Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTIMACIÓN PUNTUAL
MÓDULO 5
JUAN NARRO LAVI
PROFESOR DE ESTADÍSTICA PARA LA ADMINISTRACIÓN
“LA ESTADÍSTICA ES UNA
CIENCIA SEGÚN LA CUAL
TODAS LAS MENTIRAS
SE VUELVEN GRÁFICOS”
(Pitigrilli)
Figura 5.1
Figura 5.1. Imagen tomada de “variable y como se clasifican”, por ESTADISTICA. Recuperado de
http://estadistica-estadisticas.blogspot.pe/2010/10/variable-y-como-se-clasifican.html
Sumario
1. Muestreo aleatorio simple.
2. Estimadores puntuales.
3. Distribuciones muestrales: Distribuciones de la
media y proporción muestral.
4. Teorema del Límite Central.
¿Por qué muestrear la población?
MUESTREO
NO PROBABILÍSTICO PROBABILÍSTICO
Selección a juicio o Selección de modo que cada
criterio del encuestador integrante de la población
tenga una probabilidad cono-
cida de ser incluido en la
muestra.
MUESTREO ALEATORIO
LISTA DE CLIENTES
MUESTRA ALEATORIA
Tabla de Números Aleatorios
N! 20!
N Pn = 20 P5 = = 1’860,480
(N - n)! (20 - 5)!
Técnicas de conteo y el muestreo
aleatorio simple
6 7 18 19 Rotación lenta
(aros, culatas)
5 8 17 20
4 9 16 21 Rotación moderada
(neumáticos, faros)
3 10 15 22
2 11 14 23 Rotación rápida
(grasas, pintura)
1 12 13 24
Muestreo Aleatorio Estratificado
• La población es dividida en grupos relativamente
homogéneos (estratos).
• Selección aleatoria de elementos del estrato.
• Cantidad proporcional al estrato o con pesos.
• Cada grupo tiene una pequeña variación dentro de
sí mismo, pero hay una amplia variación entre los grupos.
POBLACIÓN
MUESTRA
Muestreo Aleatorio de Racimo
POBLACIÓN
MUESTRA
Distribución Muestral de Medias
Media
µx = µ Distribución que consta de una
Error Estándar lista de todas las medias muestra-
σ
σ N −n
les posibles de un tamaño de
=
N −1
muestra dado ( de una población)
x n y la probabilidad asociada con
N −n
=
S cada media muestral.
S x n N −1 Si n/N<0.05, NO aplicar FCPF
P(X)
.3
.2
.1
0 X
A B C D
(18) (20) (22) (24)
Distribución Muestral de Medias
Todas las muestras posibles de tamaño n=2
1a 2 da Observación 1a 2 da Observación
Obs 18 20 22 24 Obs 18 20 22 24
18 18,18 18,20 18,22 18,24 18 18 19 20 21
20 20,18 20,20 20,22 20,24 20 19 20 21 22
22 22,18 22,20 22,22 22,24 22 20 21 22 23
24 24,18 24,20 24,22 24,24 24 21 22 23 24
16 Muestras Media de
con reemplazo cada muestra
Distribución Muestral de Medias
1a 2 da Observación P(X)
Obs 18 20 22 24 .3
18 18 19 20 21
.2
20 19 20 21 22
.1
22 20 21 22 23
0 18 19 20 21 22 23 24 X
24 21 22 23 24
16 Medias Distribución de
de Muestras las medias de
las muestras
Distribución Muestral de Medias
∑X
N
18 + 19 + 19 + + 24
µX = i =1
= = 21
i
∑( X )
N 16
− µX
N
2
σX = i =1
i
= = 1.58
2 2 2
16
Distribución Muestral de Medias
C o mpar ac ió n de la P oblac ió n c o n la
Dist ribu ció n M u est ral de M edias
µx = µ
σx =
σ
n
Población σ
x x
x x
µ
Figura 5.9.
Distribución
de Muestreo σ
de la Media
µx
Figura 5.9. Adaptado de “Muestreo de poblaciones normales”, por Levin & Rubin, 2004, en Estadística para
administración y economía (7a ed.), p. 252. Copyright 2004 por Pearson Prentice Hall.
Distribución Muestral de Medias
Muestreo de Poblaciones Normales
σ = 10 n =4
σx = 5
n = 16
σx = 2.5
x
µ=50 µx = 50
Distribución Muestral de Medias
Poblaciones No Normales
σ = 10 n =4
σx = 5
n = 30
σx = 1.8
x
µ=50 µx = 50
Distribución Muestral de Medias
Efecto del tamaño de la muestra
n=2 n=4
Probabilidad
Probabilidad Probabilidad
n = 20
Probabilidad
n=8
µ p = E( p) = π
n N
π (1 − π ) p (1 − p )
σ p
=
n
≈
n
p (1 − p ) N − n
σ p
=
n N −1
(Adaptado de Levin & Rubin, 2004, p. 248)
Distribución de muestreo de la
diferencia de dos estadísticos
independientes
µ −
= µ1 − µ 2
σ +σ
( x1 x 2 )
Diferencia entre
σ (x =
dos medias
−x )
2 2
1 2
1 2
n 1 n 2
muestrales
µ ( p1− p2 )
= p 1 − p 2
Diferencia entre
σ p−p = +
pq p q dos proporciones
1 1 2 2
1 2
n 1 n 2 muestrales
(o de Distribución Normal de Medias)
Conforme se La distribución de
incrementa el muestreo de la
tamaño de la media se aproxima
muestra a la normal.
x
(o de Distribución Normal de Medias)
El error estándar es la base de la inferencia de la media (que no se
conoce) de una población.
