ESTIMACIÓN

PUNTUAL Y
ESTIMACIÓN POR
INTERVALOS
 OBJETIVOS

Estudiar estimación puntual y estimación por

intervalos.

Definir un intervalo de confianza para la media

poblacional.

Determinar el tamaño de muestra.

DEFINICIONES BÁSICAS
POBLACIÓN: Conjunto de
personas u objetos que
tienen una o mas
características medibles o
contables de naturaleza
cualitativa o cuantitativa.
MUESTRA: Es un
subconjunto de la
población.
DEFINICIONES BÁSICAS
MUESTREO: Proceso de
selección de una muestra
de n-elementos de la
población
MUESTREO ALEATORIO:
Es el proceso que asegura
igual probabilidad de ser
incluido en la muestra a
todos los elementos que
pertenezcan a la
población.
 DEFINICIONES BÁSICAS

PARAMETROS: Son medidas de resúmenes de la población.

Ejemplos:
Media Poblacional Varianza Poblacional Pr oporción Poblacional
N N N

 ( xi   )
2
x i x i


i 1 2 i 1
u  p i 1
N N N

ESTADÍSTICO: Son medidas de resúmenes de la muestra

Ejemplo:
Media Muestral Varianza Muestral Pr oporción Muestral
n n 2 n

x i
2
 ( x i  x)  x i
X  i 1

n S  i 1

n 1
P i 1

n
 ESTADÍSTICA INFERENCIAL
N : Población

n : Muestra

u es un estimador X
( Media Muestral )
( Media Poblacional )

Estadigrafos
Parametros
( Desconocidos)
2 es un estimador S2
(Varianza Poblacional ) (Varianza Muestral )
 ESTIMACIÓN PUNTUAL DE PARÁMETROS

CRITERIOS PARA SELECCIONAR UN

DEFINICIÓN: Un estimador
ESTIMADOR
puntual es un valor que se usa
Consistente: Si al aumentar n, el
para estimar un valor poblacional.
estimador se aproxima al
Ejemplo: De una población se
parámetro.
toma una muestra de 50
Eficiencia: Proporciona menor error
ejecutivos y se les pregunta
estándar que otros estimadores.
¿cuantas horas trabajaron la
Suficiente: Utiliza mayor cantidad
semana pasada?. Se calcula el
de información contenida en la
promedio de horas en la muestra
muestra que otro estimador.
y se utiliza ese valor como una
Insesgado: El estimador tiende a
estimación puntual de la media
tomar valores por encima y por
poblacional que no se conoce.
debajo del parámetro que estima,
con la misma frecuencia.
ESTIMACIONES PUNTUALES
Estimador puntual de la media poblacional
x es un estimador de la u

Estimador puntual de la varianza poblacional

es un estimador de la 
2 2
S
Estimador puntual de la desviación estándar
Poblacional
S es un estimador de la 

Estimador puntual de la proporción poblacional


p es un estimador de la p
 En conclusión:

Una estimación puntual no da mucha

información. Como se espera que la estimación
puntual esté cerca del parámetro poblacional,
sería deseable saber que tan cerca esta en
realidad. El intervalo de confianza cumple con
este propósito.
 ESTIMACIÓN DE PARÁMETROS POR INTERVALOS DE
CONFIANZA

INTERVALOS DE CONFIANZA: Es un conjunto de valores obtenido a partir de los datos

muéstrales en el que hay una determinada probabilidad de que se encuentre el
parámetro. A esta probabilidad se le conoce como nivel de confianza (1 - α).

NIVEL DE CONFIANZA: Es la probabilidad de que el parámetro a estimar se encuentre

en el intervalo de confianza. Se representa con (1 - α). Los niveles expresados en
porcentajes más utilizados son 95%, 99% y 90%; y su elección depende del
investigador.

Ejemplo: Se estima que en una determinada región el ingreso anual medio de los
trabajadores de construcción es $65000. El intervalo de estimación puede ser de
$61000 a $69000. Se puede indicar que el parámetro poblacional ($65000) se
encuentre en este intervalo. Entonces se tiene una seguridad de 90% de que el
salario anual medio de los trabajadores de la construcción en esa región este entre
$61000 y $69000.
INTERVALO DE CONFIANZA
PARA LA MEDIA
POBLACIONAL “u”
(Distribución Normal
Estándar)
 TAMAÑO DE
DEFINICIÓN 1
MUESTRA

Sea X1, X2, …, Xn una muestra

aleatoria extraída de una población
N(u, σ2) con varianza σ2 conocida.
2 2 2
Un intervalo de confianza para u con  z  / 2  ( z  / 2 ) 
un nivel de confianza 1-α es dado n   2
por:  e  e
 
