3 .

ESTIMADORES DE LOS PARÁMETROS

• Estimador Puntual
̂ es el estimador puntual de 𝜃
𝜽
• Estimador interválico
Estimación interválica de parámetros ( estimación con intervalos de confianza)
Constituido por un conjunto de valores
Población
N
Parámetro θ

Muestra
̂
Estadístico 𝜽
n P( 𝜃̂)
E( 𝜃̂)
V( 𝜃̂)
σ( 𝜃̂)

Estimador interválico de un parámetro cuyo estimador tiene distribución normal

̂ tiene distribución normal con media E(𝜽
Si el estimador 𝜽 ̂ ) y varianza V(𝜽
̂ ), la variable:
̂ −𝑬(𝜽
𝜽 ̂)
Z= ̂ → N(0,1)
𝝈(𝜽 )

tiene distribución normal estándar.

Puede escribirse:
P ( - 𝒁(𝟏−∝ ) ≤ 𝑍 ≤ 𝒁(𝟏−∝ ) ) = 1 − 𝛼
𝟐 𝟐

Considerando la expresión que está dentro del paréntesis y reemplazando Z por su valor se
tiene:
̂ −𝐸(𝜽
𝜽 ̂)
- 𝒁(𝟏−∝ ) ≤ ̂) ≤ 𝒁(𝟏−∝ )
𝟐 𝜎(𝜽 𝟐

̂ ) se forma el intervalo:
Dejando en el centro a 𝐸(𝜽
̂ - 𝒁 ∝ 𝝈(𝜽
𝜽 ̂ )≤ 𝐸(𝜽
̂)≤ 𝜽
̂ + 𝒁 ∝ 𝝈(𝜽̂)
(𝟏− ) (𝟏− )
𝟐 𝟐

̂ ) Error estándar del estimador del parámetro 𝜃

σ(𝜽
̂ ) depende de un parámetro.
El error estándar 𝜎(𝜽

Si estimamos el parámetro obtenemos el error estándar estimado 𝝈 ̂)

̂ (𝜽

𝝈 ̂ ) ∶ Error estándar estimado

̂ (𝜽
̂ ) por 𝜃, tenemos el
Así, sustituyendo el error estándar por el error estándar estimado y E(𝜽
intervalo de confianza del 100(1-α)% para θ:
̂ - 𝒁 ∝ 𝜎̂(𝜽
𝜽 ̂)≤ θ≤ 𝜽
̂ + 𝒁 ∝ 𝜎̂(𝜽
̂)
(𝟏− ) (𝟏− )
𝟐 𝟐
 Margen de error o error muestral de una muestra ̂)
E=𝑍(1−∝ ) 𝜎(𝜃
2

donde 𝒁(𝟏−∝ ) es el coeficiente de confianza (límite de confianza).

𝟐

El número de intervalos que puede formarse es el mismo que el número de valores del
estimador.
1.- ESTIMADOR DE LA MEDIA POBLACIONAL μ
Población

Parámetro μ

Muestra

Estadístico μ
̂ =𝑦
E( 𝑦) V( 𝑦)
σ( 𝑦)

• Estimador Puntual
Un estimador insesgado de la media poblacional μ es la media de la muestra 𝑌
n
y i =1
i
𝑌=
n
En efecto,
n N

 y  y ) = 𝑛1 (  y )
N
1 1
E( 𝑌) = 𝑛 E ( ) = 𝑛 E( Zi i
i i i
i =1 i =1 i =1

 = 𝑁, que es la probabilidad que U esté en la muestra. Sustituyendo

𝑛
En el muestreo aleatorio simple i
i

 , se tiene
i
N
y
1
E( 𝑌) = 𝑁 =μ
i
i =1

o Valor esperado de la media muestral 𝒀

sea Y1,Y2,Y3,……Yn una muestra aleatoria simple de una variable Y
con media E(Y) = μ y varianza V(Y) = σ2
Las variables Y1,Y2,Y3,……Yn son independientes
n
E( 𝑌) = E(
∑𝑛
1 𝑌𝑖
𝑛
)=
1
𝑛
E(  y
i =1
i
1
) =𝑛 E(Y1+Y2+Y3 +……+Yn)

