Estimación

Estadística Inferencial

Elaboró: Abril Martínez 1

 Los administradores utilizan estimaciones porque,
hasta en los asuntos más triviales, deben tomar
decisiones racionales sin contar con la información
pertinente completa y con una gran incertidumbre
de lo que el futuro pueda deparar.

Inferencia El material sobre teoría de probabilidad constituye

la base de la inferencia estadística, rama de la
estadística estadística que se ocupa del uso de los conceptos
de probabilidad para manejar la incertidumbre en
la toma de decisiones

La inferencia estadística está basada en la

estimación, se hacen inferencias acerca de las
características de las poblaciones a partir de la
información proporcionada por las muestras
Elaboró: Abril Martínez 2
Tipos de estimaciones
Puntual: un solo número que se utiliza
para estimar un parámetro de
población desconocido
• A menudo, una estimación puntual es
insuficiente debido a que sólo tienen
dos opciones: es correcta o está
equivocada y no se sabe qué tanto
está mal o tener la certeza de que la
estimación es confiable.
• Entonces, una estimación puntual es
mucho más útil si viene acompañada
por una estimación del error que
podría estar implicado.
Elaboró: Abril Martínez
De intervalo: es un rango de valores
que se utiliza para estimar un
parámetro de la población
• Una estimación de este tipo indica el
error de dos maneras: por la
extensión del intervalo y por la
probabilidad de que el verdadero
parámetro poblacional se encuentre
dentro del intervalo.
3
Estimador
• Cualquier estadístico de la muestra que se
utilice para estimar un parámetro
poblacional.
• Por ejemplo: La media de la muestra
puede ser un estimador de la media de la
población . También es posible emplear
el rango de la muestra como un estimador
del rango de la población.

Elaboró: Abril Martínez 4

Criterios para seleccionar un
buen estimador

• Insesgado
• Eficiencia
• Consistencia
• Suficiencia

Elaboró: Abril Martínez 5

 Insesgado
Se refiere al hecho de que una media de la muestra es
un estimador no sesgado de una media de la población
porque la media de la distribución muestral de las
medias de las muestras tomadas de la misma población
es igual a la media de la población misma.

Podemos decir que un estadístico es un estimador

insesgado (o no sesgado) si, en promedio, tiende a
tomar valores que están arriba del parámetro de la
población que se está estimando con la misma
frecuencia y la misma extensión con la que tiende a
asumir valores abajo del parámetro poblacional que se
está estimando.
Elaboró: Abril Martínez 6
Eficiencia

Se refiere al tamaño del error estándar del estadístico.

Si comparamos dos estadísticos de una muestra del

mismo tamaño y tratamos de decidir cuál de ellas es un
estimador más eficiente, escogeríamos la estadística que
tuviera el menor error estándar o la menor desviación
estándar de la distribución muestral.

Elaboró: Abril Martínez 7

 Consistencia
Una estadística es un estimador consistente de un
parámetro de población si al aumentar el tamaño de la
muestra, se tiene casi la certeza de que el valor de la
estadística se aproxima bastante al valor del parámetro
poblacional.

Si se pregunta acerca de la posibilidad de aumentar el

tamaño de la muestra para obtener más información
sobre un parámetro poblacional, hay que averiguar
primero si el estadístico es un estimador consistente o
no. Si no lo es, se desperdiciará recurso al tomar
muestras más grandes.
Elaboró: Abril Martínez 8
Suficiencia • Un estimador es suficiente si utiliza tanta
información de la muestra que ningún otro
estimador puede extraer información
adicional acerca del parámetro de población
que se está estimando.

Elaboró: Abril Martínez 9

 Nota
Un estadístico de la muestra dado no siempre es el mejor
estimador de su parámetro poblacional correspondiente.
• Considere una población con distribución simétrica, en la que
los valores de la mediana y de la media coinciden.
• En este caso, la media de la muestra sería un estimador
imparcial de la mediana de la población. También sería un
estimador consistente de la mediana de la población puesto
que, al aumentar el tamaño de la muestra, el valor de la media
de la muestra tenderá a acercarse bastante a la mediana de la
población.
• Y sería un estimador más eficiente de la mediana de la
población que la mediana de la muestra misma, ya que en
muestras grandes, la media de la muestra tiene un error
estándar menor que la de la mediana de la muestra.
• Al mismo tiempo, la mediana de la muestra de una población
con distribución simétrica sería un estimador imparcial y
consistente de la media de la población, pero no el más
eficiente, porque en muestras grandes su error estándar es
mayor que el de la media de la muestra.

