Estimación de muestras

Estadística computacional

DESCRIPCIÓN BREVE
Partimos desde la definición clave que es la estimación de muestras grandes para poder tener una base
sobre de lo que se tratará todo el documento ya que gracias al tema principal podremos ir desglosando
los demás temas.
TABLA DE CONTENIDO

Descripción breve............................................................................................. 0
Estimación de muestras grandes.............................................................................3
Ejemplos.......................................................................................................... 4
Inferencia Estadística...............................................................................................6
Estimación puntual...................................................................................................9
Ejemplo de estimación puntual:..................................................................10
Estimación de intervalo..........................................................................................11
Intervalos de Confianza Variable.................................................................12
Ejemplo Intervalo de confianza....................................................................13
Ejemplo Intervalo de confianza σ desconocida.........................................15
Ejemplo de estimación por intervalos.........................................................17
Diferencia entre dos medias poblacionales............................................................18
¿Cuál es la diferencia entre dos medias poblacionales?..........................19
Algunos ejemplos donde podemos ver la diferencia entre dos medias
poblacionales:...............................................................................................20
Ejemplo DIFERENCIA ENTRE LAS MEDIAS (muestras grandes).............21
 INTRODUCCION
En el vasto mundo académico y profesional, la estadística emerge como una
herramienta fundamental para comprender y analizar datos en una variedad de
disciplinas. Desde la investigación científica hasta la toma de decisiones
empresariales, la capacidad de interpretar datos de manera significativa se ha
vuelto esencial en la era moderna.

Dentro del marco de la inferencia estadística, la estimación puntual desempeña un

papel crucial al proporcionarnos una estimación específica de un parámetro
poblacional desconocido. En lugar de limitarse a describir una muestra, la
estimación puntual nos permite hacer afirmaciones más generales sobre la
población en su conjunto. Esto se logra utilizando estadísticas descriptivas, como
la media o la proporción, calculadas a partir de la muestra, para estimar el valor
del parámetro poblacional subyacente.

Con esta base establecida, embarquémonos en un viaje hacia el fascinante

mundo de la inferencia estadística y la estimación puntual, donde la incertidumbre
se transforma en conocimiento y los datos revelan su verdadero poder analítico.

Nos sumergiremos en el mundo de la Estimación de Intervalo, una técnica que nos

permite hacer inferencias sobre poblaciones utilizando muestras representativas.
Exploraremos su importancia, cómo se calcula y cómo se aplica en diversas
situaciones prácticas.

Luego, nos adentraremos en la comparación de dos medias poblacionales, un

aspecto crítico de la estadística inferencial. Analizaremos cómo calcular esta
diferencia, interpretar los resultados y sacar conclusiones significativas en función
de la información obtenida.

A lo largo de este trabajo, destacaremos la relevancia y la aplicación práctica de

estos conceptos en el mundo real. Al comprender y dominar la Estimación de
Intervalo y la Diferencia entre Dos Medias Poblacionales, estaremos equipados
para enfrentar los desafíos analíticos y tomar decisiones fundamentadas en datos
con confianza y precisión.
ESTIMACIÓN DE MUESTRAS GRANDES.

Este tema es un concepto estadístico que hace referencia a la técnica utilizada

para inferir conclusiones sobre alguna población tomando como punto de partida
una muestra grande de esa población.

Cuando hacemos uso de este tipo de estimación con muestras grandes se pueden
llegar a hacer suposiciones mas precisas sobre la distribución de los datos y se
pueden obtener también las estimaciones más confiables de los parámetros
poblacionales.

Realmente a medida que el tamaño de nuestra muestra incrementa esta llega a

tener más precisión en sus estimaciones y tiende a mejoras ya que puede realizar
inferencias más solidad sobre la población en cuestión.

La estimación de los parámetros se llevará a cabo de dos maneras las cuales son:
estimación puntual y la estimación por intervalo.

La estimación puntual mediante los estadísticos muestrales se estiman los

parámetros de la población como por ejemplo la media o la varianza. Es decir que
este busca un estimador que con base en los datos muestrales mas se aproxime
al verdadero valor del parámetro.

La estimación por intervalo mediante la distribución en el muestreo de la

característica estadística utilizada determina un intervalo aleatorio que, de forma
probable, contiene el verdadero valor del parámetro y este intervalo mencionado
recibe el nombre de intervalo de confianza.

Ahora bien, conociendo que es la estimación de muestras grandes ahora surge la

pregunta de ¿Cómo se realiza la estimación de muestras grandes?

