Tema VII

La estimacin

Material elaborado por:

Enrique Carreras

Pgina 1 de 25

ndice

INFERENCIA MEDIANTE LA ESTIMACIN ...................................................................................................... 3

ESTIMACIN PUNTUAL.......................................................................................................................................... 3
Error Cuadrtico Medio .............................................................................................................................. 4
Propiedades de los estimadores ................................................................................................................. 4
Mtodos de estimacin de los valores de los parmetros. ......................................................................... 8
LA ESTIMACIN POR INTERVALOS .......................................................................................................................... 11
Intervalo de confianza para el estadstico media ..................................................................................... 11
Intervalo de confianza para el estadstico varianza ................................................................................. 15
Intervalo de confianza para una proporcin ............................................................................................ 16
Intervalo de confianza para estadsticos no normales con varianza poblacional conocida (Teorema de
Chebichev) ................................................................................................................................................ 17
Intervalo de confianza para estadsticos con grandes muestras .............................................................. 18
Resumen para los clculos de los intervalos de confianza ....................................................................... 19

Material elaborado por Enrique Carreras

Pgina 2 de 25

Inferencia mediante la estimacin

Estimacin puntual
Definicin de estimacin
La estimacin es el proceso de inferencia por el cual se busca obtener informacin de los parmetros
de una poblacin desconocida a partir de la informacin de los valores observados en una muestra
extrada al azar

En la estimacin debemos distinguir entre:

El estimador es un estadstico, una funcin en los valores de una muestra (media, proporcin,
varianza, pendiente, ) usada para informar del valor de una parmetro poblacional desconocido.

x
n

Por ejemplo, para estimar la varianza poblacional se utilizar

i 1

n 1

Para diferenciar el estimador del parmetro, se pone un sombrero:

(cuasivarianza)

La estimacin o valor concreto que se obtiene al aplicar el estimador.

Existen dos procedimientos para estimar las caractersticas poblacionales (parmetros) a partir de las
caractersticas de una muestra (estadsticos):

La estimacin puntual

La estimacin por intervalo

rango de valores que contiene el valor del parmetro con una
probabilidad de acierto predeterminada

asigna el valor del estadstico como valor del parmetro

Estimacin puntual Consiste en proponer como valor del parmetro, el valor del estadstico:
Es el valor ms probable, pero no puede determinarse el sesgo o distancia entre la estimacin y el valor
verdadero.
Por ejemplo,
1.

Se ha extrado al azar una muestra de una poblacin y se ha obtenido un valor medio de 20,3 aos. La
estimacin puntual del valor poblacional ser de 20,3 aos

2.

Se ha extrado al azar una muestra de una poblacin y se ha obtenido un porcentaje de varones de 34%. La
estimacin puntual del valor poblacional ser de 34% de varones

Material elaborado por Enrique Carreras

Pgina 3 de 25

Error Cuadrtico Medio

Para determinar la bondad de un estimador se calcula el ERROR CUADRTICO MEDIO(ECM).

Si construimos todas las muestras posibles y en cada una realizamos una estimacin, podramos obtener todos los
errores entre las estimaciones y el verdadero valor:
Se puede calcular la esperanza de las desviaciones al cuadrado (para que no se compensen), que sera el
error cuadrtico esperado por el estimador.
El error cuadrtico medio del estimador(MSE = Mean Square Error) es la esperanza de las desviaciones al
cuadrado, respecto de su valor verdadero.
El error cuadrtico medio es el criterio para seleccionar el mejor estimador: De todos los estimadores, el mejor estimador
ser aquel que tenga mnimoerror cuadrtico medio.
Sea el estimador del valor del parmetro P.

Si desarrollamos la frmula1, nos da:

La varianza
del estimador

El sesgo al
cuadrado

Lo que significa que el error cuadrtico medio de un estimador depende de dos componentes:

La varianza del estimador, cuanta ms varianza, mayor ECM

El sesgo al cuadrado o diferencia entre la esperanza del estimador y el valor verdadero

Escogeremos los estimadores que no tengan sesgo y cuya varianza sea menor.
.

