Sunteți pe pagina 1din 14

UNIVERSIDAD DE CIENCIAS COMERCIALES FAII

ASIGNATURA: ESTADISTICA APLICADA


Unidad II: ESTIMADORES DE PARAMETROS

GUIA: No.3
SEMANA: 04

TEMA-2: ESTIMADORES Y TIPO DE ESTIMACION


SUMARIO: Estimacin y tipos de estimadores
Conceptos generales relacionados con el Teorema C.L.
Estimacin Puntual y por Intervalo.
Estimacin de Proporciones

ESTIMACION
El objetivo principal de la estadstica inferencial es la estimacin, esto es que mediante el estudio de una
muestra de una poblacin se quiere generalizar las conclusiones al total de la misma. Como vimos en la
seccin anterior, los estadsticos varan mucho dentro de sus Distribuciones Muestrales, y mientras menor
sea el error estndar de un Estadstico, ms cercanos sern unos de otros sus valores.
Existen dos tipos de estimaciones para parmetros; puntuales y por intervalo.
Una estimacin puntual es un nico valor estadstico y se usa para estimar un parmetro. El estadstico
usado se denomina estimador.
Una estimacin por intervalo es un rango, generalmente de ancho finito, que se espera que contenga el
parmetro.
Conceptos relacionado con el Teorema Central de Limite
Hemos dicho en la gua No.1, que si una poblacin tiene media y desviacin tpica , y tomamos muestras
de tamao n (n > 30, cualquier tamao si la poblacin es "normal"), las medias de estas muestras siguen
aproximadamente la distribucin normal con media y error poblacional: (,

Adems esta definicin hace posible:


1. Averiguar la probabilidad de que la media de una muestra concreta est en un cierto intervalo.
2. Calcular la probabilidad de que la suma de los elementos de una muestra est, a priori, incluido
dentro de cierto intervalo, donde:

(, )
=1

3. Inferir la media de la poblacin a partir de una muestra.


Ejemplo-1:
Las bolsas de sal envasadas por una mquina tienen = 500 g y = 35 g. Las bolsas se empaquetaron
en cajas de 100 unidades.
1. Calcular la probabilidad de que la media de los pesos de las bolsas de un paquete sea menor que
495 g.
SOLUCION: Por definicin tenemos la dupla: (,

(500,

35
)
100

(500, 3.5)

Por tanto se pide calcular la probabilidad que la media (peso en gramos) de las bolsas de un
paquete, sea menor qu 495gr.
< ) = ( < []) = ( < , ) = ( > , )
(
,

De acuerdo a la tabla normal estandar de valores, para z = 1,43 es 0,0764


< ) = ( , ) = ,
Por tanto: (
2. Calcular la probabilidad de que una caja de 100 bolsas pese ms de 51 kg.
SOLUCION: Por definicin tenemos la dupla:
MSc. Irineo Moody Chow 85903959

wangkiluhpia@gmail.com

Estadstica Aplicada

UNIVERSIDAD DE CIENCIAS COMERCIALES FAII


(, ) (100 500, 35 100 ) (50000, 350)
Por tanto se pide calcular la probabilidad de que una caja de 100 bolsas pese ms de 51 kg = 51000
gramos.

> ) = ( > [
(=
]) = ( > , )

De acuerdo a la tabla normal estandar de valores, para z = 2,86 es 0,0021


> ) = ( , ) = ,
Por tanto: (=
La estimacin de parmetros es el procedimiento utilizado para conocer las caractersticas de un
parmetro poblacional, a partir del conocimiento de la muestra.
Con una muestra aleatoria, de tamao n, podemos efectuar una estimacin de un valor de un parmetro
de la poblacin; pero tambin necesitamos precisar un:
Intervalo de confianza
Se llama as a un intervalo en el que sabemos que est un parmetro, con un nivel de confianza especfico.
Nivel de confianza
Probabilidad de que el parmetro a estimar se encuentre en el intervalo de confianza.
Error de estimacin admisible
Que estar relacionado con el radio del intervalo de confianza
ESTIMACIN PUNTUAL
La inferencia estadstica est casi siempre concentrada en obtener algn tipo de conclusin acerca de uno o
ms parmetros (caractersticas poblacionales). Para hacerlo, se requiere que un investigador obtenga
datos Muestrales de cada una de las poblaciones en estudio. Entonces, las conclusiones pueden estar
basadas en los valores calculados de varias cantidades Muestrales. Con frecuencia se estiman los
parmetros de una poblacin con base en estadsticas muestrales, debido a factores como tiempo y costo
Un estimador puntual es un solo valor numrico basado en datos de una muestra aleatoria, que se utiliza
para estimar el valor de un parmetro poblacional. Una de las caractersticas mas importantes de este tipo
de estimador es que no sean sesgados, o sea que su valor esperado es igual al parmetro que se estima.
Donde un valor esperado es el promedio a largo plazo de la estadstica Muestral.
Tabla de Estimadores Puntuales utilizados con frecuencia:
No. Parmetro poblacional
Estimador
1
Media ()

