CLASE I

ESTIMACIÓN:
 ESTIMACIÓN.
CONTENIDOS
Intervalo de confianza para:
 media poblacional (μ)
 proporción poblacional (p)

PRUEBA DE HIPÓTESIS PARA LA MEDIA

¿Cómo estimar la MEDIA μ para la población,
a partir de su media muestral ?

construyendo un
INTERVALO
dentro del cual

“esperamos” que μ
encuadre
(esté contenida)
Intervalo de Confianza para la Media POBLACIONAL μ
Es una estimación de un
rango aceptable de valores
dentro de los cuales
“esperamos”
que se
localice la media poblacional μ.
 Elementos de la fórmula general del
INTERVALO DE CONFIANZA para la media poblacional μ

ESTIMADOR PUNTUAL ± MARGEN DE ERROR

: media de la muestra
 Fórmula: 1ro y 2do caso de cálculos
INTERVALO DE CONFIANZA para la MEDIA POBLACIONAL.
Zα Zα
Xbarra - 2
Ϭxbarra ≤ μ ≤ Xbarra + 2
Ϭxbarra
Límite inferior del intervalo de confianza Límite superior del intervalo de confianza

μ: media de la población

Xbarra: media de la muestra de tamaño “n”

Ϭxbarra: error estándar de la media
Zα Punto crítico
2
PUNTOS CRÍTICOS 𝒁 / 𝟐 𝒁 /𝟐
1.28
1.645
1.960
2.58

Z que están fuera de Z que están fuera de

la Región de confianza la Región de confianza

-Z/2 +Z/2
Puntos Críticos: valores de Z que separan la región de aceptación de la hipótesis de
la región de rechazo de la hipótesis
 Tabla de Valores Z apropiados para varios coeficientes de confianza.
La selección del coeficiente de confianza (1 - ) es subjetiva y depende de las
necesidades del investigador.

Coeficiente de Zα
Confianza (1 - )  /2 2
0.80 0.20 0.10 1.28
0.90 0.10 0.05 1.645
0.95 0.05 0.025 1.960
0.99 0.01 0.005 2.58
 Tabla de Valores Z apropiados para varios coeficientes de confianza.
La selección del coeficiente de confianza (1 - ) es subjetiva y depende de las
necesidades del investigador.

Coeficiente de Zα
Confianza (1 - )  /2 2
0.80 0.20 0.10 1.28
0.90 0.10 0.05 1.645
0.95 0.05 0.025 1.960
0.99 0.01 0.005 2.58
Ejemplo: INTERPRETACIÓN DEL Intervalo de Confianza del 95%

Xbarra-Z/2 Ϭxbarra ≤ μ ≤ Xbarra +Z/2 Ϭxbarra

=a =b
Suponga que a y b son los resultados del intervalo: a ≤ μ ≤ b
interpretación

Podemos establecer que sobre la base de la muestra n,

estamos un 95% seguros de que
el intervalo desde “a” hasta “b” encierra
la media poblacional μ (valor que estamos estimando).
 3 CASOS DE CÁLCULOS de Intervalos de confianza para μ
Para los 3 casos se considera que la mayoría de los valores de la variable
de estudio de la Población tienen un comportamiento normal. Esto es
POBLACIÓN NORMAL

Caso 3
Caso 1 Caso 2 Varianza
Varianza poblacional Varianza poblacional poblacional
σ² es σ² es σ²
conocida. desconocida desconocida
Cualquier tamaño de la y y
muestra “n” muestra grande muestra chica
n> 30 (n<30)
 Caso 1 Población normal con varianza conocida

Intervalo de confianza (1 - ) 100% para μ

Zα Zα
Xbarra - 2
Ϭ/√n ≤ μ ≤ Xbarra + 2
Ϭ/√n
Estimador
Margen de error
puntual

Ϭ/√n: Error estándar de la media

Zα Punto crítico
2
 PROTOTIPO DE EJERCICIO CASO 1
1.- Se desea estimar el salario promedio en una ciudad y para ello se selecciona
una muestra aleatoria de 20 personas, de las cuales se obtuvo un salario promedio
de 64.3 miles de USD.
Si los salarios siguen una distribución normal con varianza de 225, construya un
intervalo de confianza:
a) del 95% para la media de la población.
 PROTOTIPO DE EJERCICIO CASO 1 (continuación)
Se desea estimar el salario promedio en una ciudad y para ello se selecciona una muestra aleatoria de 20 personas, de las
cuales se obtuvo un salario promedio de 64.3 miles de USD. Si los salarios siguen una distribución normal con varianza de
225, construya un intervalo de confianza:

a) del 95% para la media de la población.

