Pregrado

SESIÓN 07:
Estimación Puntual e interválica paramétrica (media,
proporción, varianza) para una muestra.

M.Sc. Ing. Ricardo Antonio Armas Juárez

 Ingeniería
Pregrado
TEMARIO Industrial

Estimación Puntual

Estimación
Interválica
 Ingeniería
Pregrado
Industrial

LOGRO DE LA SESIÓN:

Al término de la sesión, el estudiante aadquiere nociones sobre la

Estimación Puntual e Interválica paramétrica para una muestra.
 Ingeniería
VIDEO MOTIVACIONAL Pregrado
Industrial

https://www.youtube.com/watch?v=cMqgG_lBC2U
 Ingeniería
PREGUNTAS: Pregrado
Industrial

• ¿Qué és la estimación puntual?.

N° 1

• ¿Qué es la Estimación por Intervalos?.

N° 2

Participa en el chat o levantando la mano del ZOOM

 Ingeniería
RESPUESTAS: Pregrado
Industrial

• La Estimación Puntual de un parámetro poblacional es cuando se utiliza

un único valor de la muestra para estimar un parámetro de la población.
• Al valor usado se le llama estimador.
N° 1

• La Estimación por Intervalo es el uso de datos de una muestra para

estimar un intervalo de valores de un parámetro de interés.
N° 2

Participa en el chat o levantando la mano del ZOOM

 Ingeniería
Pregrado
Industrial

Estimación de parámetros
 Ingeniería
Pregrado
Industrial

Estimación de parámetros

ESTIMACIÓN
DE
PARÁMETROS
Definición Tipos
Es el proceso mediante La estimación de un
el cual se aproxima el parámetro puede
valor de un parámetro adoptar la forma de un
de la población, a partir punto (estimación
de la información de la puntual) o de un
muestra. intervalo (estimación
por intervalo).
 Ingeniería
Pregrado
Estimación Puntual de Parámetros para una Población: Media, Proporción y Varianza
Industrial

Fórmulas para la Estimación

puntual
PARÁMETRO ESTIMADOR
MEDIDA ESTADÍSTICA
(Valor obtenido de la población) (Valor obtenido de la muestra)

Media

Varianza

Proporción

Estimación puntual. Consiste en usar un solo valor extraído de la muestra para estimar el parámetro desconocido de
la población. Ejemplos:
La media de la población se puede estimar puntualmente mediante la media de la muestra
La varianza de la población se puede estimar puntualmente mediante la varianza de la muestra
La proporción de la población se puede estimar puntualmente mediante la proporción muestra
 Ingeniería
Pregrado
Industrial

EJEMPLO 1 (Estimación Puntual para la Media de una Muestra)

De la población de tallas de los estudiantes en el año 2021, se extrae una muestra aleatoria
de 8 alumnos, cuyos valores observados son:
1.501.60 1.58 1.45 1.52 1.68 1.62 1.55
Halle un estimador puntual para la media poblacional
Solución

∑ 𝑥𝑖 1.5 + 1.6 + 1.58 + 1.45 + 1.52 + 1.68 + 1.62 + 1.55 
𝑥=
𝑖 =1 ¿ mts
𝑛 8

Cuando obtenemos una media aritmética a partir de una muestra (Estadístico), esta puede ser empleado como estimador
puntual para el valor de la media poblacional (Parámetro). Análogamente con los demás estadísticos.
 Ingeniería
Pregrado
Estimación Por Intervalos para una Población: Media, Proporción y Varianza
Industrial

INTERVALO DE CONFIANZA
Una estimación por intervalo de un parámetro 𝜃 es un intervalo de la forma: L1 ≤ 𝜃 ≤ L2
Se dice que un intervalo , es un segmento de extremos cerrados con nivel de confianza 1-

P ( L1    L2 )  1  

Donde:  /2 1
θ : Es un par ámetro (Promedio o proporci ó n)
L1 : Lí miteinferior del IC  /2
L2 : Lí mite superior del IC L1  L2

