Módulo 1: Fundamentos de

Estadística
LUIS FELIPE GUEVARA URQUIZO
ELENA CHICAIZA
UNIDAD 4
“Se cometen muchos menos errores usando datos
inadecuados que cuando no se utilizan datos.”

Charles Babbage (1792-1871)

 Objetivos específicos
Sesión 6 y 7

• Entender los conceptos sobre los que se

desarrolla la teoría estadística (inferencia
estadística).

• Desarrollar análisis estadístico básico de una

variable aleatoria (estimación puntual y por
intervalos).
 Contenidos
Sesión 6 y 7
UNIDAD 4. ESTIMACIÓN PUNTUAL Y POR
INTERVALOS

4.1. Estimación puntual

4.1.1. Propiedades de los estimadores
4.1.2. Obtención de estimadores
4.1.3. Distribución de los estimadores
asociados a la población
4.1.3.1 Teorema Central del Límite
 Contenidos
Sesión 6 y 7
UNIDAD 4. ESTIMACIÓN PUNTUAL Y POR
INTERVALOS

4.2. Estimación por intervalos

4.2.1. Intervalo de confianza al nivel 1-α para la
media en una población normal
4.2.2. Intervalo de confianza al nivel 1- α para las
varianzas en poblaciones normales
4.2.3. Intervalos de confianza para una proporción
 UNIDAD 4
ESTIMACIÓN PUNTUAL Y POR
INTERVALOS
 Estimación puntual y por intervalo

• Estimador puntual – Estadístico calculado a partir de

información de la muestra para estimar el
parámetro poblacional (valor único).

• Estimador por intervalos – Conjunto de valores que

puede tomar el estadístico para representar el
parámetro poblacional con una probabilidad
específica (dos valores - límites de confianza).
4.1. Estimación puntual
• Propiedades
• Principales estimadores
puntuales
 Estimación puntual
INTRODUCCIÓN Principio de Reciprocidad:
inversión de la inversión multiplicativa

Objetivo: Estimación de parámetros poblacionales a

partir de una muestra aleatoria extraída de la población.

Estadístico (variable aleatoria) Estimador

Con respecto al:

• La mayor precisión.
• La menor dispersión de
los valores de las
diferentes muestras.

Parámetro poblacional
 Estimación puntual
INTRODUCCIÓN Principio de Reciprocidad:
inversión de la inversión multiplicativa

Procedimientos estimación
parámetro poblacional
Estimación Puntual Estimación por
intervalos
• Estimación de un único • Estimación de 2 valores
valor entre los cuales, con
cierta probabilidad, se
encuentra el parámetro
poblacional
 Estimación puntual
PROPIEDADES Principio de Reciprocidad:
inversión de la inversión multiplicativa
• Un estimador es insesgado (centrado), si su esperanza
matemática coincide con el parámetro poblacional
A = estimador
𝛼 = parámetro poblacional
𝐸 𝐴 = 𝜇𝐴 = 𝛼

• Se dice que un estimador 𝐴1 es más eficiente que un 𝐴2 ,

si su varianza es menor. 𝜎 2 < 𝜎 2
𝐴1 𝐴2

• Un estimador es consistente cuando al crecer el tamaño

muestral 𝑛 , se aproxima asintóticamente al parámetro
poblacional y su varianza se hace nula
lim 𝐴 = 𝛼 lim 𝜎𝐴2 = 0
𝑛~∞ 𝑛~∞

Se espera un estimador insesgado y eficiente. Al menos consistente

 Estimación puntual
PRINCIPALES ESTIMADORES PUNTUALES
Principio de Reciprocidad:
inversión de la inversión multiplicativa