Elaboró: Abril Martínez 10

Estimaciones puntuales
• La media de la muestra es el mejor
estimador de la media de la
población .
• El estimador más utilizado para
estimar la desviación estándar de la
población , es la desviación
estándar de la muestra, s. En
consecuencia, se usará y s para
estimar y , respectivamente.
Elaboró: Abril Martínez 11
 • Un anfiteatro estudia la posibilidad de ampliar
su capacidad de asientos y necesita conocer
tanto el número promedio de personas que
asisten a los eventos como la variabilidad de
este número.
• Los datos que a continuación se presentan se
Ejercicio 1 refieren a la asistencia (en miles) a nueve
eventos seleccionados al azar.
• Encuentra las estimaciones puntuales de la
media y la varianza de la población de la que se
tomó la muestra.

Elaboró: Abril Martínez 12

Apoyo

Elaboró: Abril Martínez 13

Estimaciones de intervalo
Describe un rango de valores dentro del cual es posible que esté un parámetro de la
población

Si seleccionamos y graficamos un número grande de medias de muestras de una

población, la distribución de estas medias se aproximará a la curva normal. Además, la
media de las medias muestrales será la misma que la media de la población

Para medir la extensión, o dispersión, de nuestra distribución de medias muestrales,

podemos utilizar la siguiente fórmula y calcular el error estándar de la media:

Elaboró: Abril Martínez 14

Ejercicio 2
• Se toma una muestra aleatoria de 200 baterías,
registramos el nombre y dirección de los
propietarios de los automóviles, como están en
los registros de ventas, y entrevistamos a estas
personas con respecto a la duración de la
batería de su automóvil. Nuestra muestra de
200 usuarios tiene una vida media de las
baterías de 36 meses.
• Ya se estimó la desviación estándar de la
población de baterías y se informó que es 10
meses, calcule el error estándar de la media.15
Elaboró: Abril Martínez
Lo anterior es útil pero no es suficiente información, se necesita calcular la
posibilidad de que la duración real de las baterías esté en ese intervalo o en
otros intervalos de diferentes anchos que podamos escoger.

Recordemos que la distribución normal de probabilidad y aprendimos que

porciones específicas del área bajo la curva normal están localizadas entre
más-menos cierto número de desviaciones estándar a partir de la media.

Se puede aplicar estas propiedades al error estándar de la media.

Elaboró: Abril Martínez 16

 Probabilidad de
que el verdadero
parámetro
poblacional caiga
dentro de la
estimación del
intervalo

Elaboró: Abril Martínez 17

Probabilidad y estimación
• La probabilidad es 0.955 de que la media de una
muestra de 200 baterías esté dentro de 2
errores estándar de la media de la población.
Dicho de manera diferente, el 95.5% de todas las
medias muestrales está dentro de 2 errores
estándar de y, en consecuencia, está dentro
de 2 errores estándar del 95.5% de todas las
medias muestrales.
• Así mismo la probabilidad de que la media de la
muestra esté dentro de 1 error estándar de la
media de la población es 0.683, y así
sucesivamente.
Elaboró: Abril Martínez 18
Ejemplo

• Con lo anterior la información se puede complementar el ejercicio de las baterías

de la siguiente manera:
• La estimación puntual de la vida útil de las baterías de la compañía es de 36
meses, y se tiene un 68.3% de confianza de que la vida útil se encuentra en el
intervalo que abarca de 35.293 a 36.707 meses (36 1 ̅ ).
• Similarmente, tenemos 95.5% de confianza de que la duración caiga dentro del
intervalo comprendido entre 34.586 y 37.414 meses (36 2 ̅ ).
• Finalmente se tiene el 99.7% de confianza de que la vida útil de una batería
estará dentro del intervalo que va de 33.879 a 38.121 meses (36 3 ̅ ).

Elaboró: Abril Martínez 19

 • Para una población con una
varianza conocida de 185, una
muestra de 64 individuos lleva a
217 como estimación de la media.
Ejercicio 3 a) Encuentre el error estándar de la
media.
b) Establezca una estimación de
intervalo que incluya la media de la
población el 68.3% del tiempo

Elaboró: Abril Martínez 20

Asignación Sube los tres ejercicios antes
de la siguiente clase.

Elaboró: Abril Martínez 21

 Gracias

Elaboró: Abril Martínez 22