Diferencia
entre
las
medias
de
dos
poblaciones
(

)
2
1 2
1
2
3
Proporcin ()

Diferencia entre las proporciones de dos poblaciones (1 2)


4
1 2
5
Varianza ( 2 )
2
6
Desviacin estndar ()
s
Aunque la media Muestral es un estimador no sesgado de la media poblacional, no hay forma de expresar
el grado de precisin de un estimador puntual. Esto es vlido (1) cuando n30, debido el TCL (2) cuando
n30, pero la poblacin supone distribuida normalmente y se conoce
Por ejemplo, representamos con (parmetro) el verdadero promedio de resistencia a la ruptura de
conexiones de alambres utilizados para unir obleas de semiconductores. Podra tomarse una muestra
aleatoria de 10 conexiones para determinar la resistencia a la ruptura de cada una, y la media Muestral de
se poda emplear para sacar una conclusin acerca del valor de . De forma
la resistencia a la ruptura

similar, si es la varianza de la distribucin de resistencia a la ruptura, el valor de la varianza Muestral


MSc. Irineo Moody Chow 85903959

wangkiluhpia@gmail.com

Estadstica Aplicada

UNIVERSIDAD DE CIENCIAS COMERCIALES FAII


se podra utilizar para inferir algo acerca de .
Cuando se analizan conceptos generales y mtodos de inferencia es conveniente tener un smbolo genrico
para el parmetro de inters. Se utilizar la letra griega para este propsito. El objetivo de la
estimacin puntual es seleccionar slo un nmero, basados en datos de la muestra, que represente el valor
ms razonable de
Por ejemplo, una muestra aleatoria de 3 bateras para calculadora podra presentar duraciones observadas
en horas de 1 = 5,0; 2 = 6,4; 3 = 5,9. El valor calculado de la duracin media Muestral es = 5,77,
y es razonable considerar 5.77 como el valor ms adecuado de .
Una estimacin puntual de un parmetro es un slo nmero que se puede considerar como el valor
ms razonable de . La estimacin puntual se obtiene al seleccionar una estadstica apropiada y calcular
su valor a partir de datos de la muestra dada. La estadstica seleccionada se llama estimador puntual de

(theta sombrero) suele utilizarse para representar el estimador de y la estimacin


El smbolo
=
se lee como "el estimador puntual de es la
puntual resultante de una muestra dada. Entonces
. El enunciado "la estimacin puntual de es 5.77" se puede escribir en forma
media Muestral
= , .
abreviada
Ejemplo-2:
En el futuro habr cada vez ms inters en desarrollar aleaciones de Mg de bajo costo, para varios procesos
de fundicin. En consecuencia, es importante contar con mtodos prcticos para determinar varias
propiedades mecnicas de esas aleaciones. Examine la siguiente muestra de mediciones del mdulo de
elasticidad obtenidos de un proceso de fundicin a presin:
44.2 43.9 44.7 44.2 44.0 43.8 44.6 43.1
Suponga que esas observaciones son el resultado de una muestra aleatoria. Se desea estimar la varianza
poblacional . Un estimador natural es la varianza Muestral:
( )2 (44,2 44,0625)2 + (43,9 44,0625)2 + + (43,1 44,0625)2
2 = 2 =
=
= 0,251
1
81

para el cual
= siempre. Sin embargo,
es
En el mejor de los casos, se encontrar un Estimador
una funcin de las Muestrales, por lo que en s misma una variable aleatoria.
= +

entonces el estimador preciso sera uno que produzca slo pequeas diferencias de estimacin, de modo
que los valores estimados se acerquen al valor verdadero.
Propiedades de un Buen Estimador

INSESGADO.-

es un estimador insesgado de si (
) = , para todo valor
Se dice que un estimador puntual
posible de . En otras palabras, un estimador insesgado es aquel para el cual la media de la distribucin
, si se usa para estimar la media
muestral es el parmetro estimado. En el caso de la media muestral
poblacional , se sabe que la = , por lo tanto la media es un estimador insesgado.

