‘’AÑO DEL BUEN SERVICIO AL CIUDADANO”

UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE INGENIERÍA
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE MINAS

ESTIMACIÓN PUNTUAL E INTERVÁLICA

PARA LA MEDIA, PROPORCIÓN Y
VARIANZA
ASIGNATURA:
ESTADÍSTICA Y PROBABILIDAD

DOCENTE:
RUBIO JACOBO, LUIS ALBERTO

INTEGRANTES:
 ALAYO RODRIGUEZ, JIMMY
 CASTRO LLANOS, RENATO
 FERNANDEZ SÁNCHEZ, JORGE
 LÁZARO SALINAS, JHORDAN
 VÁSQUEZ HONORIO, WILLIAM H.

TRUJILLO, 4 DE ENERO DEL 2018

 UNIVERSIDAD NACIONAL DE TRUJILLO

Índice

1. Estimación puntual e interválica para ẍ, ρ y 𝒔𝟐 .................................... 3

Estimación puntual ..................................................................................... 3

Estimación interválica o por intervalo de confianza ................................... 6

Estimación puntual e interválica para ẍ (media) ........................................ 7

Estimación puntual para la media ........................................................... 7

Estimación interválica para la media ...................................................... 7

Estimación puntual e interválica para ρ (proporciones)Error! Bookmark

not defined.

Estimación puntual para una proporción................................................. 9

Estimación interválica para una proporción .......................................... 10

Estimación puntual e interválica para 𝒔𝟐 (varianza) ................................ 11

Estimación puntual para la varianza ..................................................... 11

Estimación intervállica para la varianza ............................................... 12

ESTADÍSTICA Y PROBABILIDADES 2
 UNIVERSIDAD NACIONAL DE TRUJILLO

1. Estimación puntual e interválica para ẍ, ρ y 𝒔𝟐

Estimación puntual

Cuando queremos realizar un estudio de una población cualquiera de la que

desconocemos sus parámetros, por ejemplo, su media poblacional o la probabilidad de
éxito si la población sigue una distribución binomial, debemos tomar una muestra
aleatoria de dicha población a través de la cual calcular una aproximación a dichos
parámetros que desconocemos y queremos estimar. Bien, pues esa aproximación se llama
estimación
Una estimación puntual del valor de un parámetro poblacional desconocido (como puede
ser la media µ, o la desviación estándar σ ). Una estimación puntual de un parámetro θ es
un numero único que puede ser considerado como un valor sensible de θ. Se obtiene una
estimación puntual seccionando un estadístico apropiado y calculando su valor con los
datos muéstrales dados. El estadístico seleccionado se llama estimador puntual de θ.
En el ejemplo de la vida útil de batería, el estimador utilizado para obtener la estimación
puntual de µ fue y la estimación puntual de µ fue 5.77. Si las tres vidas útiles hubieran
sido x1=5.6, x2=4.5 y x3= 6.1, el uso del estimador habría dado por resultado la
estimación = (5.6 + 4.5 + 6.1)/3= 5.40. El símbolo 𝜃̂ (“teta testada”) se utiliza
comúnmente para denotar tanto la estimación de θ como la estimación puntual que resulta
de una muestra dada.*Por tanto, 𝜇̂ = se lee como “el estimador puntual de µ es la media.

Propiedades que debe cumplir el estimador

Estimadores insesgados:
Supóngase que se tiene dos instrumentos de medición: uno ha sido calibrado con
precisión, pero el otro sistemáticamente da lecturas más pequeñas que el valor verdadero
que se está midiendo. Cuando cada uno de los instrumentos se utiliza repetidamente en el
mismo objeto, debido al error de medición, las mediciones observadas no serán idénticas.
Sin embargo, las mediciones producidas por el primer instrumento se distribuirán en tono
al valor verdadero de tal modo que en promedio este instrumento mide lo que se propone
medir, por lo que se propone medir, por lo que ese instrumento se como instrumento
insesgo. El segundo instrumento proporciona observaciones que tiene un componente de
error o sesgo sistemático.

