UNIVERSIDAD NACIONAL DE SAN ANTONIO ABAD DEL CUSCO

FACULTAD DE CIENCIAS AGRARIAS

CARRERA PROFESIONAL DE INGENIERÍA AGROPECUARIA

Curso: Estadística
Tema: Estimación puntual y Estimaciones de intervalos de
Confianza.
Docente: Mag. Orlando Olivares Rivera
Alumnos: Isabel Leguía Allcca
Gerber Arnaldo Curo Saico

APURIMAC - ANDAHUAYLAS
2022
1. OBJETIVOS:
● Entender los conceptos de estimación puntual, estimación de intervalos de
confianza de la media, proporción y varianza.
● Calcular las estimaciones (puntual y por intervalos de confianza) para la
probabilidad de éxito.
● Saber interpretar correctamente los resultados de la estimación por intervalos de
confianza.

ESTIMACIÓN PUNTUAL
La Estimación Puntual es una medida poblacional donde se usa un solo valor para evaluar esa
cuantificación, es decir que se utiliza un punto fijo de la muestra para estimar el valor deseado. Se
llama estimación a un valor específico del estimador. Un estimador es una estadística con igual
dimensión al vector de los parámetros, sus realizaciones se usan para estimar.

Se llama estimación al valor observado y calculado del estimador en la muestra seleccionada. El

espacio para el parámetro es el conjunto de todos los posibles valores.

● Es una estimación puntual cuando se usa solo un valor extraído de la muestra para estimar
el parámetro desconocido de la población. al valor usado se le llama estimador.
● La media de la población se puede estimar puntualmente mediante la medida de la
muestra. X =U .
● La proporción de la población se puede estimar puntualmente mediante la proporción de

la muestra. .
● La desviación típica de la población se puede estimar puntualmente mediante la
desviación típica de la muestra, aunque hay mejores estimadores.

¿Cómo determinar la estimación puntual?

En algunos casos no se podrá determinar el valor de una medida poblacional inexplorada,

considerando que los valores poblacionales, son un proceso a seguir donde se tenga que invertir
mucho tiempo y dinero para estudiar cada unidad.

La comprobación de la estimación se logrará usando la deducción estadística, apoyando la

información incluida en un muestreo provisional que no este compuesto y sea único.

La estimación está en el valor de la medida a través de un solo valor, derivado de una fórmula
determinada. Es decir, si se intenta estimar la talla media de un grupo establecido de personas, se
puede obtener una muestra y entregar como estimación puntual la talla media de los individuos.

Importancia del estimador puntual

La importancia del estimador es que sea inalterable, sereno y eficiente en el muestreo. La
estimación radica en tratar de establecer el parámetro poblacional que se desconoce y empezar
una muestra casual de tamaño simple.

El objetivo de la estimación está en aproximar el valor de la medida desconocida, esto consiste en

el tiempo de la ejecución de un algoritmo, por eso recurre a la información de la muestra por
medio de un estimador, este se encarga de valorar y evaluar.

Los estimadores establecidos habituales son:

● La media muestral: evalúa la medida teórica de una variable.

● La proporción muestral: se usa para calcular la proporción casual simple de la variable.

● Varianza muestral: se utiliza para considerar la varianza teórica de una población, también
se puede usar la varianza de una muestra.

Ejemplos de Estimación Puntual

1. La finalidad de la estimación de medidas es caracterizar las poblaciones a partir de la

información de las muestras, un estadístico es una función de la información muestral.
2. La estimación es la consecuencia del valor de la media o la cantidad que representa el
promedio de la población para fraccionar o dividir los datos de la muestra.
3. La estimación puntual es la evaluación del estimador sobre la muestra fija.
 INTERVALO DE CONFIANZA

El intervalo de confianza representa una técnica de estimación que se utiliza en el campo de la

inferencia estadística. En él se permite acotar uno o diversos pares de valores, entre los cuales
está la estimación puntual indagada. Esto dentro de una determinada probabilidad.

