Instituto Tecnológico Superior de Coatzacoalcos

División de Ingeniería Industrial

Agosto- Diciembre 2019

Nombre del Alumno: González Hernández Oscar Eduardo

Apellido Paterno Apellido Materno Nombre(s)

ASIGATURA:ESTADISTICA INFERENCIAL
UNIDAD_______________-
2: ESTIMACIÓN

No. Control: 17080755 Semestre: 3º Grupo: A

Nombre del Docente: ING. JIMENEZ VENTURA BRIZIO

Apellido Paterno Apellido Materno Nombre(s

0
INDICE

INTRODUCCION………………………………………………………………………2
2.1 ESTIMACIÓN……………………………………………………………………3
2.2 CARACTERISTICAS DE UN ESTIMADOR…………………………… ……. 3
2.3 ESTIMACION PUNTUAL………………………………………………………….4
2.4 ESTIMACION DE INTERVALOS………………………………………………...5
2.4.1 INTERVALO DE CONFIANZA PARA LA MEDIA…………………………....5
2.4.2 INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS ….…6
2.4.3INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN……………….…9
2.4.4 INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE
PROPORCIONES…………………………………………………………………..….9
2.4.5 INTERVALOS DE CONFIANZA PARA LA VARIANZA ………………….....10
2.4.6 INTERVALOS DE CONFIANZA PARA LA RELACION DE VARIANZAS...10
2.5 DETERMINACION DEL TAMAÑO DE MUESTRA…………………………….11
2.5.1 BASADO EN LA MEDIA DE LA POBLACION ………………………………12
2.5.2 BASADO EN LA PROPORCION DE LA POBLACION……………………..13
CONCLUSION………………………………………………………………………….15
REFERENCIAS BIBLIOGRAFICAS………………………………………………….16

1
INTRODUCCIÓN
La estimación es una técnica que es utilizada desde los tiempos más remotos en
la historia de la humanidad, ya que esta herramienta la utilizan para poder tener un
tiempo estimado en los cuales podían cosechar sus cultivos o poder determinar un
número de estimación sobre el número de animales que en ese entonces tenían.

Sin lugar a dudas ha estado presente en la historia de la humanidad.

A nivel internacional y mundial la estimación contiene una gran importancia que se
presenta desde lo más simple hasta lo más complejo. La estimación se utiliza para
recopilar, estudiar, determinar y para poder predecir con un valor aproximado en
situaciones que se presentan hoy en día, con la finalidad de poder obtener
información que sea útil en los campos laborales

En este trabajo se muestra la importancia de la estimación. Presenta los temas

como: características de un estimador, estimación puntual, estimación por
intervalos, intervalo de confianza para la diferencia de proporciones, determinación
del tamaño de la muestra y basado en la media de población.

2
2.1 ESTIMACIÓN.

En inferencia estadística se llama estimación al conjunto de técnicas que permiten

dar un valor aproximado de un parámetro de una población a partir de los datos
proporcionados por una muestra. La Estadística descriptiva y la teoría de la
Probabilidad van a ser los pilares de un nuevo procedimiento (Estadística
Inferencial) con los que se va a estudiar el comportamiento global de un
fenómeno. La probabilidad y los modelos de distribución junto con las técnicas
descriptivas, constituyen la base de una nueva forma de interpretar la información
suministrada por una parcela de la realidad que interesa investigar. Los métodos
básicos de la estadística inferencial son la estimación y el contraste de hipótesis,
que juegan un papel fundamental en la investigación. Existen dos formas de
estimar parámetros: la estimación puntual y la estimación por intervalo de
confianza. En la primera se busca, con base en los datos muestrales, un único
valor estimado para el parámetro. Para la segunda, se determina un intervalo
dentro del cual se encuentra el valor del parámetro, con una probabilidad
determinada.

2.2 CARACTERÍSTICAS DE UN ESTIMADOR.

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

3) 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.

3
2.3 ESTIMACIÓN PUNTUAL.

La estimación estadística se divide en dos grandes grupos: la estimación

puntual y la estimación por intervalos. La estimación puntual consiste en obtener
un único número calculado a partir de las observaciones muestrales, y que es
utilizado como estimación del valor del parámetro θ. Se le llama estimación
puntual porque a ese número, que se utiliza como estimación del parámetro θ, se
le puede asignar un punto sobre la recta real. En la estimación por intervalos se
obtienen dos puntos ( un extremo inferior y un extremo superior) que definen un
intervalo sobre la recta real, el cual contendrá con cierta seguridad el valor del
parámetro θ.