Esta se realiza mediante la construcción de intervalos de confianza para un

parámetro poblacional como la media basados en el uso de muestras grandes.
Son utilizados los estimadores en este contexto ya que proporcionan un valor
numérico como estimación del parámetro de interés.

La precisión de los mencionados esta enlazada con la probabilidad de que

proporcionen un valor cercano al verdadero parámetro poblacional. Hablando
siempre dentro del tema de muestras grandes se busca no solo ofrecer el valor
estimado, sino que también una mediad de la incertidumbre asociada a esa
estimación debido al uso de una muestra finita.
EJEMPLOS DE UNA ESTIMACIÓN DE MUESTRA GRANDE DE UNA
MEDIA POBLACIONAL:
Una muestra de tamaño 49 tiene media muestral 35 y desviación estándar de la
muestra14.

Construir un intervalo de 98% confianza para la media poblacional utilizando esta

información. Interpretar su significado.

Solución:

Por nivel de confianza 98%, α=1−0.98=0.02, entonces zα/2=z0.01 De la Figura

7.1.6

leemos directamente z0.01=2.326

x ¯ ± zα /2
8
√n
=35 ±2.326
( )
14
√ 49
=35 ± 4.652≈ 35 ± 4.7 (7.1.5)

Estamos 98% seguros de que la media poblacional μ se encuentra en el intervalo

[30.3,39.7] [30.3,39.7], en el sentido de que en el muestreo repetido 98% de todos
los intervalos construidos a partir de la muestra los datos de esta manera
contendrán μ.
Figura 7.1.6 1
INFERENCIA ESTADÍSTICA.

Primero que nada, debemos de tener claro que la inferencia estadística es el

conjunto de métodos mediante las cuales se pueden obtener una conclusión sobre
una población a través de la información proporcionada por una muestra o bien se
pueden hacer predicciones sobre una población basándose únicamente en la
información que fue recopilada a partir de una muestra representativa de la
población seleccionada.

O bueno poniéndolo ya en otras palabras esta lo que busca es poder generalizar

los resultados obtenidos de una muestra a toda la población de interés lo cual
implica un proceso el cual es: implementar tecnicas estadísticas para poder
estimar parámetros desconocidos, probar hipótesis, predecir valores futuros y
evaluar la incertidumbre asociada a las conclusiones obtenidas.

La inferencia es fundamental para poder sacar conclusiones significativas y poder

tomar decisiones informadas en base a datos limitados pero representativos.

Esta es utilizada para poder tomar decisiones al brindar un marco analítico para
hacer predicciones y poder sacar conclusiones basadas en sus datos limitados ya
antes mencionados.

Las formas de aplicación de la inferencia analítica en forma de decisiones

incluyen:

 La estimación de parámetros: son utilizados estimadores para realizar

conjeturas informadas sobre los parámetros de una población lo cual nos
permitirá tener una idea mucho mas clara de lo que sea de interés o a
resaltar.
 Intervalos de confianza: utilizados para poder tener estimaciones por
intervalos de los parámetros seleccionados lo cual nos resulta útil para
poder llegar a comprender la incertidumbre asociada a las estimaciones y a
evaluar si afectara a las pruebas o decisiones.
 Pruebas de hipótesis: Son implementadas para poder probar si una
hipótesis sobre una población es verdadera o no, lo cual nos permite tomar
decisiones basadas en evidencia estadística sólida.
 La selección de modelos: nos ayuda a poder seleccionar un modelo
estadístico que se adecue mas a los datos ya que lo primordial para
nosotros es el poder realizar las predicciones precisas y tomar las
decisiones informadas.

En palabras resumidas la inferencia estadística es fundamental en la toma de

decisiones ya que nos permite realizar evaluaciones y realizar predicciones
fundamentadas y poder elegir la mejor opción entre alternativas realizando
contribuciones con las mejores decisiones mas informadas y lo cual las hacen mas
acertadas en cualquier ámbito.

Inferencia 1

¿Cuáles son los pasos para aplicar la inferencia estadística en la toma de

decisiones?

Se tienen que seguir varios pasos los cuales nos permiten usar datos de manera
efectiva para poder respaldar la toma de decisiones informadas.

1. Elaboración de premisas: En este paso se establecen las bases y

supuestos sobre los cuales se fundamentará el análisis estadístico. Desde
este paso es necesario tener bien definido que objetivos se tienen y las
preguntas de la investigación que necesiten ser respondidas.
2. Identificación de alternativas: paso en el cual se tienen que identificar las
posibles opciones o bien alternativas entre las cuales se tiene que elegir.
Se debe de considerar cada una de las opciones que pudiesen llegar a
influir o afectar en la toma de decisiones.
3. Evaluación de alternativas: son evaluadas las alternativas en función de
los objetivos y criterios establecidos en el paso 1.
4. Selección de la alternativa mas viable: es seleccionada la mejor
alternativa entre todas y se verifica que esta se ajuste a los objetivos y
criterios establecidos.

