Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
Todo el mundo hace estimaciones. Cuando está por cruzar una calle, hace una estimación de la
velocidad del automóvil que se acerca, de la distancia que hay entre usted y el auto y de su
propia velocidad. Habiendo hecho rápidamente todas estas estimaciones, usted decide si
espera, camina o corre.
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. Como ciudadanos instruidos y profesionales,
podremos hacer estimaciones más útiles si aplicamos las técnicas descritas en este capítulo y
los que le siguen.
¿De qué manera los administradores utilizan estadísticas para estimar los parámetros de una
población? El jefe de departamento de alguna universidad intenta estimar el número de
inscripciones que tendrá el siguiente semestre a partir de las inscripciones actuales en los
mismos cursos. El director de un departamento de crédito intentará estimar el valor crediticio de
los futuros clientes a partir de una muestra de sus hábitos de pago. El comprador de una casa
intenta estimar el curso futuro de las tasas de interés mediante la observación de su
comportamiento actual. En cada caso, alguien trata de inferir algo acerca de una población a
partir de la información adquirida de una muestra.
Calcular la proporción exacta o la media exacta sería una meta imposible. Pero, a pesar de ello,
seremos capaces de hacer una estimación, establecer una afirmación respecto al error que tal
vez acompañará a esta estimación, y poner en marcha algunos controles para evitar dicho error
en la medida de lo posible. Como tomadores de decisiones, nos veremos forzados, en
Apuntes Estadística
Segundo semestre
2
ocasiones, a confiar en nuestros presentimientos. Sin embargo, en otras situaciones, en las que
dispongamos de información y podamos aplicar los conceptos de estadística, tendremos mejores
resultados.
Tipos de estimaciones
Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación
puntual y una estimación de intervalo. Una estimación puntual es un solo número que se utiliza
para estimar un parámetro de población desconocido. Si, mientras observa al primer integrante
de un equipo de fútbol americano salir al campo de juego, se dice: “¡Caramba! Apuesto a que el
peso promedio de los jugadores defensivos es de 125 kilogramos”, usted ha hecho una
estimación puntual. El jefe de departamento de una universidad estaría haciendo una estimación
puntual si afirmara: “Nuestros datos actuales indican que en esta materia tendremos 350
estudiantes el siguiente semestre.”
A menudo, una estimación puntual es insuficiente debido a que sólo tienen dos opciones: es
correcta o está equivocada. Si le dicen solamente que la afirmación sobre la inscripción está
equivocada, no sabe qué tanto está mal y no puede tener la certeza de que la estimación es
confiable. Si se entera de que sólo está errada por 10 estudiantes, podría aceptar a 350
estudiantes como una buena estimación de la inscripción futura. Pero si está equivocada en 90
estudiantes, la rechazaría como estimación de la inscripción futura. Entonces, una estimación
puntual es mucho más útil si viene acompañada por una estimación del error que podría estar
implicado.
Una estimación 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. En este caso, el jefe de departamento diría algo como lo siguiente: “Estimo que la
inscripción real de este curso para el próximo semestre estará entre 330 y 380, y es muy
probable que la inscripción exacta caiga dentro de este intervalo.” Con esto tiene una mejor idea
de la confiabilidad de su estimación. Si el curso se imparte en grupos de 100 estudiantes cada
uno y si, tentativamente, se han programado cinco cursos, entonces, de acuerdo con la
estimación, puede cancelar uno de los grupos y abrir uno optativo.
Estimador y estimaciones
Apuntes Estadística
Segundo semestre
3
Cuando hemos observado un valor numérico específico de nuestro estimador, nos referimos a
ese valor como una estimación. En otras palabras, una estimación es un valor específico
observado de un estadístico. Hacemos una estimación si tomamos una muestra y calculamos el
valor que toma nuestro estimador en esa muestra. Suponga que calculamos la lectura media de
un odómetro (kilometraje) a partir de una muestra de taxis en servicio y encontramos que es
156,000 kilómetros. Si utilizamos este valor específico para estimar el kilometraje de la flotilla de
taxis completa, el valor obtenido de 156,000 kilómetros sería una estimación. En la tabla 7-1
ilustramos varias poblaciones, parámetros, estimadores y estimaciones.
Apuntes Estadística
Segundo semestre
4
poblacional ya que su error estándar es menor. Tiene sentido pensar que un estimador
con un error estándar menor (con menos variación) tendrá mayor oportunidad de producir
una estimación más cercana al parámetro poblacional que se está considerando.
3. 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 un estimador es
consistente, se vuelve más confiable al tener tamaños de muestra más grandes. Si usted
se pregunta acerca de la posibilidad de aumentar el tamaño de la muestra para obtener
más información sobre un parámetro poblacional, averigüe primero si su estadístico es un
estimador consistente o no. Si no lo es, desperdiciará tiempo y dinero al tomar muestras
más grandes.
4. 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.
Estimaciones puntuales
La media de la muestra x es el mejor estimador de la media de la población . Es insesgada,
consistente, el estimador más eficiente y, siempre y cuando la muestra sea suficientemente
grande, su distribución muestral puede ser aproximada por medio de la distribución normal.
Si conocemos la distribución muestral de x , podemos obtener conclusiones respecto a
cualquier estimación que podamos hacer a partir de la información muestral. Considere el
caso de una compañía de suministros clínicos que produce jeringas desechables. Cada
jeringa está cubierta por una envoltura estéril que a su vez se empaca en grandes cajas de
cartón corrugado. Debido al proceso de empaque, las cajas de cartón contienen distintas
cantidades de jeringas. Como las jeringas se venden por pieza, la compañía necesita una
estimación del número de piezas que hay por caja, para propósitos de facturación. Tomamos
una muestra aleatoria de 35 cajas y registramos el número de jeringas contenidas en cada
caja. La tabla 7-2 ilustra los resultados. Utilizando los conceptos del capítulo 3, podemos
obtener la media de la muestra, x, sumando todos los resultados, x, y dividiendo esta suma
entre n, el número de cajas muestreadas:
Apuntes Estadística
Segundo semestre
5
Apuntes Estadística
Segundo semestre
6
La proporción de unidades de una población dada que tiene una característica particular se
denota por p. Si conocemos la proporción de unidades de una muestra que tiene la misma
característica (denotada por pˆ, podemos utilizar esta pˆ como estimador de p. Se puede
demostrar que pˆ tiene todas las características deseables analizadas; es insesgado (no
sesgado), consistente, eficiente y suficiente.
Continuando con nuestro ejemplo del fabricante de suministros médicos, intentaremos hacer
una estimación de la proporción de la población a partir de la proporción de la muestra.
Suponga que la administración de la empresa desea estimar el número de cajas que llegarán
dañadas a su destino por mal manejo en el traslado. Podemos verificar una muestra de 50
cajas a partir del punto de embarque hasta su arribo al punto de destino, y luego registrar la
presencia o ausencia de daños. En este caso, si encontramos que la proporción de cajas
dañadas en la muestra es 0.08, diríamos que
Apuntes Estadística
Segundo semestre
7
Apuntes Estadística
Segundo semestre