Esencialmente son tres los parámetros de interés:

- En el caso de que investiguemos una variable cuantitativa:
a) Para la media de la población μ tomaremos como aproximación la media de la
muestra.

b) Para la varianza de la población σ2 tomaremos la cuasivarianza de la muestra.

Si el estudio se centra en el estudio de un carácter cualitativo el parámetro de

interés será la proporción de elementos de la población que pertenecen a cierta
categoría C que lo aproximaremos con la correspondiente proporción en la
muestra.

4
2.4 ESTIMACIÓN POR INTERVALOS.

Con la estimación puntual se estima el valor del parámetro poblacional

desconocido, a partir de una muestra. Para cada muestra se tendrá un valor que
estima el parámetro. Esta estimación no es muy útil si desconocemos el grado de
aproximación de la estimación al parámetro. Es deseable conocer un método que
nos permita saber dónde se encuentra el parámetro con un cierto grado de
certeza. Este método va a ser la determinación de un intervalo donde estará el
parámetro con un nivel de confianza.
El intervalo se construye a partir de una muestra, entonces, para cada muestra se
tendrá un intervalo distinto. Llamaremos a al error que se permite al dar el
intervalo
y el nivel de confianza será 1- . Un intervalo tiene un nivel de confianza 1-
cuando el 100·(1- )% de los intervalos que se construyen para el parámetro lo
contienen.
Es deseable para un intervalo de confianza que tenga la menor amplitud posible,
esta amplitud dependerá de:
El tamaño de la muestra, mientras mayor sea el tamaño mejor será la estimación,
aunque se incurre en un aumento de costes
Nivel de confianza, si se pide mayor nivel de confianza, el intervalo será mayor.

2.4.1 INTERVALO DE CONFIANZA PARA LA MEDIA.

Supongamos que la estatura de los niños de 2 años está distribuida normalmente

con una media de 90 cm y una desviación estándar de 36 cm. ¿Cuál sería la
distribución maestral de la media para una muestra de tamaño 9? Recordemos
que la media de una distribución maestral de medias es igual a μ :

5
µ=µ𝑥̅
Y el error estándar es: n
𝜎
Σm=
√𝑛

Para nuestro ejemplo, la distribución muestral de la media tendría una media de

90 y una desviación estándar de 36/3 = 12. Recordemos que la desviación
estándar de una distribución muestral es igual al error estándar.
La siguiente figura muestra esta distribución en donde el área sombreada
representa el 95% del total, encontrándose entre los valores de 66.48 y 113.52.
Estos límites fueron calculados añadiendo y restando 1.96 desviaciones estándar
del valor de la media de 90, lo que equivale al 95% del área bajo una curva normal
estándar, es decir:
90 -(1.96 x 12) =
90 -23.52 = 66.48
90 + (1.96 x 12) =
90 + 23.52 = 113.52

2.4.2 INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE

MEDIAS.

Se utiliza el estadístico pivote: 2 2 1 ( )1 σ

− n− n S que sigue una distribución
llamada chi-cuadrado con n-1 grados de
libertad, que se representa por X2 , que a
diferencia de las anteriores presenta una
curva no simétrica, y las tablas dadas expresan el área de probabilidad a la
derecha de la variable. Estamos pues ante la siguiente situación:

6
Si s12 y s22 son las medias y las varianzas de dos muestras aleatorias de
tamaño n1 y n2, respectivamente, tomadas de
dos poblaciones normales e independientes con
varianzas desconocidas pero iguales, entonces un intervalo de confianza del 100(

) por ciento para la diferencia entre medias es:

en donde:es el estimador combinado de la

desviación estándar común de la población con n1+n2 – 2
grados de libertad.

Ejemplos:

1. Un artículo publicado dio a conocer los resultados de un análisis del peso

de calcio en cemento estándar y en cemento contaminado con plomo. Los
niveles bajos de calcio indican que el mecanismo de hidratación del
cemento queda bloqueado y esto permite que el agua ataque varias partes
de una estructura de cemento. Al tomar diez muestras de cemento
estándar, se encontró que el peso promedio de calcio es de 90 con una
desviación estándar de 5; los resultados obtenidos con 15 muestras de
cemento contaminado con plomo fueron de 87 en promedio con una
desviación estándar de 4. Supóngase que el porcentaje de peso de calcio
está distribuido de manera normal. Encuéntrese un intervalo de confianza
del 95% para la diferencia entre medias de los dos tipos de cementos. Por
otra parte, supóngase que las dos poblaciones normales tienen la misma
desviación estándar.