RESPUESTAS

Datos
n= 20 personas
Xbarra= 64.3 miles de dólares
Ϭ2= 225 desviac. estándar Ϭ= √ Ϭ2=√ 225= 15
(1 - )= 95%
El punto crítico correspondiente:
Z α = 1.96
2
 PROTOTIPO DE EJERCICIO CASO 1 (continuación)

Zα Zα
Xbarra - 2 Ϭ/√n ≤ μ ≤ Xbarra + 2
Ϭ/√n

64.3 – ((1.96 *15)/√20) ≤ μ ≤ 64.3 + ((1.96 * 15)/√20)

≤ μ ≤
Podemos establecer que, sobre la base de la muestra
aleatoria de 20 personas,
estamos 95% seguros de que el intervalo desde ___ a ___
encierra la media real del salario promedio en la ciudad.
 PROTOTIPO DE EJERCICIO CASO 1 (continuación)

Zα Zα
Xbarra - Ϭ/√n ≤ μ ≤ Xbarra +
2
2 Ϭ/√n

En EXCEL solo calcula el margen de error:

Z α Ϭ/√n margen de error:

2

Función en EXCEL para calcular el margen

de error para caso 1 y caso 2
=INTERVALO.CONFIANZA(a, Ϭ ,n)
 Cálculo de lo LÍMITES DEL INTERVALO DE CONFIANZA

64.3 – 6.5739 ≤ μ ≤ 64.3 + 6.5739

 Caso 2
•Población normal
•Muestra grande con tamaño muestral n>30
•Varianza desconocida

En la mayoría de las situaciones del mundo real Ϭ (y también Ϭxbarra) es

desconocida. Por tanto, estimamos Ϭ al calcular la desviación estándar S de la
muestra.

La desviación estándar
muestral S puede ser usado
para estimar Ϭxbarra con
suficiente precisión.
 Caso 2
•Población normal
•Varianza desconocida
•Muestra grande con tamaño muestral n>30

Si podemos suponer que nuestra muestra es grande, esto es, n>30 para
construir un intervalo de confianza para la media de la población μ, según el
Teorema del Límite Central, calculamos el intervalo de confianza para la
media μ de la población, como sigue:

Zα S/√n ≤ μ ≤ Xbarra + Zα
Xbarra - 2
S/√n
2
 PROTOTIPO DE EJERCICIO CASO 2
2.- Un diseñador industrial quiere determinar la cantidad promedio de tiempo
(en minutos) que tarda un adulto en ensamblar un juguete. Para ello, seleccionó
aleatoriamente a 36 adultos y midió el tiempo que tardaban en realizar dicha
tarea. Los resultados son los siguientes. 17 13 18 19 17 21 29 22 16 28 21 15
26 23 24 20 8 17 17 21 32 18 25 22
16 20 10 22 19 14 30 22 12 24 28 11
Si los tiempos de ensamble se distribuyen en forma normal, use los datos
anteriores para construir un intervalo de confianza del 90% para la media
poblacional.
 PROTOTIPO DE EJERCICIO CASO 2 (continuación)
Un diseñador industrial quiere determinar la cantidad promedio de tiempo (en
minutos) que tarda un adulto en ensamblar un juguete. Para ello, seleccionó
aleatoriamente a 36 adultos y midió el tiempo que tardaban en realizar dicha
tarea. Los resultados son los siguientes.