Propiedades de los estimadores

Un buen estimador ser aquel que produzca estimaciones lo ms prximas al valor de su parmetro , por

tanto con mnimo error cuadrtico medio: E

mnimo tiene que minimizar los dos componentes

como

2=

Material elaborado por Enrique Carreras

=0 la expresin queda

2=

Pgina 4 de 25

Las dos principales propiedades que deberan cumplir los estimadores son:
1.

Ausencia de sesgo
Un estimador insesgado es aquel clculo que no sobrestima ni subestima sistemticamente el
valor de la poblacin. La media de su distribucin muestral del estadstico coincide con la media
poblacional:

E .

Se dice que un estimador es asintticamente insesgado:

De esta forma el ECM coincidir slo con la varianza del estimador

Propiedades:

2.

La media muestral(momento muestral sobre el origen) es el estimador insesgado de la

media poblacional

La cuasi-varianza muestral(momento muestral sobre la media) es el estimador insesgado

de la media poblacional

Eficiencia
Un estimador eficiente es aquel que produce distribuciones muestrales con una varianza del
estimador mnima, ante el mismo tamao de muestra. Los estimadores eficientes producirn
estimaciones ms precisas.
Como calcular todas las varianzas de todos los estimadores posibles para seleccionar aquel de
varianza mnima, cada estimador se calcula comparando su varianza con la Cota de Cramr-Rao,
2
para un tamao de muestra dado, la varianza del estimador no puede ser menor que dicha cota :

Para un tamao de muestra n procedente del m.a.s.

El denominador de la cota es la cantidad de informacin de Fisher

Cuando la cota de Cramr-Rao no es calculable, hay otros procedimientos para encontrar el ms eficiente,
como el mtodo de los estimadores insesgados uniformemente de varianza mnima

Material elaborado por Enrique Carreras

Pgina 5 de 25

Si un estimador alcanza la cota de Cramr-Rao, el resto tendrn mayores valores y sern menos
eficientes.
Un estimador es asintticamente eficiente si:
Eficiencia relativa: para comparar la eficiencia relativa entre dos estimadores
2

Se calcula directamente el ndice de eficiencia relativa basado en el ECM = Var(est) + sesgo :

Si son insesgados:

3.

Consistencia
Conforme el tamao de las muestra n crezca, las estimaciones convergern en su parmetro:
prob
n

En la sucesin de estimadores cuando n aumenta:

, se analiza el comportamiento

asinttico de la sucesin.
Un estimador es consistente si converge en probabilidad al parmetro:

Aplicando el teorema de Chebichev:

Tomando lmites:

Sabemos que el ECM

es igual a la varianza del estimador ms el cuadrado del sesgo,

que en el infinito, ambos son cero, por tanto

Material elaborado por Enrique Carreras

Pgina 6 de 25

Si en el infinito de la muestra, sesgo y varianza son cero, el estimador es consistente.

Propiedades:

4.

Los momentos muestrales respecto al origen r son consistentes:

Los momentos muestrales respecto a la media mr son consistentes:

Suficiencia.
Un estadstico debe ser suficiente para resumir la informacin de los elementos porque contiene la
informacin esencial del parmetro poblacional (no se requiere de otro estadstico).
Se determina por el criterio de factorizacin de Fisher- Neyman. Si la funcin de densidad conjunta sobre una
muestra cumple el criterio de Fisher-Neyman (se descompone en el producto de una funcin dependiendo del
parmetro por otra independiente) es suficiente.
La media muestral es suficiente.

5.

Invarianza
Se dice que un estimador es invariante cuando el estimador de la funcin del parmetro coincide con la funcin
del estimador del parmetro,
Los estimadores de funcin de un estimador iguala la funcin del estimador
Si para estimar la varianza poblacional utilizamos la cuasi-varianzamuestral, entonces para estimar la
desviacin tpica poblacional (funcin de la varianza poblacional) ser razonable utilizar la desviacin tpica
muestral

6.

Robustez
El estimador ser un estimador robusto del parmetro si la violacin de los supuestos de
partida en los que se basa la estimacin (por ejemplo, atribuir a la poblacin un determinado tipo
de funcin de distribucin que, en realidad, no es la correcta), no altera de manera significativa los
resultados que ste proporciona.