1
=𝑛 (E(Y1)+E(Y2)+E(Y3 )+……+E(Yn))
1 1
= 𝑛 (μ + μ+ μ+……+ μ) = (nμ ) = μ
𝑛

el valor esperado de la media muestral es la media poblacional)

 N
y
1
E( 𝑌) = 𝑁 =μ
i
i =1

o Varianza de la media muestral 𝒀

n n
y  y ) =𝑛
∑𝑛
1 𝑌𝑖 1 1 1
V( 𝑌) = V( )= V( )= V( V(Y1+Y2+Y3 +……+Yn)
𝑛 𝑛2 i 𝑛2 i 2
i =1 i =1

Al ser variables independientes

1
V( 𝑌) =𝑛2 (V(Y1)+V(Y2)+V(Y3 )+……+V(Yn))

Al ser idénticamente distribuidas

1 1 σ2
V( 𝑌) = 𝑛2 (σ2 + σ2+ σ2+……+ σ2) =𝑛2 ( n σ2) = 𝑛

Varianza de la media muestral

σ2
V( 𝑌) = 𝑛 en poblaciones infinitas

 2 𝑁−𝑛
V(𝑌) = en poblaciones finitas
n 𝑁−1

Varianza de 𝑌
N

Z y )
n
V(𝑌) =
1
𝑛2
V( y )=
i =1
i
1
𝑛2
V(
i =1
i i
N N

 y V (Z ) +  y y cov(Z , Z ) )]
1 2
= [ i i j (1)
𝑛2 i i j
i =1 i j
2
n n −1 n
Pero V(Zi) =
𝑛 𝑛
(1 − 𝑁) y Cov( Zi , Zj ) = −
𝑁 N N −1 N 2
Sustituyendo en (1), se tiene

 2 𝑵−𝒏
V(𝒀) =
n 𝑵−𝟏

o Varianza estimada de la media muestral

El Estimador de la varianza de 𝒚 es
2

N −n
V (y) = S n N
en poblaciones finitas .

Es un estimador insesgado de V(𝑦)

o Factor de corrección para poblaciones finitas es el
𝑁−𝑛
factor 𝑁

o Error estándar estimado de 𝑦

A la raíz cuadrada del estimador de la varianza se le llama error estándar
estimado de 𝑦
Se denota por
 𝑆 𝑁−𝑛
𝜎̂𝑌̅ = √ error estándar estimado de 𝑦
√𝑛 𝑁

o Margen de error o error muestral de una muestra en la estimación de

la media poblacional
𝜎 𝑁−𝑛
E = 𝑍(1−∝ ) √
2 √𝑛 𝑁−1

• Estimador con intervalo de confianza para μ

Estimador Interválico de μ
𝜎 𝑁−𝑛 𝜎 𝑁−𝑛
𝒚- 𝒁(𝟏−∝ ) √ ≤ μ ≤ 𝒚 + 𝒁(𝟏−∝ ) √
𝟐 √𝑛 𝑁−1 𝟐 √𝑛 𝑁−1

Si no se conoce 𝜎 se estima con S y el estimador interválico se determina con la distribución

t-student con n-1 grados de libertad
𝑆 𝑁−𝑛 𝑆 𝑁−𝑛
𝒚- 𝒕(𝟏−∝ ) √ ≤ μ ≤ 𝒚 + 𝒕(𝟏−∝ ) √
𝟐 √𝑛 𝑁−1 𝟐 √𝑛 𝑁−1

Teorema.-
En el muestreo aleatorio simple
𝑁
E( S2) = 𝑁−1 σ2 (Valor esperado de la varianza muestral)