En resumen, la inferencia con ayuda del seguimiento de estos pasos nos ayuda a
la fácil selección de la mejor alternativa y todo respaldado por el análisis riguroso
que se le efectúa a los datos y a la interpretación estadística adecuada. La
importancia de la inferencia estadística radica desde su capacidad de poder
brindarnos un marco analítico solido y totalmente basado en datos que sean
respaldados por fuentes informadas.
EJEMPLO DE INFERENCIA ESTADÍSTICA:
Regresión lineal: Supongamos que queremos predecir el precio de una vivienda
en función de variables como el tamaño del terreno y el número de habitaciones.
Recopilamos datos de diferentes viviendas y realizamos un análisis de regresión
lineal. A partir de este análisis, obtenemos una ecuación de regresión que nos
permite estimar el precio de una vivienda dado el tamaño del terreno y el número
de habitaciones. Por ejemplo, podríamos obtener la siguiente ecuación: Precio =
100,000 + 50,000 * tamaño del terreno + 20,000 * número de habitaciones.
Utilizando esta ecuación, podemos predecir el precio de una vivienda en base a
las características mencionadas.

En resumen, la estadística inferencial es una herramienta poderosa que nos

permite realizar conclusiones sobre una población a partir de información de una
muestra. Los ejemplos mencionados ilustran algunas aplicaciones prácticas de
esta rama de la estadística en diferentes contextos. Es importante destacar que
estos ejemplos son solo una pequeña muestra de las múltiples aplicaciones que
tiene la estadística inferencial en diversas áreas de estudio.

Inferencia 2
ESTIMACIÓN PUNTUAL.

Es un método que se utiliza en la estadística para poder proporcionar una única

estimación del valor de un parámetro poblacional desconocido. Como bien lo dice
su nombre esta es puntual es decir que sólo nos ofrece un único número como
mejor estimación del parámetro en cuestión.

La estimación puntual esta basada en la información que se recopilo de una

muestra y es utilizada para hacer inferencias sobre la población en su conjunto, la
estimación puntual puede estar sujeta a cierto grado de error debido a la
variabilidad inherente a la muestra utilizada para realizar la estimación.

Siguiendo el contexto de la inferencia estadística que ya se abarcó la estimación

puntual es fundamental ya que esta proporciona una estimación especifica y
concreta del parámetro poblacional lo que permite tomar las decisiones basadas
en datos concretos. La relación que estas tienen es que la inferencia estadística
radica en que la primera es una herramienta utilizada dentro del marco de la
segunda para obtener conclusiones generales sobre una población a partir de
datos limitados, pero representativos. La inferencia estadística es un componente
esencia ya que al proporcionar una estimación especifica y representativa del
parámetro de interés lo que contribuye a la toma de decisiones fundamentales en
análisis rigurosos de datos.

Una estimación puntual de un parámetro poblacional es cuando se utiliza un único

valor para estimar ese parámetro, es decir, se usa un punto en concreto de la
muestra para estimar el valor deseado.

La estimación puntual es una herramienta fundamental en el análisis estadístico,

permitiendo realizar inferencias sobre una población a partir de una muestra.

OBJETIVOS DE LA ESTIMACIÓN PUNTUAL:

Se encarga de poder diferenciar los conceptos de estimador y estimación -
Comprender las propiedades más relevantes de los estimadores puntuales -
Conocer la definición de la función de verosimilitud y el método de máxima
verosimilitud
PASOS QUE DEBEMOS DE SEGUIR PARA OBTENER RESULTADOS
PRECISOS:
 Utilizar una muestra representativa de la población objetivo.
 Asegurarse de que la muestra sea lo suficientemente grande para que los
resultados sean confiables.
 Aplicar técnicas estadísticas adecuadas para el cálculo de la estimación
puntual.
 Realizar análisis de sensibilidad para evaluar la robustez de los resultados
obtenidos.

En resumen, la estimación puntual es una herramienta útil en la estadística para

obtener resultados precisos sobre parámetros desconocidos de una población.
Mediante el uso de diferentes métodos y siguiendo las pautas mencionadas, es
posible obtener estimaciones confiables que permiten tomar decisiones
informadas en diversos contextos.