Un intervalo de confianza estadística en estadística permite calcular los valores que existen
alrededor de una media muestral. Dentro de la muestra, se encuentra un rango superior y otro
inferior. Dentro de dicho rango, se estima la probabilidad determinada y se localiza el parámetro
poblacional. De modo que esto permite expresar con precisión si la estimación de la muestra
coincide con el valor de toda la población.

Componentes de un intervalo de confianza

Para realizar el cálculo de un intervalo de confianza, deben considerarse los siguientes elementos:

● El tamaño de la selección de la muestra: esto depende de la proporción de datos que se

utilicen para el cálculo del valor muestral. Se debe observar si se acerca más o menos al
parámetro poblacional.

● El nivel de confianza: este informa en qué porcentaje de casos la estimación es certera.

Frecuentemente, los niveles oscilan entre el 95 % y el 99 %.

● El margen de error de la estimación: se señala como alfa y marca la probabilidad que

existe para que el valor poblacional esté fuera del intervalo.

● Estimación de la muestra: se relaciona con los valores de la media, la varianza y las

diferencias de las medias. En dichos valores se fundamenta el cálculo del intervalo.

Tabla 1: Áreas bajo la curva normal estándar.

Tabla 2: Distribución Z con proporciones de 0 a. 5
Para qué sirven los intervalos de confianza

Los intervalos de confianza en las empresas se aplican al control estadístico de los procesos. Dado
que el proceso de inferencia es el que estima el valor de un parámetro a partir del valor
estadístico, se puede utilizar de manera puntual o también por intervalos.

El intervalo de confianza representa una técnica esencial en la empresa. Sobre todo, en los
diferentes procesos como la producción y la venta de bienes y/o servicios. El tener un buen
control estadístico permite conocer el intervalo que le corresponde a cada proceso. Con él se
puede determinar el verdadero valor del parámetro, pero en los casos en que no se aplica este
control, no ocurre de la misma forma. Esto hace que el intervalo de confianza se utilice como un
excelente parámetro para la credibilidad estadística.

Consideraciones finales
Finalmente, el intervalo de confianza, a pesar de no dar una estimación puntual del parámetro
poblacional, sí sirve para hacernos una idea aproximada de cuál podría ser su verdadero valor. En
otras palabras, acota entre dos valores en dónde se encontrará la media de la población.

Una de las razones fundamentales por las que las empresas usan los intervalos de confianza es
porque son altamente recomendables. Entre estas razones, se destacan la aproximación al
conocimiento real de un resultado, independientemente de la significación estadística, y la
valoración de equivalencia entre dos variables.

ESTIMACIÓN DE INTERVALOS DE CONFIANZA

El objetivo de la estimación mediante intervalos de confianza o estimación confidencial es la

determinación de dos valores, θ∗1 y θ∗2, que verifiquen θ∗1<θ∗2, tales que, al constituirse en
intervalo (θ∗1, θ∗2) contengan, con una probabilidad prefijada, el verdadero valor del parámetro
que deseamos estimar. De forma gráfica, un intervalo de confianza puede representarse del
siguiente modo:

P[θ∗1≤θ≤θ∗2]=1−α, para algún α>0, entonces se puede decir que θ∗1 y θ∗2 determinan un

intervalo que tiene la probabilidad 1–α de contener al parámetro poblacional θ.

Donde:

● 1–α: Recibe el nombre de coeficiente de confianza o nivel de confianza. Es la probabilidad

de que el intervalo de confianza contenga el verdadero valor del parámetro poblacional θ

● α: Es un valor comprendido entre 0 y 1, 0<α<1, (usualmente próximo a 0), que indica el
riesgo de que el intervalo de confianza no contenga el valor del parámetro poblacional a
estimar, θ. Por lo que α recibe el nombre de riesgo del error del intervalo, nivel del error
del intervalo o nivel de significación del intervalo.

