Adriana Paola Pachón

adrianap.pachon@urosario.edu.co

Estadística Inferencial
Outline

Estimación puntual

Intervalos de confianza
Estimadores
 Criterios para la selección de un estimador:
1) Insesgadez: Que sea insesgado, es decir, que
2) Eficiencia: De mínima varianza, en el sentido que si y son estimadores
insesgados de , se considera mejor aquel de menor varianza.
3) Consistencia: Un estimador puntual es consistente si su valor tiende a
estar más cerca del parámetro poblacional a medida que el tamaño de la
muestra aumenta. Se deben cumplir las siguientes dos condiciones:
Estimadores
Criterios para la selección de un estimador:
1) Insesgadez
A veces el estimador sobreestima el parámetro y otras veces lo subestima,
pero del concepto de esperanza se deduce que si se repite muchas veces el
método de muestreo, entonces, en promedio, el valor de un estimador
insesgado que se obtenga es igual al parámetro poblacional.

  El grado de sesgo es la
diferencia entre la media
del estimador y el
verdadero parámetro.

 Funciones de densidad de y
Estimadores
 Criterios para la selección de un estimador:
2) Estimador más eficiente y eficiencia relativa
Si hay varios estimadores insesgados de un parámetro, el estimador insesgado
que tiene la menor varianza es el estimador más eficiente o el estimador
insesgado de mínima varianza. Sean y dos estimadores insesgados de , basados
en el mismo número de observaciones muestrales. En ese caso,

1) Se dice que es más eficiente que si

2) La eficiencia relativa de con respecto a es el cociente entre sus varianzas;
es decir,
Algo más de estimadores . . .

• Un estimador de un parámetro poblacional es una variable aleatoria que

depende de la información de la muestra; su valor proporciona aproximaciones
a este parámetro desconocido. Un valor específico de esa variable aleatoria se
llama estimación.

• Cualquier inferencia extraída de la población se basa en estadísticos

muestrales.

• En la mayoría de problemas prácticos la estimación puntual (un único número

no refleja una información más segura con una muestra relativamente grande
que con una muestra más pequeña por lo que ..

para comprender mejor el proceso que generó la población también se

necesita una medida de variabilidad (Estimaciones de intervalos de confianza)
Intervalos de confianza

Un estimador de un intervalo de confianza de un parámetro poblacional es una

regla para hallar (basándose en la información muestral) un intervalo que es
probable que incluya ese parámetro. La estimación correspondiente se llama
estimación de un intervalo de confianza.

Cuanto mayor es el tamaño de la muestra, menores son, manteniéndose todo lo

demás constante, las estimaciones de intervalos que reflejan nuestra incertidumbre
sobre el verdadero valor de un parámetro.
 Intervalos de confianza - Construcción

 Intervalos basados en la distribución normal

Sea una muestra aleatoria de n observaciones extraídas de una población que

sigue una distribución normal de media desconocida y varianza conocida
Supongamos que queremos un intervalo de confianza de la media poblacional al .
Conociendo que

Sigue una distribución normal estándar y es el valor de la distribución normal

estándar tal que la probabilidad de la cola superior es . Utilizamos algebra básica
para hallar el intervalo de confianza:
Intervalos de confianza de la media
 CASO 1: VARIANZA POBLACIONAL CONOCIDA

Supongamos que se toma una muestra aleatoria de una población que sigue una
distribución normal y que tiene una media desconocida y una varianza conocida y
queremos hallar un intervalo de valores, en lugar de un único número, para
estimar una media poblacional.

El de los intervalos contendrá el verdadero valor del parámetro desconocido.

Intervalos de confianza de la media
 CASO 1: VARIANZA POBLACIONAL CONOCIDA

Si la media muestral es y la muestra aleatoria tiene tamaño n y es extraída de una

población que sigue una distribución normal de media y varianza , entonces el
intervalo de confianza al de la media poblacional, cuando la varianza es conocida
es,

O, lo que es lo mismo,
Intervalos de confianza de la media
Caso No. 1: Intervalo de Confianza para la media cuando se muestrea una distribución normal
con varianza conocida.
Supuestos:

1) Variable aleatoria: 
X ~ N  ,  02 
2) Parámetros poblacionales: 
desconocida,  2
conocida.
0

3) Muestra aleatoria: X , n,calculables

S a partir de la muestra aleatoria.
Estadístico:   02 
1) Estimador del parámetro µ: X ~ N   , 
 n 
X 
2) Construcción del estadístico: ~ N (0,1)
0 n

Construcción del Intervalo de confianza para el parámetro µ:

 X  
P  z(1 / 2 )   z(1 / 2 )   1  
 0 n 
   
P X  z(1 / 2 ) 0    X  z(1 / 2) 0   1  
 n n
Intervalos de confianza de la media
Ejemplo

Variable de interés: precio de las acciones de una compañía en la bolsa de

valores.
Se sabe que el precio de las acciones se comporta como una variable aleatoria que
se distribuye normal con media μ y varianza no la conocemos. Se tiene una
muestra aleatoria de tamaño 9 dada por: (100, 109, 110, 80, 65, 125,120, 85, 85).
Calcular el intervalo de confianza para μ, de 90% y 95% de confiabilidad.