¿Cuáles son las propiedades que una “buena” función de decisión debería tener para poder
̂ un estimador cuyo valor
influir en nuestra elección de un estimador en vez de otro? Sea Θ
̂ es una estimación puntual de algún parámetro de la población desconocido θ. Sin duda
Θ

ESTADÍSTICA Y PROBABILIDADES 3
 UNIVERSIDAD NACIONAL DE TRUJILLO

desearíamos que la distribución muestral de Θ ̂ tuviera una media igual al parámetro

estimado. Al estimador que tuviera esta propiedad se le llamaría estimador insesgado.
Se dice que un estadístico ˆ Θ es un estimador insesgado del parámetro θ si:
μΘ̂ = E(Θ̂) = θ
Ejemplo:
Demuestre que S2 es un estimador insesgado del parámetro σ 2

Consistencia
Un estimador es consistente si aproxima el valor del parámetro cuanto mayor
es n (tamaño de la muestra).
Algunos estimadores consistentes son:

ESTADÍSTICA Y PROBABILIDADES 4
 UNIVERSIDAD NACIONAL DE TRUJILLO

Ejemplo
En una población de 500 puntuaciones cuya Media (m) han hecho tres muestreos
aleatorios (número de muestras= 100) con los siguientes resultados:

vemos que el muestreo en que n=100 la Media de las Medias muéstrales toma el mismo
valor que la Media de la población.

Eficiencia
Diremos que un estimador es más eficiente que otro si la Varianza de la distribución
muestral del estimador es menor a la del otro estimador. Cuanto menor es la eficiencia,
menor es la confianza de que el estadístico obtenido en la muestra aproxime al parámetro
poblacional.
Ejemplo
La Varianza de la distribución muestral de la Media en un muestreo aleatorio (número de
muestras: 1000, n=25) ha resultado igual a 0.4. La Varianza de la distribución de
Medianas ha resultado, en el mismo muestreo, igual a 1.12, (este resultado muestra que
la Media es un estimador más eficiente que la Mediana).

ESTADÍSTICA Y PROBABILIDADES 5
 UNIVERSIDAD NACIONAL DE TRUJILLO

Estimación interválica o por intervalo de confianza

Un intervalo de confianza es un rango de valores, derivado de los estadísticos de la

muestra, que posiblemente incluya el valor de un parámetro de población desconocido.
Debido a su naturaleza aleatoria, es poco probable que dos muestras de una población en
particular produzcan intervalos de confianza idénticos. Sin embargo, si usted repitiera
muchas veces su muestra, un determinado porcentaje de los intervalos de confianza
resultantes incluiría el parámetro de población desconocido.

En este caso, la línea negra horizontal representa el valor fijo de la media desconocida de la
población, µ. Los intervalos de confianza azules verticales que se sobreponen a la línea
horizontal contienen el valor de la media de la población. El intervalo de confianza rojo que
está completamente por debajo de la línea horizontal no lo contiene. Un intervalo de
confianza de 95% indica que 19 de 20 muestras (95%) de la misma población producirán
intervalos de confianza que contendrán el parámetro de población.

Utilice el intervalo de confianza para evaluar la estimación del parámetro de población. Por
ejemplo, un fabricante desea saber si la longitud media de los lápices que produce es
diferente de la longitud objetivo. El fabricante toma una muestra aleatoria de lápices y
determina que la longitud media de la muestra es 52 milímetros y el intervalo de confianza
de 95% es (50,54). Por lo tanto, usted puede estar 95% seguro de que la longitud media de
todos los lápices se encuentra entre 50 y 54 milímetros.

El intervalo de confianza se determina calculando una estimación de punto y luego

determinando su margen de error.