Material elaborado por Enrique Carreras

Pgina 7 de 25

Supongamos que un estadstico se comporta como una distribucin normal N(1,1), la probabilidad
de que el estadstico Y sea igual o mayor que 1
. Si en realidad se comporta como
una chi-cuadrado, la probabilidad de que Y sea 1 es diferente, para un grado de libertad:

Ahora cuando se recurre a la t de Student, ante varianza poblacional desconocida, N (1,), la

diferencia con la normal es mnima, sobre todo ante valores elevados de n, las probabilidades

y la t de Student

Algunos ejemplos de mejores estimadores:

Caracterstica
poblacional

Caractersticas de
una sola variable

Caractersticas de
distribuciones
conjuntas de
variables

Formula

Clculo

Media muestral

Pp

proporcin muestral

cuasivarianza
muestral

S m2

rX ,Y

Correlacin muestral

rx , y

Pendiente muestral

bx

1 2

Diferencia de medias
muestrales

x1 x2

Media poblacional

Proporcin
poblacional
Varianza poblacional
Correlacin
poblacional
Pendiente de
regresin
Diferencia de medias
poblacional

Mejor estimador

n
xi x

n 1

xi

Zy

Mtodos de estimacin de los valores de los parmetros.

Son procedimientos para encontrar el valor ms razonable y que cumpla las propiedades deseables de los
estimadores:
1.

Mtodo de estimacin por Mxima Verosimilitud

Una muestra aleatoria contiene n V.A.s independientes, con la misma distribucin de probabilidad
que la poblacin.
Cada uno de los elementos de la muestra presentar una distribucin de probabilidad, que depender
del verdadero valor del parmetro, (la aparicin de cada valormuestral est condicionada por el valor
del parmetro poblacional)
Material elaborado por Enrique Carreras

Pgina 8 de 25

, es la funcin de probabilidad del elemento i-simo de la muestra

Por tanto, la funcin de probabilidad conjunta de los valores de la muestra, tambin depender del valor
del parmetro en la poblacin:

L(X;) es la funcin de densidad conjunta de la muestra o funcin de verosimilitud que se interpreta de

dos modos:

Que el parmetro es desconocido pero fijo y condiciona los valores de las x

Que dado que se ha realizado los valores de una muestra (que han salido stos y no otros)
lo ms verosmil es que haya procedido de un parmetro .

Es decir, a partir de la realizacin de una muestra podemos estimar el valor verdadero ms probable que ha
inducido la muestra concreta (lo sucedido es lo ms verosmil de lo que poda suceder).
Propiedades de los estimadores obtenidos por mxima verosimilitud:

Insesgados

Consistentes

Eficientes

Normalidad asinttica

Suficiencia

Invarianza

2.

El mtodo de los momentos

Dado que los momentos poblacionales respecto del origen r son insesgados
Se plantean tantos momentos como parmetros a estimar:

1(1, 2, k) = a1
2(1, 2, k) = a2

..

n(1, 2, k) = an

Se vuelve un sistema de ecuaciones en el que se despejan las incgnitas.

3.

El mtodo por mnimos cuadrados

Prescinde de la forma de la distribucin de probabilidad de la poblacin.

Material elaborado por Enrique Carreras

Pgina 9 de 25

Trabaja a partir de los resultados de una muestra y pretende buscar una funcin que minimice los errores
cuadrticos medios entre los valores observados y los de la funcin ajustada.
Se estiman los valores de los parmetros que hagan mnimas esas diferencias.

Material elaborado por Enrique Carreras

Pgina 10 de 25

La estimacin por intervalos

La estimacin puntual desconoce la distancia en que se encuentra respecto del valor verdadero
Intervalo de confianza es el rango de valores que contiene el valor poblacional, con un nivel de confianza
prefijado (probabilidad de acertar al afirmar el intervalo de confianza)
Lmite superior del intervalo (es una funcin muestral: gsup(X))
Lmite inferior del intervalo (es una funcin muestral: ginf(X))

Intervalo de
confianza

Nivel de
confianza

Construccin de Intervalos de confianza en poblaciones normales para poblaciones con distribucin normal

