Para explicarse hasta donde es confiable la decisin que se esta

tomando se hace necesario conocer la teora acerca de la Estimacin y

de los Intervalos de Confianza, as como, realizar las grficas respectivas
e interpretarlas de acuerdo al problema en cuestin.
III . 1 ESTIMACIN
Estimacin, es el proceso de utilizar datos muestrales, que permitan
aproximar los valores de parmetros poblacionales desconocidos.

Imagina por un momento que tienes un lote de alahajas de oro de 24
kilates que deseas vender, por otro lado, deseas estimar la ganancia
promedio en la venta de cada una de las joyas; para resolver lo anterior
tienes las siguientes alternativas: a) se podra hacer una estimacin a
travs de un solo valor, por ejemplo 6,785.00 pesos, b) de otra forma,
cabra afirmar que, la ganancia media por venta, caera entre 6,285.00
pesos y 7,285.00 pesos.
En el primer caso, estaramos hablando de una estimacin puntual y
se podra asociar un punto sobre una recta; en el segundo caso, se
estara hablando de una estimacin por intervalo, ya que tiene dos
puntos que definen un intervalo sobre la recta.
En el ejemplo anterior, se puede observar la necesidad de calcular
estimaciones puntuales y estimaciones por intervalo; depender de cada
caso.
Estimacin de punto, es la estimacin de un valor nico, de un
parmetro
de la poblacin.
Estimacin de intervalo, es la estimacin que incluye un intervalo de
valores posibles, en el que se considera que est comprendido un
parmetro de la poblacin.
Las caractersticas para un buen estimador, son las siguientes:
a) insesgado ,
b) consistente ,
c) eficiente y
d) suficiente .
a) Estimador insesgado.- Un estimador es insesgado, cuando la
media de
la distribucin muestral de medias es igual al correspondiente
parmetro
de la poblacin.
b) Estimador consistente.- Cuando un estimador (tal como

X

) se
aproxima al parmetro de la poblacin que se va a estimar (tal
como

), aumentando el tamao de la muestra, se dice que el estimador

es
consistente del parmetro.
c) Estimador eficiente.- Si las distribuciones de dos estadsticos
tienen la
Un buen estimador es aquel que, es muy semejante al parmetro
de la poblacin.
misma media, el de menor varianza se llama un estimador
eficiente.
d) Estimador suficiente.- Un estadstico suficiente ( tal como

X
)
es un
estimador que utiliza toda la informacin que posee una muestra
sobre
el parmetro que se estima.
Mtodo de Mxima Verosimilitud.
La caracterstica de este mtodo, es que proporciona estimadores con
las propiedades deseadas, tales como: eficiencia, consistencia y
suficiencia.
Ejemplificando : Si el parmetro que se ha de estimar tiene un
estimador suficiente, el estimador de mxima verosimilitud ser un
estimador suficiente, y de forma similar para las otras propiedades
deseadas, excepto
la ausencia de vicio o sesgo.

Supngase un estadstico que tiene ante s una muestra al azar de
tamao 36 y

X
= 65 puntos. De qu poblacin tiene ms
probabilidades de proceder? De la de = 60, 65 70 ?
La persona dedicada a realizar este estudio pensar que probablemente
proceder de la poblacin con = 65, con lo que se concluye que la
media de la poblacin es =65 puntos. Aunque se razona que la
muestra procede con mayor probabilidad de la poblacin de =65, se
dice que la media de la poblacin , basada sobre nuestra muestra, es
con mayor verosimilitud =65. Esto sucede porque la media
poblacional es 65 ninguna; slo tiene un valor. Por eso, se utiliza el
trmino verosimilitud en lugar de probable.

III . 2 INTERVALOS DE
CONFIANZA
Intervalos de confianza.- Un intervalo de confianza es una
aproximacin que permite que el estadstico asocie un valor de
probabilidad con el intervalo.
Sean

S S
y
, la media y la desviacin tpica de la distribucin de
muestreo de un estadstico S. Entonces, si la distribucin de muestreo
S es aproximadamente normal, n 30 (conocida como (grande
muestra), podremos encontrar un estadstico muestral S, que se
encuentre en los intervalos

S S
t
alrededor del 68.27% de la
informacin a una desviacin estandar, con respecto del valor medio;
que al variar la desviacin estandar, el intervalo de confianza
correspondiente sera, por ejemplo,