ESTADÍSTICA Y PROBABILIDADES 6
 UNIVERSIDAD NACIONAL DE TRUJILLO

Estimación puntual e interválica para ẍ (media)

Estimación puntual para la media

La distribución muestral de está centrada en μ y en la mayoría de las aplicaciones la

varianza es más pequeña que la de cualesquiera otros estimadores de μ. Por lo tanto, se
utilizará la media muestral como una estimación puntual para la media de la población
2
μ. Recuerde que 𝜎𝑥̅2 = 𝜎 ⁄𝑛 , por lo que una muestra grande producirá un valor de
procedente de una distribución muestral con varianza pequeña. Por consiguiente, es
probable que sea una estimación muy precisa de μ cuando n es grande. Consideremos
ahora la estimación por intervalos de μ. Si seleccionamos nuestra muestra a partir de una
población normal o, a falta de ésta, si n es suficientemente grande, podemos establecer
un intervalo de confianza para μ considerando la distribución muestral de .

∑𝑛𝑖=1 𝑋𝑖 . 𝑛𝑖
𝜇̂ = 𝑋̅ =
𝑛
EJEMPLO:
Las puntuaciones en una muestra aleatoria de 10 personas a un test psicométrico fueron
respectivamente: 25, 24, 22, 20, 25, 18, 17, 24, 16, 21. Hallar la estimación puntual de la
Media 𝜇̂
∑𝑛𝑖=1 𝑋𝑖 . 𝑛𝑖 212
𝜇̂ = 𝑋̅ = = = 21.2
𝑛 10

Estimación interválica para la media

Si desconocemos la distribución de la población, podemos hallar un intervalo de

confianza para la media, basándonos en un resultado que conocemos como
Desigualdad de TChebychev.

Sea X una v.a. cualquiera con media  y varianza  . Se cumple que:

    

  
Usando el anterior resultado, aplicándolo a la variable aleatoria X y tomando

, obtendríamos que el intervalo para un nivel  sería:

ESTADÍSTICA Y PROBABILIDADES 7
 UNIVERSIDAD NACIONAL DE TRUJILLO

   

  
Para analizar los resultados que presentamos a continuación, supongamos una
población que se distribuye normal de media  y varianza poblacional  .
También servirán cuando la población no es normal pero el tamaño muestral es
grande.

Intervalo de confianza para la media con  conocida.

X  
 N ( 0 , 1 )
 z 

Ya sabemos que n . Sea el percentil de la distribución normal;

 ( z ) 1 
es decir, 2

 
 X 
P z    z   1  
    

 n 

   
P X  z     X  z   1 
Haciendo operaciones   n  n 

Por tanto, el intervalo de confianza para  será:

  
X z   , X  z  
 n  n 


Intervalo de confianza para la media con  desconocida.

X  
n 1  t 

En este caso tenemos que s

t  

Por el mismo razonamiento anterior, si llamamos al percentil de la

P t   x 1 
distribución t de Student tal que 2 , el intervalo de confianza al nivel
de significación  (o equivalentemente, al nivel de confianza 1- ) será:

ESTADÍSTICA Y PROBABILIDADES 8
 UNIVERSIDAD NACIONAL DE TRUJILLO

 s s 
X t
 , X t
n 1 
 
 
 n 1 
 
Ejemplo
Se encuentra que la concentración promedio de zinc de una muestra de 36
concentrados es de 2.6 miligramos por gramo. Encuentre los intervalos de confianza de
95% para la concentración media de zinc en el concentrado. Suponga que la desviación
estándar de la población es 0.3.
Solucion:
La estimación puntual de μ es x=2.6 ( el valor de la media de la muestra). El valor de z
para un nivel de confianza del 95% es 1.96, por lo tanto:

Estimación puntual para una proporción

El estadístico 𝑃̂ = 𝑋/𝑛, en donde X representa el número de éxitos en n ensayos, provee
un estimador puntual de la proporción p en un experimento binomial. Por lo tanto, la
proporción de la muestra 𝑝̂ = 𝑥/𝑛 se utilizará como el estimador puntual del parámetro
p. Si no se espera que la proporción p desconocida esté demasiado cerca de 0 o de 1, se
puede establecer un intervalo de confi anza para p considerando la distribución muestral
de 𝑃̂. Si en cada ensayo binomial asignamos el valor 0 a un fracaso y el valor 1 a un éxito,
el número de éxitos, x, se puede interpretar como la suma de n valores que consta sólo de
ceros y unos, y 𝑝̂ es sólo la media muestral de esos n valores. En consecuencia, por el
teorema del límite central, para n suficiente mente grande 𝑃̂ está distribuida de forma casi
normal con media