N(, )

Intervalo de confianza para el estadstico media

1. Con varianza conocida

Si la media muestral se distribuye como una normal:
Se determina el estadstico pivote que contiene el parmetro poblacional y el estadstico muestral .
Sabemos que la media muestral es una V.A. que sigue una distribucin normal con media y desviacin
tpica

Por TCL, cuando n> 30, el estadstico pivote sabemos que sigue una distribucin normal estndar

Recordemos que

por tanto la esperanza de la media

Y la varianza

Material elaborado por Enrique Carreras

Pgina 11 de 25

despejando

N(0,1)

La frmula del intervalo de confianza

1-
/2

Estadstico Nivel de
muestral confianza

Error
Tpico

Z/2

- Z/2
-3

-2,5

-2

-1,5

-1

-0,5

0,5

1,5

2,5

Lmite superior

Lmite inferior
Pivote para calcular el intervalo de confianza:

Con un nivel de confianza del 1-, el parmetro poblacional se encuentra entre los lmites del
intervalo:

Lmite superior:

Lmite inferior:

Problema:
En una muestra de 89 casos, se ha calculado el tiempo medio en completar una tarea, que es de 23,4
minutos. Sabiendo que la norma es una desviacin tpica de 5,2 minutos, Cul es el tiempo medio en la
poblacin, con una confianza del 95%?
Sabemos que la desviacin tpica en la poblacin es de 5,2 minutos (parmetro poblacional)

El 95% es la probabilidad de acierto, al afirmar el intervalo de confianza = 1 0,05

= 0,05, dos colas

Se busca en la normal, la abscisa Z para 0,025 = +1,96 y -1,96

0,450
0,400
0,350
0,300

0,250
0,200

1- = 0,95

0,150
0,100

0,025

0,025

0,050

0,000
-3

-2

-1

-Z/2= -1,96

Material elaborado por Enrique Carreras

Z/2= 1,96

Pgina 12 de 25

Lmite superior:

Lmite inferior:

Respuesta: Con un nivel de confianza del 95%, el parmetro tiempo medio no es mayor de 24.48, ni
menor de22,32

2. Con varianza desconocida

Si los datos proceden de una distribucin normal. La media muestral se distribuye como una t de
Student
Se distribuye como una t de student, com media y desviacin tpica muestral (raz de cuasivarianza)
El estadstico pivote se distribuye como una t de Student por tanto:

Despejando, obtenemos el intervalo de confianza para el parmetro :

Estadstico
muestral

Lmite inferior

Nivel de
confianza

Error
Tpico

Lmite superior
0,45

t(g.l.=4)

0,4

t(g.l.=12)

0,35

t(g.l.=340)

0,3

0,25

1-

0,2

/2

0,15

/2

0,1
0,05
0

-3,00

Material elaborado por Enrique Carreras

-2,50

-2,00

-1,50

-1,00

-0,50

0,00

0,50

1,00

1,50

2,00

2,50

3,00

Pgina 13 de 25

Problema:
Una muestra aleatoria de 12 alumnos/as, ha obtenido una media de 6,35 y una desviacin de 2,2.
Calcula la nota media poblacional para este tipo de alumnado, con una confianza del 90%?
Desconocemos la varianza poblacional

Calculamos la desviacin tpica muestral anulando el efecto del sesgo:

Determinamos los grados de libertad (n-1): 12-1 = 11 g.l.

Determinamos el valor de t11 sabiendo que 1 - = 0,90, por tanto

-T12-1 = -1,796 y T11-1 = 1,796

Lmite superior:

Lmite inferior:

ATENCIN:
Cuando se desconoce la desviacin poblacional, se toma la cuasi-desviacin muestral y se aplica la t de
Student.
Ahora bien, si n > 30, la cuasi-desviacin tpica es un estimador suficientemente bueno (flucta poco sobre la
) y se puede aplicar la normal para resolver el problema:

Para 30 g.l. (31casos) la t30, 0,025 = 2,04 z0,025 = 1,96

Para 120 g.l. (121 casos) t120, 0,025 = 2,00 z0,025 = 1,96

Para muestras pequeas, n < 30, si proceden de una normal, siempre la t de Student, la fluctuacin de la
cuasi-varianza sobre la varianza poblacional es excesiva:

Para 9 g.l. (10 casos) t90,025 = 2,26demasiado alejado ya de 1,96

Material elaborado por Enrique Carreras

Pgina 14 de 25

Intervalo de confianza para el estadstico varianza

Sabemos que el estadstico varianza muestral se distribuye como una , con n-1 grados de libertad. Es una
2

distribucin asimtrica

(vlida para muestras pequeas).