I  X  z / 2 , X  z / 2
n n 1-α: El nivel de confianza
deseado
e: El error que el investigador
IMPORTANTE: Si la varianza
esta dispuesto a tolerar.
poblacional es desconocida σ2 ,
σ: La variabilidad de la
entonces se estima la varianza
población
muestral S2 y se remplaza en el
N: Tamaño de la población
intervalo, como también en el
tamaño de muestra.
 TAMAÑO DE
DEFINICIÓN 2
MUESTRA
Cuando la población es finita de tamaño
N y el tamaño de la muestra constituye
mas del 5% del tamaño de N, se debe ( z / 2 ) 2  2 N
n
usar el factor de corrección de población ( z / 2 ) 2  2  e 2 ( N  1)
finita para modificar las desviaciones
estándar de las formulas . El intervalo de
confianza para u es: 1-α: El nivel de confianza
deseado
 N n  N n e: El error que el
I  X  z / 2 , X  z / 2 investigador esta dispuesto a
n N 1 n N 1
tolerar.
IMPORTANTE: Si la varianza poblacional σ: La variabilidad de la
es desconocida σ2 , entonces se estima la población
varianza muestral S2 y se remplaza en el N: Tamaño de la población
intervalo, como también en el tamaño de
muestra.
 Ejemplo: En un estudio de mercado, se realizó una encuesta a 400 familias
calculando un gasto medio anual en zapatos de S/.740 por familia. La desviación
estándar poblacional fue S/.400. Construya e interprete un intervalo de confianza
del gasto medio anual de zapatos por familia en esa ciudad, con un nivel de 95%.

Solución:
n  400, X  740,   400,

1    0.95,   0.05,  0.025, z  / 2  1.96
2
 
I  X  z / 2 , X  z / 2
n n
400 400
I  740  1.96 , 740  1.96
400 400
I  700.80 779.20
Interpretación: Hay 95% de confianza que el gasto medio anual de zapatos por
familia en esa ciudad se encuentre dentro del Intervalo hallado.
 Ejemplo: Un estudiante de administración publica quiere determinar el ingreso
medio mensual de los miembros del consejo ciudadano de una ciudad. El error al
estimar la media debe ser inferior a $100 con un nivel de 95% . El estudiante
encontró un informe de la administración del consejo ciudadano en el que se
estimó que la desviación estándar poblacional del ingreso mensual fue de $1000.
¿De que tamaño deberá ser la muestra?

Solución:
e = $100
El valor de z para un nivel de 95% es z=1.96
El valor estimado de la desviación estándar es $1000

2 2
Z    1.96(1000)  2
n    /2      (19.6)  384.16
 e   100 
INTERVALO DE CONFIANZA
PARA LA MEDIA
POBLACIONAL “u”
(Distribución T-Student)
 DEFINICIÓN 1:

Sea X1, X2, …, Xn una muestra aleatoria (m. a.) de una

población N(u, σ2), donde σ2 es desconocida . El intervalo
de confianza para u con un nivel de confianza 1-α, con
varianza desconocida es:
Muestras de tamaño n≤30

S S
I  X  t / 2 (n  1) , X  t / 2 (n  1)
n n
Nota importante: La distribución t se aproxima a una
distribución normal N(0, 1), cuando n→∞. La
aproximación también es buena, si n≥30.
ERROR ESTÁNDAR DE LA MEDIA MUESTRAL
Si σ no es conocido y n ≥ 30, la desviación estándar de la
muestra S, se aproxima a la desviación estándar de la población.

s
La formula para el error estándar es: sx 
n

Si la desviacion estandar es grande entonces el error estandar

tambien lo será.

El error estandar tambien se ve afectado por el tamaño de

muestra.

Conforme aumenta el tamaño de muestra, el error estandar

disminuye, indicando menos variabilidad en la distribución de la
media muestral.

Una estimación obtenida de una muestra grande será más

precisa que una estimación obtenida de una muestra pequeña
Ejemplo: Las cajas de un cereal producidos en una fabrica 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, 15.66
Indicar si es razonable que el inspector, usando un coeficiente de confianza de
95% ordene que se multe al fabricante

Solución:

X  15.906 S  0.22292, 1    0.95,   0.05,  0.025  t  / 2 (9)  2.262
2
S S
I  X  t / 2 (n  1) , X  t / 2 (n  1)
n n
0.22292 0.22292
I  15.906  2.262 , 15.906  2.262
10 10
I  15.74654, 16.06546
Es posible que el inspector no multe al fabricante
Ejemplo: Se quiere conocer la permanencia media de horas extras semanales de
empleados de una Entidad Financiera. Se tiene datos referidos a la permanencia
expresados en horas de 600 empleados, obteniéndose los siguientes resultados:
X  12.3 horas S  8 horas
Hallar un intervalo de confianza de 95% para la permanencia media.

Solución: n = 600
X  12.3 horas S  8 horas 1    0.95,

  0.05,  0.025, n  600
2
z / 2  1.96
S S
I  X  z / 2 , X  z / 2
n n
8 8
I  12.3  1.96 , 12.3  1.96
600 600
I  11 .6599, 12.9401
Interpretación: Con un nivel de confianza de 95%, la permanencia media de
horas extras semanales se encuentran entre 11.66 y 12.94 horas.
MUCHAS
GRACIAS