Y varianza

Por lo tanto, podemos afirmar que

Y Zα/2 es el valor por arriba del cual encontramos una área de α/2 debajo de la curva
normal estándar. Al sustituir para Z escribimos

ESTADÍSTICA Y PROBABILIDADES 9
 UNIVERSIDAD NACIONAL DE TRUJILLO

Cuando n es grande se intrduce un error muy pequeño sustituyendo el estimado puntual

𝑝̂ = 𝑥/𝑛 para la p debajo del signo de radical. Entonces podemos escribir

EJEMPLO
Las puntuaciones en una muestra aleatoria de 10 personas a un test psicométrico fueron
respectivamente: 25, 24, 22, 20, 25, 18, 17, 24, 16, 21. Hallar la estimación puntual de
una proporción que tienen mayor de 22.
𝑋
𝑝̂ = 𝑃𝑥 = = 4⁄10 = 0.4
𝑛

Estimación interválica para una proporción

X
Como el mejor estimador de la proporción es la proporción muestral pˆ  en
n
donde X es una distribución binomial de parámetros n y p, que al ser n muy grande,
 p(1  p) 
se puede aproximar por una normal. Se verifica que pˆ  N  p,  O sea:

 n 
pˆ  p
 N (01) con lo que
pq
n
 
 
 pˆ  p
P  z / 2   z / 2   1   de donde se obtiene el intervalo
 pq 
 
 n 
 pq pq 
P pˆ  z / 2  p  pˆ  z / 2   1   pero al ser p y q desconocidos se

 n n 
emplea la expresión anterior pero tomando como valor de p su estimación. Es decir,
 pˆ qˆ pˆ qˆ 
que el intervalo quedaría: P pˆ  z / 2  p  pˆ  z / 2   1
 n n 
Ejemplo: Uno de los líderes de un colectivo laboral desea plantear una cuestión a todos
los miembros del grupo. Si más de la mitad respondieran NO entonces preferiría no
plantearla para no minar su prestigio. Para salir de dudas, elige aleatoriamente a 100

ESTADÍSTICA Y PROBABILIDADES 10
 UNIVERSIDAD NACIONAL DE TRUJILLO

trabajadores a los que hace la pregunta y sólo 30 responden NO. ¿Entre qué límites se
hallará la verdadera proporción al nivel del 95%?

Como el tamaño muestral es grande, podemos aplicar el teorema central del límite.

Tenemos 1    0'95  1   0'975  z   1'96
2 1
2
Sustituyendo los valores en el intervalo correspondiente:

 0 ' 3 0' 7 0 ' 3 0 ' 7 

0 ' 3 1' 96 , 0 ' 3 1' 96  0 ' 2102 , 0 ' 3898 
 100 100 

Por tanto, la verdadera proporción está en el intervalo 0' 2102 , 0 ' 3898 con un nivel
de confianza del 95%.

Estimación puntual e interválica para 𝒔𝟐 (varianza)

Estimación puntual para la varianza

Si extraemos una muestra de tamaño n de una población normal con varianza σ2 y
calculamos la varianza muestral s2, obtenemos un valor del estadístico S2. Esta varianza
muestral calculada se utiliza como una estimación puntual de σ2. En consecuencia, al
estadístico S2 se le denomina estimador de σ2.

2 (∑𝑛𝑖=1 𝑋𝑖2 . 𝑛𝑖 ) − 𝑛 . 𝑥̅ 2
𝜎̂ 2 = 𝑆̂𝑋 =
𝑛−1

Se puede establecer una estimación por intervalos de σ2 utilizando el estadístico.