● θ∗1 y θ∗2: Son los valores que delimitan el intervalo de confianza y reciben el nombre
de límite superior y límite inferior del intervalo, respectivamente. La diferencia entre el
 límite superior y el límite inferior de un intervalo, θ∗2–θ∗1 se conoce como amplitud del
intervalo.

Para la construcción de un intervalo de confianza, lo deseable es maximizar el nivel de confianza

asociado al intervalo o equivalentemente minimizar el nivel de significación y conseguir una
amplitud lo más pequeña posible.

ESTIMACIÓN DE INTERVALOS DE CONFIANZA DE LA MEDIA

Intervalo de confianza para la media en una población normal con varianza conocida

El intervalo de confianza para la media de una variable continua con el valor de la varianza de
dicha variable conocida en toda la población es el intervalo menos usual.

Para estimar la media poblacional μ de una población Normal de media μ (desconocida) y de

varianza σ2 (conocida), N (μ, σ2), se selecciona una muestra aleatoria X1, X2, ⋯, Xn; de
tamaño n de valores de una variable aleatoria de esta población y se calcula su media muestral,
como mejor estimador puntual de μ. La construcción del intervalo de confianza se hace tomando
como base este estimador. Para calcular un intervalo de confianza para μ partimos de la variable
aleatoria.

Expresión 1: Expresión de la variable aleatoria

Que sigue una distribución normal de media 0 y desviación típica 1. Buscamos los cuantiles de esta
distribución tales que:

Expresión 2: Obtención del cuantil z {1 – α/2}

O, equivalentemente,

Expresión 3: Obtención del cuantil z {1 – α/2}

Por lo tanto, el intervalo de confianza que debemos calcular es:

 Expresión 4: Intervalo de confianza (varianza conocida)

Intervalo de confianza para la media en una población normal con varianza desconocida

Supongamos, en este caso, que la varianza poblacional de la variable de interés es desconocida.

Nuestro objetivo sigue siendo el cálculo de un intervalo de confianza para la media de dicha
variable.

Supongamos una muestra aleatoria X1, X2, ⋯, Xn; de tamaño n de valores de la variable aleatoria
que sigue una distribución Normal de media μ y de varianza σ2, ambas desconocidas. Para calcular
un intervalo de confianza, en este caso, partimos de la variable aleatoria.

Que sigue una distribución t de Student con n−1 grados de libertad. En la fórmula anterior, hace
referencia a la cuasidesviación típica muestral.

Tenemos que buscar dos valores de esta distribución tales que:

Al operar algebraicamente, se obtiene que:

Por lo que el intervalo de confianza que buscamos es:

 INTERVALO DE CONFIANZA PARA LA PROPORCIÓN

Dada una variable aleatoria X con distribución de probabilidad binomial de parámetros n y π, esto

es, X→B (n, π); con π desconocido. El objetivo es determinar un intervalo de confianza para el
parámetro π. Para ello, se extrae una muestra aleatoria X1, X2, ⋯, Xn de tamaño n de dicha
distribución. Sea p la proporción muestral. Entonces, se sabe que el estadístico

Sigue una distribución normal de media 0 y desviación típica 1. Por ello, calcular el intervalo de
confianza para la proporción consiste en obtener los cuantiles de la distribución normal tales que:

O, equivalentemente,

Por lo tanto, el intervalo de confianza que debemos calcular es:

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS EN DOS POBLACIONES NORMALES
INDEPENDIENTES

Consideramos dos variables aleatorias independientes X1, X2, ⋯, Xn e Y1, Y2, ⋯Yn con

distribuciones normales de parámetros (μ1, σ1) y (μ2, σ2), respectivamente, de las que vamos a
tomar muestras aleatorias independientes de tamaños n1 y n2, respectivamente.