S S
t 2
que equivaldra al 95.45%
de la informacin, contenida dentro de dicho intervalo.
Definicin.- La probabilidad de que un intervalo de confianza,
contenga al parmetro que se estima, se denomina coeficiente de
confianza.
Pequeas muestras.- Para medias con n < 30
2
y desconocida se
usa la distribucin t-student .
III . 3 TAMAO DE
MUESTRA
Y ERROR DE
ESTIMACIN
Seleccin del TAMAO DE LA MUESTRA.- Observa que la dispersin
de las distribuciones decrece al aumentar el tamao de la muestra,
luego entonces, se hace necesario conocer el procedimiento para
seleccionar el tamao muestral.
Si es el parmetro que se desea estimar, y

la desviacin estandar
del estimador puntual, entonces se aplica el siguiente procedimiento:
l.- Elegir la cota para el error de estimacin y un coeficiente
de confianza (1 - ).
2.- Resolver la siguiente ecuacin para el tamao de
muestra n :
Z
/2

= e


NOTA: para la mayora de los estimadores

es una funcin del tamao muestral.
INTERVALOS DE CONFIANZA
GRANDES MUESTRAS
Caso Con reemplazamiento Sin reemplazamiento
MEDIAS

X c
Z
n
t

_
,


X c
Z
n
N n
N
t

_
,

_
,

1

o s
desviacin muestral.
Tamao de la
muestra con
conocida
n
z
e
c

2 2
2

n
z N
z e N
c
c

+
2 2
2 2 2
1

( )
Error con
conocida
e z
n
c

e z
n
N n
N
c

1
PROPORCIONES

p Z
pq
n
c
t

p
pq
n
N n
N
c
Z t

1
Tamao de la
muestra
n z
pq
e
c

_
,

2
2

( )
n
z pqN
N e z pq

+
2
2 2
1


Error para
proporciones
e z
pq
n
c

e z
pq
n
N n
N
c

1
SUMA Y
DIFERENCIA
DE MEDIAS
( )



X X c X X
Z
1 2 1 2
t t
t
( )


X X c
Z
n n



1 2
1
2
1
2
2
2
t t +

1 2 1 2
, , o s s
desviaciones
SUMA Y
DIFERENCIA DE
PROPORCIONES
( )


p p Z
p q
n
p q
n
c 1 2
1 1
1
2 2
2
t t +
DESVIACIONES
TIPICAS
s Z
n
c
t

2
INTERVALOS DE CONFIANZA
PEQUEAS MUESTRAS
Caso Con reemplazamiento Sin reemplazamiento
Si se conoce,

se emplea la
distribucin
Normal
Con

NO
CONOCIDA
DISTRIBUCION
T-STUDENT
X t
s
n
t
, X t
s
n
N n
N
t

,
1

grados de libertad

=
nivel de
significancia
Tamao de la
muestra
con

no
conocida
n
z s
e

2 2
2
n
t s N
t s e N

+


,
,
( )
2 2
2 2 2
1
Error con

no conocida
e t
s
n

, e t
s
n
N n
N

,
1
Diferencia de
medias
con
1
2
2
2
pero
desconocidas
( )
X X t
n n
1 2
2
1 2
1 1
t + s
p

,
tal que
( ) ( )


s
n s n s
n n
p

+
+
1 1
2
2 2
2
1 2
1 1
2
X X
1 2 ,
,
medias de
muestras
de tamao
n n
1 2
,


aproximadamente

s
p desviacin
estndar
+ n n
1 2
2
grados de
libertad.
independientes
pequeas
tomadas de
distribuciones
normales
mancomunadas
Con
1
2
2
2
y
desconocidas
( )
X X t
s
n
s
n
1 2
2
1
2
1
2
2
2
t +

,
X X
1 2 ,
,
medias de
muestras
s s
1
2
2
2
, variancias
de muestras
n
1

y
n
2
tamao de
muestras
tomadas
de distrbucio
normales
t
r ,

2
valor de la
distribucin
pequeas
independientes
pequeas
independientes
pequeas
independientes
nes
aproximadamente
t con
( ) ( )

+

_
,

_
,

1
]
1
1
1
1
1
+

_
,

1
]
1
1
1
1
1
s
n
s
n
s
n
n
s
n
n
1
2
1
2
2
2
2
1
2
1
2
1
2
2
2
2
2
1 1

= nivel de significancia
grados de libertad
Para
observaciones
Apareadas
d t
s
n
d
t

,
2
d
y
s
d
media y
desviacin
diferencias de
n
pares
t

,
2
valor de la
distribucin
n 1 grados de
libertad
estndar de las
de mediciones
t-student
Para
2
( ) ( ) n s n s
< <

1 1
2
2
2
2
2
1 2

,
2
, / /
s
2
varianza de la
muestra

, ,
2
,
2
2
1
2

valores de
la
con
= n 1
aleatoria de tamao
n
distribucin ji-cuadrada
grados de libertad