En efecto
n
( y − y )2 = 𝑛−1E∑𝑛𝑖=1[( yi − ) − ( 𝑦 − 𝜇)]2
1 1
E(S2) = 𝑛−1E[
i
i =1

n n
( yi −  )2 + ∑𝑛𝑖=1 𝐸(𝑦-μ)2 - 2E ( yi − )( y -μ)]
1
E(S2) = 𝑛−1 [ E
i =1 1=1

1
E(S2) = 𝑛−1 [E Zi ( y −  )2 + ∑𝑛𝑖=1 𝑉(𝑦) ] – 2nE(𝑦-μ)2 ]
i

E(Z )( y −  )2 + n 𝜎𝑛 𝑁−𝑛
1 𝜎 𝑁−𝑛 2 2
E(S2) = 𝑛−1 [ i -2n ]
𝑁−1
i 𝑛 𝑁−1
1=1

1 𝑁−𝑛 𝑁
E(S2) = [nσ2 –σ2 ]= 𝜎2 valor esperado de la varianza muestral
𝑛−1 𝑁−1 𝑁−1

2.- ESTIMADOR DEL TOTAL POBLACIONAL 𝜏

• Estimador Puntual
Un estimador insesgado del total poblacional es:
𝜏̂ = N 𝑦
o Valor esperado de 𝜏̂
E(𝜏̂ ) = E( N𝑦 ) = N E( 𝑦) = N μ = 𝜏
 o Varianza de 𝜏̂
V (𝜏̂ ) = V ( N 𝑦) = N2 V( 𝑦) por qué
 2 𝑁−𝑛
V ( 𝜏̂ ) = N2
n 𝑁−1
 2 𝑁−𝑛
V ( 𝜏̂ ) = N2
n 𝑁
o Estimador de la varianza de 𝜏̂
𝑆 2 𝑁−𝑛
𝑉̂ (𝜏̂ ) = N2 𝑛 𝑁

o Error estándar estimado de 𝜏̂

𝑆 𝑁−𝑛
𝜎̂𝜏̂ = N √
√𝑛 𝑁

𝜎 𝑁−𝑛
o E = 𝒁(𝟏−∝ ) 𝑵 √
𝟐 √𝑛 𝑁

• Estimador con intervalo del parámetro 𝜏

Estimador Interválico de 𝜏

𝜎 𝑁−𝑛 𝜎 𝑁−𝑛
𝜏̂ - 𝒁(𝟏−∝ ) 𝑵 √ ≤ 𝜏 ≤ 𝜏̂ + 𝒁(𝟏−∝ ) N √
𝟐 √𝑛 𝑁 𝟐 √𝑛 𝑁

3.- ESTIMADOR DE LA PROPORCIÓN POBLACIONAL

• Estimador puntual
Un estimador insesgado de p es
𝑎
𝑝̂ = 𝑛

𝑎 : Número de unidades en la muestra que poseen la característica de interés.

o Varianza del estimador:

𝑝𝑞 𝑁−𝑛
V ( 𝑝̂ ) = 𝑛 𝑁−1

Demostración
Consideremos una variable cualitativa:
Y1, Y2, Y3, . . .YN que toman valores
1 0 1… 1
N N
y = A y
2
i i
=A
i =1 i =1
 2
N N
( yi −) N  yi
N 2
2
−(  y )
i
𝜎 2=
i =1
−=
i =1 i =1
N N2

𝑁𝐴−𝐴2 𝐴(𝑁−𝐴)
𝜎 2= = = p (1 – p)
𝑁2 𝑁2

Reemplazando 𝜎 2 en la varianza de 𝑦 se obtiene

𝑝𝑞 𝑁−𝑛
V ( 𝑝̂ ) = 𝑛 𝑁−1
o Estimador de la varianza de 𝑝̂
𝑝𝑞 𝑁−𝑛
𝑉̂ ( 𝑝̂ ) = 𝑛−1 𝑁