MSc. Irineo Moody Chow 85903959

wangkiluhpia@gmail.com

Estadstica Aplicada

UNIVERSIDAD DE CIENCIAS COMERCIALES FAII


EFICIENTE O CON VARIANZA MNIMA. y
son dos estimadores insesgados de . Entonces, aun cuando la distribucin de
Suponga que
cada estimador est centrada en el valor verdadero de , las dispersiones de las distribuciones alrededor
del valor verdadero pueden ser diferentes.

Entre todos los estimadores de que son insesgados, seleccione al que tenga varianza mnima. El
resultante recibe el nombre de estimador insesgado con varianza mnima (MVUE, minimum variance
unbiased estimator) de
En otras palabras, la eficiencia se refiere al tamao de error estndar de la estadstica. Si comparamos dos
estadisticas de una muestra del mismo tamao y tratamos de decidir cul de ellas es un estimador ms
eficiente, escogeramos la estadstica que tuviera el menor error estndar, o la menor desviacin estndar
de la distribucin de muestreo. Por tanto tiene sentido pensar que un estimador con un error estndar
menor tendr una mayor oportunidad de producir una estimacin ms cercana al parmetro de poblacin
que se est considerando.

Como se puede observar las dos distribuciones tienen un mismo valor en el parmetro slo que la
distribucin muestral de medias tiene una menor varianza, por lo que la media se convierte en un
estimador eficiente e insesgado.

COHERENCIA.Una estadstica es un estimador coherente de un parmetro de poblacin, si al aumentar el tamao de la


muestra se tiene casi la certeza de que el valor de la estadstica se aproxima bastante al valor del
parmetro de la poblacin. Si un estimador es coherente se vuelve ms confiable si tenemos tamaos de
muestras ms grandes.

SUFICIENCIA.Un estimador es suficiente si utiliza una cantidad de la informacin contenida de la muestra que ningn
otro estimador podra extraer informacin adicional de la muestra sobre el parmetro de la poblacin que
se est estimando.
Es decir, que al extraer la muestra, el estadstico calculado contenga toda la informacin de esa muestra.
Por ejemplo, cuando se calcula la media de la muestra, se necesitan todos los datos. Cuando se calcula la
mediana de una muestra slo se utiliza a un dato o a dos. Esto es solo el dato o los datos del centro son los
que van a representar la muestra. Con esto se deduce que si utilizamos a todos los datos de la muestra
como es en el caso de la media, la varianza, desviacin estndar, etc; se tendr un estimador suficiente.
Estimacin por Intervalos
MSc. Irineo Moody Chow 85903959

wangkiluhpia@gmail.com

Estadstica Aplicada

UNIVERSIDAD DE CIENCIAS COMERCIALES FAII


Un estimado puntual, por ser un slo nmero, no proporciona por s mismo informacin alguna sobre la
precisin y confiabilidad de la estimacin. Por ejemplo, imagine que se usa el estadstico
para calcular un
estimado puntual de la resistencia real a la ruptura de toallas de papel de cierta marca, y suponga que
= . Debido a la variabilidad de la muestra, nunca se tendr el caso de que
= . El estimado

puntual nada dice sobre lo cercano que esta de .


