Escolar Documentos
Profissional Documentos
Cultura Documentos
ESTIMACIONES
Sección: 0900
Grupo N°6
INTEGRANTES:
ÍNDICE
1 INTRODUCCIÓN .................................................................................................................... 3
2 OBJETIVOS ............................................................................................................................. 4
2.1 Objetivo General ................................................................................................................ 4
2.2 Objeticos Específicos ........................................................................................................ 4
3 ESTIMACIONES ..................................................................................................................... 5
3.1 Criterios para seleccionar un buen estimador .................................................................... 5
3.2 Tipos de Estimaciones ....................................................................................................... 7
3.2.1 Estimaciones Puntuales .............................................................................................. 7
3.2.2 Estimación por intervalos ........................................................................................... 8
4 ESTIMACIONES PARA MUESTRAS GRANDES ............................................................... 9
4.1 Estimaciones de intervalo de la media poblacional ........................................................... 9
4.1.1 Caso 1: La desviación estándar de la población se conoce ...................................... 10
4.1.2 Caso 2: La desviación estándar de la población se desconoce ................................. 11
4.2 Estimación de intervalo de la proporción poblacional .................................................... 13
5 ESTIMACIÓN PARA T DE STUDENT ............................................................................... 15
5.1 Antecedentes de la investigación ..................................................................................... 15
5.2 Características de la distribución de T ............................................................................. 15
5.3 Grados de libertad ............................................................................................................ 16
5.4 Naturaleza de la T Student............................................................................................... 17
5.5 Metodología de T Student. .............................................................................................. 17
5.6 Uso de la distribución T student ...................................................................................... 17
6 ERROR ESTÁNDAR DE LA MEDIA .................................................................................. 18
7 EJERCICIO ............................................................................................................................. 20
8 CONCLUSIONES .................................................................................................................. 24
9 ANEXOS ................................................................................................................................ 25
10 BIBLIOGRAFÍA ................................................................................................................. 28
ESTIMACIONES 2
ESTIMACIONES
1 INTRODUCCIÓN
El presente informe tiene como finalidad describir en que consiste la estimación, del mismo modo
describir los tipos de estimación que existe, para que sirve y como utilizarlos.
Antes de poder estimar se requiere saber los criterios para seleccionar un buen estimador para
evaluar la calidad de un estadístico, obteniendo ya esta selección se podrá estimar de dos formas,
estimación puntual y de intervalo. La estimación puntual utiliza la muestra para obtener un
resultado, en cambio la estimación de intervalo utiliza el valor derivado de una muestra de dos
resultados.
ESTIMACIONES 3
ESTIMACIONES
2 OBJETIVOS
ESTIMACIONES 4
ESTIMACIONES
3 ESTIMACIONES
Insesgo: Se dice que un estimador es insesgado si la media de la distribución del estimador es igual
al parámetro. Estimadores insesgados son la Media muestral (estimador de la Media de la
población) y la Varianza (estimador de la Varianza de la población). (Universidad de Valencia,
s.f.)
Ejemplo
En una población de 500 puntuaciones cuya Media (m) es igual a 5.09 han hecho un muestreo
aleatorio (número de muestras= 10000, tamaño de las muestras= 100) y hallan que la Media de las
ESTIMACIONES 5
ESTIMACIONES
Medias muestrales es igual a 5.09, (la media poblacional y la media de las medias muestrales
coinciden). En cambio, la Mediana de la población es igual a 5 y la Media de las Medianas es igual
a 5.1 esto es, hay diferencia ya que la Mediana es un estimador sesgado.
• Eficiencia: Designa el tamaño del error estándar del estadístico. 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. (Universidad de
Valencia, s.f.)
Ejemplo
ESTIMACIONES 6
ESTIMACIONES
Ejemplo
En una población de 500 puntuaciones cuya Media (m) es igual a 4.9 han hecho tres muestreos
aleatorios (número de muestras= 100) con los siguientes resultados:
se puede ver que el muestreo en que n=100 la media de las medias muestrales toma el mismo valor
que la Media de la población. (Universidad de Valencia, s.f.)