Nuestro objetivo, en este caso, es obtener un intervalo de confianza para la diferencia de las
medias de ambas distribuciones, es decir, para μ1−μ2. Pero previo al cálculo de este intervalo,
debemos determinar si las varianzas de ambas distribuciones o, equivalentemente, sus
desviaciones típicas, σ1 y σ2, aun siendo desconocidas, pueden asumirse iguales o no. El cálculo
del intervalo de confianza se realiza de forma diferente dependiendo El cálculo del intervalo de
confianza se realiza de forma diferente dependiendo de si las varianzas (desviaciones típicas)
pueden asumirse iguales o no.

En primer lugar, determinamos el Intervalo de confianza para el cociente de varianzas

Para decidir si las varianzas de las dos distribuciones pueden asumirse iguales o no construiremos
un intervalo de confianza para el cociente de ambos valores, esto es, para  . En esEn este caso,
partimos de la variable aleatoria.

Que sigue una distribución F de Snedecor con n1–1 grados de libertad en el numerador y n2–

1 grados de libertad en el denominador. Los valores  , en la e en la expresión anterior, hacen
referencia

a las cuasivarianzas muestrales de la variable en el primer y el segundo grupo, respectivamente.

Buscamos los valores de la variable F tales que:

O, equivalentemente,

 De modo que el intervalo de confianza que buscamos es el formado por:

En R, la función var.test se encarga de calcular este intervalo. Sus parámetros son los siguientes:

var.test (x, y, conf. level = 0.95)

siendo

● x: Vector numérico con los datos de la variable de interés en el primer grupo o muestra

● y: Vector numérico con los datos de la variable de interés en el segundo grupo o muestra

● conf. level:  Valor numérico que indica el nivel de confianza, en tanto por uno, al que se
construirá el intervalo. Si omitimos este parámetro en la llamada a la función, los
intervalos de confianza se calculan a un nivel de confianza del 95%.

Una vez calculado el intervalo de confianza, si el valor 1 está incluido en dicho intervalo, podremos
afirmar que las varianzas (y, consecuentemente, las desviaciones típicas) de ambas distribuciones
pueden considerarse iguales. Si el 1 queda fuera del intervalo obtenido, las varianzas de las dos
distribuciones se considerarán diferentes.

a) Intervalo de confianza para la diferencia de medias en dos poblaciones normales

independientes cuando las varianzas poblacionales son desconocidas pero supuestos iguales

Si las varianzas poblacionales son desconocidas pero supuestos iguales, se parte de la variable
aleatoria

la cual se distribuye según una t de Student8 con n1+n2−2 grados de libertad. El cálculo del

intervalo de confianza para la diferencia de medias se realiza obteniendo los valores de la
distribución t de Student con n1+n2−2 grados de libertad que verifican
 Al operar algebraicamente, tenemos que:

De modo que el intervalo de confianza que buscamos es:

b) Intervalo de confianza para la diferencia de medias en dos poblaciones normales

independientes cuando las varianzas poblacionales son desconocidas, distintas y tamaños
muestrales grandes

Si las varianzas de las poblaciones son desconocidas y, además, distintas y tamaños muestrales
grandes, se sigue un procedimiento similar al que acabamos de describir en el caso de igualdad de
varianzas para la obtención del intervalo de confianza, partiendo de una variable aleatoria.

Expresión 23: Expresión de la variable aleatoria para la diferencia de medias (varianzas distintas y

tamaños muestrales grandes).
De modo que el intervalo de confianza que buscamos es:
Expresión 24: Intervalo de confianza para la diferencia de medias (varianzas distintas y tamaños
muestrales grandes).