Una alternativa para reportar un solo valor del parmetro que se est estimando es calcular e informar
todo un intervalo de valores factibles, un estimado de intervalo o intervalo de confianza (IC). Un intervalo
de confianza se calcula siempre seleccionando primero un nivel de confianza, que es una medida del grado
de fiabilidad en el intervalo. Por ejemplo se puede hablar de un intervalo de confianza con un nivel de
confianza de 95% de la resistencia real promedio a la ruptura podra tener un lmite inferior de 9162.5 y
uno superior de 9482.9. Entonces, en un nivel de confianza de 95%, es posible tener cualquier valor de
entre 9162.5 y 9482.9. Un nivel de confianza de 95% implica que 95% de todas las muestras dara lugar a un
intervalo que incluye o cualquier otro parmetro que se est estimando, y slo 5% de las muestras
producir un intervalo errneo. Cuanto mayor sea el nivel de confianza podremos creer que el valor del
parmetro que se estima est dentro del intervalo.Una interpretacin correcta de la "confianza de 95%"
radica en la interpretacin frecuente de probabilidad a largo plazo. Por ejemplo, decir que un evento A
tiene una probabilidad de 0.95, significa que si el experimento donde A est definido re realiza una y otra
vez, a largo plazo A ocurrir 95% de las veces. Para este caso el 95% de los intervalos de confianza
calculados contendrn a
Esta es una construccin repetida de intervalos de confianza de 95% y se
puede observar que de los 11 intervalos calculados slo el tercero y el
ltimo no contienen el valor de .
De acuerdo con esta interpretacin, el nivel de confianza de 95% no es
tanto un enunciado sobre cualquier intervalo en particular, ms bien se
refiere a lo que sucedera si se tuvieran que construir un gran nmero de
intervalos semejantes.

Encontrar z a partir de un nivel de confianza


Uno de los problemas comunes para estimar un estadstico por intervalos
es hacer uso de las Tablas. Existen varias tablas en las cuales podemos
encontrar el valor de z, segn sea el rea proporcionada por la misma.
En esta seccin se realizar un ejemplo para encontrar el valor de z
utilizando tres tablas diferentes.
Ejemplo-3:Encuentre el valor de z para un nivel de confianza del 95%.
Solucin 1:
Se utilizar la tabla que tiene el rea bajo la curva de hasta z. Si lo vemos grficamente sera:

El nivel de confianza bilateral est dividido en partes iguales bajo la curva:

MSc. Irineo Moody Chow 85903959

wangkiluhpia@gmail.com

Estadstica Aplicada

UNIVERSIDAD DE CIENCIAS COMERCIALES FAII

En base a la tabla que se est utilizando, se tendr que buscar el rea de 0.975, ya que cada extremo o cola
de la curva tiene un valor de 0.025.

Por lo que el valor de z es de 1.96.


Solucin 2:
Si se utiliza una tabla en donde el rea bajo la curva es de 0 a z:

En este caso slo se tendr que buscar adentro de la tabla el rea de 0.475 y el resultado del valor de z ser
el mismo, para este ejemplo 1.96.
Solucin 3:
Para la tabla en donde el rea bajo la curva va desde

z hasta +:

Se busca el valor de 0.025 para encontrar z de 1.96.


Independientemente del valor del Nivel de Confianza este ser el procedimiento a seguir para localizar a z.
En el caso de que no se encuentre el valor exacto se tendr que interpolar.

Estimacin para la Media


Como ya vimos, que en base a la Distribucin Muestral de Medias que se gener en el tema anterior, el

valor estndar se calcula:
=
la frmula para el clculo de probabilidad, como en este caso no

MSc. Irineo Moody Chow 85903959

wangkiluhpia@gmail.com

Estadstica Aplicada

UNIVERSIDAD DE CIENCIAS COMERCIALES FAII


conocemos el parmetro y lo queremos estimar por medio de la media de la muestra, slo despejamos

de la formula anterior, quedando lo siguiente: =

De esta frmula observamos que tanto el tamao de la muestra n como el valor de z se conocern. Z se
puede obtener de la tabla de la distribucin normal a partir del nivel de confianza establecido. Pero en
ocasiones se desconoce por lo que en esos casos lo correcto es utilizar otra distribucin llamada "t" de
student, si la poblacin de donde provienen los datos es normal.
Para el caso de tamaos de muestra grande se puede utilizar una estimacin puntual de la desviacin
estndar, es decir igualar la desviacin estndar de la muestra a la de la poblacin = .
Ejemplos:
1. Se encuentra que la concentracin promedio de zinc que se saca del agua a partir de una muestra
de mediciones de zinc en 36 sitios diferentes es de 2.6 gramos por mililitro. Encuentre los
intervalos de confianza de 95% y 99% para la concentracin media de zinc en el ro. Suponga que la
desviacin estndar de la poblacin es 0.3.
Solucin-1:
La estimacin puntual de = 2,6 Como el valor de z en la tabla, para un nivel de confianza

(1,96)(0,3)
del 95% es 1.96, por lo tanto: = = 2,6
= 2,50 2,70

36

Para un nivel de confianza de 99% el valor de z es de 2.575 por lo que el intervalo ser ms amplio:

(2,575)(0,3)
=
= 2,6
= 2,47 2,73

36

El intervalo de confianza proporciona una estimacin de la precisin de nuestra estimacin puntual.


estima sin error. La mayor parte de
Si es realmente el valor central de intervalo, entonces
no ser exactamente igual a y la estimacin puntual es errnea. La
las veces, sin embargo,
magnitud de este error ser el valor absoluto de la diferencia entre
, y podemos tener el

nivel de confianza de que esta diferencia no exceder el valor:


.