a) Estimaciones puntuales
b) Estimaciones de intervalo
La estimación puntual consiste en un solo estadístico muestral que se usa para estimar el valor
verdadero de un parámetro de una población que es desconocido. Por ejemplo, la media muestral
x es una estimador puntual de la media poblacional μ. (Lemus, s.f)
ESTIMACIONES 7
ESTIMACIONES
∑𝑋 ∑𝑥
Para estimar la media poblacional 𝜇 = , el estimador a utilizar es 𝑥̅ =
𝑁 𝑛
∑(𝑥−𝜇)2 ∑(𝑥−𝑥̅ )2
Para estimar la varianza poblacional 𝜎 2 = , el estimador a utilizar es 𝑠 2 =
𝑁 𝑛−1
Si se desea estimar la media µ de las edades de los pobladores de una región, se puede proceder de
la siguiente manera:
2. Registrar los 5 valores de la variable X = edad. Las edades pueden ser: 40, 50, 12, 49 y 17.
40 + 50 + 12 + 49 + 17
x= (Capuñay, 2011)
5
Si se desea estimar la proporción p de artículos defectuosos que produce una fábrica de artículos
para el hogar, podremos tomar una muestra aleatoria de 200 artículos y registrar el número de
aquellos defectuosos que en la muestra aparecen. Si en la muestra hay cuatro defectuosos, una
4
estimación del parámetro es la proporción definida por la expresión 𝑝̂ =
200
(En este caso, la variable X es una variable que vale 1 si el artículo es defectuoso
ESTIMACIONES 8
ESTIMACIONES
definen un rango, intervalo o conjunto numérico que servirá para estimar el parámetro poblacional.
(Estadística para negocios, s.f)
La estimación por intervalos tiene varias ventajas; una es que no ofrece un valor único, sino un
rango donde es muy posible o muy probable que el parámetro poblacional se encuentre incluido.
De esta manera se supera la limitación de los estimadores puntuales de que su resultado único varía
de muestra en muestra; es decir, con la estimación por intervalos tenemos más probabilidad de
acertar al verdadero valor poblacional. (Estadística para negocios, s.f)
La principal ventaja de la estimación por intervalos es que su resultado ofrece un nivel de confianza
que permite conocer en cuánto le podemos creer o tenerle confianza al resultado obtenido de la
estimación. Por esta razón, la estimación por intervalos también es conocida como estimación por
intervalos de confianza, pues su nivel de confianza señala qué tan posible o qué tan probable es
que el parámetro poblacional se encuentre incluido dentro del rango definido. (Estadística para
negocios, s.f)
Para encontrar procedimientos para construir intervalos de confianza que permitan estimar la media
μ de una población se debe considera que:
ESTIMACIONES 9
ESTIMACIONES
Ejemplo:
En una encuesta aplicada a 1,600 colombianos, se encontró que en promedio ven 14.6 horas de
televisión a la semana con una desviación estándar de 5 horas. Realizar una estimación de la
variable para un nivel de confianza del 95%. (Barrera, 2008)
𝜎 5 ℎ𝑜𝑟𝑎𝑠
𝑥̅ =
√1600
5 ℎ𝑜𝑟𝑎𝑠
= 40
Límites de confianza:
Superior: 𝑥̅ + 1.96𝜎𝑥̅
Inferior:𝑥̅ − 1.96𝜎𝑥̅
ESTIMACIONES 10
ESTIMACIONES
L.S.C=14.6+0.25
L.I.C= 14.6-0.25
L.I.C=14.35 Horas
Los colombianos ven televisión en promedio entre 14.35 y 14.85 horas con un nivel de confianza
del 95%.
En este caso se considera la construcción de intervalos de confianza para la media de una población
cuando la desviación estándar no se conoce.
El supuesto que se requiere en este desarrollo, respecto de la muestra, es que esta provenga de una
población normal. Este supuesto puede suprimirse dependiendo del tamaño de la muestra y de
cuánto se aleja la distribución de la población de la distribución normal. En la práctica se considera
que el tamaño de la muestra debe ser mayor que 30. (Capuñay, 2011)
En general, el procedimiento para construir un intervalo para la media m de una población normal,
de un nivel de confianza de (1 − α)100% y cuando la desviación estándar 𝜎 no se conoce, es como
sigue:
ESTIMACIONES 11
ESTIMACIONES
𝜎 𝑁−𝑛
𝜎𝑥̅ = ×√
√𝑛 𝑁−1
Tabla 2
1-α 𝒁𝒂
𝟐
90% 1.645
95% 1.96
98% 2.326
99% 2.575
Ejemplo:
El departamento pide que se calcule una estimación de intervalo del ingreso anual promedio de las
700 familias, de modo que se pueda tener un 90% de confianza de que la media de la población se
encuentra dentro de ese intervalo. (Levin, 2010)
$950 700 − 50
𝜎𝑥̅ = ×√
√50 700 − 1
ESTIMACIONES 12
ESTIMACIONES
$950 650
𝜎𝑥̅ = ×√
7.07 699
𝜎𝑥̅ = (134.37)(0.9643)
𝜎𝑥̅ = $129.57
Límites de confianza:
Superior:𝑥̅ +1.645𝜎𝑥̅
Inferior:𝑥̅ −1.645𝜎𝑥̅
= $11,800+213.14
=$12,013.14
=$11,800−213.14
=$11,586.86
Con una confianza del 90% se estima que el ingreso anual promedio de las 700 familias que viven
en una sección de cuatro manzanas se encuentra entre $11,586.86 y $12,013.14 (Levin, 2010)
Lo anterior resulta de gran trascendencia ya que, cuando se busca estimar una proporción
poblacional a partir de una muestra, en la que se conoce el número de éxitos y fracasos, se debe
ESTIMACIONES 13
ESTIMACIONES
hacer uso de variables binomiales; de éstas, al igual que en apartados anteriores, el teorema del
límite central permite hacer inferencias de las proporciones poblacionales mediante intervalos de
confianza. (Scala Higher Education, S.C.)