Los límites de un intervalo de confianza (IC) se calculan utilizando los estadísticos muestrales, según sea el caso
(promedio, proporción muestral, etc.)
El intervalo L1 ≤ 𝜃 ≤ L2 determinado en relación con una muestra en particular, recibe el nombre de intervalo de
confianza (1- )100%, la fracción 1- se conoce como coeficiente de confianza o grado de confianza y los extremos L1
y L2 reciben el nombre de límites de confianza inferior y superior.
 Ingeniería
Estimación Interválica para la Media de una muestra
Pregrado
Industrial

Intervalo de confianza para la media poblacional

Caso 1. Cuando n ≥ 30 y conocida Caso 2. Cuando n < 30 y desconocida

𝜎 σ s s
x − Z0 ≤ μ ≤ x +Z 0 x− t0 ≤ μ ≤ x +t 0
√n √n √n √n

Donde: el valor de Z0 se obtiene de la Donde: el valor de t0 se obtiene de la

tabla de la “Distribución Normal”: tabla “t-Student”:
Z =Z t =t
(1 − α
2 ) (1 − )
0 0 α
; n −1
2
 Ingeniería
Intervalos de Confianza (IC)
Pregrado
Industrial

Para una muestra

IC para la media

Si n ≥ 30, usar “Z”

Si n < 30, usar “t”

De la muestra (n),
Calculamos:
promedio
Y desvest
 Ingeniería
Pregrado
Industrial

Ejemplo N°02 (Estimación interválica para la media de una muestra) :

El fabricante de cierta marca de cigarrillos sostiene que sus cigarrillos

contienen en promedio 18 miligramos de nicotina por cigarrillo. Un
organismo de control examina una muestra de 100 cigarrillos. Utilizando un
nivel de confianza del 99%; ¿Puede el organismo concluir que el fabricante
subestima el contenido medio de nicotina de sus cigarrillos, si el contenido
medio de la muestra es de 19,2 miligramos con una desviación estándar de
2 miligramos?
 Ingeniería
Pregrado
Industrial

Solución al 99%:
Datos del Problema
  18 mg
n  100
X  19.2 mg
S  2 mg
1    0.99

 / 2  0.005
1    0.99
 / 2  0.005
-2.575 2.575
 Ingeniería
Pregrado
Industrial

Solución al 99% con la Tabla “z” Normal:

Donde:

Z = 2.5 + 0.07= 2.575

 Ingeniería
Pregrado
Industrial

Solución al 99%:
Datos del Problema

  18 mg
n  100
X  19.2 mg
S  2 mg
1    0.99

 / 2  0.005
1    0.99
 / 2  0.005
-2.575 2.575
 Ingeniería
Pregrado
Industrial

Estimación Interválica del Contenido de Nicotina al 99% de

Confianza n30
  18 mg
n  100
X  19.2 mg
S  2 mg
1    0.99

Rpta. Se estima que el contenido medio de nicotina por cigarrillo se

encuentra entre el 18.685 mg y 19.715 mg al 99% de confianza, por lo
que concluimos que el fabricante si subestimó el contenido medio de
nicotina de sus cigarrillos.
 Ingeniería
Pregrado
Industrial

Ejemplo N°03 (Estimación interválica para la media de una muestra) :

Las cajas de un cereal producido en una fábrica, deben tener un
contenido de 16 onzas. Un inspector tomó una muestra que arrojó
los siguientes pesos en onzas:
15.7 15.7 16.3 15.8 16.1
15.9 16.2 15.9 15.8 15.7
Indicar si es razonable que el inspector,
usando un coeficiente de confianza de 95%
ordene que se multe al fabricante.
 Ingeniería
Pregrado
Industrial

