Maestría Especializada en

Operaciones Productivas

Estadística y Análisis de Decisiones

Prof. Juan Narro Lavi

 Sesiones 9 y 10:
Estimación de parámetros:
Estimación Puntual
“La estadística es una ciencia según la
cual todas las mentiras se vuelven
gráficos”
 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?

• Naturaleza destructiva de algunas pruebas (vino,

resistencia de acero, semillas)
• Imposibilidad física de revisar todos los
integrantes de la población.
• El costo de estudiar a todos los integrantes de la
población normalmente es prohibitivo.
• Lo adecuado de los resultados de la muestra.
• Tiempo requerido para entrevistar a toda la
población.
 Tipos de Muestreo

Muestreo

No Probabilístico Probabilístico

Selección a juicio o criterio Selección de modo que cada

del encuestador integrante de la población tenga
una probabilidad conocida de ser
incluido en la muestra.
 Muestreo Probabilístico
• No hay un “mejor” método para seleccionar una
muestra probabilística.
• Objetivo: permitir que el azar determine los
integrantes que contendrá la muestra.

Muestreo Aleatorio

Simple Sistemático Estratificado Racimo

 Muestreo Aleatorio Simple

• Cada elemento de la población tiene la misma

probabilidad de ser incluido en la muestra.
• Uso de números aleatorios.
 Muestreo Aleatorio Simple

Lista de Clientes

Muestra Aleatoria
 Tabla de Números Aleatorios

Tabla de 1581922396 2068577984 8262130892

Números
Aleatorios 0928105582 7295088579 9586111652

4112077556 3440672486 1882412963

7457477468 5435810788 9670852913

0099520858 3090908872 2039593181

 Muestreo Aleatorio Sistemático

• Los integrantes de la población se ordenan.

• Se selecciona al azar un punto de inicio.
• Selección dentro de un intervalo uniforme medido
con respecto al tiempo, orden o al espacio.
• Cada elemento tiene igual oportunidad de ser
seleccionado.
• No debe emplearse si hay un patrón determinado
en la población.
 Muestreo Sistemático
1 26 51 76
2 27 52 77
N = 100 3 28 53 78
4 29 54 79
5 30 55 80
6 31 56 81
Se desea una muestra n = 20 7 32 57 82
8 33 58 83
9 34 59 84
10 35 60 85
11 36 61 86
N/n = 5 12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
16 41 66 91
Escoger un número aleatorio de 1-5:
17 42 67 92
Seleccionado: 4 18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
Empezar con el 4 y escoger cada 22 47 72 97
23 48 73 98
quinto número 24 49 74 99
25 50 75 100
 Muestreo Sistemático

Selección cada tres comenzando en el 1.

6 7 18 19 Rotación lenta
5 8 17 20 (aros, culatas)

4 9 16 21 Rotación moderada
3 10 15 22 (neumáticos, faros)

2 11 14 23 Rotación rápida
1 12 13 24 (grasas, pintura)
 ESTRATOS

POBLACIÓN

MUESTRA
 RACIMOS
POBLACIÓN

MUESTRA
 Distribución Muestral de Medias

• Distribución que consta

Media de una lista de todas

x = 
las medias muestrales
posibles de un tamaño
de muestra dado ( de
ErrorEstandar una población) y la
 N −n probabilidad asociada
 x = n N −1 con cada media
muestral.
S N −n • Si n/N<0.05, NO aplicar
Sx = n N − 1 FCPF
• Emplear S si n≥30, o si
es normal.
 Distribución Muestral de Medias

• Población de un grupo de estudio

• Tamaño de la Población
B C
– N=4
• Variable aleatoria X
– Edad de las personas
• Valores de X
– 18, 20, 22, 24 Años
D
A
 Edad Probabilidad
18 0.25
20 0.25
22 0.25
24 0.25
VARIABLE
PROBABILIDAD
ALEATORIA

• Variable Aleatoria: Variable X = Edad de las personas

• Valores de la Variable X→ x (18, 20, 22, 24).
• P(X=x) o f(x) → Probabilidad de que la V.A. X tome el valor x
• P(X=18) = 0.25 f(18) = 0.25
• P(X=20) = 0.25 f(20) = 0.25
• P(X=22) = 0.25 f(22) = 0.25
• P(X=24) = 0.25 f(24) = 0.25
 Distribución Muestral de Medias

Parámetros de la Población Distribución Uniforme

N

X i
P(X)
= i =1 .3
N
.2
18 + 20 + 22 + 24
= = 21 .1
4
N 0
( Xi −  )
2
A B C D X
(18) (20) (22) (24)
 = i =1
= 2.236
N
 Distribución Muestral de Medias
Todas las muestras posibles de tamaño n=2
Media de cada
1a 2da Observación muestra
Obs 18 20 22 24 1a 2da Observación
18 18,18 18,20 18,22 18,24 Obs 18 20 22 24
20 20,18 20,20 20,22 20,24 18 18 19 20 21
22 22,18 22,20 22,22 22,24 20 19 20 21 22
24 24,18 24,20 24,22 24,24 22 20 21 22 23

