FACULTAD DE CIENCIAS DE LA SALUD – ESCUELA ACADÉMICO PROFESIONAL DE PSICOLOGÍA

𝐸𝑆𝑋 Facultad de Ciencias de la Salud

ESTADÍSTICA

𝐸𝑆𝑃
ESTIMACIÓN

Dr. Mayhuasca Salgado Ronald

Docente
Propósito

Al término de la clase el estudiante conocerá las bases de la

estadística inferencial sobre estimaciones puntuales y por intervalos
tanto de medias como de proporciones pobalcionales
Problema tipo

Se desea estimar la proporción de niños desnutridos menores

de 5 años al 95% de IC, de una determinada comunidad. Para tal
efecto, se selecciona una muestra de 100 niños menores de 05
años y se determina que 45 están desnutridos.
 ¿Por qué hacemos inferencia estadística?
1. Cuando investigamos algo, el objetivo es conocer y concluir algo acerca
de una población, pero sólo disponemos de datos de una muestra.

2. Si la muestra es aleatoria, los resultados de los datos describen lo que

ocurre en esa muestra, pero no en la población.

3. Entonces tenemos que inferir (suponer) los resultados de la muestra

hacia la población con un cierto margen de incertidumbre (error)

4. Ese proceso de llama INFERENCIA ESTADÍSTICA

Es el proceso por el que se obtienen conclusiones probabilísticas

Bejarano L, Mormontoy W, Tipacti C. Muestreo e inferencia
estadística en ciencias de la salud. Lima: Unión;2006.
en relación a una población al valerse de la información
proporcionada por una muestra de esa población
 Inferencia estadística

deducir

POBLACIÓN Representativa
y probabilística

MUESTRA
Parámetro Estadístico

inducir
Estimar (calcular) un
parámetro a partir de un
estadístico.
 Inferencia estadística

Procedimiento que permite realizar afirmaciones de

naturaleza probabilística respecto a una población, en
base a los resultados obtenidos en una muestra
seleccionada de esa población.

Como las poblaciones son descritas por medidas numéricas

descriptivas llamadas parámetros, se puede hacer
inferencias acerca de la población haciendo inferencias
respecto a sus parámetros
Inferencia es un proceso lógico de
naturaleza deductiva o inductiva
que permite sacar una conclusión
a partir de una premisa
 Áreas de la inferencia estadística
Por punto

Estimación de
parámetros

Calcular un valor que Por intervalos

corresponde a una Establece un rango
característica de la población donde se supone está el
INFERENCIA parámetro
ESTADÍSTICA

EXISTE
Prueba de
hipótesis
Margen de error
De orden cuantitativo.
Establece conclusiones sobre
alguna afirmación o supuesto
(hipótesis)
 ESTIMACIÓN

Efectuar una estimación es usar las medidas calculadas en una

muestra (estimadores) para predecir el valor de uno o más
parámetros de la población.

Un estimador a menudo es expresado en términos de una

fórmula matemática que da la estimación como una función de
las medidas muestrales.
De parámetros y estimadores

Parámetro Estimador Descripción

µ 𝑋 Media aritmética
σ2 S2 Varianza
µ1 - µ2 𝑋1 - 𝑋2 Diferencia de
medias
π p Proporción
π1 – π2 p1 – p2 Diferencia de
proporciones
 1. Estimación por punto

Se usan las medidas de la muestra para calcular un único

valor numérico que es la estimación puntual del
parámetro poblacional

2. Estimación por intervalo

Las medidas de la muestra pueden también usarse para calcular

dos valores numéricos que definen un intervalo el cual, con
un cierto nivel de confianza, se considera que incluye al
parámetro
 1. Estimación por punto

Se usan las medidas de la muestra para calcular un único

valor numérico que es la estimación puntual del
parámetro poblacional

Ejemplo: En un estudio la media y la desviación estándar de las edades de una

muestra de pacientes fueron (33±5 años). Entonces 33 años es la
estimación puntual de la edad promedio poblacional.