Ejemplo:
La cadena de televisión TVK está considerando la posibilidad de sustituir una de sus series
policiales por una serie de comedia con orientación familiar. Antes de tomar una decisión, los
directores de la red toman una muestra de 400 televidentes. Después de ver la nueva serie, 250
indican que sí la verían y sugieren que reemplace a la serie policiaca. Estime el valor de la
proporción poblacional con un nivel de confianza del 99%. (Barrera, 2008)
(0.625)(0.375)
𝜎𝑝 = √ 400
Límites de confianza:
Superior: p+2.575𝜎𝑝
Inferior: p−2.575𝜎𝑝
=0.625+0.0623
=0.6873
ESTIMACIONES 14
ESTIMACIONES
=0.625−0.0623
=0.5627
Entre el 0.5627 y el 0.6873 de los televidentes acepta el cambio de programa. (Barrera, 2008)
Definición: Es el Cociente entre una variable normal estándar (Z) y la raíz cuadrada de una variable
Chi – Cuadrado (χ2) dividida por sus grados de libertad. Tiene el mismo número de grados de
libertad que la χ2 de la que surge (n). (Medrano, s.f)
La distribución T de student fue descubierta por William S. Gosset en 1908. Gosset era un
estadístico empleado por la compañía de cerveza Guinness Irlandesa que desaprobaba la
publicación de investigaciones de sus empleados. Para evadir esta prohibición, publicó su trabajo
en secreto bajo el nombre de “Student”. En consecuencia, la distribución de T normalmente se
llama distribución de t de Student o simplemente T. (Auxiliadora, 2013)
Lo interesante del caso es que su trabajo estaba enfocado al control de calidad de la cerveza. En el
pasado otros investigadores de la compañía Guinness habían publicado artículos en los que se
divulgaban secretos o información confidencial sobre el proceso de la cerveza y por eso se obligó
a Gosset a aceptar la cláusula. 2.2. (Auxiliadora, 2013)
Es una distribución acampanada y simétrica y a medida que aumentan los grados de libertad, la
distribución t de Student converge con la Curva Normal Tipificada (la aproximación es buena a
ESTIMACIONES 15
ESTIMACIONES
partir de 100 grados de libertad (n ≥ 100). La curva es asintótica al eje de abscisas. Su rango
puede tomar valores positivos o negativos en el intervalo (- ∞, ∞). (Medrano, s.f)
Los grados de libertad (GL) son la cantidad de información suministrada por los datos que usted
puede "gastar" para estimar los valores de parámetros de población desconocidos y calcular la
variabilidad de esas estimaciones. Este valor se determina según el número de observaciones de la
muestra y el número de parámetros del modelo. (Minitab inc, s.f.)
Los grados de libertad también se utilizan para caracterizar una distribución específica. Muchas
familias de distribuciones, como t, F o chi-cuadrada, utilizan los grados de libertad para especificar
cuál distribución t, F o chi-cuadrada específica es apropiada para diferentes tamaños de muestra y
diferentes números de parámetros del modelo. (Minitab inc, s.f.)
ESTIMACIONES 16
ESTIMACIONES
La T de Student, inicialmente se diseñó para examinar las diferencias entre dos muestras
independientes y pequeñas que tengan distribución normal y homogeneidad en sus varianzas (en
el artículo original, el autor no define qué es una muestra grande y/o pequeña). Gosset hace hincapié
en la normalidad de las dos muestras como crucial en el desarrollo de la prueba. (Sanchez, 2015)
1. Probar que cada una de las muestras tiene una distribución normal;
2. Obtener para cada una de las muestras: a) el tamaño de las muestras (n1 y n2), b) sus
respectivas medias (m1 y m2), c) sus varianzas (v1 y v2);
3. Probar que las varianzas sean homogéneas;
4. En caso de homogeneidad en esas varianzas: a) establecer la diferencia entre las medias:
m1-m2, b) calcular la varianza común de las dos muestras. (Sanchez, 2015).