En R, la función t.test (que fue introducida y utilizada con anterioridad) se encarga de

proporcionar intervalos de confianza para la diferencia de medias, tanto si las varianzas de la
variable son iguales en los dos grupos como si no. Los parámetros de t.test presentan algunos
cambios cuando la función se utiliza en un contexto de dos poblaciones:

t.test (x, y, var. equal = FALSE, conf. level = 0.95)

En este caso:

● x: Vector numérico que incluye los valores de la variable de interés en el primer

grupo o muestra

● y: Vector numérico que incluye los datos de la variable de interés en el segundo

grupo o muestra

● var. equal:  Es un argumento lógico que indica si las varianzas de la variable en los
dos grupos o muestras puede suponerse igual o no. Para establecer el valor de
este parámetro nos basamos en la interpretación del intervalo de confianza que
proporciona la función var.test. Por defecto, la función considera que las varianzas
en los dos grupos son distintas.

La interpretación del intervalo de confianza resultante permitirá determinar si las medias

poblacionales de las dos distribuciones pueden suponerse iguales o no. Así, si el intervalo contiene
al valor 0, dichas medias podrán asumirse iguales. En cualquier otro caso, concluiremos que las
medias son distintas en ambas distribuciones.
 TAMAÑO DE MUESTRA

¿QUÉ ES EL TAMAÑO DE MUESTRA?

Una muestra es una selección de los encuestados elegidos y que representan a la población total. El
tamaño de la muestra es una porción significativa de la población que cumple con las características de
la investigación reduciendo los costos y el tiempo.

Saber cómo determinar el tamaño de la muestra antes de comenzar una investigación es un principio
estadístico que nos ayuda a evitar el sesgo en la interpretación de los resultados obtenidos.

Se puede determinar el tamaño n de la muestra de manera que, si se estima por x, el error no sea
mayor que el que un valor dado e. Por tanto, el tamaño de la muestra se obtiene de la siguiente
forma:

Si X estima a U entonces se tiene confianza del (1- ∞) (100%) de que el error de la estimación
no será mayor que el valor dado e cuando el tamaño de muestra sea como mínimo.

¿CÓMO CALCULAR EL TAMAÑO DE MUESTRA?

El tamaño de la muestra de una encuesta es muy importante para poder realizar una investigación
de manera correcta, por lo que hay que tener en cuenta los objetivos y las circunstancias en que
se desarrolle la investigación.

Recuerda que la finalidad es que las personas completen la encuesta y te otorguen los datos que
estás buscando.

Una muestra demasiado grande dará lugar a la pérdida de valiosos recursos como tiempo y dinero,
mientras que una muestra pequeña puede no proporcionar información confiable.

¿Entonces de qué tamaño debe ser una muestra? Esto sin duda depende de qué tan exactos
necesites que sean los datos obtenidos en tu encuesta, que tan cercanos quieres que sean a los de
la población total.

El tamaño de la muestra puede ser:

Representativa: Hace referencia a que todos los miembros de un grupo de personas tengan las
mismas oportunidades de participar en la investigación.

Adecuada: Se refiere a que el tamaño de la muestra debe de ser obtenido mediante un análisis
que permite resultados como disminuir el margen de error.

Ejemplo:

Si quieres realizar una investigación dentro de una universidad que ofrece 10 carreras diferentes y
cada una tiene 700 alumnos, no querrás hacer 7000 mil encuestas, bastará con determinar el
tamaño de la muestra. Sin embargo, debemos considerar el margen de error.

CÁLCULO DEL TAMAÑO DE MUESTRA FINITA

Tu nivel de confianza corresponde a una puntuación Z. Este es un valor constante necesario para
esta ecuación. Aquí están las puntuaciones Z para los niveles de confianza más comunes:

90% - Puntuación Z = 1,645

95% - Puntuación Z = 1.96

99% - Puntuación Z = 2.576

Supongamos que nos piden calcular el tamaño para una población de 543.098
consumidores de una marca de bebidas energéticas, donde el investigador asigna un nivel
de confianza de 95% y un margen de error de 3%. Donde se desconoce la probabilidad “p” del
evento.