0,25

n=4
gl = 4-1 = 3

0,2

Como la varianza es desconocida, se usa la cuasi-varianza muestral

0,15
0,1

1- = 0,90
/ 2 = 0,05

0,05

1- ( / 2) = 0,95
0
0

2 (4-1) = 0,352

El estadstico pivotese distribuye como una

2 (4-1) = 7,81

2
n-1:

Despejando:

Lmite
inferior

Lmite
superior

Problema:
En el mismo problema anterior: Un grupo de 12alumnos/as, ha obtenido una media de 6,35 y una
desviacin de 2,2. Cul sera el intervalo de confianza que contiene la desviacin tpica poblacional con
una confianza del 85%.

Calculamos la cuasi-desviacin tpica muestral . Anulando el efecto del sesgo:

Recordemos que es el estimador insesgado de la varianza poblacional

Material elaborado por Enrique Carreras

Pgina 15 de 25

10

11

Determinamos los grados de libertad (n-1): 12-1 = 11 g.l.

Determinamos el valor de (11) para 1-(/2) lmite inferior del intervalo

Determinamos el valor de (11) para (/2) lmite superior del intervalo

Como el = 1 0,85 = 0,15

2
2

0,25

El

para 1-(0,15/2)=0,925, que toma la abscisa: 4,55

El

para 0,15/2=0,075, que toma la abscisa: 18,44

2
(11)
2
(11)

n = 12
gl = 12-1 = 11

0,2
0,15

1- = 0,85

0,1

Lmite superior:

/ 2 = 0,075

0,05

1- ( / 2) = 0,925
0
0

Lmite inferior:

-0,05

2 (4-1) = 4,55

10

15

20

2 (4-1) = 18,44

Intervalo de confianza para una proporcin

En una poblacin binomial B(1; P) se toma una muestra aleatoria de tamao n

El estadstico tiene una distribucin asintticamente normal

cuando el tamao de

muestra es grande.
El estadstico pivote se distribuye como una normal,por tanto:

Despejando, obtenemos el intervalo de confianza para el parmetro :

Estadstico Nivel de
muestral confianza

Error
Tpico

Lmite inferior
Material elaborado por Enrique Carreras

Lmite superior
Pgina 16 de 25

Problema:
En una encuesta a 85 personas, la intencin de votoa un partido ha sido del 34%. Cul sera el intervalo
de confianza que contiene la proporcin de voto poblacional, con una confianza del 90%.

Calculamos la varianza de la proporcin: p*q = 0.34*0.66 = 0,2244

Determinamos el valor de Z sabiendo que 1 - = 0,90, por tanto

Z = 1,645

Lmite superior:

Lmite inferior:

Intervalo de confianza para estadsticos no normales con varianza poblacional

conocida (Teorema de Chebichev)
Por el teorema de Chebichev sabemos que la probabilidad de que un estadstico se desve de una cantidad
determinada es acotable:

Por tanto en el caso del estadstico media:

Como

, despejamos y queda:

Es posible establecer el valor de K, a partir de una probabilidad de acierto:

Ejemplos del valor de k:

Intervalo de confianza de la varianza basado en Chebichev, con

varianza poblacional conocida:

Lmite
inferior

1-
0,99
0,95
0,90

0,01
0,05
0,10

K
10
4,4721
3,1623

Lmite
superior

Material elaborado por Enrique Carreras

Pgina 17 de 25

Problema:
En una muestra aleatoria de 80 personas, se ha calculado que la altura media es de 1,74. Como sabemos
que en la poblacin la desviacin es de 0,34. Con una probabilidad del 90% cul es el intervalo de
confianza?
Siendo 1- = 0,90, despejando = 0,05 y K = 3,1623
Lmite Superior:
Lmite Inferior:
Es menos preciso que si aplicamos TCL