RESPUESTAS 17 13 18 19 17 21 29 22 16 28 21 15
Datos 26 23 24 20 8 17 17 21 32 18 25 22
n= 36 adultos
16 20 10 22 19 14 30 22 12 24 28 11
(1 - )= 90%

(1 - )= 90% (1 - ) = 0,90   = 0,10. El punto crítico correspondiente

Zα
= Z 0.05
2

, y en la tabla 1 de la distribución normal anterior ó Excel vemos que es

Z 0.05= 1.64
 PROTOTIPO DE EJERCICIO CASO 2 (continuación)
Un diseñador industrial quiere determinar la cantidad promedio de tiempo (en
minutos) que tarda un adulto en ensamblar un juguete. Para ello, seleccionó
aleatoriamente a 36 adultos y midió el tiempo que tardaban en realizar dicha
tarea. Los resultados son los siguientes.

RESPUESTAS 17 13 18 19 17 21 29 22 16 28 21 15
26 23 24 20 8 17 17 21 32 18 25 22
16 20 10 22 19 14 30 22 12 24 28 11

Xbarra= Σ x/n= 19.9166 minutos

S= √σ²= 5.733 minutos
 PROTOTIPO DE EJERCICIO CASO 2 (continuación)

Zα
Xbarra - Zα S/√n ≤ μ ≤ Xbarra + 2
S/√n
2

19.9166 – (1.64 *5.7339)/√36) ≤ μ ≤ 19.9166 + (1.64 *5.7339)/√36

18.34 ≤ μ ≤ 21.48

Podemos establecer que, sobre la base de la muestra, estamos 90%

seguros de que el intervalo ( 18.34 a 21.48)
encierra la media real de tiempo
(en minutos) que tarda un adulto en ensamblar un juguete.
 Caso 3
•No se conoce la varianza poblacional Ϭ
por

•La muestra es chica, esto es, tamaño n<30

Suponer que nuestra muestra viene de una Población con distribución normal,
entonces, podemos usar una nueva distribución de probabilidad continua y
simétrica, la “DISTRIBUCIÓN T” para construir un intervalo de confianza para la
media de la población μ por medio de la fórmula

tα tα
Xbarra - 2
s/√n ≤ μ ≤ X barra - 2
s/√n
Note que en esta fórmula hemos cambiado de punto crítico
Zα al tα
2
2
 Caso 3
•No se conoce la varianza poblacional Ϭ
por

•La muestra es chica, esto es, tamaño n<30

tα tα
Xbarra - 2
s/√n ≤ μ ≤ X barra + 2
s/√n

Note que en esta fórmula hemos cambiado de punto crítico

Zα al tα
2
2
 DISTRIBUCIÓN t vs número de grados de libertad
La distribución t depende de una cantidad n-1 que se llama “número
de grados de libertad”.
A mayor grados libertad más próxima
será la distribución t de la distribución
normal

Las áreas por debajo de

la curva dependen del
número de grados de
libertad.
 Intervalo de Confianza de 95% vs Curva de Distribución t

t0.025 t0.025

La expresión del intervalo de confianza resultante para 95% para la

media μ, cuando “n < 30” es:
Xbarra - t0.025,gl S < μ < Xbarra + t0.025,gl S
√n √n
 gl
/2
/2

gl
 PROTOTIPO DE EJERCICIO CASO 3

3.- Teléfonos de México desea estimar el tiempo promedio de las llamadas

telefónicas entre dos ciudades.
De una muestra aleatoria de 16 llamadas, se encuentra que la llamada media
es 1.90 minutos y la desviación estándar es 0.53 minutos. Encuentre e
intérprete un intervalo de confianza del 99% para la media real de una llamada,
suponiendo que el tiempo de cada llamada está distribuida normalmente.
 PROTOTIPO DE EJERCICIO CASO 3 (continuación)

Teléfonos de México desea estimar el tiempo promedio de las llamadas telefónicas entre dos
ciudades. De una muestra aleatoria de 16 llamadas, se encuentra que la llamada media es 1.90
minutos y la desviación estándar es 0.53 minutos. Encuentre e intérprete un intervalo de
confianza de 99% para la media real de una llamada, suponiendo que el tiempo de cada
llamada está distribuida normalmente.
RESPUESTAS Calculando los grados de libertad (gl)
Datos gl= n- 1= 16-1= 15
Xbarra = 1.90
El coeficiente de confianza es 0.99, esto es,
S= 0.53 (1- )*100%= 99% (1 - ) = 0,99   = 0,01
n= 16  /2= 0.005.