Si la población es normal, entonces la distribución de medias tam-
bién lo es. Si la población no es normal, la distribución de muestreo
de las medias se aproxima a la normal conforme aumente el
tamaño de la muestra.
Podemos usar la Distribución Normal :
• Si n ≥ 30 y también cuando n < 0.05N,
• Si n*π ≥ 5 y también cuando n(1-π) ≥ 5.
(o de Distribución Normal de Medias)
σ x =
σ
∗ N −n
n N −1
σ x =
σ
n
∗ 1−
n
N
Factor de Corrección por
Población Finita
> 0.05
n
Cuan d o
N
σ p =
p (1 - p )
n ∗
N −n
N −1
σ p =
p (1 - p )
n ∗ 1−
n
N
Factor de Corrección por
Población Finita
Cálculo del FCPF para diversos n con N=1000.
n n/N FCPF
10 0.010 0.9955
25 0.025 0.9879
50 0.050 0.9752
100 0.100 0.9492
200 0.200 0.8949
500 0.500 0.7075
(o de Distribución Normal de Medias)
Una ciudad tiene 20 tiendas de una cadena de igual tamaño.
La desviación estándar de la rotación de personal en un año es
de 75. Si tomamos una muestra de 5 tiendas, sin reemplazo,
determine el error estándar de la media.
σ x =
σ
∗ N −n
N −1
σ
Dado:
75
n
σ = 75 x = ∗ 20 − 5
= (33.54) x (0.8885)
N = 20
20 − 1
σ
n=5 5
x = 29.8011
(o de Distribución Normal de Medias)
De una población infinita con media igual a 8 y desviación estándar
igual a 3 se extrae una muestra de 36 elementos. ¿Cuál es la
µx
probabilidad que la media de dicha muestra esté entre 7.6 y 8.4?
=8
µ =8 σ = 3 n = 36
σ
Calcular: P(7.6 < x < 8.4)
σ
x =
Distribución de Muestreo
σ 3 3
n
x = = = 0.5
36 6
µx = 8
7.6 8.4 x
P (7.6 < x < 8.4) =?
(o de Distribución Normal de Medias)
Valor Z para Distribución Muestral de Medias
x−µ
z=
σ
x−µ
z=
σ
n
(o de Distribución Normal de Medias)
µ =8 σ = 3 n = 36
Calcular P (7.6 < x < 8.4)
8.4 − 8
= = 0.8
0.4 Distribución normal
z8.4
3 0.5 Estándar
σZ = 1
36
7.6 − 8 − 0.4
z7.6 = = −0.8
3 0.5
36
P(-0.8 < z < 0.8) = 0.7881 − 0.2118
µz = 0
z
P(-0.8 < z < 0.8) = 0.5763
-0.8 0.8
(o de Distribución Normal de Medias)
Suponga que el 60% de todos los peruanos aprueban la forma
en que su Presidente maneja la economía; así π= 0.6. Si se tuviera
información independiente de que la media de la distribución
muestral de la proporción que lo aprueba fuera µp= 0.6, en tanto
que la desviación estándar fuera σp=0.049, ¿qué tan probable sería
que una muestra aleatoria simple de n=100 peruanos diera una
proporción de aprobación de más de 0.7?
p = ;π =
x k
Dado:
µ p = E ( p) = π
n N
n = 100
σp=
σp = 0.049 p (1 − p )
µp = 0.6
σp=
n
p (1 − p ) N −n
p = 0.7 n N −1
(o de Distribución Normal de Medias)
µ p = π = p = 0.6 σ p = 0.049 n = 100 p = 0.7
Calcular : P( p > 0.7)
Distribución de Muestreo
µ p
= E ( p)
= π = 0.6
p (1 − p )
σ p
=
n
= 0.049
P( p > 0.7) = ?
µ p = 0.6
0.7 X
(o de Distribución Normal de Medias)
Valor Z para Distribución Muestral de proporción
x−µ
z=
σ
p − µp
z=
σp
(o de Distribución Normal de Medias)
µ p = 0.6 σ p = 0.049 n = 100 p = 0.7
Calcular : P( p > 0.7)
0.7 − 0.6
= 2.04
Distribución normal
z0.7 Estándar
0.049 σZ =1
µZ = 0
2.04 Z
p (1 − p )
σ =
Dado:
p
n = 1000 n
σ
σp = ?
µp = 0.6 = p (1 − p ) N −n
N −1
p
p = 0.5 n
(o de Distribución Normal de Medias)
µ p = π = p = 0 .6 σ p = ? n = 1000 p = 0.5
Calcular : P( p < 0.5)
p (1 − p )
σ
Distribución de Muestreo
p
=
n
σ = = 0.01549
0.6(1-0.6)
p
1000
Métodos
Estadísticos
Estadística Estadística
Descriptiva Inferencial
Estimación Prueba de
Hipótesis
Estimación
Estimación Estimación
Puntual de Intervalo
• Puntual • De intervalo