1.

ESTIMADOR PUNTUAL
Un estimador puntual es un número que se utiliza para estimar un parámetro
desconocido de la población.
Solo tiene dos opciones: es correcto o está equivocado, si está equivocado no
se sabe qué tanto.

2. ESTIMADORES DE INTERVALO
Es un intervalo de valores que probablemente contiene el valor verdadero del
parámetro de la población.
Esta estimación indica el error de dos maneras: por la extensión del intervalo
(margen de error) y por la probabilidad de que el parámetro poblacional se
encuentre dentro del intervalo (Nivel de Confianza)

El nivel de confianza se define como (1-) x100, en donde  es la proporción de

los extremos de la distribución que queda fuera del intervalo de confianza.
Un alto nivel de confianza produce un margen de error grande reduciendo la
precisión.

3. DISTRIBUCIONES MUESTRALES.
El propósito de este tema es examinar la distribución de las medias y las
proporciones muestrales de una población.
Los valores individuales de una población pueden presentar diferentes
distribuciones de probabilidad.
La distribución muestral de la media (𝑥̅ ) es la distribución de probabilidad de todas
las posibles medias muestrales (NCn) para un tamaño de muestra dado.

4. ERROR
Es la diferencia entre el valor estimado con la muestra y el parámetro de población.
𝐸𝑟𝑟𝑜𝑟 = |𝑥̅ − 𝜇|

5. CARACTERISTICAS DE LA DISTRIBUCIÓN MUESTRAL DE LA MEDIA

a) Tiene la misma media que la población de donde proceden las muestras.
𝐸(𝑥̅ ) = 𝜇𝑥̅ = 𝜇

b) La desviación estándar se conoce como error estándar de la media y se

calcula con:
𝜎
𝜎𝑥̅ =
√𝑛

c) Si los valores individuales tienen distribución normal, la distribución muestral

de la media también.

1
 d) Si la población original no tiene distribución normal, la distribución de la
media muestral se aproxima a la normal al aumentar el tamaño de la
muestra; esto se conoce como: Teorema Central del Límite.

6. EJEMPLO

Suponga que una población tiene una media de 10 pero se desconoce este valor,
solamente se sabe que la desviación estándar es de 2. Trataremos de estimar
el valor de la media con una muestra de tamaño n = 4.

2
El error estándar de la media muestral es 𝜎𝑥̅ = = 1 , y en el 95% de los casos
√4
el resultado estará dentro del intervalo 10 ± (1.96) (1); o sea entre 8.04 y 11.96
y solo en 5% de los casos caerá fuera de estos límites.

0.5

0.4
 =10 (desconocida)
2
𝜎𝑥̅ = = 1
0.4 √4
Z/2 = 1.96 para 95%
0.3

0.3

95%

0.2

1- 
0.2

/2=2.5% 0.1 /2

/2= 2.5%
0.1

0.0
-5 -4 -3
8.04
-2 -1
10
0 1
11.96
2 3 4 5

Z/2Sx Z/2Sx

7.04 9 10.96

9.04 11 12.96
6.04
8 9.96

Un intervalo basado en la media de muestra: 𝑥̅ ± (1.96)(1), contendrá a la media

poblacional en 95% de los casos (cuando la media muestral caiga entre 8.04 y
11.96).
Cuando la media muestral sea mayor de 11.96 o menor de 8.04 (5% de los
casos) el intervalo no contendrá a la media poblacional.

Nivel de confianza es la probabilidad 1 -  de que el intervalo de confianza

contenga el verdadero valor del parámetro poblacional.

2
A mayor nivel de confianza el intervalo es más grande y menos preciso.
Z es el valor positivo de Z que está en la frontera que separa los valores de 𝑥̅ que
probablemente ocurrirán de aquellos que no ocurrirán.