MSc. Irineo Moody Chow 85903959

wangkiluhpia@gmail.com

Estadstica Aplicada

UNIVERSIDAD DE CIENCIAS COMERCIALES FAII


Como se puede observar en los resultados del ejercicio se tiene un error de estimacin mayor
cuando el nivel de confianza es del 99% y ms pequeo cuando se reduce a un nivel de confianza
del 95%.
2. Una empresa elctrica fabrica focos que tienen una duracin aproximadamente distribuida de
forma normal con una desviacin estndar de 40 horas. Si una muestra de 30 focos tiene una
duracin promedio de 780 horas, encuentre un intervalo de confianza de 96% para la media de la
poblacin de todos los focos que produce esta empresa.
Solucin-2:

< < +

= 780

(2,054)(40)
30

< < 780 +

(2,054)(40)
30

= 765 < < 795

Con un nivel de confianza del 96% se sabe que la duracin media de los focos que produce la
empresa est entre 765 y 765 horas.
3. La prueba de corte sesgado es el procedimiento ms aceptado para evaluar la calidad de una unin
entre un material de reparacin y su sustrato de concreto. El artculo "Testing the Bond Between
Repair Materials and Concrete Substrate" informa que, en cierta investigacin, se obtuvo una
resistencia promedio muestral de 17.17 N/mm2, con una muestra de 48 observaciones de
resistencia al corte, y la desviacin estndar muestral fue 3.28 N/mm2. Utilice un nivel de confianza
inferior del 95% para estimar la media real de la resistencia al corte.
Solucin:
En este ejercicio se nos presentan dos situaciones diferentes a los ejercicios anteriores. (1) La primera que
desconoce la desviacin estndar de la poblacin y (2) la segunda que nos piden un intervalo de confianza
unilateral.
El primer caso ya se haba comentado y se solucionar utilizando la desviacin estndar de la muestra como
estimacin puntual de sigma.
Para el intervalo de confianza unilateral, se cargar el rea bajo la curva hacia un solo lado como sigue:

= 17,17

(1,654)(3,38)

= 16,39

48
Esto quiere decir que con un nivel de confianza de 95%, el valor de la media est entre (16,39, +)

INTERVALOS CARACTERSTICOS

< + ) =
( <
Ejemplo:
Se quiere hallar el intervalo caracterstico de una distribucin normal N(0, 1) correspondiente a la
probabilidad p = 0.9.
Solucin:
(1,64) = 0,9495
( > ) = 0,05; ( ) = 0,95 {
= 1,645 [1,645, 1,645]
(1,65) = 0,9505
MSc. Irineo Moody Chow 85903959

wangkiluhpia@gmail.com

Estadstica Aplicada

UNIVERSIDAD DE CIENCIAS COMERCIALES FAII

Por tanto: Un intervalo de confianza para la media es un estimador de intervalo que se construye con
respecto a la media Muestral y permite especificar la probabilidad de que incluya el valor de la media
poblacional. El grado de confianza asociado con un intervalo de confianza seala el porcentaje a largo
plazo de esa clase de intervalos que incluiran el parmetro que se estima.
El nivel de confianza (p) se designa mediante 1 - .
El nivel de significacin se designa mediante .
El valor crtico (k) como z /2 .
P(Z>z /2) = /2
P[-z /2 < z < z /2] = 1-

Valores crticos:
Nivel de Confianza
1-
0,90
0,95
0,99

Probabilidad del Valor Critico


/2
0,05
0,025
0,005

Valor Critico
z /2
1,645
1,96
2,575

En una distribucin N(, ) el intervalo caracterstico correspondiente a una probabilidad p = 1 - es:


( - z /2 , + z /2 )

1-
0.90
0.95
0.99

/2
0.05
0.025
0.005

z /2
1.645
1.96
2.575

Intervalos caractersticos
( - 1.645 , + 1.645 * )
( - 1.96 , + 1.96 * )
( - 2.575 , + 2.575 * )

INTERVALO DE CONFIANZA PARA LA MEDIA

El intervalo de confianza, para la media de una poblacin, con un nivel de confianza de 1- , siendo la
media de una muestra de tamao n y la desviacin tpica de la poblacin, es:

(
, +
)
2
2

El error mximo de estimacin es: =


2

Cuanto mayor sea el tamao de la muestra, n, menor es el error.