EJEMPLO DE ESTIMACIÓN PUNTUAL:

1. Estimación de la estatura promedio de una población: Si se realiza un
estudio sobre la estatura promedio de los habitantes de una ciudad y se
obtiene una media de estatura de 170 cm en una muestra de 100 personas,
ese valor se convierte en una estimación puntual de la estatura promedio
de la población.
2. Estimación del porcentaje de apoyo a un candidato político: Al medir la
opinión pública sobre el apoyo a un candidato político mediante una
encuesta a una muestra representativa, por ejemplo, si el 60% de una
muestra apoya a un candidato, ese porcentaje se convierte en una
estimación puntual del apoyo en la población total.

Ya mencionados los ejemplos nos podemos dar cuenta que la estimación puntual
puede ser implementada en distintos contextos para ofrecer una única estimación
del parámetro de interés basada en datos muestrales.

¿Cómo podemos representar gráficamente una estimación puntual?

Estimación Puntual 1
Podemos hacer uso de distintos métodos visuales que nos ayuden a ver el
estimado del parámetro poblacional.

 Gráficos de barras o gráficos circulares: útiles para mostrar visualmente el

valor estimado de un parámetro, como un porcentajes o una proporción
 Gráficos de líneas: útiles para representar tendencias o cambios en un
parámetro a lo largo del tiempo lo cual puede incluir la estimación puntual
de un valor en un momento especifico.
 Diagramas de dispersión: al usarlos nos permite mostrar la relación entre
dos variables y pueden utilizarse para representar la estimación puntual de
la relación entre esas variables.
 Histogramas: de utilidad para poder representar la distribución de los datos
y capaces de mostrar visualmente la estimación puntual de la media o
cualquier otro parámetro descriptivo.

ESTIMACIÓN DE INTERVALO.

La estimación por intervalos es un método que permite estimar un rango de

valores dentro del cual es probable que encontremos un parámetro poblacional.

Es una herramienta valiosa en inferencia estadística ya que nos permite

comprender mejor la variabilidad y la fiabilidad del parámetro estimado.

Es un enfoque basado en la distribución de estadísticas muestrales y busca

proporcionar una medida de incertidumbre alrededor de la estimación puntual.

Al calcular el intervalo de confianza los investigadores podemos expresar la

precisión de su estimación y el nivel de confianza en que el intervalo contiene el
verdadero parámetro poblacional.

Consiste en establecer el intervalo de valores donde es mas probable que se

encuentre el parámetro. La obtención del intervalo se basa en las siguientes
consideraciones:

1) Si conocemos la distribución muestral del estimador podemos obtener las

probabilidades de ocurrencia de los estadísticos muestrales.
2) Si conociéramos el valor del parámetro poblacional, podríamos establecer
la probabilidad de que el estimador se halle dentro de los intervalos de la
distribución muestral.
3) El problema es que el parámetro poblacional es desconocido, y por ello el
intervalo se establece alrededor del estimador. Si se repite el muestreo un
gran numero de veces y definimos un intervalo alrededor de cada valor del
estadístico muestral el parámetro se sitúa dentro de cada intervalo en un
 porcentaje conocido de ocasiones y este intervalo es denominado intervalo
de confianza.

Este tipo de estimación es utilizada por que se le pueden asociar criterios de

probabilidad con las estimaciones puntuales.

Las estimaciones puntuales no son una buena opción cuando constituyen el

centro del objetivo, aunque solucionan problemas de procedimiento, por lo que
son absolutamente necesarias.

¿QUÉ ES LA ESTIMACIÓN POR INTERVALOS Y CÓMO SE UTILIZA EN

ESTADÍSTICA?
Es un método que consiste en establecer un rango de valores dentro del cual es
probable que se encuentre un parámetro poblacional desconocido. Se utiliza para
expresar la precisión de la estimación y el nivel de confianza en que el intervalo
contiene el verdadero parámetro poblacional.

Formulas utilizadas para calcular el intervalo de confianza en la estimación por

intervalos depende del tipo de parámetro que se está estimando.

Tenemos Intervalo de confianza para la media poblacional:

 Para muestras grandes ( n ≥ 30 ) :IC 95=media ± 1.96 x SE

0.05
 Para muestras pequeñas ( n<30 ) : IC 95=media ±t student × × SE
2

Tenemos intervalo de confianza para una proporción de población.

 la formula general para un intervalo de confianza para una proporción

poblacional es: IC=p^±Zα/2×np^(1−p^)

INTERVALOS DE CONFIANZA VARIABLE

Cuando se trabaja con una variable normal en la población y se quiere estimar un
parámetro poblacional (como la media), el intervalo de confianza proporciona un
rango dentro del cual es probable que se encuentre el verdadero valor del
parámetro con cierto nivel de confianza.