Estimador puntual: Función real de los n valores que

una variable tomo en una muestra

• Población 𝑋~𝑁 𝜇, 𝜎 2 ⟶ estimadores puntuales 𝑋ത 𝑦 𝑆 2

𝐸 𝑋ത = 𝜇 𝐸 𝑆2 = 𝜎2
𝑛¤ é𝑥𝑖𝑡𝑜𝑠
• Población 𝑋~𝐵 𝑝 ⟶ estimador puntual 𝑃ത ⟶
𝑛¤ 𝑒𝑛𝑠𝑎𝑦𝑜𝑠
𝑝(1−𝑝)
𝐸 𝑃ത = 𝑝 𝜎𝑃2ത = varianza mínima
𝑛

σ𝑛
𝑖=1 𝑋𝑖
• Población 𝑋~𝑃 𝜆 ⟶ estimador puntual 𝜆ҧ ⟶
𝑛
𝐸 𝜆ҧ = 𝜆 varianza mínima
 Estimación puntual
MÉTODO DE MÁXIMA VEROSIMILITUD
Principio de Reciprocidad:
inversión de la inversión multiplicativa
Método hallar estimadores puntuales

Una población caracterizada por una v.a. X, contiene un parámetro 𝛼 a

determinar. La función de probabilidad o densidad es f(x, 𝛼).

Si de esta población se extrae una muestra de tamaño representada

por 𝑋1 , 𝑋2 , … 𝑋𝑛 , se puede expresar la distribución de probabilidad
conjunta como:
𝐿(𝑋1 , 𝑋2 , … 𝑋𝑛 ; α) = 𝑓(𝑋1 , 𝑋2 , … 𝑋𝑛 ) = 𝑓(𝑋1 ; 𝛼) 𝑓(𝑋2 ; 𝛼) … 𝑓(𝑋𝑛 ; 𝛼)
𝑋𝑖 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠

Estimador puntual de máxima verosimilitud, es el valor 𝛼 que maximiza la

función L
4.2. Estimación por intervalos
• Intervalo de confianza – media
• Intervalo de confianza – proporción
• Intervalo de confianza – varianza
• Tamaño de la muestra
 Estimación por intervalos
INTRODUCCIÓN Principio de Reciprocidad:
No solo interesa la estimación, sino precisar
inversión de ladeinversión
la incertidumbre multiplicativa
dicha estimación

Estimación por intervalos de confianza: Se calcula un

intervalo sobre el que se puede establecer, con cierta
probabilidad, que está contenido el parámetro poblacional
desconocido
Longitud → precisión del estimador
2 estimadores: Intervalo de confianza: 𝐼 = [𝐿1 , 𝐿2 ]
Estimador por intervalo
(𝐿1 ) v.a.
(𝛽 parámetro poblacional)
(𝐿2 )
𝑃 𝐿1 < 𝛽 < 𝐿2 = 1 − 𝛼 (Probabilidad de seleccionar una
muestra concreta que conduzca
a un intervalo que contenga el
(nivel de confianza) parámetro poblacional)

El 1 − 𝛼 % de los intervalos correspondientes a todas las muestras posibles

del mismo tamaño contienen a 𝛽 y el α % no lo contienen
 Estimación por intervalos
INTRODUCCIÓN
Expresión para calcular intervalos de confianza
También podría ser 𝑡, 𝜒 2 𝑦 𝐹

Dist. normal
𝑃 𝛽 − 𝑧𝛼𝜎 < 𝜇𝛽 < 𝛽 + 𝑧𝛼𝜎 =1−𝛼
2 𝛽 2 𝛽

Ejemplo: 𝑃 𝛽 − 1,96𝜎𝐵 < 𝜇𝛽 < 𝛽 + 1,96𝜎𝐵 = 0,95

 Estimación por intervalos
INTERVALO DE CONFIANZA PARA LA MEDIA
𝝈𝟐 conocida**
Población infinita o muestreo
con reemplazamiento
𝜎 𝑆
𝐼 = 𝑋ത ± 𝑧𝛼
𝝈𝟐 desconocida
Población infinita o muestreo
con reemplazamiento
Teorema del límite
central
• Muestras grandes
• Sirve para cualquier
n > 30 𝐼 = 𝑋ത ± 𝑧𝛼 población de partida