Solución al 95%:
Datos del Problema

n = 10

Primero
Calculamos
 Ingeniería
Pregrado
Industrial

Solución al 95%:
Datos del Problema

n = 10

Calculamos

15.7  + 15.7 + 16.3  + 15.8 + 16.1 + 15.9 + 16.2  + 15.9+ 15.8+ 15.7

𝑛

∑ 𝑥𝑖
¿
𝑖 =1 oz
𝑥=
𝑛 10

oz
 Ingeniería
Pregrado
Industrial

Solución al 95%:
Datos del Problema

n = 10

oz

Luego
Calculamos s
 Ingeniería
Pregrado
Industrial

Solución al 95%:
Datos del Problema

n
1 15.7 15.91 -0.21 0.0441
2 15.7 15.91 -0.21 0.0441
3 16.3 15.91 0.39 0.1521
4 15.8 15.91 -0.11 0.0121 S2 = 0.429/9 = 0.0476
5 16.1 15.91 0.19 0.0361
6 15.9 15.91 -0.01 1E-04
7 16.2 15.91 0.29 0.0841
8 15.9 15.91 -0.01 1E-04 S = 0.218
9 15.8 15.91 -0.11 0.0121
10 15.7 15.91 -0.21 0.0441
TOTAL 0.429
 Ingeniería
Pregrado
Industrial

Solución al 95%:
Datos del Problema
n  10
X  15.910 oz
S  0.218 oz
Intervalo de confianza: 1    0.95

Ahora calculamos T0
 / 2  0.025
1    0.95
 / 2  0.025
-2.262 2.262
 Ingeniería
Pregrado
Industrial

Solución al 95% con la Tabla “t” Student:

Donde:

t0  t  
 t 0.05 
 1 , n 1   1 ,10 1 
 2   2 

t( 0.975,9)  2.262

2.262
 Ingeniería
Pregrado
Industrial

Solución al 95%:
Datos del Problema
n  10
X  15.910 oz
S  0.218 oz
Intervalo de confianza: 1    0.95

P ( X  t0 )  0.975
 / 2  0.025 t 0  2.262
1    0.95
P ( X  t0 )  0.025
 / 2  0.025  t0  2.262

-2.262 2.262
 Ingeniería
Pregrado
Industrial

Estimación Interválica de los pesos en onzas de cajas de cereal al 95%

de Confianza n30

 S   0.218 
L1  X  t0    15.910  2 .262   15.754
 n  10 
 S   0.218 
L2  X  t0    15.910  2.262   16.066
 n  10 

Rpta. Se estima que el peso medio en onzas de las cajas de cereal se encuentra entre el

15.754 oz y 16.066 oz al 95% de confianza, por lo concluimos que el inspector no

multará al fabricante, ya que todos los datos de la muestra se encuentran en éste rango.
 Ingeniería
Estimación Interválica para la Proporción Poblacional de una
Pregrado muestra
Industrial

El estimador puntual del parámetro es el estadístico p, proporción de éxitos en la muestra

definida por :

∑ 𝑥𝑖
𝑋
𝑖=1
𝑝= =
𝑛 𝑛

∧
𝑥 𝑁 ú 𝑚𝑒𝑟𝑜 𝑑𝑒 é 𝑥𝑖𝑡𝑜𝑠𝑒𝑛 𝑙𝑎𝑚𝑢𝑒𝑠𝑡𝑟𝑎 ESTIMACIÓN
𝑝= = PUNTUAL
𝑛 𝑛
 Ingeniería
Pregrado
Industrial

Las características del estadístico p

son:
𝑀𝑒𝑑𝑖𝑎𝜇 𝑝 =𝑝

Varianza

Además, si el tamaño de la muestra es suficientemente grande , por

el teorema central del limite, la distribución de la probabilidad de la
proporción muestral es aproximadamente normal con media y
varianza
 Ingeniería
Pregrado
Industrial

Estimación Interválica para la proporción de 1 muestra

Valores tabla Z aproximados

Nivel confianza: 𝒁𝟏 𝜶
−𝟐
𝟏−𝜶
90% 𝑍0.95 =1.645
95% 𝑍0975 =1.96
98% 𝑍0.99=2.33
99% 𝑍0.995 =2.575
 Ingeniería
Pregrado
Industrial

Estimación Interválica para la proporción de 1 muestra

Se puede usar la distribución de para determinar un

intervalo de confianza del parámetro .