Por tanto, t α = t 0.005 en la tabla de la distribución t

2

considerando gl= 15 vemos que t 0.005= 2.947

gl= 15
/2= 0.005.
 tα
EXCEL solo calcula 2

=DISTR.T.INV (2* probabilidad, grados de libertad)

=DISTR.T.INV (2* a/2, grados de libertad)

Multiplicar por 2 siempre: En esta distribución t, Excel calcula las dos colas de
la campana
Caso 3: Procedimiento en Excel para hallar tα
2

gl=n-1 15
a/2 0.005
=DISTR.T.INV(probabilidad, grados de
t αlibertad)
2

t α = DISTR.T.INV(2*0.005,15)
2

t α = 2.946712
2

Multiplicar por 2 siempre: En esta distribución t, Excel calcula

las dos colas de la campana
 PROTOTIPO DE EJERCICIO CASO 3 (continuación)

Sustituyendo valores en la fórmula del intervalo de confianza,

tα tα
Xbarra - 2
s/√n ≤ μ ≤ X barra + 2
s/√n
1.90 – 2.947 (0.53/√16) ≤ μ ≤ 1.90 + 2.947 (0.53/√16)

1.510 ≤ μ ≤ 2.290

Podemos establecer que, sobre la base de la muestra n=16

llamadas, estamos 99% seguros de que el intervalo: (1.510 a
2.290) encierra la media real de tiempo para cada llamada.
 ESTIMACIÓN (continuación)

 INTERVALO DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL p

 ESTIMACIÓN POR INTERVALO
DE LA
PROPORCIÓN (%, poblacional)
 INTERVALO DE CONFIANZA DE LA PROPORCIÓN POBLACIONAL p
TAREA:
Construir un intervalo de confianza de la proporción
poblacional p.

DEFINICIÓN:

Es un rango estimado
de valores dentro de los
cuales esperamos que
se localice la proporción
poblacional: p
 ESTADÍSTICOS Y PARÁMETROS usados para cálculo
del intervalo de confianza para la proporción
x: variable aleatoria (cantidad de elementos de una
población que tiene una característica común
S: desviación estándar muestral
n: tamaño de la muestra
: Nivel de significancia o de significación
(1 - ): coeficiente de confianza ó nivel de confianza
p: proporción poblacional
Zα
p: proporción muestral 2
: punto crítico
Usa la
Ϭ p : error estándar de p
distribución
normal
 INTERVALO de CONFIANZA
de la PROPORCIÓN POBLACIONAL p

Estimación puntual ± Margen de error

p ± Zα
2
Ϭp

Error estándar de

Ϭ 𝒑 =¿¿ (1 –)
n
 expresión de cálculo usual
PARA EL INTERVALO DE CONFIANZA DE LA PROPORCIÓN
POBLACIONAL p

± Margen de error
 EJERCICIO 1 DE COMPRENSIÓN

En la producción de una fábrica, un inspector toma una

muestra de 400 artículos de un gran lote y encuentra que 50
de ellos están defectuosos.

Calcule un intervalo de confianza de 95% para p, que

es la proporción de todos los artículos qué están
defectuosos en la fábrica.
 Ejercicio 1
……un inspector toma una muestra de 400 artículos de un gran lote y
encuentra que 50 de ellos están defectuosos.
Calcule un intervalo de confianza de 95% para p, que es la proporción de
todos los artículos qué están defectuosos.

Datos
n= 400 artículos en Estimación puntual de la proporción
total de la muestra poblacional= p

X:=50 defectuosos en p= # de artículos defectuosos total

la muestra de artículos muestreados
(1- ): 95% p = 50 defectuosos= 0.125
400 total
Z α  1.96
2