Para utilizar la tabla de distribución de t studen se toman en cuenta los grados de libertad que se
encuentran al lado izquierdo de la tabla y los valores de alpha o área combinada de ambos
extremos que se encuentran en la parte superior de la tabla. Al momento de trabajar en esta tabla
ESTIMACIONES 17
ESTIMACIONES
se selecciona el grado de libertad que se necesita y se trabaja con todo el renglón que contiene el
grado de libertad y se selecciona la columna del alpha que se tiene encontrando así la porción de
la probabilidad. (util, 2013)
El error estándar es una estimación de cuánto varía el valor de una estadística de prueba de muestra
a muestra. Es una medida de la incertidumbre de la estadística de prueba. El error estándar se
calcula tomando la desviación estándar de la distribución de muestreo para la estadística de prueba.
La distribución de muestreo es la distribución de todas las muestras posibles. (IBM)
Imagine que está realizando una encuesta y elige al azar 1.000 personas para la encuesta. Este
grupo es una muestra. Puede elegir otra muestra aleatoria de 1.000 personas, y otra muestra, y otra
muestra y etcétera. A continuación, puede calcular la media para cada muestra. La distribución de
estas medias muéstrales es la distribución de muestreo. Al calcular la desviación estándar de esta
distribución, obtendrá el error estándar de la media. Cuando el error estándar se escribe sin
cualificación, se da por supuesto que es el error estándar de la media. (IBM)
𝜎
𝑥̅ =
𝜎 𝑁−𝑛
𝜎𝑥 = × √ 𝑛−1
√𝑛 √ 𝑛
Si las observaciones de un experimento en un período de cuatro días durante el año son 50, 58, 55
y 60 ºC, la media es de 56 ºC
Calcula la suma de las desviaciones y eleva al cuadrado (o diferencias) cada valor de la muestra de
la media. Ten en cuenta que la multiplicación de números negativos por sí mismos (o los números
ESTIMACIONES 18
ESTIMACIONES
Encuentra la desviación estándar. Divide la suma de las desviaciones al cuadrado por el tamaño de
la muestra menos uno, y luego, halla la raíz cuadrada del resultado. En el ejemplo, el tamaño de la
muestra es de cuatro. Por lo tanto, la desviación estándar es la raíz cuadrada de [56.74 / (4-1)], que
es aproximadamente 4.34.
𝜎 = [56,74 / (4 − 1)]
𝜎 = 4.34
Calcula el error estándar, que es la desviación estándar dividida por la raíz cuadrada del tamaño de
la muestra. Para concluir el ejemplo, el error estándar es de 4.34 dividido por la raíz cuadrada de
4, o 4.34 dividido por 2 = 2.17.
𝜎 4.34
𝜎𝑥̅ = = = 2.17
√𝑛 √4
ESTIMACIONES 19
ESTIMACIONES
7 EJERCICIO
La muestra obtenida es (<30), y se desconoce la desviación estándar poblacional por lo que se utilizará la
distribución T de student.
1. Media aritmética
5 + 5 + 10 + 10 + 10 + 10 + 10 + 10 + 12 + 12 + 15 + 15 + 20 + 20 + 30
𝑋̅ =
15
𝑋̅ = 12.93 𝑚𝑖𝑛
ESTIMACIONES 20
ESTIMACIONES
𝑿 ̅
𝑿 (𝑿− 𝑿̅) ̅ )𝟐
(𝑿 − 𝑿
5.00 12.93 -7.93 62.88
5.00 12.93 -7.93 62.88
10.00 12.93 -2.93 8.58
10.00 12.93 -2.93 8.58
10.00 12.93 -2.93 8.58
10.00 12.93 -2.93 8.58
10.00 12.93 -2.93 8.58
10.00 12.93 -2.93 8.58
12.00 12.93 -0.93 0.86
12.00 12.93 -0.93 0.86
15.00 12.93 2.07 4.28
15.00 12.93 2.07 4.28
20.00 12.93 7.07 49.98
20.00 12.93 7.07 49.98
30.00 12.93 17.07 291.38
∑ 578.93
578.93
𝑆2 =
15 − 1
𝑆 2 = 41.35 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 2 (varianza)
S= √41.35𝑚𝑖𝑛𝑢𝑡𝑜𝑠 2
S= 6.43 minutos (desviación estándar)
Como lo que se busca es la desviación estándar poblacional, esta es igual a la desviación estándar
de la muestra, es decir que 𝜎=s. entonces se tiene que la desviación estándar poblacional es:
𝜎̂ = 6.43 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
ESTIMACIONES 21
ESTIMACIONES
Se procede a hacer una estimación de los minutos que se tardaría una persona en esperar desde que
hace la fila para que sea tomada su orden, hasta que esta sea entregada. Teniendo una muestra de
15 clientes, se calcula un tiempo de espera promedio de 12.93 minutos con una desviación estándar
de 6.43 minutos, con un nivel de confianza del 95%.
