TEORA DE LA

ESTIMACIN
CAPTULO 7

FOOD LION*
SALISBURY, CAROLINA DEL
NORTE

Fundada en 1957 como Food Town, Food Lion es una de las cadenas
de supermercados ms grande de Estados Unidos, con 1 200 tiendas
en 11 estados. La empresa vende ms de 24 000 productos
diferentes y ofrece mercancas de marcas nacionales y regionales, as
como una cantidad cada vez mayor de productos de gran calidad de
marca propia fabricados especialmente. La empresa mantiene su
liderazgo en precios bajos y asegura la calidad a partir de eficientes
controles como formatos estndar de tienda, diseo innovador de los
almacenes, instalaciones eficaces y sincronizacin de datos con los
proveedores. Food Lion mira hacia un futuro de continua innovacin,
crecimiento, liderazgo de precio y servicio a sus clientes.

Puesto que es un negocio con inventario intensivo, Food Lion decidi adoptar
como mtodo de evaluacin de inventario el mtodo LIFO (last-in, first-out).
Este mtodo compara los costos corrientes con los ingresos corrientes. Lo cual
minimiza los efectos de los cambios radicales de precios sobre los resultados
de ganancia y prdida. Adems, el mtodo LIFO reduce la ganancia neta
disminuyendo con esto los impuestos sobre la renta durante los periodos de
inflacin.
Food Lion establece un ndice LIFO para cada uno de los siete grupos de
inventario: abarrotes, papel/artculos para el hogar, artculos para mascotas,
artculos para la salud y la belleza, lcteos, cigarros/tabaco y cervezas/vinos.
Por ejemplo, un ndice LIFO de 1.008 para el grupo abarrotes indica que el
valor de este inventario, a los costos corrientes, refleja un aumento de 0.8%
debido a la inflacin en el ltimo periodo de un ao.

Estimacin estadstica
Se llama estimacin estadstica al conjunto de tcnicas que permiten dar un
valor aproximado de un parmetro de una poblacin a partir de los datos
proporcionados por una muestra. Por ejemplo, una estimacin de la media de
una determinada caracterstica de una poblacin de tamao N podra ser la
media de esa misma caracterstica para una muestra de tamao n.[1]
La estimacin se divide en tres grandes bloques, cada uno de los cuales tiene
distintos mtodos:
Estimacin puntual:[2]
Mtodo de los momentos;
Mtodo de la mxima verosimilitud;
Mtodo de los mnimos cuadrados;

Estimacin por intervalos.

Estimacin bayesiana.

Estimacin por intervalos

Consiste en la obtencin de un intervalo dentro del cual estar el valor del
parmetro estimado con una cierta probabilidad. En la estimacin por intervalos
se usan los siguientes conceptos:
Intervalo de confianza es una expresin del tipo [1, 2] 1 2, donde
es el parmetro a estimar. Este intervalo contiene al parmetro estimado con
un determinado nivel de confianza. Pero a veces puede cambiar este intervalo
cuando la muestra no garantiza un axioma o un equivalente circunstancial.
Variabilidad del Parmetro Si no se conoce, puede obtenerse una
aproximacin en los datos aportados por la literatura cientfica o en un estudio
piloto. Tambin hay mtodos para calcular el tamao de la muestra que
prescinden de este aspecto. Habitualmente se usa como medida de esta
variabilidad la desviacin tpica poblacional y se denota .

Error de la estimacin E
Es una medida de su precisin que se corresponde con
la amplitud del intervalo de confianza. Cuanta ms
precisin se desee en la estimacin de un parmetro,
ms estrecho deber ser el intervalo de confianza y, si
se quiere mantener o disminuir el error, ms
observaciones debern incluirse en la muestra
estudiada. En caso de no incluir nuevas observaciones
para la muestra, ms error se comete al aumentar la
precisin. Se suele llamar E, segn la frmula

Lmite de Confianza
Es la probabilidad de que el verdadero valor del
parmetro estimado en la poblacin se site en el
intervalo de confianza obtenido. El nivel de confianza se
denota por (1-), aunque habitualmente suele
expresarse con un porcentaje ((1-)100%). Es habitual
tomar como nivel de confianza un 95% o un 99%, que
se corresponden con valores de 0,05 y 0,01
respectivamente.