Basándonos en este ejemplo, y en nuestra fórmula, el "N" será 543.098, nuestro Z será 1.96
(recuerda que el investigador asignó un nivel de confianza de 95%) y “e” será de 3%. Y como
nuestro ejemplo dice que se desconoce la probabilidad de que ocurra el evento, se asigna un 50%
a "p" y un 50% a "q".

El resultado de nuestro tamaño de muestra sería: 1065.2, y tendría que ser redondeado pues
estamos hablando de personas.
CÁLCULO DEL TAMAÑO DE LA MUESTRA INFINITA

Si necesitas calcular el tamaño de muestra de una población desconocida, donde el investigador

necesite un nivel de confianza del 95%, un margen de error del 3% y se desconoce la probabilidad
“p” del evento que se está estudiando, sigue la siguiente fórmula:

Donde "Z" es el intervalo de confianza al cuadrado, en este caso se pide que sea del 95%, lo que
indica que sería 1.96 al cuadrado, y cómo no sabemos la probabilidad de que ocurra el evento, "p"
y "q" sería 50%. Entre el margen de error al solicitado al cuadrado. El resultado sería 1067,11, que
también lo debemos redondear.

Para calcular el número de participantes que necesitas en tu próxima investigación de manera más
rápida y fácil te invitamos a usar nuestra calculadora de muestra para que agilices este proceso.
MARGEN DE ERROR Y NIVEL DE CONFIANZA

El margen de error es el porcentaje de variación aceptable que existe en los resultados de la

investigación. Es la manera de aceptar que los datos no son absolutamente exactos o precisos.

Generalmente las encuestas se basan en información obtenida de una muestra de la población, es

lógico que pueda ocurrir un error de muestreo.

Si el 90% de los encuestados respondió que “Sí”, mientras que el 10% no contestó la encuesta, es
un margen de error, podríamos decir “bueno”, a tener un 50-50 o 45-55.

Por lo regular el margen de error puede ser controlado eligiendo una muestra aleatoria y
aumentando el tamaño de la muestra, lamentablemente el presupuesto puede llegar a ser un
limitante.

Menor margen de error requiere un tamaño de muestra más grande. El incrementar el tamaño de
la muestra aumenta el nivel de confianza. ¿Qué nivel de confianza se necesita? Las opciones
típicas son 90%, 95%, o 99%.
 CONCLUSIÓN

❖ Estimación es el método estadístico para obtener inferencias acerca 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 proporciona estimadores
que ordinariamente son consistentes, eficientes y suficientes; pero no siempre
proporcionan estimadores insesgados.
❖ Al leer un estudio es muy importante interpretar los resultados en forma correcta. Esto
supone comprender el significado del estimador puntual y de sus medidas de precisión, lo
que permite extrapolar los datos a la población de interés. Tanto el análisis de un intervalo
de confianza como el de un valor P nos permiten determinar diferencias estadísticas
significativas, sin embargo, sólo el IC nos permite evaluar el rango de valores donde
posiblemente se encuentra el valor real, y, por lo tanto, permite realizar una mejor
interpretación y aplicación clínica de los resultados.
❖ Existen varios criterios estadísticos para poder establecer el tamaño de una muestra. En
principio pueden ser criterios probabilísticos o no probabilísticos de acuerdo al nivel de
posibilidades que cada uno de los elementos tiene, de participar en la muestra, dentro de
un universo de trabajo dado.

WEBGRAFÍA

● https://www.questionpro.com/es/tama%C3%B1o-de-la-muestra.html.
● http://recursostic.educacion.es/descartes/web/materiales_didacticos/
estimacion_por_intervalos/estimacion.htm.
● http://eio.usc.es/eipc1/base/BASEMASTER/FORMULARIOS-PHP/
MATERIALESMASTER/Mat_41855_T3IC.pdf.
● http://wpd.ugr.es/~bioestad/guia-de-r/practica-5/.