Solución:

El estimador combinado de la desviación estándar es:

7
 Al calcularle raíz cuadrada a este valor nos queda que sp = 4.41

expresión que se reduce a – 0.72 1- 2 6.72

Nótese que el intervalo de confianza del 95% incluye al cero; por

consiguiente, para este nivel confianza, no puede concluirse la existencia
de una diferencia entre las medias.

2. Se realizó un experimento para comparar el tiempo promedio requerido por

el cuerpo humano para absorber dos medicamentos, A y B. Suponga que el
tiempo necesario para que cada medicamento alcance un nivel específico
en el torrente sanguíneo se distribuye normalmente. Se eligieron al azar a
doce personas para ensayar cada fármaco registrándose el tiempo en
minutos que tardó en alcanzar un nivel específico en la sangre. Calcule un
intervalo de confianza del 95% para la diferencia del tiempo promedio.
Suponga varianzas iguales.

3.

2.35 B- A 9.25

8
Con un nivel confianza del 95% se sabe que el tiempo promedio para alcanzar un
nivel específico es mayor para el medicamento B.

2.4.3 INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN.

Dada una variable aleatoria con distribución Binomial B(n, p), el objetivo es la
construcción de un intervalo de confianza para el parámetro p, basada en una
observación de la variable que ha dado como valor x. El mismo caso se aplica si
estudiamos una Binomial B(1, p) y consideramos el número de veces que ocurre
el suceso que define la variable al repetir el experimento n veces en condiciones
de independencia.
Existen dos alternativas a la hora de construir un intervalo de confianza para p:
Considerar la aproximación asintótica de la distribución Binomial en la distribución
Normal.
Utilizar un método exacto.

2.4.4 INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE

PROPORCIONES.
En la inferencia sobre una proporción el problema se concreta en estimar y
contrastar la proporción p de individuos de una población que presentan una
determinada característica A (proporción de votantes a un partido político,
proporción de parados, ...). El problema se modeliza mediante una variable
dicotómica que toma el valor 1 si se presenta la característica de interés y 0 en
caso contrario, esto es, una variable de Bernoulli, , de la que se dispone
de una muestra de tamaño n. Entonces, la proporción poblacional p no es otra
cosa que la media poblacional de dicha variable, estimándose con la
correspondiente proporción muestral o media muestral.

9
2.4.5 INTERVALOS DE CONFIANZA PARA LA VARIANZA.
Dada una variable aleatoria con distribución Normal N(μ; σ), el objetivo es la
construcción de un intervalo de confianza para el parámetro σ, basado en una
muestra de tamaño n de la variable.
(𝑛−1)𝑆²
A partir del estadístico: x2= 𝜎²

La fórmula para el intervalo de confianza, con nivel de confianza 1 − α es la

siguiente:
(𝑛 − 1)𝑆² (𝑛 − 1)𝑆²
≤ 𝜎² ≤
χ2α/2 𝑋1 2α/2

Donde χ2α/2 es el valor de una distribución ji-cuadrado con n − 1 grados de libertad

que deja a su derecha una probabilidad de α/2.

Por ejemplo, dados los datos siguientes:

 Distribución poblacional: Normal

 Tamaño de muestra: 10

 Confianza deseada para el intervalo: 95 %

 Varianza muestral corregida: 38,5

Un intervalo de confianza al 95 % para la varianza de la distribución viene dado

por:

9.38,5 9.38,5
≤ 𝜎² ≤
19,031 2,699

2.4.6 INTERVALOS DE CONFIANZA PARA LA RELACIÓN DE

VARIANZAS.

Supondremos la existencia de dos poblaciones sobre las que una determinada

variable sigue una distribución Normal. Sobre la población 1 la variable sigue una

10
distribución N (µ1, σ1) y sobre la población 2 sigue una distribución N (µ2, σ2).
Igualmente supondremos que disponemos de dos muestras aleatorias
independientes, una para cada población, de tamaños
muéstrales n1 y n2 respectivamente.

El objetivo es construir un intervalo de confianza, con nivel de confianza (1 − α) ·

100 %, para el cociente de varianzas

El estadístico pivote utilizado es:

Que sigue una distribución F de Fisher con n1 − 1 y n2 − 1 grados de libertad.

