Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
● 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.
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.
● Varianza muestral: se utiliza para considerar la varianza teórica de una población, también
se puede usar la varianza de una muestra.
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.
Para realizar el cálculo de un intervalo de confianza, deben considerarse los siguientes elementos:
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.
Donde:
● 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.
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.
Que sigue una distribución normal de media 0 y desviación típica 1. Buscamos los cuantiles de esta
distribución tales que:
Intervalo de confianza para la media en una población normal con varianza desconocida
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.
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,
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.
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.
O, equivalentemente,
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.
Si las varianzas poblacionales son desconocidas pero supuestos iguales, se parte de la variable
aleatoria
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.
En este caso:
● 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.
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.
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.
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.
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
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
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
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/.