  De la muestra aleatoria se obtiene:

Y sabemos por la tabla que:

P(XN* ≤ z) = 0.975 => z = 1.96

P(XN* ≤ z) = 0.950 => z = 1.65
Intervalos de confianza de la media

Entonces el intervalo de confianza para μ, de 95% de confiabilidad esta dado por:

    20 
IC95%   X  z( 0.975 ) 0   97.7  1.96   [84.64; 110 .76]
 n  9
Con un 95% de probabilidad o un 5% de significancia la media poblacional se
encontrará entre 84.64 y 110.76

¿Puede reducirse el margen de error y por

consiguiente la amplitud de un intervalo de confianza?
Intervalos de confianza de la media
 CASO 2: VARIANZA POBLACIONAL DESCONOCIDA

• Distribución t de Student

Distribución de probabilidad para cuando no se conoce la varianza poblacional de

una variable aleatoria que sigue una distribución normal. La distribución t es el
cociente entre dos distribuciones , la distribución normal estándar y la raíz
cuadrada de la distribución ji-cuadrado divida por sus grados de libertad ().

La forma de distribución de la t de Student es muy parecida a la de la distribución

normal estándar. Ambas distribuciones tienen media de 0 y las funciones de
densidad de las dos son simétricas en torno a sus medias. Sin embargo, la función
de densidad de la t tiene una dispersión mayor
Intervalos de confianza de la media
CASO 2: VARIANZA POBLACIONAL DESCONOCIDA

• Distribución t de Student

La dispersión mayor de la distribución t de Student se debe a la incertidumbre

adicional provocada por la sustitución de la desviación típica poblacional
conocida por su estimador muestral.
Tabla de la distribución t de Student

n: Grados de libertad.
Intervalos de confianza de la media
 CASO 2: VARIANZA POBLACIONAL DESCONOCIDA

Para hallar el intervalo de confianza al en situaciones dónde no se conoce la

varianza poblacional utilizamos la distribución t de Student.
Intervalos de confianza de la media
Caso No. 2: Intervalo de Confianza para la media cuando se muestrea una
distribución normal con varianza desconocida.
Supuestos:
1) Variable aleatoria: X ~ N   , 2 
2) Parámetros poblacionales:  desconocidas.
, 2
3) Muestra aleatoria: X , n,calculables
S a partir de la muestra aleatoria.
Estadístico:
 2 
1) Estimador del parámetro µ: X ~ N   , 
 n 
2) Construcción del estadístico:
X 
pero
~ N (0,1es
) 
desconocido.
 n
S2
Por otra parte, se puede demostrar que: (n  1) ~  (2n 1)
 2

X 
 n X 
~ t( n 1)  ~ t( n 1)
S 2 (n  1) S n
 2 (n  1)
Intervalos de confianza de la media
Caso No. 2: Intervalo de Confianza para la media cuando se muestrea una
distribución normal con varianza desconocida.
Supuestos:
1) Variable aleatoria: X ~ N   , 2 
2) Parámetros poblacionales:  ,desconocidas.
2
3) Muestra aleatoria: X , n,calculables
S a partir de la muestra aleatoria.
Estadístico:  2 
1) Estimador del parámetro µ: X ~ N   , 
 n 
X 
2) Construcción del estadístico: ~ t( n 1)
S n
Construcción del Intervalo de confianza para el parámetro µ:

 X  
P  t(1 / 2)   t(1 / 2 )   1  
 S n 
 S S 
P X  t(1 / 2)    X  t(1 / 2 )   1
 n n 
Intervalos de confianza de la proporción
GRANDES MUESTRAS

Por lo tanto, si la proporción muestral observada es , se obtiene un intervalo de

confianza aproximado de la proporción de la población al por medio de:
Intervalos de confianza de la proporción
GRANDES MUESTRAS

Los intervalos de confianza de la proporción de la población están centrados en la

proporción muestral.

Importante: Cuando más amplios son los intervalos, dado , mayor es la

imprecisión con que se conoce la proporción poblacional. Se pueden obtener
intervalos de confianza más reducidos tomando muestras mayores.