Pregunta:

¿cuál es la estimación puntual de la desviación estándar y de la varianza

de la población de dichos pacientes?
 1. Estimación por punto
Se necesita estimar el gasto promedio mensual en capacitaciones de los
Ejemplo 02: psicólogos de los diferentes servicios de salud mental en los hospitales de
la región. Para tal efecto se recurre a una muestra aleatoria de 25
psicologos y se obtienen los siguientes resultados:

Media: 1 600 nuevos soles

D.E: 320

El gasto promedio de todos los psicólogos está

representado por µ (parámetro poblacional) y la
estimación por punto de este parámetro sería:
𝑋 =1600 n.s.
… ese valor no es estable, por que si tomamos otra
muestra van a haber resultados distintos, ante ello
es mejor determinar un INTERVALO donde

pero… “caigan” las distintas medidas paramétricas con un

cierto grado de seguridad
 2. Estimación por intervalo

Las medidas de la muestra pueden también usarse para calcular dos

valores numéricos que definen un intervalo el cual, con un cierto nivel de
confianza, se considera que incluye al parámetro

Límite Límite
inferior superior
Una muestra debe incluir al
parámetro

A veces el parámetro no se halla en el intervalo

cuando la muestra no es representativa
 2. Estimación por intervalo
La probabilidad de que una estimación por intervalo incluya el parámetro
se denomina nivel de confianza

El modelo general de estimación por intervalo de un

parámetro cualquiera, es:

Parámetro = estimador ± precisión del estimador

PARÁMETRO = ESTIMADOR ± COEFICIENTE DE CONFIANZA x ERROR ESTÁNDAR DEL ESTIMADOR

Al restar el producto del estimador se obtiene el límite

inferior del intervalo (LI) y al sumar se obtiene el límite A este producto se llama MARGEN DE
ERROR O PRECISIÓN DEL ESTIMADOR
superior (LS). La expresión final de la estimación de un
O ERROR ABSOLUTO
parámetro cualquiera es:
El margen de error es grande
IC 95% [LI;LS] cuando la muestra es pequeña
 Error y sus tipos
Son diversas las causas que lo generan y pueden
Es la diferencia entre el valor de un estadístico y su ser muestrales y no muestrales
parámetro correspondiente, por ejemplo:
Además su cálculo varia cuando se
conoce y desconoce la población (N)
|μ - 𝑥 | |π – p |

Si tomo varias muestras de una población, para cada una habrá una media
Error muestral: distinta, esa variabilidad entre muestra y muestra se llama error muestral y
se calcula a través de una medida de dispersión llamada error estándar del
estimador

Error no muestral: Surge de la selección de la muestra, del recuento de toda la población;

comprende los sesgos y equivocaciones durante la recolección de datos,
codificación y procesamiento de datos.
 Los errores cuando conocemos N

Cuantitativo
El error estándar estimado de la media con población finita es:

Para el 𝐸𝑆𝑋 de toda la población

𝑆 𝑁−𝑛 simplemente multiplicamos por N
𝐸𝑆𝑋 = √
𝑛 𝑁

Cualitativo
El error estándar estimado de la media con población finita es:

𝑝𝑞 𝑁 − 𝑛 Para el 𝐸𝑆𝑝 de toda la población

𝐸𝑆𝑝 = √ simplemente multiplicamos por N
𝑛 𝑁
1. Estimación de la media poblacional
Cuando conocemos la varianza poblacional (σ2) y n ≥ 30

Desviación estándar
Media aritmética
poblacional
(promedio) muestral

Media aritmética
Límite superior
σ
μ = 𝑥 ± Z 1-α/2 .
(promedio)
poblacional
√𝑛
Límite inferior
Error estándar

Coeficiente de confiabilidad:
Distribución Z

Parámetro = estimador ± precisión del estimador

Parámetro = estimador ± E (error absoluto)
1. Estimación de la media poblacional
Cuando NO conocemos la varianza poblacional (σ2) y n ≥ 30

Desviación estándar
Media aritmética
muestral
(promedio) muestral

Media aritmética
Límite superior
𝑆
(promedio)
poblacional μ = 𝑥 ± Z 1-α/2 . √𝑛
Límite inferior
Error estándar (N
desconocido)

Coeficiente de confiabilidad:
Distribución Z

Parámetro = estimador ± precisión del estimador

Parámetro = estimador ± E (error absoluto)
1. Estimación de la media poblacional
Cuando NO conocemos la varianza poblacional (σ2) y n < 30

