimación se denominan “intervalos de confianza” para el parámetro a estimar.
Operacionalmente, el intervalo se construye mediante la fórmula:
I=E±e
Donde:
I =Intervalo de Confianza
E=Estimador del Parámetro
e=Error cometido
Estadística II
E por X y e por Z α ¿ σ X ;
Donde:
X : Es el mejor estimador de la media aritmética poblacional ,
Z : Es un valor obtenido de la tabla normal y
σ X Es el error estándar de la D.M.M..
I = X ± Zα ¿ σ X
Ejemplo: Una empresa automotriz desea hacer una estimación de la vida útil de un
componente eléctrico usado por sus automóviles. Toma una muestra de 100 unidades,
obteniendo una media de 21 meses de duración, con una desviación S=6 meses. Construir un
intervalo de confianza para la media poblacional, con una confianza del 95%.
Solución: Se busca en la tabla de Distribución Normal el valor de Z , para ¿ 5 % de error, de
donde se obtiene Z=1.96 (Ver anexo 2. Calculo de Z).
Se calcula el error estándar:
σ
σ X=
√n
6 6
σ X= = =0,6
√ 100 10
Según enunciado, la media es:
X =21
Se sustituye en la fórmula del intervalo de confianza para la media:
I = X ± Zα ¿ σ X
I = 21 ± 1,96∗0,6
I = 21 ± 1,176
Se construye el intervalo de confianza:
I = 19,824 ;22,176
Interpretación: Se puede afirmar, con un 95 % de certeza *, que la vida útil promedio de los
componentes, es un valor comprendido entre 19.82 meses y 22.18 meses.
Estadística II
Ejercicio:
1: Construir un intervalo de confianza para la media aritmética de una población de la cual
se obtuvo una muestra de tamaño n=5 0 , con una X =18 y=2 ;al 90% de confianza
a) 95%
b) 99%
Al igual que en la estimación por intervalos para la media poblacional, se pueden construir
intervalos de confianza para la proporción poblacional de una determinada variable; basta
hacer algunos cambios y obtener una nueva fórmula de intervalo de confianza, ahora para
proporciones:
I = p ± Zα ¿ σ p
Donde:
p : Proporción muestral de las variables
Z : Factor de probabilidad normal y
σ X Es el error estándar de la proporción
Además
Estadística II
gerente desea hacer una estimación de la proporción de trabajadores a favor del plan, a un
nivel de confianza del 99%.
Solución:
30
p= =0,40
75
z 99 %=2,58
σ p=
√ 0,40∗( 1−0,40 )
75
σ p=
√ 0,40∗0,60
75
σ p=
√
0,24
75
σ p = √ 0,0032
σ p = 0,057
Sustituyendo en la fórmula del intervalo:
I = p ± Zα ¿ σ p
I =0.40 ±(2.58) x ( 0.057)
I =0.40 ± 0.147 .
I =(0.253; 0.547)
I =(25.3 % ;54.7 %)
a) 95 %
b) 90 %
Solución:
a) I =0.40 ±(1.96) x( 0.057)
I=0.40 ± 0.112
I =(0.29 ; 0.51)
I =(29 % ; 51 %)
b) I =0.40 ±(1.65)x (0.057)
I =0.40 ± 0.09
I =(31% ; 49 %)
¿Qué relación observa entre el nivel de confianza y la amplitud del intervalo de confianza?
Ejemplo: Un fabricante asegura que sus productos tienen un estricto control de calidad. Un
cliente desea saber que de cierto hay en esa afirmación y observa una muestra de 50
Estadística II
σ p=
√ 0,04∗( 1−0,04 )
50
σ p=
√ 0,04∗0,96
50
σ p=
√
0,0384
50
σ p = √ 0,00077
σ p = 0,02
Un vendedor mayorista de partes automotrices necesita una estimación de la vida media que
puede esperar de los limpiaparabrisas en condiciones normales de manejo. La administración
de la empresa ya ha determinado que la desviación estándar de la vida útil de la población es
de nueve (9) meses. Supongamos que se selecciona una sola muestra aleatoria de 200
limpiaparabrisas, y obtenemos que la vida media de estos 200 limpiaparabrisas es de 36
meses. Se pide calcular un intervalo de confianza del 90% para la vida media de la población
de los limpiaparabrisas.
Durante un año y medio las ventas han estado disminuyendo de manera coherente en los
1.500 establecimientos de una cadena de comida rápida. Una empresa de consultoría ha
Estadística II
determinado que el 30% de una muestra de 95 sucursales tiene claros signos de una mala
administración. Construir un intervalo de confianza del 95% para esta porción.