(𝑛 − 1)𝑆 2
𝑥2 =
𝜎2
Cuando las muestras se toman de una población normal el estadístico X2 tiene una
distribución chi cuadrada con n – 1 grados de libertad. Podemos escribir
2 2
𝑃(𝑋1−𝛼/2 < 𝑋 2 < 𝑋𝛼−2 ) = 1 − 𝛼,

ESTADÍSTICA Y PROBABILIDADES 11
 UNIVERSIDAD NACIONAL DE TRUJILLO

2 2
donde 𝑋1−𝛼/2 y 𝑋𝛼/2 son valores de la distribución chi cuadrada con 𝑛 – 1 grados de
libertad, que dejan áreas de 1 – 𝛼/2 y 𝛼/2, respectivamente, a la derecha. Al sustituir
para 𝑥 2 escribimos
2 (𝑛−1)𝑆 2 2
𝑃 (𝑋1−𝛼/2 < < 𝑋𝛼−2 ) = 1 − 𝛼,
𝜎2
Si dividimos cada término de la desigualdad entre (𝑛 − 1)𝑆 2 , y después invertimos cada
término (lo que cambia el sentido de las desigualdades), obtenemos
(𝑛 − 1)𝑆 2 (𝑛 − 1)𝑆 2 (𝑛 − 1)𝑆 2
𝑃[ 2 < < 2 ]=1−𝛼
𝑋𝛼/2 𝜎2 𝑋1−𝛼/2
Para una muestra aleatoria de tamaño n, tomada de una población normal, se calcula la
varianza muestral 𝑆 2 y se obtiene el siguiente intervalo de confianza del 100(1 – 𝛼)%
para 𝜎 2 .

EJEMPLO:
Las puntuaciones en una muestra aleatoria de 10 personas a un test psicométrico fueron
respectivamente: 25, 24, 22, 20, 25, 18, 17, 24, 16, 21. Hallar la estimación puntual de la
varianza 𝜎 2

2 𝑛 2 2 2
(∑ 𝑋 .𝑛 )−𝑛 .𝑥̅ 4596−10∗ 21.2
𝜎̂ 2 = 𝑆̂𝑋 = 𝑖=1 𝑖 𝑖 =
𝑛−1 10−1

Estimación intervállica para la varianza

Si tenemos una población X  N ( ,  ) con  2 desconocida, entonces

 n  1 sn21
  2n1
 2

El intervalo de confianza para la varianza poblacional al nivel de confianza 1  lo

podemos obtener como sigue:

ESTADÍSTICA Y PROBABILIDADES 12
 UNIVERSIDAD NACIONAL DE TRUJILLO

 2 (n  1)sn21 
P  n1    2n1    1  
 2
 2
1 
2

Despejando  2 tenemos:

 
 (n  1) s 2 2 
(n  1) sn1
P n1
  2
  1
  n1 
2
 n1 
2

 1
2 2 
Es decir,
 
 (n  1)sn21 (n  1)sn21 
  2
2
,
 n1   2n1 
 1
2 2


Ejemplo: De acuerdo con las tablas de altura, los varones tienen una altura superior a
las mujeres en la población española. Según las últimas tablas en el servicio militar, los
varones entre 18 y 20 años presentan una varianza de 0'0529. de las mujeres no tenemos
información, por ello tomamos una muestra de 101 mujeres entre 18 y 20 años y
obtenemos sn1  0'18 ¿Entre qué valores se encontrará la verdadera varianza a un
nivel de 0'95 de confianza?

1    0'95  1   0'975  100
2
0 ' 025
 74'22
2
Sustituyendo en el intervalo tendremos:

100  0'182 100  0'182 

 129'56 , 74'22   0'025,0'0436
 

ESTADÍSTICA Y PROBABILIDADES 13
 UNIVERSIDAD NACIONAL DE TRUJILLO

ESTADÍSTICA Y PROBABILIDADES 14