Desviación estándar
Media aritmética
muestral
(promedio) muestral

Media aritmética
Límite superior
𝑆
(promedio)
poblacional μ = 𝑥 ± tn-1. √𝑛
Límite inferior
Error estándar (N desconocido)

Coeficiente de confiabilidad:
Distribución T

Parámetro = estimador ± precisión del estimador

Parámetro = estimador ± E (error absoluto)
 1. Estimación de la media poblacional
Límite superior
𝑆
μ=𝑥± tn-1.
√𝑛 Límite inferior

Donde tn-1 es el coeficiente de confiabilidad, su valor se obtiene de la tabla «t» de Student

con [n-1] grados de libertad para el nivel de confianza o de significación deseado.

• Conformada por una familia de curvas simétricas respecto a la

perpendicular en el punto t=0
• Cada curva es diferente de otra en base a los grados de
Características de la distribución libertad
• A medida que n aumenta, «t» se aproxima a la normal
«t» de Student: estándar Z.
• Su curva es mas “chata” que la normal y tiene colas más
anchas y su μ=0
 Distribución «t» de Student:

• Conformada por una familia de curvas simétricas respecto a la

perpendicular en el punto t=0
• Cada curva es diferente de otra en base a los grados de libertad
• A medida que n aumenta, «t» se aproxima a la normal estándar Z.
 Estimación por intervalo
Del ejemplo anterior:
Se necesita estimar el gasto promedio mensual en capacitaciones de los psicólogos
de los diferentes servicios de salud mental de los hospitales de la región. Para tal
efecto se recurre a una muestra aleatoria de 25 psicólogos y se obtienen los
siguientes resultados:
Se le asigna un intervalo de confianza de 95%
Media: 1 600 nuevos soles
D.E: 320

Aquí la distribución t, posee 25-1 grados de libertad

y para un nivel de significación de 0,05 y para una
prueba de dos colas el t(24)=2,064
Operacionalizando tendremos para:
𝑆
μ=𝑥± tn-1. Li=1467,9 n.s.
√𝑛
Ls= 1732,1 n.s.
 Estimación de la media poblacional

Se desea estimar el tiempo promedio de espera de una clínica

EJEMPLO 02 privada. En una muestra de 61 usuarios se obtuvo una 𝑋= 18,7 y
S=6,8 minutos. Estimar μ con 95% de confianza.

Vamos usar la distribución T, pese a que n>30 para comparar

𝑆
μ=𝑥± tn-1.
Solución √𝑛

Como no se conoce σ (desviación estándar poblacional), el

Supuestos: error estándar de la media muestral se obtiene con S. Entonces:
aleatoriedad y
normalidad
6,8
μ= 18,7± t61-1.
√61
 Estimación de la media poblacional (μ)

EJEMPLO Se desea estimar el tiempo promedio de espera de una clínica privada. En una muestra
de 61 usuarios se obtuvo una 𝑋= 18,7 y S=6,8 minutos. Estimar μ con 95% de confianza.

6,8 6,8
μ = 18,7± t61-1. μ= 18,7± t60.
√61 √61

En este caso, para 60

6,8 grados de libertad y un
μ = 18,7± (2,00).
√61 nivel de significación
bilateral de 0,05 (α =
0,05), se tiene t60=2,00,
20,4min luego:
μ = 18,7± 1,74
17,0min
 Estimación de la media poblacional (μ)

Se desea estimar el tiempo promedio de espera de una clínica privada. En una

EJEMPLO muestra de 61 usuarios se obtuvo una 𝑋= 18,7 y S=6,8 minutos. Estimar μ con
95% de confianza.
20,4min
μ = 18,7± 1,74
Nota: la cantidad ± 1,74 17,0min
recibe el nombre de
precisión de la estimación o
margen de error
Interpretación
El tiempo promedio de espera, para la atención médica en la
población de pacientes que acude a la clínica , se encuentra
Al usar la distribución Z, los valores
entre 17,0 y 20,4 minutos, con un nivel de confianza de 95%.
serían:
20,40min
μ = 18,7± 1,705 IC 95% [17,0;20,4] minutos
Expresión en informe:
16,99min
Estimación de una proporción poblacional (π)
N grande o infinita (desconocida)
Precisión del estimador (margen de error)