2 𝑛 2 𝑛
𝑆 (Estadístico t:
n < 30 𝐼 = 𝑋ത ± 𝑡𝛼 distribución t con n-1
2 𝑛 grados de libertad)

**Población finita o
𝜎 𝑁−𝑛
𝐼 = 𝑋ത ± 𝑧𝛼 muestreo sin
2 𝑛 𝑁−1 reemplazamiento
Recuerda
 Estimación por intervalos
INTERVALO DE CONFIANZA PARA LA MEDIA
Ejercicio 9
En un hospital se ha tomado la temperatura a una muestra de 82 pacientes,
para estimar la temperatura media los mismos. La media de la muestra ha sido
de 37,6 ºC, y la desviación estándar de la población de 1,08 ºC. Calcular un
intervalo de confianza para la media poblacional al 99% de confianza.
Datos
Datosn= 82 Intervalo de confianza para la media
n= 82
ҧ= 37,6 𝜎
ҧ= 37,6 𝐼𝜇 = 𝑋ത ± 𝑧𝛼
2 𝑛
𝜎= 1,08
(1 − 𝛼)𝜎== 1,08
0,99 1,08
(1 − 𝛼) = 0,99
0,01 𝐼𝜇 = 37,6 ± 2,576
𝛼= 82
𝛼= 0,01

𝐼𝜇 = 37,6 ± 0,31
𝑧𝛼 2 = 2,576
𝑧𝛼 2 = 2,576
𝐼𝜇 = 37,29; 37,91
 Estimación por intervalos
INTERVALO DE CONFIANZA - PROPORCIÓN
Distribución binomial → Distribución normal
𝑛 es grande
𝑛ú𝑚𝑒𝑟𝑜 é 𝑖𝑡𝑜𝑠 ത − 𝑃)
𝑃(1 ത
𝑃ത =
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑛𝑠𝑎𝑦𝑜𝑠 𝐼 = 𝑃ത ± 𝑧𝛼
2 𝑛

INTERVALO DE CONFIANZA -𝝀 de Distrib. Poisson

Distribución Poisson → Distribución normal
𝑛 es grande
𝜆ҧ = 𝑋ത
𝜆ҧ
𝐼 = 𝜆ҧ ± 𝑧𝛼
𝑆= 𝜆
2 𝑛
 Estimación por intervalos
INTERVALO DE CONFIANZA PARA LA VARIANZA
Se extrae una muestra de tamaño 𝑛 sobre la cual se calcula la
(𝑛−1)𝑆 2
varianza muestral 𝑆 . Se sabe que es estadístico
2
sigue una
𝜎2
distribución 𝜒 2 con 𝑛 − 1 grados de libertad.