Cuanto mayor sea el nivel de confianza, 1-, mayor es el error.
Tamao de la muestra: = (

2
2

Si aumentamos el nivel de confianza, aumenta el tamao de la muestra.


MSc. Irineo Moody Chow 85903959

wangkiluhpia@gmail.com

Estadstica Aplicada

UNIVERSIDAD DE CIENCIAS COMERCIALES FAII


Si disminuimos el error, tenemos que aumentar el tamao de la muestra.
Ejemplo-1:
El tiempo que tardan las cajeras de un supermercado en cobrar a los clientes sigue una ley normal con
media desconocida y desviacin tpica 0,5 minutos. Para una muestra aleatoria de 25 clientes se obtuvo un
tiempo medio de 5,2 minutos.
Solucin:
1. Calcula el intervalo de confianza al nivel del 95% para el tiempo medio que se tarda en cobrar a los
clientes.

0,5
0,5
(
, +
) = (5,2 1,96
, 5,2 + 1,96
) = (5,004, 5,396)
2
2
25
25
2. Indica el tamao Muestral necesario para estimar dicho tiempo medio con un el error de 0,5
0,5
minutos y un nivel de confianza del 95%. 0,5 = 1,96
= 1,96 = 3,84 4

Ejemplo-2:
En una semana determinada, se elige al azar una muestra de 30 empleados de un nmero muy grande de
ellos que trabajan en una empresa manufacturera. Los trabajadores realizan una labor a destajo y se
= $ , con una desviacin estndar
encuentra que el promedio de pago por pieza trabajada es de
Muestral de s = $14 Se estima que el pago promedio a destajo para todos los empleados de la empresa,
con una estimacin por intervalo que permita tener una confianza del 95% de que ese intervalo incluye el
valor de la media poblacional, es:
Solucin:
= $; = ; = $; %
1. Los datos son:

14
14
=
=
=
= 2,56;
30 5,48
El valor z para el nivel de confianza del 95% corresponde: 1,96
() = 180 1,96(2,56) = 180 5,0176 = 174,98 185,02
NOTA: En este caso, se utiliza el valor s como estimador del poblacional.
Por tanto, puede afirmarse que el pago promedio a destajo para todos los empleados se encuentra
entre $174,980 y $185,020 ; con un nivel de confianza del 95%.
Los intervalos de confianza que se utilizan con mayor frecuencia son los de 90%, 95%, 99%
Tabla de proporciones seleccionadas de rea bajo la curva normal:
z(nmero de unidades de desviacin estndar
desde la media)

Proporcin de rea en el intervalo

1,645
1,96
2,58


0,90
0,95
0,99

La Distribucin t-student y los intervalos de confianza para la media.


En el caso de que se trate de una muestra pequea y la poblacin tiene una distribucin normal, pero se
desconoce . Esto hace que la frmula de conversin incluye una variable en el denominador porque s,
y por tanto , diferir de una muestra a otra, dando como resultado que no es constante, los valores no se
MSc. Irineo Moody Chow 85903959

wangkiluhpia@gmail.com

Estadstica Aplicada

10

UNIVERSIDAD DE CIENCIAS COMERCIALES FAII


distribuyen normalmente, por esto se toma en cuenta la Distribucin - t- de Student, que es platicrtica y el
rea bajo la curva se basa en grados de libertad (gl = n - 1) Sin embargo al aumentar el tamao de la
muestra (y los grados de libertad), la distribucin t se aproxima a la forma nomal estndar. Por lo que
la regla general dice que una distribucin t se aproxima a la forma nomal estndar z- cuando n 30
(o los gl 29) para una sola muestra.
Los valores en la tabla, indican la proporcin de rea del extremo superior y no la porcin entre la media y
un punto dado. El intervalo de confianza para estimar la media poblacional, cuando se desconoce y
n30 y la poblacin tiene distribucin normal es:
= $; = ; = $; %
Ejemplo-3:
= con una desviacin
La vida til promedio de una muestra aleatoria de n=10 focos es de
estndar muestral = se supone que la vida til de los focos tiene una distribucin aproximadamente normal. Se estima la vida til promedio de la poblacin de focos de la cual se tom la muestra,
utilizando un intervalo de confianza del 95% de la siguiente forma:
Solucin:
= ; = ; = ; %
1. Los datos son:

200 200
=
=
=
= 63,3
10 3,16
Para el valor en la tabla t-de Student, = 0,05; 2 = 0,025; = 1 = 9 = ,
En la tabla se ubica el 2,62 en: probabilidad (columna) 0,025, y fila (df=gl) 9 donde 0,05 es la
diferencia del nivel de confianza 95% .
Calculamos el intervalo de confianza para 95% =

= 4000 2,262(63,3) = 4000 143,1846 = 3856,8 4143,2 = 3857 4143


Tabla resumen-Estimacin por intervalo de la media poblacional:
Poblacin
Tamao de muestra
Se conoce
Se desconoce

Con distribucin normal Grande (n 30)


()
()
Pequea (n 30)

()
Sin distribucin normal
Grande (n 30)
()
() + +
Por
lo
general,
se
utilizaran
procedimientos
no
Pequea (n 30)
paramtricos basados en la mediana.

(*) Se utiliza el teorema de lmite central


(**) Se utiliza z como aproximacin de t-de Student
(++) Se utiliza el teorema de lmite central y se utiliza z como aproximacin a t-student

INTERVALO DE CONFIANZA PARA UNA PROPORCIN


Si en una poblacin, una determinada caracterstica se presenta en una proporcin p ( ), la proporcin

, de individuos con dicha caracterstica en las muestras de tamao n, se distribuirn segn: (,

Intervalo de confianza para una proporcin: ( /2

, + /2 )

Aunque la distribucin aplicable a proporciones es la Binomial, con la construccin de intervalos de


confianza para una proporcin poblacional desconocida, con base al proceso de Bernoulli es tedioso. Por
MSc. Irineo Moody Chow 85903959

wangkiluhpia@gmail.com

Estadstica Aplicada

11

UNIVERSIDAD DE CIENCIAS COMERCIALES FAII


eso se hace uso de la normal para aproximar a la binomial, que es apropiada cuando n 30 en tanto que
np 5 y nq 5 Pero cuando se desconoce la proporcin p ( ) se sugiere considerar n 100,
.
reconociendo que no se conoce sino que se estima mediante

es: =
El error estndar estimado de la proporcin, dada una proporcin Muestral observada,

Si la poblacin es finita hacer uso del factor de correccin. No utilizar factor de correccin en caso de que

n0,05*N:

por ultimo, el intervalo de confianza para una proporcin poblacional es: ( () )

El error mximo de estimacin es: =


2

Ejemplo-1:
En una fbrica de componentes electrnicos, la proporcin de componentes finales defectuosos era del
20%. Tras una serie de operaciones e inversiones destinadas a mejorar el rendimiento se analiz una
muestra aleatoria de 500 componentes, encontrndose que 90 de ellos eran defectuosos. Qu nivel de
confianza debe adoptarse para aceptar que el rendimiento no ha sufrido variaciones?
Solucin:
90
DATOS: = 0,2; = 1 = 0,8; =
= 0,18; = = 0,02
500

0,02 <

(0,2)(0,8)
500

/2 0,02 <

/2 /2 > 1,12

P (z/2 > 1.12) = 1 P (z/2 1.12) = 1 0.8686 = 0.1314


0.8686 - 0.1314 = 0.737
Nivel de confianza: 73.72%
Ejemplo-2:
Una empresa de investigacin de mercados entrevista a una muestra aleatoria de 100 hombres de una
comunidad grande y encuentra que una proporcin Muestral de 0,40 de ellos prefieren las hojas de afeitar
fabricadas por la empresa cliente de los investigadores, y no las dems marcas. El intervalo de confianza
del 95% para la proporcin de todos los hombres de esa comunidad que prefieren las hojas de afeitar de la
empresa cliente se determina:
Solucin: DATOS: = 0,40; = 100; = 0,60;

Calculamos el error estndar: =

(0,4)(0,6)

100

0,24
100

= 0,05

El intervalo de confianza para 95%: ( () ) = 0,40 1,96(0,05) = 0,4 0,098 = 0,4 0,10 = 0,30 0,50