El intervalo de confianza que resulta es

Donde Fα/2 es el valor de una distribución F de Fisher-Snedecor

con n1 − 1 y n2 − 1 grados de libertad que deja a su derecha una probabilidad
de α/2.

2.5. DETERMINACIÓN DEL TAMAÑO DE MUESTRA

El grado o nivel de confianza, es el porcentaje de estimaciones de intervalo

(obtenidas de muestras repetitivas, cada una de tamaño n, tomadas de una

11
población dada), que puede esperarse que contenga el valor real del parámetro
que se estima.
En todos los estudios es preciso estimar las posibles pérdidas de pacientes por
razones diversas (pérdida de información, abandono, no respuesta, por lo que se
debe incrementar el tamaño maestral respecto a dichas pérdidas.

Está determinado por σ y adopta los siguientes valores:

 Determinar el grado de error máximo aceptable en los resultados de la

investigación.
 Desviación estándar de la población

Si deseamos estimar una media: debemos saber: a. El nivel de confianza o

seguridad
 α. El nivel de confianza prefijado da lugar a un coeficiente (Zα). Para una
seguridad del 95% = 1.96; para una seguridad del 99% = 2.58.
 b. La precisión con que se desea estimar el parámetro (2 * d es la amplitud
del intervalo de confianza).
 c. Una idea de la varianza S2 de la distribución de la variable cuantitativa
que se supone existe en la población.

2.5.1 BASADO EN LA MEDIA DE LA POBLACION

El intervalo de confianza, para la media de una población, con un nivel de

confianza de 1- α, siendo X la media de una muestra de tamaño n y σ la
desviación típica de la población, es:

12
El error máximo de estimación es:

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

Cuanto mayor sea el nivel de confianza, 1-α, mayor es el error.
Tamaño de la muestra

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

Si disminuimos el error, tenemos que aumentar el tamaño de la muestra.

2.5.2 BASADO EN LA PROPORCION DE LA POBLACION

En poblaciones dicotómicas con una proporción de éxitos el estimador puntual

del parámetro es la proporción muestra de éxitos, p, que coincide con la media

de la muestra cuando se codifica como 1 la característica que se considera como
éxito y 0 la que se considera no éxito. A partir de un tamaño muestra
moderadamente grande el estadístico p tiene una distribución aproximadamente
normal. El intervalo de confianza para la proporción poblacional está centrado en
la proporción muestra; siendo sus límites superior e

13
inferior donde z /2 es el valor crítico correspondiente al grado

de confianza 1- de la distribución normal tipificada y es el error típico

de la proporción.

Para obtener el intervalo de confianza y contrastar hipótesis sobre la proporción

una alternativa consiste en tratar a la proporción como la media poblacional de

una variable dicotómica codificada como se ha descrito anteriormente (éxito=1, no
éxito=0) y la secuencia es:

 Para el intervalo de confianza:

Analizar

Estadísticos Descriptivos

Explorar

 Para contrastar la hipótesis nula

Analizar

Comparar medias

Prueba T para una muestra

14
CONCLUSIÓN

La estadística trata en primer lugar, de acumular la masa de datos numéricos

provenientes de la observación de multitud de fenómenos, procesándolos de
forma razonable. Mediante la teoría de la probabilidad analiza y explora la
estructura matemática subyacente al fenómeno del que estos datos provienen y,
trata de sacar conclusiones y predicciones que ayuden al mejor aprovechamiento
del fenómeno.
Esta materia tiene una gran importancia, ya que nos permite resolver los
diferentes enfoques empresariales que existen en lo que respecta a su desarrollo
financiero y que a través de matrices, sistemas lineales podremos evidenciar su
funcionamiento así tomar de decisiones como también resolver problemas, al
respecto al rumbo que deberá tomar una compañía en determinadas situaciones.

15
REFERENCIAS BIBLIOGRÁFICAS
Borroemo, Estadística,
Facultad de Ingeniería
UNAM, México 1985.

Algebra Intermedia
Autor¬: Allen R. Ángel,
4ta Edición,
Editorial: Prentice

Algebra lineal fundamentos y aplicaciones"

Autor: Kolman, Bernard
Editorial: Pearson educación

Bongiovanni, Vincenzo y otros.

Matemática e Vida. 2o Grau.
Volumen 2
Editora Ática S.A.
Sao Paulo. Brasil. 1993.

Hines, Montgomery; Estadística Inf.

Edit. CECSA, 3ª edición,
México 1993.

Canavás, Estadística Inferencial I,

Edit. Mc Graw Hill, México 1988.

16