Ing. Alexandra Viñán A., Mtra.

abvinan@puce.edu.ec
0987260533
Resultado de
Aprendizaje Analizar las inferencias estadísticas a
fin de tomar de decisiones acertadas
en el campo amplio de la
Administración.
 1.05 Estimación puntual
UNIDAD I 1.06 Estimación de intervalo de la media
1.07 Estimación de intervalo de
proporción
En inferencia estadística se llama estimación al conjunto de técnicas
que permiten dar un valor aproximado de un parámetro de una
población a partir de los datos proporcionados por una muestra.
Por ejemplo, una estimación de la media de una determinada
característica de una población de tamaño 𝑁 podría ser la media de
esa misma característica para una muestra de tamaño 𝑛.
La estimación se divide en dos, cada uno de los cuales tiene distintos
métodos que se usan en función de las características y propósitos del
estudio:
• Estimación puntual.
• Estimación por intervalos
 ESTIMACIÓN PUNTUAL
Una estimación puntual es un solo número que se
utiliza para estimar un parámetro de población
desconocido; utiliza la información de una muestra
para llegar a un solo número. La estimación real se
realiza mediante un estimador.
Una estimación puntual a menudo resulta
insuficiente, debido a que sólo tiene dos opciones: es
correcta o está equivocada.
 ESTIMACIÓN PUNTUAL
Por ejemplo:
Deseamos saber cuál es el consumo promedio de
energía eléctrica de los habitantes del Barrio “Las
Casas Bajo”, Cuidad de Quito, Pichincha.
Luego de realizar un muestreo a un grupo de
hogares, un estudiante del curso de Estadística
determinó que el consumo promedio mensual para
el cuarto trimestre del año 2007 sería de 105 kWh.
Esta es una estimación puntual, ya que representa
un único valor.
 Definición: ESTIMACIÓN PUNTUAL
Un estimador es una regla que expresa cómo calcular la estimación,
basándose en la información de la muestra y se enuncia, en general,
mediante una ecuación. Por ejemplo, la media muestral:

Es un estimador puntual de la media poblacional 𝜇 y explica

exactamente cómo puede obtenerse el valor numérico de la
estimación, una vez conocidos los valores muestrales 𝑥1 , 𝑥2 , . . . , 𝑥𝑛 .
Ejemplo:
Un psicólogo escolar quiere estimar la media de tiempo de reacción
de los estudiantes de 1º de Primaria. Para ello ha elegido una muestra
de 35 niños y ha obtenido los siguientes tiempos de reacción en
minutos:
1,3; 0,8; 1,1; 1,0; 1,2; 0,9; 1,5; 0,6; 1,2; 1,1; 1,4;
1,3; 1,1; 1,2; 1,5; 1,3; 0,9; 1,2; 1,3; 1,1; 1,5; 0,8;
0,9; 1,1; 1,2; 1,4; 1,2; 0,9; 1,0; 1,1; 1,0; 1,2; 0,9;
0,8; 1,1.
Hallar un estimador puntual para la media
del tiempo de reacción de los estudiantes.
ESTIMACIÓN POR INTERVALOS

Una estimación por intervalo es un intervalo

de valores que se utiliza para estimar un
parámetro de población. Esta estimación
indica el error de dos maneras: por la
extensión del intervalo y por la probabilidad
de obtener el verdadero parámetro de la
población que se encuentra dentro del
intervalo.
Para el ejemplo anterior del consumo de energía
eléctrica, el estudiante podría llegar a la siguiente
conclusión: estimo que el consumo promedio
mensual de energía eléctrica por hogar en el Barrio
“La Joya” para el cuarto trimestre del año 2007
estará entre 100 y 110 kWh.