NORMAL EN LA POBLACION
Se selecciona una muestra de tamaño n de una población
  Intervalo de confianza para la media μ con σ conocida

 Intervalo de confianza para la media μ con σ desconocida

 Intervalo de confianza para la varianza σ 2

VARIABLE BERNOULLI EN LA POBLACIÓN

Se selecciona una muestra de tamaño n de una población

Intervalo de confianza para la proporción

EJEMPLO INTERVALO DE CONFIANZA PARA LA MEDIA CON σ

CONOCIDA
Se ha obtenido una muestra de 25 alumnos de una Facultad para estimar la
calificación media de los expedientes de los alumnos en la Facultad. Se sabe por
otros cursos que la desviación típica de las puntuaciones en dicha Facultad es de
2.01 puntos.

 La media de la muestra fue de 4.9.

 Intervalo de confianza al 90%.
 Intervalo de confianza al 99%.

Solución.

Intervalo de confianza al 90%. Usamos la fórmula:

Los cuantiles de orden 0.05 y 0.95, que encierran en el centro de la distribución

normal un área igual a 0.9 se muestran en el grafico siguiente:
Sustituyendo los datos en la fórmula del intervalo, tenemos:

(4,24,5,56)
Intervalo de confianza al 99%.

De modo similar obtenemos los cuantiles de orden 0.005 y 0.995 que

describen en el modelo normal una confianza del 99%
Por último, sustituyendo los datos en la fórmula del intervalo, tenemos:

EJEMPLO INTERVALO DE CONFIANZA PARA LA MEDIA CON σ

DESCONOCIDA
Se ha obtenido una muestra de 15 vendedores de una Editorial para estimar el
valor medio de las ventas por trabajador en la Empresa.

 La media y varianza de la muestra (en miles) son 5 y 2, respectivamente.

 Intervalo de confianza para la venta media por trabajador en la Editorial al
90%.
 Intervalo de confianza para la varianza de las ventas por trabajador en la
Editorial al 90%.

Solución.

Intervalo de confianza para la media de ventas por vendedor al 90%. Usamos la

fórmula:

Se conoce la varianza de la muestra V (X) = 2, pero necesitamos la cuasi-varianza

s2

Y, por tanto, una cuasi-desviación típica igual a s = √s2 = 1,464. Los cuantiles de
orden 0.05 y 0.95, que encierran en el centro de la distribución t de Student con 14
g.l. un área igual a 0.9 se muestran en el gráfico siguiente:
Sustituyendo los datos en la fórmula del intervalo, tenemos:

Intervalo de confianza para la varianza al 90%.

De modo similar obtenemos los cuantiles de orden 0.05 y 0.95 que describen
en el modelo chi-cuadrado con 14 g.l. una confianza del 90%

Por último, sustituyendo los datos en la fórmula del intervalo, tenemos:

(1,27,4,58)
EJEMPLO DE ESTIMACIÓN POR INTERVALOS:
Se generan 100000 muestras aleatorias (n=25) de una población que sigue la
distribución Normal, y resulta:

La distribución de las medias muestrales aproxima al modelo normal:

En consecuencia, el intervalo dentro del cual se halla el 95% de las medias

muestrales es:

(Nota: Los valores +-1.96 que multiplican la Desviación Típica de la distribución

muestral son los valores cuya función de distribución es igual a 0.975 y 0.025
respectivamente y se pueden obtener en las tablas de la distribución Normal
estandarizada o de funciones en aplicaciones informáticas como Excel).
Seguidamente generamos una muestra de la población y obtenemos su Media,
que es igual a 4.5. Si establecemos el intervalo alrededor de la Media muestral, el
parámetro poblacional (5.1) está incluido dentro de sus límites:

Ahora bien, la distancia de un punto A a un punto B es la misma que de B a A. Por

esa razón, la distancia desde m a la Media muestral es la misma que va de la
Media muestral a m. En consecuencia, si hacemos un muestreo con un número
grande de muestras observamos que el 95% de las veces (aproximadamente) el
valor de la Media de la población (m) se encuentra dentro del intervalo definido
alrededor de cada uno de los valores de la Media muestral. El porcentaje de veces
que el valor de m se halla dentro de alguno de los intervalos de confianza es del
95%, y es denominado nivel de confianza.

Si queremos establecer un intervalo de confianza en que el % de veces que m se

halle dentro del intervalo sea igual al 99%, la expresión anterior es:

(Obtenemos el valor +-2.58 que multiplica la Desviación Típica de la distribución

muestral en las tablas de la distribución Normal estandarizada o de funciones en
aplicaciones informáticas como Excel), y son los valores cuya función de
probabilidad es igual a 0.995 y 0.005 respectivamente).