Valor
Tambin llamado nivel de significacin. Es la
probabilidad (en tanto por uno) de fallar en nuestra
estimacin, esto es, la diferencia entre la certeza (1) y
el nivel de confianza (1-). Por ejemplo, en una
estimacin con un nivel de confianza del 95%, el valor
es (100-95)/100 = 0,05

Valor crtico
Se representa por Z/2. Es el valor de la abscisa en una
determinada distribucin que deja a su derecha un rea igual a
/2, siendo 1- el nivel de confianza. Normalmente los valores
crticos estn tabulados o pueden calcularse en funcin de la
distribucin de la poblacin. Por ejemplo, para una
distribucin normal, de media 0 y desviacin tpica 1, el valor
crtico para = 0,1 se calculara del siguiente modo: se busca
en la tabla de la distribucin ese valor (o el ms aproximado),
bajo la columna "rea"; se observa que se corresponde con
-1,28. Entonces Z/2 = 1,64. Si la media o desviacin tpica de
la distribucin normal no coinciden con las de la tabla, se
puede realizar el cambio de variable t =(X-)/ para su clculo.

Media poblacional: conocida

Con objeto de obtener una estimacin por intervalo para la media
poblacional, se necesita la desviacin estndar poblacional o la
desviacin estndar muestral s para calcular el margen de error. En la
mayor parte de los casos, no se conoce y para calcular el margen de
error se emplea s. Sin embargo, en algunas ocasiones, se cuenta con una
gran cantidad de datos anteriores (histricos) que se pueden usar para
calcular la desviacin estndar poblacional antes de tomar la muestra.
Tambin, en aplicaciones al control de calidad, en las que se supone que el
proceso se desarrolla correctamente en control, se considera que se
conoce la desviacin estndar. A tales casos se les conoce como casos de
conocida. En esta seccin se presenta un caso en el que es razonable
considerar que se conoce y se muestra cmo obtener una estimacin por
intervalo.

Se emplea la siguiente frmula:

(8.1)

Z = valor crtico de la distribucin normal estandarizada

Se llama valor crtico al valor de Z necesario para construir un intervalo de
confianza para la distribucin. El 95% de confianza corresponde a un valor ( de 0,05.
El valor crtico Z correspondiente al rea acumulativa de 0,975 es 1,96 porque hay
0,025 en la cola superior de la distribucin y el rea acumulativa menor a Z = 1,96
es 0,975. Un nivel de confianza del 95% lleva a un valor Z de 1,96.

El valor de Z es aproximadamente 2,58 porque el rea de la cola alta es 0,005 y el

rea acumulativa menor a Z = 2,58 es 0,995.

Ejemplo

Solucin
Con lectura en la tabla de la distribucin normal para un
rea de 0,025 se obtiene Z = -1,96. Por simetra se
encuentra el otro valor Z = 1,96. Remplazando valores y
realizando lo clculos se obtiene:

Los clculos en Excel se muestran en la siguiente figura:

Ejemplo
Una mquina llena tazas con helado, y se supone que
est ajustada para verter la cantidad de 250g. Como la
mquina no puede llenar cada taza con exactamente
250g, el contenido que se aade a cada taza individual
presenta cierta variacin y se le asigna una variable
aleatoria X. Se asume que esta variacin se ajusta a
unadistribucin normalde alrededor de la cantidad
promedio deseada de 250g, con una
desviacin estndarde 2.5g. Para determinar si la
mquina est adecuadamente calibrada, se toma una
muestra aleatoria den=25 tazas de helado para
pesarlas. La medicin resultante esX1,...,X25, una
muestra aleatoria procedente de X.
Para, es suficiente con dar una estimacin. El

Al tomar otra muestra de 25 tazas, es esperable, de igual manera,

que la masa presente valores como 250.4 o 251.1gramos. Un
valor medio muestral de 280gramos en cambio, sera
extremadamente excepcional si el contenido medio de las tazas
est en la prctica cerca de 250gramos. Hay un intervalo en
torno al valor observado de 250.2gramos de la media muestral,
para el que si la media de la poblacin completa efectivamente
toma un valor en este rango, los datos observados no podran ser
considerados particularmente inusuales. Tal intervalo se
denomina intervalo de confianza para el parmetro. Cmo se
calcula tal intervalo? Los extremos del intervalo deben calcularse
a partir de la muestra para que resulten funciones estadsticas de
la muestraX1,...,X25y de este modo son variables aleatorias a su
vez.
En este caso, se determinarn los extremos considerando la
media muestralXque como proviene de una distribucin normal
est tambin normalmente distribuida con la misma esperanza,
pero con unerror estndarde:

Porestandarizacin, se obtiene una variable aleatoria:

dependiente del parmetroque debe ser estimado, pero con

una distribucin normal estndar independiente del
parmetro. Por lo tanto, es posible hallar nmeros zyz,
independientes de, entre los cuales estZcon probabilidad
1, una medida de cunconfiadosqueremos estar.
Tomamos
1 = 0.95, por ejemplo. As, tenemos:
El nmero z proviene de una funcin de distribucin acumulada, en este caso la Funcin de distribucin normal acumulativa

Y se obtiene

En otras palabras, el lmite inferior de un intervalo de confianza del 95% es:

y el superior de tal intervalo es:

Recomendacin prctica
Si la poblacin tiene una distribucin normal, el intervalo de confianza que se obtiene con la
expresin (8.1) es exacto. En otras palabras, si la expresin (8.1) se usa repetidas veces para
generar intervalos de 95% de confianza, exactamente 95% de los intervalos generados
contendrn la media poblacional. Si la poblacin no tiene una distribucin normal, el intervalo
de confianza obtenido con la expresin (8.1) ser aproximado. En este caso la calidad de la
aproximacin depende tanto de la distribucin de la poblacin como del tamao de la
muestra.
En la mayora de las aplicaciones, cuando se usa la expresin (8.1), un tamao de muestra n
= 30 es adecuado para obtener una estimacin por intervalo de la media poblacional. Si la
poblacin
no est distribuida normalmente, pero es ms o menos simtrica, tamaos de muestra hasta
de
15 puede esperarse que proporcionen una buena aproximacin del intervalo de confianza.

Estimacin por intervalo con Minitab-Media poblacional: conocida

La estimacin por intervalo se ilustra mediante el ejemplo de Lloyds de la seccin 8.1. En una
muestra de 100 clientes las cantidades gastadas en cada visita a la tienda estn en la columna C1 de
la hoja de clculo de Minitab. Se supone que la desviacin estndar poblacional se conoce y que es
20. Los pasos siguientes se usan para calcular un intervalo de confianza de 95% para estimar la media
poblacional. Los datos estn en la columna C1 de la hoja de clculo de Minitab.
Paso 1. Seleccionar el men Stat
Paso 2. Elegir Basic Statistics
Paso 3. Elegir 1-Sample Z
Paso 4. Cuando aparezca el cuadro de dilogo 1-Sample Z:
Ingresar C1 en el cuadro Samples in column
Ingresar 20 en el cuadro Standard deviation
Paso 5. Clic en OK
Si no se especifica otra cosa, Minitab emplea 95% como nivel de confianza. Para especificar otro
nivel de confianza, por ejemplo 90%, al paso 4 hay que agregar lo siguiente.
Seleccionar Options
Cuando aparezca el cuadro de dilogo 1-Sample Z:
Ingresar 90 en el cuadro Confidence level
Clic en OK

ESTIMACIN DE INTERVALO DE CONFIANZA PARA LA MEDIA

Cuando se calcula un intervalo de confianza para la media poblacional, suele

no contarse con una buena estimacin de la desviacin estndar
poblacional. En tales casos se usa la misma muestra para estimar y . Esta
situacin es el caso que se conoce como desconocida. Cuando se usa s
para estimar , el margen de error y la estimacin por intervalo de la media
poblacional se basan en una distribucin de probabilidad conocida como
distribucin t. Aunque la elaboracin matemtica de la distribucin t parte
de la suposicin de que la poblacin de la que se muestrea tiene una
distribucin normal, las investigaciones han demostrado que la distribucin t
se aplica en muchas situaciones en que la poblacin se desva
significantemente de una oblacin normal. Ms adelante, en esta misma
seccin, se proporcionan lineamientos para usar la distribucin t cuando la
poblacin no est distribuida normalmente.