MSc. Irineo Moody Chow 85903959

wangkiluhpia@gmail.com

Estadstica Aplicada

12

UNIVERSIDAD DE CIENCIAS COMERCIALES FAII


Por tanto, se estima que con una confianza del 95%, la proporcin de hombres de esa comunidad que
prefieren hojas de afeitar de la empresa est entre 0,30 y 0,50.
EJERCICIOS PARA TRABAJO DE GRUPO:
1. Intervalos de confianza para la media utilizando Distribucin Normal
Supongamos que la desviacin estndar de la vida til de los cinescopios de una marca especfica
de televisores es = pero que no se conoce el promedio de vida til. En trminos generales,
se supone que la vida til de los cinescopios tiene una distribucin aproximadamente normal. Para
= horas. Construya un intervalo de
una muestra n = 15 , la vida til promedio es
confianza para estimar la media de la poblacin: (a) con el 95% de confianza. y (b) con el 90%
de confianza.
2. Con respecto al problema anterior, supongamos que no se puede asumir una vida til poblacional
= se basa en
de cinescopios distribuida normalmente. Sin embargo la media Muestral
una muestra n=35. Construya el intervalo de confianza del 95% para estimar la media de la
poblacin.
3. Supongamos que en el problema anterior se asume que la poblacin tiene distribucin normal,
pero se desconoce la desviacin estndar poblacional. Pero se conoce la desviacin Muestral
= . Estime la media de la poblacin utilizando un intervalo de confianza
s=500 y media
del 90%
4. Ahora supongamos que no se puede asumir que la poblacin tenga distribucin normal, y adems,
= 8900 Estime la
tampoco se conoce . Pero si tenemos conocimiento de n=35, s=500 y
media poblacional para intervalo de confianza del 99%.
5. Intervalo de confianza para la media utilizando Distribucion t-de Student
En el problema (1) Suponamos que la desviacin estndar de la vida til de los cinescopios de una
marca especfica de televisores es = pero que no se conoce el promedio de vida til. En
trminos generales, se supone que la vida til de los cinescopios tiene una distribucin
= horas.
aproximadamente normal. Para una muestra n = 15 , la vida til promedio es
En el supuesto que se desconoce , pero si la desviacin estndar muestral s=500. Construya un
intervalo de confianza para estimar la media de la poblacin: (a) con el 95% de confianza y
comprelo con el problema (1). y (b) con el 90% de confianza y comprelo con la respuesta del
problema (1).
6. Como supervisor del proceso de empacado de caf en sobres, suponga que se toma una muestra
aleatoria de 12 de los sobres en la planta empacadora. El peso neto de los sobres de caf es el que
se reporta en la siguiente tabla. Determine (a) el peso neto del caf empacado en cada sobre, y
(b) la desviacin estndar muestral (c) suponiendo que el peso del caf empacado tiene
Distribucion Normal, estime el peso promedio por sobre de caf utilizando un intervalo de
confianza del 95%.
Peso neto del caf empacado en 12 sobres:
Gramos por sobre
15,7
15,8
15,9
16,0
16,1
16,2
Numero de sobres
1
2
2
3
3
1
7. Intervalo de confianza para estimar la proporcin de una poblacin:
Un administrador universitario recopila datos sobre una muestra aleatoria nacional de 230
estudiantes en programas de posgrado en administracin de empresas y encuentra que 54 de ellos
tienen licenciaturas en Admon o Contaduria. Estime la proporcion de esos estudiantes a nivel

MSc. Irineo Moody Chow 85903959

wangkiluhpia@gmail.com

Estadstica Aplicada

13

UNIVERSIDAD DE CIENCIAS COMERCIALES FAII


nacional, que tienen licenciaturas en Admn. o Contadura, utilizando intervalo de confianza del
90%
8. En una rea metropolitana grande en la que existen 800 expendios de gasolina, para una muestra
aleatoria n=36 expendios, 20 de ellos venden una marca determinada de aceite. Utilizando un
intervalo de confianza del 95%, estime (a) La proporcin de todos los expendios de gasolina del
rea que venden ese aceite, y (b) el nmero total de expendios del rea en los que se vende el
aceite.

MSc. Irineo Moody Chow 85903959

wangkiluhpia@gmail.com

Estadstica Aplicada

14

S-ar putea să vă placă și