DIFERENCIA ENTRE DOS MEDIAS POBLACIONALES.

Es un concepto clave en estadística que ayuda a comparar las tendencias

centrales de dos poblaciones distintas. Esto implica calcular la discrepancia entre
los valores promedio de dos grupos o poblaciones distintas.

Esto nos puede proporcionar información sobre si existe una variación significativa
en las medias de las poblaciones estudiadas ya que al analizar esta diferencia
estadísticamente los investigadores pueden determinar si hay una distinción
significativa entre los dos grupos en cuanto a sus tendencias centrales.

La comparación de dos medias poblacionales independientes es muy común y

proporciona una forma de probar la hipótesis de que los dos grupos difieren entre
sí. Una diferencia observada entre dos medias muestrales depende tanto de las
medias como de las desviaciones típicas de la muestra. Pueden producirse
medias muy diferentes por azar si hay una gran variación entre cada una de las
muestras.
¿CUÁL ES LA DIFERENCIA ENTRE DOS MEDIAS POBLACIONALES?
La diferencia entre dos medias poblacionales es la disparidad en los valores
promedio de dos poblaciones distintas y esta diferencia se puede calcular para
comparar las tendencias centrales de los grupos o poblaciones en estudio.

Al realizar análisis de las diferencia entre las medias poblacionales se busca el

poder determinar si existe una variación significativa en los promedios de las dos
poblaciones consideradas. En la estadística este es uno de los conceptos
fundamentales ya que nos ayuda a evaluar si hay diferencias significativas en los
valores medios de dos conjuntos de datos o grupos específicos.

El intervalo de confianza para estimar la diferencia de dos medias poblacionales

(μ1 - μ2) es de la forma:

¿Cómo podemos llegar a interpretar la diferencia entre dos medias

poblacionales?

Puede realizarse de la siguiente manera:

1. Significancia estadística: Una diferencia significativa entre dos medias

poblacionales sugiere que hay una disparidad real en los valores promedio
de las dos poblaciones en estudio. (esto nos puede ir indicando si existe
una verdadera divergencia en las características o comportamientos que se
están comparando).
 2. Impacto práctico: Además de la significancia estadística, es importante
considerar el impacto práctico de la diferencia entre las medias. ¿Esta
diferencia es lo suficientemente grande como para tener relevancia en el
contexto en el que se está analizando? Evaluar si la diferencia es
significativa desde un punto de vista práctico es crucial para la toma de
decisiones.
3. Confianza en la estimación: Al calcular la diferencia entre dos medias
poblacionales, es esencial tener en cuenta el intervalo de confianza
asociado. Este intervalo proporciona una estimación de la precisión de la
diferencia calculada y ayuda a determinar la certeza en la magnitud de la
disparidad entre las medias.

Ahora bien, tomando en cuenta el como la interpretamos nos ponemos a pensar

ahora en que factores son los que influyen en la diferencia entre dos medias
poblacionales y estos pueden ser:

1. Variabilidad de los datos: La presencia de una mayor variabilidad en los

datos de las dos poblaciones puede influir en la magnitud de la diferencia
entre las medias. Si los datos son muy dispersos, es probable que las
medias difieran más entre sí.
2. Tamaño de las muestras: El tamaño de las muestras utilizadas para
calcular las medias poblacionales puede afectar la diferencia observada.
Muestras más grandes tienden a proporcionar estimaciones más precisas
de las medias y, por lo tanto, pueden influir en la diferencia entre ellas.
3. Desviaciones estándar de las poblaciones: Las desviaciones estándar
de las poblaciones también desempeñan un papel crucial. Si las
desviaciones estándar son altas, las medias pueden variar más entre sí,
mientras que desviaciones estándar más bajas pueden resultar en
diferencias menores.
4. Diseño del estudio: El diseño del estudio y la forma en que se seleccionan
las muestras pueden impactar en la diferencia entre las medias
poblacionales. Un diseño de estudio adecuado y una selección
representativa de muestras son fundamentales para obtener resultados
válidos.

ALGUNOS EJEMPLOS DONDE PODEMOS VER LA DIFERENCIA

ENTRE DOS MEDIAS POBLACIONALES:
1. Comparación de la productividad laboral: Se pueden analizar las diferencias
en la productividad entre dos turnos de trabajo en una fábrica para
determinar si existe una disparidad significativa en el rendimiento promedio
de los empleados.
 2. Rendimiento de inversiones: Comparar las tasas de rendimiento de dos
tipos de inversiones, como activos fijos y acciones ordinarias, para evaluar
si hay diferencias significativas en los retornos financieros obtenidos.
3. Estudio de eficacia de tratamientos médicos: Investigar si hay una
diferencia en la eficacia de dos tratamientos médicos para una enfermedad
específica, analizando las medias de los resultados de los pacientes
tratados con cada método.