Coeficiente de confiabilidad: p: proporción esperada de individuos

Distribución Z (bilateral) con la variable de interés

q =1-p

Límite superior
𝑝𝑞
PARÁMETRO Proporción
π = p ± Z α/2. √
𝑛
poblacional

Límite inferior
Proporción Error estándar (N
muestral desconocido)

ESTIMADOR

Parámetro = estimador ± precisión del estimador

Estimación de una proporción poblacional (π)
N finita (conocida)
Precisión del estimador (margen de error)

Coeficiente de confiabilidad: p: proporción esperada de individuos

Distribución Z (bilateral) con la variable de interés

q =1-p

Límite superior
𝑝𝑞 𝑁−𝑛
PARÁMETRO Proporción
poblacional π = p ± Z α/2. √ ( )
𝑛 𝑁−1
Límite inferior
Proporción Error estándar (N
muestral conocido)

ESTIMADOR

Parámetro = estimador ± precisión del estimador

Estimación de una proporción poblacional (π)
Para estimar la prevalencia de obesidad en una población de pacientes de
EJEMPLO sexo femenino se tomó una muestra de 120 individuos de esa población y
se encontró que 54 presentaban obesidad. Estimar la prevalencia
poblacional con 95% de confianza.
Vemos que no conocemos N
𝑝𝑞
π=p± Zα/2. √
Solución
p = 54/120 = 0,45 𝑛
q = 1- 0,45
n = 120
0,45 (0,55)
α= 1-0,95= 0,05 π = 0,45 ± Z1-0,95. √ 120
Supuestos: muestra
probabilística y n > 30 0,45 (0,55)
π = 0,45 ± Z0,05. √ 120
Nivel 90% 95% 99%
Z(1-α) : Valor correspondiente
en la distribución Z para un α 0,10 0,05 0,01 π = 0,45 ± 1,96. √ (0,2475)
120
nivel de confianza α=… 1,28 1,64 2,33
Zα
Bilateral Zα/2 1,64 1,96 2,57
Estimación de una proporción poblacional (π)
Para estimar la prevalencia de obesidad en una población de pacientes de
EJEMPLO sexo femenino se tomó una muestra de 120 individuos de esa población y
se encontró que 54 presentaban obesidad. Estimar la prevalencia
poblacional con 95% de confianza.

p = 54/120 = 0,45 π = 0,45 ± 1,96. √ (0,2475)

120
q = 1- 0,45
n = 120
α= 1-0,95= 0,05 0,539
π = 0,45 ± 0,089
0,361
Expresión en informe:

IC 95% [0,361;0,539] IC 95% [36,1;53,9] %

La prevalencia de obesidad en la población de pacientes de sexo

Respuesta:
femenino se encuentra entre 36,1 y 53,9%, con 95% de confianza.
Conclusiones

Para la aplicación de las estimaciones se requieren cumplir los

supuestos de normalidad y aleatoriedad

Las estimaciones permiten el ahorro de recursos y tiempo en el

proceso de investigación
Problema tipo

Se desea estimar la proporción de niños desnutridos menores

de 5 años al 95% de IC, de una determinada comunidad. Para tal
efecto, se selecciona una muestra de 100 niños menores de 05
años y se determina que 45 están desnutridos.
Problema tipo

Posteriormente se sabe que una ONG dará donaciones en canastas de

víveres por el valor de 280 U.S.D cada uno para los niños desnutridos y se
requiere saber la cantidad precisa de niños desnutridos al 99%. A través
de los contactos se sabe que en ultimo censo el año 2010 hubieron 3600
habitantes de los cuales el 25% eran niños y que la población crece a
razón de 5% anual. (La ONG ha prometido una remesa del 3% del total de
las donaciones en efectivo para los investigadores y estadistas)

¿cuántas canastas enviará la ONG a dicha comunidad?

¿cuánto recibirán los investigadores y estadistas?

 Tabla de valores críticos de T de Student Nivel de significación para prueba de una cola
.10 .05 .025 .01 .005 .0005
g.l
Nivel de significación para prueba de una cola Nivel de significación para prueba de dos colas
.10 .05 .025 .01 .005 .0005 .20 .10 .05 .02 .01 .001
g.l
Nivel de significación para prueba de dos colas
.20 .10 .05 .02 .01 .001