16 Muestras CON 24 21 22 23 24
reemplazo
 Distribución Muestral de Medias

Variable Frecuencia Probabilidad

18 1 0,0625
19 2 0,125
20 3 0,1875
21 4 0,25
22 3 0,1875
23 2 0,125
24 1 0,0625
16
 Distribución Muestral de Medias
Distribución de las Medias de las Muestras

16 Medias de Muestras Distribución de las

medias de las
1a 2da Observación muestras
Obs 18 20 22 24
.3
P( X )
18 18 19 20 21
.2
20 19 20 21 22
.1
22 20 21 22 23
0
24 21 22 23 24 18 19 20 21 22 23 24 X
 Distribución Muestral de Medias

Parámetros de la Distribución Muestral o de Muestreo

N

X i
18 + 19 + 19 + + 24
X = i =1
= = 21
N 16
N

( X − X )
2
i
X = i =1

N
(18 − 21) + (19 − 21) + + ( 24 − 21)
2 2 2

= = 1.58
16
Diapositiva 29
 Distribución Muestral de Medias

Población Distribución de Muestreo

N=4 n=2
 = 21  = 2.236  X = 21  X = 1.58
P( X ) .3
P( X ) (Error Estándar)
.3

.2 .2

.1 .1

0 0
A B C D 18 19 20 21 22 23 24
(18) (20) (22) (24)
X X
Comparación de la Población con la Distribución Muestral de Medias
 Distribución Muestral de Medias

• La media de la distribución de muestreo es igual a la

media de la población  x = 
• El error estándar de la distribución de muestreo es
igual a la desviación estándar de la población entre

la raíz cuadrada de n
x=
n

Propiedades de la Distribución de Muestreo

 Distribución Muestral de Medias
Distribución de las muestras

Población 
x x


x x

x
Distribución de Muestreo
de la Media

x
Comparación de la Población con la Distribución Muestral de Medias
 Distribución Muestral de Medias
Efecto del tamaño de la muestra
n=2 n=4
Conforme aumenta el
Probabilidad

Probabilidad
tamaño de la muestra,
la forma de la
distribución se vuelve
más normal.

se vuelve más normal

n=8 n = 20

Probabilidad
Probabilidad
 Distribución de muestreo de la proporción

• Objetivo del sondeo es x k

estimar la proporción (p) p = ; = p =
de las personas con n N
ciertas características.  p = E( p) = 
• Si n es suficientemente
 (1 −  ) p(1 − p)

grande, la distribución se
p
= 
aproxima a la normal. n n
(nπ ≥ 5)
p (1 − p ) N − n
• Si n/N<0.05, NO aplicar
FCPF.
 p
=
n N −1
 Distribución de muestreo de la diferencia de
dos estadísticos independientes

x ( − x )
= 1 −  2
1 2
Diferencia entre
 +2
2 2
dos medias
 (x − x ) = 1
muestrales
1 2
n n 1 2

p (
1
− p2 )
=p−p1 2

pq pq Diferencia entre
 
p1− p2  =
1 1
+ 2 2
dos proporciones

n 1 n 2
muestrales
 Teorema de Límite Central
(o de Distribución Normal de Medias)

Conforme se La distribución
incrementa de muestreo
el tamaño de de la media se
la muestra aproxima a la
normal.

X
 Teorema de Límite Central
(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 también 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.
Factor de Corrección por Población Finita
n
Cuando  0.05
N


N −n
x= *
n N −1
 n
x= * 1−
n N
Factor de Corrección por Población Finita
n
Cuando  0.05
N
p (1 − p ) N −n
p= *
n N −1
p (1 − p ) n
p= * 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
 Estadística

Métodos
Estadísticos

Estadística Estadística
Descriptiva Inferencial

Prueba de
Estimación Hipótesis
 Tipos de Estimación

Estimación

Estimación Estimación
Puntual de Intervalo

• Puntual
– Un número (llamado punto)
que se emplea para estimar un
parámetro poblacional, p.e.
media, varianza, proporción
muestral, etc.
Estimación
• De intervalo
– Expresa la amplitud dentro de
la cual probablemente se
encuentra un parámetro
poblacional (intervalos de
confianza)
 Estimación Puntual

Estadística de Muestra→Parámetro de Población

Media de Muestra x  Media de Población 

Des. Est. Muestra s  Des. Est. Población 
Varianza Muestra s  Varianza Población 
2 2

Proporción de Muestra p  Proporción de Población p

Maestría Especializada en
Operaciones Productivas

Estadística y Análisis de Decisiones

Prof. Juan Narro Lavi