EJEMPLO DIFERENCIA ENTRE LAS MEDIAS DE DOS POBLACIONES

(MUESTRAS GRANDES)
Ejemplo. El dueño del restaurante RESUMG tiene información de la cantidad de
dinero que gastan sus clientes cuando visitan el sitio. De la sucursal A selecciona
aleatoriamente 50 clientes del restaurante. Después de procesar los datos se
encontró una media de $32.000 y una varianza de 2.560.000. De la sucursal B
selecciona aleatoriamente 50 clientes del restaurante. Después de procesar los
datos se encontró una media de $34.800 y una desviación estándar de $1.650.

 Construya un intervalo del 95,44% de confianza para estimar la diferencia

de medias poblacionales.

Solución.

Se tienen dos muestras de tamaño n1 = 50 y n2 = 50, las medias son x1 

$32.000 y x2  $34.800 , la desviación estándar para cada muestra es : S1 
$1.600 y 2 S2  $1.650 .

Tenemos que, 1 -  = 0,9544  = 0,0456  /2 = 0,0228 2 Z = 2,0 según valor de

tabla.

Entonces:

Interpretación: Con un nivel de confianza del 95,44% se puede asegurar que la

diferencia entre la cantidad promedio que gastan cada uno de los clientes del
restaurante RESUMG sucursal B con respecto a los clientes de la sucursal A se
encuentra entre $2.149,93 y $3.450,07, con un error de estimación no mayor de
$650 aproximadamente.
 CONCLUSIÓN

1. Herramienta esencial en estadística: La Estimación de Intervalo es una

técnica fundamental que permite hacer inferencias sobre poblaciones
basadas en muestras. Su uso es crucial en una variedad de campos, desde
la investigación científica hasta la toma de decisiones empresariales.

2. Nivel de confianza: El nivel de confianza seleccionado juega un papel

crucial en la Estimación de Intervalo. Al elegir un nivel de confianza más
alto, aumentamos la amplitud del intervalo de confianza, lo que nos brinda
más seguridad en nuestras conclusiones, pero a costa de una mayor
incertidumbre.

3. Interpretación correcta: Es importante entender correctamente la

interpretación de un intervalo de confianza. Por ejemplo, un intervalo del
95% no significa que hay un 95% de probabilidad de que el parámetro esté
dentro del intervalo, sino que, en 95 de 100 experimentos similares, el
intervalo contendría el parámetro.

4. Comprender las diferencias: La comparación de las medias poblacionales

es esencial para comprender cómo difieren dos grupos en una
característica específica. Esta comprensión es crucial en la investigación
científica, la toma de decisiones empresariales y otros campos.

5. Cálculo y análisis: El cálculo de la diferencia entre dos medias

poblacionales es relativamente simple, pero su interpretación requiere un
análisis cuidadoso. Las pruebas estadísticas como la prueba t de Student y
el análisis de varianza (ANOVA) son herramientas comunes para
determinar si la diferencia observada es estadísticamente significativa.

BIBLIOGRAFÍA
De la media μ con muestras grandes, 1. Introducción 2. Intervalos de Confianza
Para μ. Con Muestras Grandes 3. Determinación del Tamaño Muestral 4.
Introducción al Contraste de Hipótesis 5. Contraste de Hipótesis. (n.d.). Inferencia
con muestras grandes. Uc3m.Es. Retrieved March 16, 2024, from
https://halweb.uc3m.es/esp/Personal/personas/ismael/Docencia/DepaWeb_ITIG/
Documentacion/Temario/InferMuestrasGrandes/Apuntes_InferGrandes.pdf

Ejemplos de Estimación Puntual para una Mejor Conclusión. (2023, September

10). Enciclopedia Argentina de Ejemplos; Ejemplo Editores.
https://ejemplo.com.ar/estimacion-puntual-ejemplos/?expand_article=1

Ejemplos Sencillos de Estadística Inferencial: Aprende de forma práctica. (2023,

August 24). Enciclopedia Argentina de Ejemplos; Ejemplo Editores.
https://ejemplo.com.ar/ejemplos-sencillos-de-estadistica-inferencial/

Estimación con Intervalo para la Media (pequeñas y grandes muestras). (2020,

September 29).