La distribucin t es una familia de distribuciones de probabilidad

similares; cada distribucin t depende de un parmetro conocido
como grados de libertad. La distribucin t para un grado de
libertad es nica, como lo es la distribucin t para dos grados de
libertad, para tres grados de libertad, etc. A medida que el
nmero de grados de libertad aumenta, la diferencia entre la
distribucin t y la distribucin normal estndar se va reduciendo.
En la figura 8.4 se muestran las distribuciones t para 10 y 20
grados de libertad y su relacin con la distribucin de
probabilidad normal estndar. Observe que una distribucin t
para ms grados de libertad exhibe menos variabilidad y un
mayor parecido con la distribucin normal estndar, tambin que
la media de toda distribucin t es cero.

Distribucin t de student
Si la variable aleatoria X se distribuye normalmente, entonces el siguiente estadstico
tiene una distribucin t con n - 1 grados de libertad.

Esta expresin tiene la misma forma que el estadstico Z en la ecuacin para la

distribucin muestral de la media con la excepcin de que S se usa para estimar la
desconocida
Entre las principales propiedades de la distribucin t se tiene:
En apariencia, la distribucin t es muy similar a la distribucin normal estandarizada.
Ambas distribuciones tienen forma de campana. Sin embargo, la distribucin t tiene
mayor rea en los extremos y menor en el centro, a diferencia de la distribucin normal.

Ejemplo:
Imagnese una clase con 40 sillas vacas, cada uno elige un
asiento de los que estn vacos. Naturalmente el primer alumno
podr elegir de entre 40 sillas, el segundo de entre 39, y as el
nmero ir disminuyendo hasta que llegue el ltimo alumno. En
este punto no hay otra eleccin (grado de libertad) y aquel
ltimo estudiante simplemente se sentar en la silla que queda.
De este modo, los 40 alumnos tienen 39 o n-1 grados de
libertad.

Interpretacin
Las columnas de la tabla representan el rea de la cola superior de la
distribucin t. Cada fila representa el valor t determinado para cada
grado de libertad especfico. Por ejemplo, con 10 grados de libertad, si se
quiere un nivel de confianza del 90%, se encuentra el valor t apropiado
como se muestra en la tabla. El nivel de confianza del 90% significa que
el 5% de los valores (un rea de 0,05) se encuentran en cada extremo de
la distribucin. Buscando en la columna para un rea de la cola superior
y en la fila correspondiente a 10 grados de libertad, se obtiene un valor
crtico para t de 1.812. Puesto que t es una distribucin simtrica con
una media 0, si el valor de la cola superior es +1.812, el valor para el
rea de la cola inferior (0,05 inferior) sera -1.812. Un valor t de -1.812
significa que la probabilidad de que t sea menor a -1.812, es 0,05, o 5%
(vea la figura).

Ejemplo
solucin

Los clculos en Excel se muestran en la siguiente figura:

Estimacin por intervalo con Minitab-Media poblacional: desconocida

La estimacin por intervalo se ilustra empleando los datos de la tabla 8.2 que dan los saldos en
las tarjetas de crdito en una muestra de 70 hogares. Los datos estn en la columna C1 de la hoja
de clculo de Minitab. En este caso se estima la desviacin estndar poblacional mediante la
desviacin estndar muestral s. Con los pasos siguientes se obtiene un intervalo de confianza de
95% para estimar la media poblacional.
Paso 1. Seleccionar el men Stat
Paso 2. Elegir Basic Statistics
Paso 3. Elegir 1-Sample t
Paso 4. Cuando aparezca el cuadro de dilogo 1-Sample t
Ingresar C1 en el cuadro Samples in columns
Paso 5. Clic en OK
Si no se especifica otra cosa, Minitab emplea 95% como nivel de confianza. Para especificar otro
nivel de confianza, por ejemplo 90% al paso 4 hay que agregar lo siguiente.
Seleccionar Options
Cuando aparezca el cuadro de dilogo 1-Sample t-Options:
Ingresar 90 en el cuadro Confidence level
Clic en OK

Uso de una muestra pequea

En el ejemplo siguiente se obtiene una estimacin por intervalo
para una media poblacional teniendo una muestra pequea.
Como ya se indic, conocer la distribucin de la poblacin es
importante para decidir si mediante una estimacin por
intervalo se obtendrn resultados aceptables. Scheer Industries
est considerando un nuevo programa asistido por
computadora con el fin de capacitar a los empleados de
mantenimiento para realizar la reparacin de las mquinas. Con
objeto de evaluar este programa, el director de manufactura
solicita una estimacin de la media poblacional del tiempo
requerido para que los empleados de mantenimiento
completen la capacitacin asistida por computadora.