Si es la proporción de éxitos en una muestra aleatoria de tamaño n, entonces,

el intervalo de confianza del para es:

𝑝− 𝑍
(1 − 𝛼2 ) √ 𝑝 (1 −𝑝 )
𝑛
≤ 𝜋 ≤ 𝑝+𝑍
( 1− 𝛼2 ) √ 𝑝 (1− 𝑝)
𝑛
 Ingeniería
Pregrado
Industrial

Ejemplo 4. Estimación Interválica para la proporción de 1 muestra

Una encuestadora utilizó una muestra aleatoria de 600 electores que acaban de votar y
encontró que 240 votaron a favor del candidato A. Estimar el porcentaje de electores a favor de
A en toda la población, utilizando un intervalo de confianza del 95%.

Solución.
 Ingeniería
Pregrado
Industrial

Ejemplo 4. Estimación Interválica para la proporción de 1 muestra

Una encuestadora utilizó una muestra aleatoria de 600 electores que acaban de votar y
encontró que 240 votaron a favor del candidato A. Estimar el porcentaje de electores a favor de
A en toda la población, utilizando un intervalo de confianza del 95%.
Solución.
Intervalo de confianza
𝑋 : 𝐸𝑙𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑎 𝑓𝑎𝑣𝑜𝑟 𝑑𝑒𝑙 𝑐𝑎𝑛𝑑𝑖𝑑𝑎𝑡𝑜 𝐴

√ √
Datos:
𝑝 ( 1− 𝑝 ) 𝑝 (1− 𝑝)
𝑛=600 𝑝− 𝑍 ∙ <𝑝 <𝑝 + 𝑍 𝛼 ∙
Muestra:
(1 − 𝛼2 ) 𝑛 (1− 2 ) 𝑛
240

√ √
Proporción 𝑝= =0 . 4
muestral: 600 0 . 4∗ 0.6 0.4∗ 0 .6
0.4 −1. 96∙ < 𝜋<0 .4+1 .96∙
600 600
Nivel de confianza: 1− 𝛼=0 . 95
92
𝛼=0 .05
𝑍 =𝑍 = 𝑍 ( 0 .975 ) =1 . 96 Rpta. Con un nivel de confianza del 95%, el porcentaje de
(
1−
𝛼
2 ) ( 1−
0 . 05
2 ) electores a favor de A oscila entre 36.08% a 43.92%.
 Estimación Interválica para la Varianza Poblacional de unaIngeniería
Pregrado muestra
Industrial

Para la Varianza (σ2):

Los valores de a y b se hallan en la tabla de

distribución Chi – cuadrada.

a   n21; 1 / 2 b   n21;  / 2

 Ingeniería
Pregrado
Industrial
Distribución Chi Cuadrado
 Ingeniería
Pregrado
Industrial

Ejemplo 5. Estimación Interválica para la varianza () de 1 muestra

Según registros del departamento de calidad de una compañía, el peso de una bolsa de galletas tiene una
distribución normal con media 40 gramos y a lo más una desviación estándar de 0.25 gramos. Para
verificar si la variabilidad de las bolsas de galletas está de acuerdo a los registros del departamento de
calidad, el ingeniero de planta selecciona una muestra aleatoria de 20 bolsas, el cual da como resultado
una desviación estándar de 0.32 gramos. Al nivel de confianza del 95% ¿se podría concluir que la
variabilidad de las bolsas es como lo enuncia el departamento de calidad?
Solución.
 Ingeniería
Ejemplo 5. Estimación Interválica para la varianza () de 1 muestra
Pregrado
Industrial

Según registros del departamento de calidad de una compañía, el peso de una bolsa de galletas tiene una distribución
normal con media 40 gramos y a lo más una desviación estándar de 0.25 gramos. Para verificar si la variabilidad de las
bolsas de galletas está de acuerdo a los registros del departamento de calidad, el ingeniero de planta selecciona una muestra
aleatoria de 20 bolsas, el cual da como resultado una desviación estándar de 0.32 gramos. Al nivel de confianza del 95%
¿se podría concluir que la variabilidad de las bolsas es como lo enuncia el departamento de calidad?
Solución.