Intervalo de confianza para estadsticos con grandes muestras

Cuando el tamao de muestra es suficientemente grande (n > 400), se cumplen las propiedades asintticas
5

Un estimador mximo verosimil tiene un comportamiento asinttico cuando n es grande:

Asintticamente insesgado

Asintticamente eficiente. Su varianza asinttica iguala la cota de Cramr-Rao:

Consistente

Por tanto, la cantidad pivotal:

, es la funcin de probabilidad del elemento i-simo de la muestra. Por tanto, la funcin de probabilidad conjunta de

los valores de la muestra, tambin depender del valor del parmetro en la poblacin:

L(X;) es la funcin de densidad conjunta de la muestra o funcin de verosimilitud

Material elaborado por Enrique Carreras

Pgina 18 de 25

El intervalo de confianza para muestras grandes:

Lmite inferior

Lmite superior

Resumen para los clculos de los intervalos de confianza

Estadstico Media

Estadstico Proporcin p
Para una poblacin normal

Varianza
conocida
Varianza
descono
-cida

Para una poblacin con distribucin desconocida

Varianza
conocida

Siendo K:

Varianza
descono
-cida

Siendo K:

Siendo K:

Estadstico varianza
Varianza
desconocida

Material elaborado por Enrique Carreras

Pgina 19 de 25

Problemas:

El nmero medio de trabajadores en las PYMES espaolas es 5 y su varianza 4. Realizado un m.a.s. de 16

PYMES.
Calcular:
a) La esperanza y varianza de la media muestral.
b) La esperanza de la varianza muestral.
c) El tamao que ha de tener la muestra para que exista una probabilidad mayor o igual al 95% de que
la media muestral se desve de la media poblacional a lo sumo media unidad.
Sabemos:

=5
2 = 4
n = 16

Por tanto:

Tamao de muestra n para un nivel de confianza 0,95, con error = 0,5

Material elaborado por Enrique Carreras

Pgina 20 de 25

De una poblacin N(1 ; 3) se extraen muestras aleatorias simples de tamao 29. Obtener:
a)

La probabilidad de que la media muestral sea mayor que 2.

Sabemos:

=1
= 3

0,5

n = 29

0,4
0,4

Sabemos que la media muestral se distribuye como una

0,3
0,3

por tanto sabemos que

es lo mismo expresadoen forma estndar

2 = 1,795

0,2
0,2

0,0363

0,1

0,1
0,0
-3,00

-2,00

-1,00

0,00

1,00

Determinar el nmero de motocicletas vendidas por una marca, sabiendo que en una muestra m.a.s. de 14
establecimientos, se vendieron un promedio de102motos con una cuasi-desviacinmuestral de 22 motos, se
pide:
a) Obtenga el intervalo de confianza para la media con un grado de confianza del 90%.

Para n < 30 casos, sabemos que el intervalo de confianza se distribuye como una t de Student con n-1 g.l.

Nivel de confianza 1 - = 0,90, luego = 0,10 y /2 = 0,05

Los grados de libertad son: 14-1 = 13

De las tablas obtenemos el valor de t13, 0,05 = 1,771

Con un nivel de confianza del 90%, el autntico valor del promedio de motos vendidas est
comprendido entre el 91,2 y el 112,8.

b) Con el mismo nivel de confianza, del 90% obtenga el intervalo de confianza de la varianza poblacional

Para todo tamao de muestras sabemos que el estadstico varianza poblacional se distribuye como
una chi-cuadrado con n-1 grados de libertad.
Siendo = 0,10, entonces /2 = 0,05

Calculamos el lmite inferior de la chi-cuadrado (1-/2). En las tablas, para 13 g.l. 13, 0,95 = 5,89

Calculamos el lmite superior de la chi-cuadrado (/2). En las tablas, para 13 g.l. 13, 0,05 = 22,4

Aplicamos la frmula del intervalo:

Material elaborado por Enrique Carreras

Pgina 21 de 25

2,00

3,00

Con una probabilidad del 90% la varianza poblacional se sita entre el 280,9 y el 1068,3, en trminos de
desviacin tpica (32,68 y 16,76)