Como habrá notado, la estimación por intervalos

utiliza los datos de una muestra para determinar
dos puntos que pretenden abarcar el valor real del
parámetro estimado.
NIVEL DE CONFIANZA
 ESTRUCTURA DE UN INTERVALO
DE CONFIANZA
Para ejemplificar la estructura de un intervalo de confianza, vamos a
suponer que fue sorteada una muestra de tamaño 𝑛, encontrada su
media y suponiendo la varianza poblacional es conocida, podemos
construir el intervalo de confianza (𝐼𝐶) para la media poblacional 𝜇,
así:
En el siguiente esquema se presenta un resumen de procedimientos de estimación por
intervalos para una media poblacional:
EJEMPLOS
 Población normal (𝒏 > 𝟑𝟎), varianza poblacional 𝝈𝟐
conocida
Un vendedor al mayoreo de partes automotrices necesita una
estimación de la duración media que puede esperar de los
limpiaparabrisas en condiciones normales de manejo. La
administración de la empresa ya ha determinado que la desviación
estándar (𝜎) de la vida útil de la población es de seis meses. Suponga
que seleccionamos una sola muestra aleatoria de 𝑛 =
100 limpiaparabrisas, tomamos los datos referentes a su vida útil y
obtenemos que la media de esta muestra 𝑥ҧ = 21 𝑚𝑒𝑠𝑒𝑠.
Como el vendedor utiliza 10,000 de estos limpiaparabrisas al año, nos
pide que encontremos una estimación de intervalo con un nivel de
95% de confianza.
 Población normal (𝒏 > 𝟑𝟎), varianza poblacional 𝝈𝟐
desconocida.
Chubb Seguros Ecuador, está interesada en estimar el ingreso medio
anual de 𝑁 = 700 familias que viven en un condominio residencial de
la ciudad de Quito. Para ello se tomó una muestra aleatoria simple de
tamaño 𝑛 = 50 familias, y se encontraron los siguientes resultados:
𝑥ҧ = $ 11,800 y 𝑠 = $950.
La empresa nos solicita que realicemos una estimación por intervalo
del ingreso anual medio de las 700 familias de modo que pueda tener
90% de confianza de que la media de la población se encuentre
dentro de ese intervalo.
 Distribución t- Student
Un poco de historia…
La distribución t de Student fue desarrollada y publicada en 1908 por un
investigador de nombre William Sealy Gosset (1876 – 1936).
Gosset trabajaba en la cervecería Guinness en Irlanda y estaba consiente que
los propietarios no querían que sus trabajadores publicaran información
sobre las investigaciones realizadas en la empresa, talvez por la desconfianza
de que secretos industriales fueran de domino público y cayeran en manos de
la competencia.
Por eso Gosset, al descubrir una nueva distribución de probabilidades
(distribución t) publicó sus trabajos bajo el pseudónimo de Student.
 Distribución t- Student
Conocedor de las limitaciones que una muestra grande (n > 30) impone al
investigador, Gosset creó una estadística adecuada a pequeñas muestras (n ≤
30). La ecuación de esa estadística es:

Note que la expresión anterior es parecida a la siguiente ecuación, ya

estudiada de la Distribución Normal Estándar:
 Distribución t- Student
Características de la distribución t de Student:

i. Es simétrica y posee una media = 0.

ii. Tiene forma de campana (similar la
distribución normal estándar)
iii. Varía de −∞ a + ∞ (menos infinito a más
infinito)
iv. No existe una distribución 𝑡, sino más bien,
una familia de distribuciones 𝑡. Para cada 𝑛
(tamaño de muestra) existe una distribución
(y una curva) específica.
v. En la medida que 𝑛 aumenta, 𝑡 tiende a 𝑧.
 Población aproximadamente normal (n≤30), varianza poblacional
σ2 desconocida
El director de un hospital privado desea evaluar el tiempo de espera de los
pacientes en una clínica. Una muestra aleatoria y representativa de 25
pacientes es seleccionada. El tiempo de espera es definido como el tiempo
medido desde la llegada del paciente hasta que es atendido por el médico.
Los siguientes datos representan los tiempos de espera (en minutos):

a) Obtenga una estimación puntual del tiempo promedio de espera.

b) Calcule un intervalo de 95% de confianza para la media poblacional del
tiempo de espera, e interprételo.
En muchos problemas podemos estimar proporciones, probabilidades
porcentajes o razones como la proporción de defecto en el embarque
grande de transistores, la probabilidad de que un auto detenido en un
retén tendrá sus luces apagadas; en muchos de estos es razonable
tener que están mostrando una población binomial 𝑥 por lo tanto que
nuestra fórmula es estimar el parámetro binomial.

Así se puede hacer la distribución que para el valor de 𝑛 cuando es

grande la distribución binomial se reduce con una Distribución
Normal.
Supongamos una población en la que queremos estimar la proporción
“𝑝” desconocida (por ejemplo la proporción de personas que van al
cine habitualmente en una determinada ciudad).
Supongamos también que extraemos una muestra aleatoria simple de
tamaño “𝑛” en la que obtenemos un valor concreto para la proporción,
llamémosle 𝑝.Ƹ
Sabemos que la distribución en el muestreo de las proporciones
muestrales, sigue una normal de parámetros:
Teniendo en cuenta que no se conoce “𝑝”, se sustituye por la
proporción muestral 𝑝,Ƹ se obtiene la siguiente expresión para
determinar el intervalo de confianza:

𝑝(1
Ƹ − 𝑝)Ƹ
𝑝Ƹ ± 𝑧𝛼/2 ∙
𝑛
EJEMPLO
El gerente de producción de un diario desea determinar la
proporción de periódicos impresos que presentan algún
tipo de problema, tal como exceso de tinta, montaje
inapropiado de páginas, falta de páginas, páginas
duplicadas, etc. El gerente de producción determinó que
fuera seleccionada para análisis una muestra aleatoria de
200 periódicos, en un día cualquiera.
Suponga que de esa muestra de 200, 35 contienen algún
tipo de problema. Si el gerente de producción desea tener
90% de confianza en la estimación real de la proporción
de defectuosos, calcule el intervalo de confianza para esa
estimación.
PARTICIPACIÓN EN CLASE:

Revisen su aula virtual en la

sección “Actividades” y
encontrarán las indicaciones para
la Participación 3.
TAREA

Revisen su aula virtual en la

sección “Actividades” y
encontrarán las instrucciones de
la Tarea 2.