Estimación de muestras grandes. (n.d.). Prezi.com. Retrieved March 15, 2024,

from https://prezi.com/xlz7hdhek6mz/estimacion-de-muestras-grandes/

Intervalos de confianza. Muestras grandes, desviación estándar poblacional

conocida. (2019, June 5).

La estimación puntual. (n.d.). Asignatura.Us.Es. Retrieved March 15, 2024, from

https://asignatura.us.es/dadpsico/apuntes/EstimacionEstadistica.pdf

Palomares, H. (2023, May 2). Estadística Inferencial - ¿Para qué la puedo

usar? Hilmer Tecnología Digital. https://hilmer.vip/estadistica-inferencial/

Parra, A. (2017, July 11). Cómo medir una población. QuestionPro.

https://www.questionpro.com/blog/es/como-medir-una-poblacion/

RPubs - 15. Estimación puntual. (n.d.). Rpubs.com. Retrieved March 15, 2024,
from https://rpubs.com/bogotan/EstimacionPuntual

Sanjuán, F. J. M. (2019, March 11). Estimación puntual. Economipedia.

https://economipedia.com/definiciones/estimacion-puntual.html

Tema 9. (n.d.). Ugr.es. Retrieved March 16, 2024, from

https://wpd.ugr.es/~bioestad/bioestadistica/tema-9/
(N.d.-a). Libretexts.org. Retrieved March 15, 2024, from
https://espanol.libretexts.org/Estadisticas/Estadisticas_Introductorias/Libro
%3A_Estadísticas_Introductorias_(Shafer_y_Zhang)/
09%3A_Problemas_de_dos_muestras/
9.01%3A_Comparación_de_dos_medias_poblacionales

(N.d.-b). Rbind.Io. Retrieved March 15, 2024, from

https://estadisticacienciassocialesr.rbind.io/estimación-por-intervalo.html

(N.d.-c). Upm.Es. Retrieved March 15, 2024, from

https://rafami.etsisi.upm.es/Estadistica/Material/Tema7-Apuntes.pdf

(N.d.-d). Openstax.org. Retrieved March 15, 2024, from

https://openstax.org/books/introducción-estadística/pages/10-2-dos-medias-
poblacionales-con-desviaciones-tipicas-conocidas

(N.d.-e). Libretexts.org. Retrieved March 15, 2024, from

https://espanol.libretexts.org/Estadisticas/Estadisticas_Introductorias/Libro
%3A_Estadísticas_Introductorias_%28Shafer_y_Zhang
%29/09%3A_Problemas_de_dos_muestras/
9.01%3A_Comparación_de_dos_medias_poblacionales

(N.d.-f). Questionpro.com. Retrieved March 16, 2024, from

https://www.questionpro.com/es/tamaño-de-la-muestra.html

(N.d.-g). Fastercapital.com. Retrieved March 16, 2024, from

https://fastercapital.com/es/tema/introducción-a-la-inferencia-estadística.html

(N.d.-h). Libretexts.org. Retrieved March 17, 2024, from

https://espanol.libretexts.org/Estadisticas/Estadisticas_Introductorias/Libro
%3A_Estadísticas_Introductorias_%28Carril%29/12%3A_Pruebas_de_Medios/
12.03%3A_Diferencia_entre_dos_medias

(N.d.-i). Openstax.org. Retrieved March 17, 2024, from

https://openstax.org/books/introducción-estadística-empresarial/pages/10-1-
comparacion-de-las-medias-de-dos-poblaciones-independientes

(N.d.-e). Libretexts.org. Retrieved March 15, 2024, from

https://espanol.libretexts.org/Estadisticas/Estadisticas_Introductorias/Libro
%3A_Estadísticas_Introductorias_%28Shafer_y_Zhang
%29/09%3A_Problemas_de_dos_muestras/
9.01%3A_Comparación_de_dos_medias_poblacionales
(N.d.-f). Questionpro.com. Retrieved March 16, 2024, from
https://www.questionpro.com/es/tamaño-de-la-muestra.html

(N.d.-g). Fastercapital.com. Retrieved March 16, 2024, from

https://fastercapital.com/es/tema/introducción-a-la-inferencia-estadística.html

(N.d.-h). Libretexts.org. Retrieved March 17, 2024, from

https://espanol.libretexts.org/Estadisticas/Estadisticas_Introductorias/Libro
%3A_Estadísticas_Introductorias_%28Carril%29/12%3A_Pruebas_de_Medios/
12.03%3A_Diferencia_entre_dos_medias

(N.d.-i). Openstax.org. Retrieved March 17, 2024, from

https://openstax.org/books/introducción-estadística-empresarial/pages/10-1-
comparacion-de-las-medias-de-dos-poblaciones-independientes