o Error estándar estimado

𝑝𝑞 𝑁−𝑛
𝜎̂𝑝̂ = √𝑛−1 √ 𝑁
𝒑𝒒 𝑁−𝑛
o E = 𝒁(𝟏−∝ ) √𝒏−𝟏 √
𝟐 𝑁

• Estimador con intervalo de la proporción poblacional

Estimador Interválico de p

𝒑𝒒 𝑁−𝑛 pq 𝑁−𝑛
𝑝̂ - 𝒁(𝟏−∝ ) √𝒏−𝟏 √ ≤ p ≤ 𝑝̂ + 𝒁(𝟏−∝ ) √
𝟐 𝑁 𝟐 n −1 𝑁

𝒑𝒒 𝑁−𝑛
E = 𝒁(𝟏−∝ ) √𝒏−𝟏 √
𝟐 𝑁

4.- ESTIMADOR DEL NÚMERO DE UNIDADES QUE TIENEN LA CARACTERÍSTICA DE INTERÉS

• Estimador puntual de A
𝐴̂= N𝑝̂
o Varianza de 𝐴̂
pq 𝑁−𝑛
V (𝐴̂) = N 2 𝑁−1 n
o Error estándar estimado de 𝐴̂
𝑝𝑞 𝑁−𝑛
𝜎̂𝐴̂ = N √𝑛−1 √ 𝑁
𝒑𝒒 𝑵−𝒏
o E = 𝒁(𝟏−∝ ) 𝑵 √𝒏−𝟏 √
𝟐 𝑵

• Estimador con intervalo de confianza de A

Estimador Interválico de A

̂ - 𝒁 ∝ 𝑵 √ 𝒑𝒒 √𝑵−𝒏 ≤ A ≤ 𝑨
̂ + 𝒁 ∝ N pq 𝑵−𝒏
𝑨 √
(𝟏− )
𝟐 𝒏−𝟏 (𝟏− ) 𝑵 𝟐 n −1 𝑵
Ejemplo 4.
Sea la población { U1, U2, U3, …, U12 } en la que definimos la variable Y con valores
{ 4, 8, 6, 12, 7, 13, 9, 1, 18, 20, 16, 2 }.
¿Cuántas muestras sin reposición y en las que no interesa el orden de los elementos de tamaño 8, se
pueden formar?
𝐶𝑛𝑁 = 𝐶812 = 495 muestras aleatorias posibles
Consideremos dos de dichas muestras, por ejemplo:
4, 8, 12, 9, 1, 13, 20, 2 muestra1 posible
4, 8, 12, 13, 9, 1, 18, 2 muestra2 posible
La media y varianza de la población son: μ = 9.67 y σ2 = 35.22
Obtener dos intervalos de confianza del 95% para μ.

Sabemos que el estimador de μ es 𝑌.

𝜎2
Sabemos también que la media y varianza de 𝑌 son respectivamente μ y .
𝑛
𝜎
La desviación estándar de 𝑌 es
√𝑛
𝑆
y su error estándar estimado es .
√𝑛

La fórmula del intervalo de confianza para estimar μ es:

Estimador interválico de la media muestral cuando se conoce la desviación estándar poblacional
𝜎 𝜎
𝒚- 𝒁(𝟏−∝ ) ≤ μ ≤ 𝒚 + 𝒁(𝟏−∝ )
𝟐 √ 𝑛 𝟐 √𝑛

Estimador interválico de la media muestral cuando no se conoce la desviación estándar poblacional

𝑆 𝑆
𝒚- 𝒕(𝟏−∝ ) ≤ μ ≤ 𝒚 + 𝒕(𝟏−∝ )
𝟐 √𝑛 𝟐 √𝑛

𝒕(𝟏−∝ ) se busca en la tabla de la distribución t student con n-1 grados s de libertad

𝟐

Por el momento consideremos

𝑆 𝑆
𝒚- 𝒕(𝟏−∝ ) ≤ μ ≤ 𝒚 + 𝒕(𝟏−∝ )
𝟐 √𝑛 𝟐 √𝑛

De manera que los intervalos de confianza obtenidos con las dos muestras son:
Con la primera muestra:
𝑆 6.37
𝑌= 8.625 y = = 2.52
√ 𝑛 √8

8. 625 – 1.96(2.52) ≤ μ ≤ 8.625 + 1.96( 2.52)

3.686 ≤ μ ≤ 13.564

Con la segunda muestra:

 𝑆 5.878
𝑌= 8.375 y = = 2.078
√𝑛 √8

8.375 – 1.96x 2.078 ≤ μ ≤ 8.375 + 1.96x 2.078

4.302 ≤ μ ≤ 12.448
Ambos intervalos contienen a la media de la población 9.67.
¿Todos los intervalos contendrán a la media de la población?
Cuando se dice un intervalo de confianza del 95% se quiere decir que el 95% de los intervalos
contienen a la media de la población, y el intervalo obtenido es uno de ellos.