TABLA 8.4 DURACIN DE LA CAPACITACIN, EN DAS, EN

LA MUESTRA
DE 20 EMPLEADOS DE SCHEER INDUSTRIES
52 59 54 42
44 50 42 48
55 54 60 55
44 62 62 57
45 46 43 56
Para dar un intervalo de confianza de 95%, se usa la
tabla 2 del apndice B y n - 1 = 19 grados de libertad y
se obtiene t0.025 = 2.093. La expresin (8.2) suministra
la estimacin por intervalo de la media poblacional.

 51.5 +- 2.09 *36.84 /20

51.5 +- 3.2
La estimacin puntual de la media poblacional es 51.5
das. El margen de error es 3.2 das y el intervalo de
confianza de 95% va de 51.5 - 3.2 = 48.3 das a 51.5 +
3.2 = 54.7 das.

Ejemplo
Los siguientes datos son los puntajes obtenidos para 45
personas de una escala de depresin (mayor puntaje
significa mayor depresin).
2

10

11

11

11

13

13

14

14

14

14

14

14

15

15

16

16

16

16

16

16

16

16

17

17

17

18

18

18

19

19

19

19

19

19

19

19

20

20

Para construir un intervalo de confianza para el puntaje

promedio poblacional, asumamos que los datos tienen
distribucin normal, con varianza poblacional
desconocida; lo estimamos por S =4.3. Luego, un
intervalo de confianza aproximado es:

Luego, el intervalo de confianza para es (13,2 , 15,8).

Es decir, el puntaje promedio poblacional se encuentra
entre 13,2 y 15,8 con una confianza 95%.

Algunos de los principales estadsticos pivote

utilizados en la construccin de intervalos de
confianza

tamao de la muestra para una

estimacin por intervalo de la
media poblacional
La frmula para el intervalo de confianza

nos da la expresin que permite calcular el tamao

muestral para conseguir una precisin determinada
donde d es el radio mximo deseado para el intervalo y
t/2 es el valor de una distribucin t de Student, con n
1 grados de libertad que deja a su derecha una
probabilidad de /2.

Para aplicar la frmula es necesario conocer el valor estimado

para la desviacin tpica. Tenemos varias opciones:

Obtener una muestra piloto de un tamao arbitrario, no

necesariamente grande, y obtenida la estimacin de la
desviacin tpica sustituirla en la expresin anterior. El nmero de
grados de libertad de la t de Student debe ser n1 1, donde n1 es
el tamao muestral de la muestra piloto. Una vez obtenido el
intervalo basado en la nueva muestra, se debe comprobar que se
ha logrado la precisin deseada para dar por definitivo el
resultado.
Si no es posible la obtencin de una muestra piloto, todava es
posible el clculo del tamao muestral si definimos el radio del
intervalo como una fraccin de la desviacin tpica de la
poblacin,
y utilizamos como frmula para calcular el tamao muestral

De otro modo

El error mximo de estimacin esta dado por:

Si se eleva al cuadrado ambos lados de esta ecuacin y se
despejande la ecuacin resultante, obtenemos:
Comondebe de ser un nmero entero, redondeamos hacia
arriba todos los resultados fraccionarios.
En el caso de que se tenga una poblacin finita y un muestreo
sin reemplazo, el error de estimacin se convierte en

Estimacin del intervalo de confianza para una proporcin

Ejemplo.-En unalmacnse est haciendo una auditoria para las facturas

defectuosas. De 500 facturas deventase escoge una muestra de 30, de las
cuales 5 contienen errores. Construir una estimacin del intervalo de
confianza del 95%. Solucin:

N=500, n=30, X=5, confianza =95%. Como en los datos

aparece el tamao de la poblacin, se debe verificar si el tamao
de la nuestra es mayor que el 5% para emplear la frmula con el
factor finito de correccin. Se remplaza valores en la siguiente
frmula:

Con lectura en la tabla de la distribucin normal para un rea de

0,025 se obtiene Z = -1,96, y por simetra Z =1,96. Calculando la
proporcin de la muestra se obtiene:

Los clculos en Excel se muestran en la siguiente figura:

El grfico

Clculo del Tamao de la Muestra para Estimar una Proporcin

Se desea saber que tan grande se requiere que sea una muestra para asegurar
que el error al estimar P sea menor que una cantidad especficaE

Esta frmula est algo engaosa, pues debemos utilizarppara determinar el

tamao de la muestra, peropse calcula a partir de la muestra. Existen
ocasiones en las cuales se tiene una idea del comportamiento de la proporcin
de la poblacin y ese valor se puede sustituir en la frmula, pero si no se sabe
nada referente a esa proporcin entonces se tienen dos opciones:
Tomar una muestra preliminar mayor o igual a 30 para proporcionar una
estimacin de P. Despus con el uso de la frmula se podra determinar de
forma aproximada cuntas observaciones se necesitan para proporcionar el
grado de precisin que se desea.
Tomar el valor de p como 0.5 ya que sustituyendo este en la frmula se obtiene
el tamao de muestra mayor posible.

Ejemplo. Se desconoce el valor de P, por lo que se utilizarn diferentes

valores y se sustituirn en la formula para observar los diferentes tamaos

de muestras. El nivel de confianza que se utilizar es del 95% con un error
de estimacin de 0.30..
p

0.10

3.84

0.20

6.82

0.30

8.96

0.40

10.24

0.50

10.67

0.60

10.24

0.70

8.96

0.80

6.82

El caso: que se tenga una poblacin finita y un muestreo sin reemplazo, el error de estimacin se convierte en:
.

se eleva al cuadrado ambos lados y se despeja lan,

obteniendo:

Ejemplo
En una muestra aleatoria de 500 familias que tienen televisores en la ciudad
de Hamilton, Canad, se encuentra que 340 estn suscritas a HBO. Qu tan
grande se requiere que sea una muestra si se quiere tener 95% de confianza
de que la estimacin de P est dentro de 0.02?
Solucin.
Se tratarn a las 500 familias como una muestra preliminar que proporciona
una estimacin de p=340/500=0.68.

Por lo tanto si basamos nuestra estimacin de P sobre una muestra aleatoria

de tamao 2090, se puede tener una confianza de 95% de que nuestra
proporcin muestral no diferir de la proporcin real por ms de 0.02.

Ejemplo. Una legisladora estatal desea encuestar a los residentes de su distrito para conocer qu
proporcin del electorado conoce la opinin de ella, respecto al uso de fondos estatales para pagar
abortos. Qu tamao de muestra se necesita si se requiere un confianza del 95% y un error
mximo de estimacin de 0.10?

Solucin:
En este problema, se desconoce totalmente la
proporcin de residentes que conoce la opinin de la
legisladora, por lo que se utilizar un valor de 0.5
parap.

Se requiere un tamao de muestra de 97 residentes

para que con una confianza del 95% la estimacin
tenga un error mximo de 0.10.

Proporcin poblacional con Minitaba

La estimacin por intervalo se ilustra empleando los datos de las golfistas, presentados en la
seccin 8.4. Los datos estn en la columna C1 de la hoja de clculo de Minitab. Las respuestas
se regstraron como S si la golfista est satisfecha con la disponibilidad de horarios de salida y
No, si no es el caso. Usando los pasos siguientes se calcula un intervalo de confianza de 95%
para estimar la proporcin de golfistas satisfechas con la disponibilidad de los horarios de salida.
Paso 1. Seleccionar el men Stat
Paso 2. Elegir Basic Statistics
Paso 3. Elegir 1 Proportion
Paso 4. Cuando aparezca el cuadro de dilogo 1 Proportion:
Ingresar C1 en el cuadro Samples in columns
Paso 5. Seleccionar Options
Paso 6. Cuando aparezca el cuadro de dilogo 1 Proportion-Options:
Seleccionar Use test and interval based on normal distribution
Clic en OK
Paso 7. Clic en OK