No simétrica
(𝑛 − 1)𝑆 2 (𝑛 − 1)𝑆 2
Varianza 𝐼= 2 , 2
𝜒𝛼 2,𝑛−1 𝜒1−𝛼 2,𝑛−1

(𝑛 − 1)𝑆 2 (𝑛 − 1)𝑆 2
Desviación estandar 𝐼= 2 , 2
𝜒𝛼 2,𝑛−1 𝜒1−𝛼 2,𝑛−1
 Estimación por intervalos
INTERVALO DE CONFIANZA PARA LA VARIANZA
Ejercicio 10
A un grupo de 12 estudiantes se les sometió a una prueba de matemáticas
cuya puntuación podría oscilar entre 1 y 10 puntos. Suponiendo que las notas
en matemáticas en la población estudiantil sigue un distribución normal,
construya un intervalo de confianza (IC) del 95% para la varianza poblacional
de las notas en matemática de la población.
Datos Intervalo de confianza para la varianza
Colesterol Datos
Observación n= 12
(mmol/litro) n= 12 (𝑛 − 1)𝑆 2 (𝑛 − 1)𝑆 2
1 6,0ҧ 𝐼𝜎2 = , 2
2 ҧ
6,4 ҧ=
ҧ=
6,2
6,2
𝜒𝛼2 2,𝑛−1 𝜒1− 𝛼 2,𝑛−1
3 7,0
4 5,8 𝑠2 = 0,15
𝑠 2 s=
= 0,15
5 6,0 s==
0,39
0,39 (12 − 1)0,15362 (12 − 1)0,15362
(1 − 𝛼) 0,95 𝐼𝜎2 = ,
6 5,8 (1 − 𝛼) = 0,95 21,920 3,816
𝛼= 0,05
7 5,9 𝛼= 0,05
8 6,7 𝐼𝜎2 = 0,08; 0,44
9 6,1
𝜒2𝛼2 2,𝑛−1 = 21,920
10 6,5 𝜒𝛼 2,𝑛−1 = 21,920 𝐼𝜎 = 0,28; 0,67
11 6,3 2
𝜒21−𝛼 2,𝑛−1 = 3,816
12 5,8 𝜒1−𝛼 2,𝑛−1 = 3,816
 Estimación por intervalos
TAMAÑO DE LA MUESTRA
Definir el tamaño de la muestra 𝑛 para estimar los
parámetros poblacionales con una determinada precisión
Longitud del intervalo de confianza

𝑃 𝑋ത − 𝑒 < 𝜇 < 𝑋ത + 𝑒 = 1 − 𝛼

𝜎 𝜎
𝑃 𝑋ത − 𝑧𝛼 ത
< 𝜇 < 𝑋 + 𝑧𝛼 =1−𝛼
2 𝑛 2 𝑛
𝜇𝑋ത
2𝑒 𝜎 𝜎 2
𝑒 = 𝑧𝛼 ⟹ 𝑛 = 𝑧𝛼2 2
2 𝑛 2 𝑒

Calcular el tamaño de la muestra 𝑛 para que la diferencia entre la media

poblacional 𝜇 y muestral 𝑋ത sea, en valor absoluto y con un cierto nivel de
confianza 1 − 𝛼 , menor que un cierto error 𝑒
 Estimación por intervalos
TAMAÑO DE LA MUESTRA
Variables cuantitativas Variables cualitativas
(estimar promedios) (estimar proporciones)

(No se conoce o
> 100.000)
Población infinitas Población infinitas
2
2𝜎 2 𝑝𝑞 (No se conoce p,
𝑛= 𝑧𝛼 2 𝑛= 𝑧𝛼 2
2 𝑒 2 𝑒 p=0,5=q)

(< 100.000)
Población finita Población finita

𝑁𝑧𝛼2 𝜎 2 𝑁𝑧𝛼2 𝑝𝑞
2 2
𝑛= 𝑛=
(𝑁 − 1)𝑒 2 +𝑧𝛼2 𝜎 2 (𝑁 − 1)𝑒 2 +𝑧𝛼2 𝑝𝑞
2 2
 Estimación por intervalos
TAMAÑO DE LA MUESTRA
Ejercicio 11
Se desea estimar el gasto promedio mensual en transporte de una familia en
ciudad “El Paraiso”. Calcule el número de familias a encuestar a un nivel de
confianza del 95% y un error de 2 USD. Un especialista ha estimado la
desviación estándar de la población en 9 USD.
Tamaño de la muestra, población infinita
Datos
2
2𝜎
(1 − 𝛼) = 0,95
𝛼= 0,05 𝑛= 𝑧𝛼 2
9,00 2 𝑒
𝜎=
𝑧𝛼 2 = 92
1,960
𝑛= 1,962
22
e= 2,00
2
2𝜎
𝑛= 𝑧𝛼 2 𝑛 = 78
2 𝑒
Relación entre
tamaño de la
muestra y
tamaño de la
población

Relación para un nivel de confianza del 95%, un margen de

error ɛ = 1 y desviación típica de la población S = 8