Una determinada sucursal de un banco comienza cada da con una cierta cantidad de dinero en su caja.
Admitiendo que dicha cantidad es una variable aleatoria con distribucin normal, obtener el intervalo de
confianza del 95% de la cantidad media de dinero existente en la caja al comienzo de la jornada laboral en la
citada sucursal bancaria sabiendo que una m.a.s. de 9 das arroj las siguientes cantidades (en millones
euros): 15, 20, 22, 19, 17, 25, 21, 18 y 23

xi
15
20
22
19
17
25
21
18
23
Suma
180
Media

(xi-X)2
441
256
196
289
361
121
225
324
169
Suma
2382
cuasivarianza

36,0

297,8

Nivel de confianza 1 - = 0,95, luego = 0,05y /2 = 0,025

Los grados de libertad son: 9-1 = 8

De las tablas obtenemos el valor de t13, 0,05 = 2,306

Con un nivel de confianza del 95%, la cantidad media de dinero existente en la caja
al comienzo de la jornada laboralest comprendido entre el 22,7 y el 49,26.

Material elaborado por Enrique Carreras

Pgina 22 de 25

En una poblacin N(;) se estima por un intervalo de confianza a travs de una m.a.s de tamao 100,
con media muestral 175 y cuasi-desviacin tpica muestral2, Calcular:
a) El nivel de confianza preciso para que elegido como estimador de la media poblacional el estadstico
x , la semi-amplitud del intervalo de error sea como mximo 0,392.

En este caso tambin aplicamos la frmula del tamao de muestra,

Lo que pasa es que la incgnita es ahora el nivel de confianza

Le corresponde un de 0,025, por tanto = 0,05 y el nivel de confianza 1- = 0,95

b) Si se eligieran dos estimaciones: 1 = 172 y

*
2

= 178 cul sera la mejor?

Siendo el error, con un nivel de confianza del 95%, del 0,392, el intervalo de confianza estara entre:
17,5 0,392=17,11 y
15,5 + 0.392 = 17,89
Ambas seran posibles, la mejor se establecer por el lema de Neyman Pearson (la que con el mismo
nivel de significacin, obtenga un menor error tipo II, el mayor poder)

c)

Cmo podramos aumentar la precisin de la estimacin efectuada en a) manteniendo el grado

de confianza?

Aumentando el tamao de muestra

Material elaborado por Enrique Carreras

Pgina 23 de 25

Una empresa desea estudiar la demanda futura de uno de sus productos, para lo cual selecciona, mediante
muestreo aleatorio simple, a diez de sus clientes, observando el nmero de unidades demandadas por
ellos:
Unidades
demandadas

Nmero de
clientes

1000
1002
1004
1006
1008
1010
1012

1
2
1
2
1
2
1

Suponiendo que la demanda sigueuna distribucin normal.

a) Establezca las estimaciones de la demanda media y de la cuasi-desviacin tpica.
Unidades
demandadas

Nmero de
clientes

xini

xi2ni

1000

1000

1000000

1002

2004

2008008

1004

1004

1008016

1006

2012

2024072

1008

1008

1016064

1010

2020

2040200

1012

1012

1024144

casos

Suma

Suma

10

10060

10120504

Media

Varianza

Cuasi-varianza

1006

14,4

16,0
Cuasi-desviacin
4,0

b) Obtenga el intervalo de confianza al 95% para la demanda media.

Nivel de confianza 1 - = 0,95, luego = 0,05y /2 = 0,025

Los grados de libertad son: 10-1 = 9

De las tablas obtenemos el valor de t9, 0,05 = 2,262

Con un nivel de confianza del 95%, el autntico valor de la demanda media entre el 1003,1 y el 1008,9

Material elaborado por Enrique Carreras

Pgina 24 de 25

c) Cul es el intervalo de confianza de la varianza poblacional

Sabemos

Con un nivel de confianza del 95%, el autntico valor de la varianza poblacional est comprendido entre
el 53,3 y el 7,6

Material elaborado por Enrique Carreras

Pgina 25 de 25