Datos:
Media poblacional: μ =40 gr.
Desviación estándar poblacional (antecedente):
Muestra: n = 20
Desviación estándar muestral: S = 0.32
1- ; 0.05 ; 0.975

𝑥 2(0.025 , 19) 𝑥 2(0.975 , 19)

 Ingeniería
Pregrado
Distribución Chi Cuadrado Industrial

𝑥 2(0.025 , 19)
 Ingeniería
Distribución Chi Cuadrado Pregrado
Industrial

𝑥 2(0.975 , 19)
 Ingeniería
Ejemplo 5. Estimación Interválica para la varianza () de 1 muestra
Pregrado
Industrial

Según registros del departamento de calidad de una compañía, el peso de una bolsa de galletas tiene una distribución
normal con media 40 gramos y a lo más una desviación estándar de 0.25 gramos. Para verificar si la variabilidad de las
bolsas de galletas está de acuerdo a los registros del departamento de calidad, el ingeniero de planta selecciona una muestra
aleatoria de 20 bolsas, el cual da como resultado una desviación estándar de 0.32 gramos. Al nivel de confianza del 95%
¿se podría concluir que la variabilidad de las bolsas es como lo enuncia el departamento de calidad?
Solución.

Datos:
Media poblacional: μ =40 gr.
Desviación estándar poblacional (antecedente):
¿ 𝜎 2<¿ (19) (0.32) 2
(19) (0.32)2
___________ ____________
Muestra: n = 20
Desviación estándar muestral: S = 0.32 𝑥 2(0.025 , 19) 𝑥 2(0.975 , 19)
1- ; 0.05 ; 0.975
(19) (0.32)2
(19) (0.32)2
___________ ¿ 𝜎 2<¿ ____________

32.8523 8.9065
0.05922 ¿ 𝜎 2<¿0.21845
Rpta. Al nivel de confianza del 95 % se concluye que la variabilidad de las bolsas es como lo enuncia el
departamento de calidad, porque la varianza 0.252 = 0.0625 se encuentra dentro del rango de 0.05922 y 0.21845
 Ingeniería
CONCLUSIONES Pregrado
Industrial

Estimación Puntual: Media, Proporción y Varianza

Fórmulas para la Estimación puntual

PARÁMETRO ESTIMADOR
MEDIDA ESTADÍSTICA
(Valor obtenido de la población) (Valor obtenido de la muestra)

Media

Varianza

Proporción
 CONCLUSIONES Ingeniería
Pregrado
Industrial
Estimación por Intervalos: Media, Proporción y Varianza

Intervalo de confianza para la media de una muestra

Caso 1. Cuando n ≥ 30 y conocida Caso 2. Cuando n < 30 y desconocida

𝜎 σ s s
x− 𝑍 ≤ μ≤ x+𝑍 x−t ≤ μ ≤ x +t α
(1 − 2 ) √ n
𝛼
( 1− 2 ) √ n
𝛼 ( α
1− ; n −1
2 ) √n ( 1− 2 ; n −1) √ n
Tabla Z Distribución Normal Tabla t de Student

Intervalo de confianza para la proporción de una muestra

𝑝− 𝑍
(1 − 𝛼2 ) √ 𝑝 ( 1 −𝑝 )
𝑛
≤ 𝜋 ≤ 𝑝+𝑍 𝛼
√
( 1− 2 )
𝑝 (1− 𝑝)
𝑛
Tabla Z Distribución Normal

Intervalo de confianza para la varianza de una muestra

Tabla Chi Cuadrado

 Ingeniería
Pregrado
Industrial
TRABAJO EN EQUIPO

Nos reunimos en los grupos

Resolvemos los ejercicios propuestos.

 Ingeniería
Pregrado
Industrial

¡Gracias!