Datos
n= 15
𝑥̅ = 12.93 minutos
gl= 15-1 = 14
∝= 1-0.95= 0.05
t= 2.145
6.43 𝑚𝑖𝑛
𝜎̂ =
√15
= 12.93 + 3.56
=16.49 minutos
= 12.93-3.56
= 9.37 minutos
ESTIMACIONES 22
ESTIMACIONES
Se estima que el tiempo que se tardaría un cliente del negocio Baleadas Olanchito en esperar desde
que hace la fila para que sea tomada su orden hasta que esta sea entregada, esta entre 9.37 minutos
y 16.49 minutos, con un nivel de confianza de 95%.
De acuerdo a los resultados obtenidos se puede concluir que el tiempo de espera es relativamente
alto en comparación a las expectativas del cliente, se identificó que no se cuenta con el personal
suficiente con respecto al volumen de clientes, se puede decir también que el espacio de trabajo es
reducido lo que dificulta el rendimiento del personal, y el equipo de trabajo es limitado para
preparar las órdenes a tiempo.
Lo que se recomienda a dichos inconvenientes es que se amplíe el local y así poder contratar más
personal, como también invertir más en equipo de trabajo para tener una mejor producción ya que
solo cuentan con una plancha para realizar la variedad de comida que ofrecen.
ESTIMACIONES 23
ESTIMACIONES
8 CONCLUSIONES
• Por medio de la investigación, se puede decir que para estimar se requiere conocer los criterios
para seleccionar un buen estimador ya que al conocerlos se podrá evaluar la calidad de los
estadísticos. Se Debe emplear los cuatro criterios: imparcialidad, eficiencia, consistencia y
suficiencia.
• Los tipos de estimación que existen son puntuales y de intervalo, las estimaciones puntuales
se representan en un solo número en la cual ese valor puede ser correcto o equivocado en un
parámetro. Mientas tanto la estimación por intervalo se encuentra por medio de dos valores
donde entre esos dos valores se puede encontrar el parámetro correcto.
• Para muestras grandes la estimación se hace por medio de distribución normal y cuando son
muestras pequeñas y no se conoce la desviación estándar poblacional se realiza con la
distribución T de student.
ESTIMACIONES 24
ESTIMACIONES
9 ANEXOS
ESTIMACIONES 25
ESTIMACIONES
Tabla de T de Student
ESTIMACIONES 26
ESTIMACIONES
Fotos del momento en que se llevó acabo la encuesta en el negocio “Baleadas Olanchito” ubicado
en la “Colonia Kennedy”.
ESTIMACIONES 27
ESTIMACIONES
10 BIBLIOGRAFÍA
ESTIMACIONES 28
ESTIMACIONES
Scala Higher Education, S.C. (s.f.). Scala Higher Education, S.C. Recuperado y Consultado el 9
de Abril de 2018, de
http://gc.initelabs.com/recursos/files/r157r/w13122w/Estad%20para%20Neg_1aEd_07.pd
f
Silva, A. (19 de Febrero de 2008). Blogger. Recuperado y Consultado el 10 de Abril de 2018, de
http://amethsilva.blogspot.com/2008/02/estadisticos-y-parametros.html
Universidad de Valencia. (s.f.). Universidad de Valencia. Recuperado y Consultado el 10 de
Abril de 2018, de
https://www.uv.es/webgid/Inferencial/42_caractersticas_estimadores.html
Universidad de Velencia. (s.f). Recuperado y Consultado el 1 de Mayo de 2018, de
https://www.uv.es/ceaces/normaMu/t/t.htm
util, E. (19 de octubre de 2013). youtube. Obtenido de youtube:
https://www.youtube.com/watch?v=wGSutshZDiA
ESTIMACIONES 29