Intervalo para estimar un parámetro de la población

Media Proporción
𝜎 𝐶𝑜𝑛𝑜𝑐𝑖𝑑𝑎 𝜎 𝐷𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎
𝜎 𝑛 > 30 𝑛 ≤ 30 𝑃̂ (1 − 𝑝̂ )
̅
𝑋 ± 𝑍𝛼/2 ( ) ̅ 𝑠 𝑠 𝑝̂ ± 𝑍𝛼/2
√
√𝑛 𝑋 ± 𝑍𝛼/2 ( ) 𝑋̅ ± 𝑡𝛼/2 ( ) 𝑛
√𝑛 √𝑛

Nivel de confianza 𝑍𝑎/2

𝛼 𝛼/2
1−𝛼
0.90 0.10 0.05 1.64
0.95 0.05 0.025 1.96
0.99 0.01 0.005 2.58
En donde:

𝑋̅: 𝑀𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

𝜎: 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛
𝑆: 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝑝̂ : 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 é𝑥𝑖𝑡𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝑛: 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝑍𝛼/2 : 𝐷𝑒𝑝𝑒𝑛𝑑𝑒 𝑑𝑒𝑙 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑑𝑒𝑠𝑒𝑎𝑑𝑜
𝑡𝛼/2 : 𝐷𝑒𝑝𝑒𝑛𝑑𝑒 𝑑𝑒𝑙 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑑𝑒𝑠𝑒𝑎𝑑𝑜 𝑦 𝑙𝑜𝑠 𝑔𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 (𝑛 − 1)

Cuando se conoce el tamaño de población (N), y el tamaño de la muestra (n) es

𝑛
mayor al 5% del tamaño de población (𝑁 > 0.05) , se usa un factor de corrección
para reducir la magnitud del error estándar:

𝜎 𝑁−𝑛
𝜎𝑥̅ = ( ) (√ )
√𝑛 𝑁−1

𝑠 𝑁−𝑛
𝑠𝑥̅ = ( ) (√ )
√𝑛 𝑁−1

𝑝(1 − 𝑝) 𝑁 − 𝑛
𝜎𝑝̅ = √ √
𝑛 𝑁−1

Ejemplo de cálculo de intervalo de confianza para la media de población.

3
1.- Una muestra aleatoria simple de 50 artículos originó una media muestral de 32,
se sabe que la desviación estándar de la población es 16.
Determine un intervalo de confianza de 90% para la media de la población.
 Se usa la ecuación:
𝑥̅ ± 𝑍𝜎𝑥̅

 Se conoce la media muestral y el valor de Z es de 1.64 para una confianza

de 90%, solo hay que calcular el error estándar

𝜎
𝜎𝑥̂ =
√𝑛
16
𝜎𝑥̂ == 2.26
√50
 A continuación, se construye el intervalo
32 ± (1.64 × 2.26) = 28.28 𝑎 35.72
Con un 90% de confianza sabemos que la media de población se encuentra entre
los valores anteriores.

2.- Se desea estimar con una confianza de 99% la proporción de votantes a favor
del candidato a alcalde por el Partido Unificado de los Trabajadores. De una muestra
de 500 personas seleccionadas en forma aleatoria se sabe que 235 de los
entrevistados está a favor del candidato.

 Se usa la ecuación:
𝑃̂ (1 − 𝑝̂ )
𝑝̂ ± 𝑍𝛼/2 √
𝑛

235
𝑝̂ = = 0.47
500

(0.47)(0.53)
0.47 ± (2.58) (√ ) = 0.47 ± 0.058 = 0.41 𝑎 0.53
500

Con un 95% de confianza sabemos que la proporción de la población se

encuentra entre los valores anteriores.

3.- Una muestra aleatoria simple de 25 artículos originó una media muestral de 30,
la desviación estándar de la muestra es de 10.
a) Determine un intervalo de confianza de 90% para la media de la población.

 Se usa la ecuación:
𝑥̅ ± 𝑡𝛼/2 𝑆𝑥̅

4
  Se conoce la media muestral y el valor de t es de 1.711 para una confianza
de 90% con 24 grados de libertad, falta calcular el error estándar
𝑆
𝑆𝑥̂ =
√𝑛

10
𝑆𝑥̂ = = 2.00
√25
 A continuación, se construye el intervalo
30 ± (1.711 × 2.00) = 30 ± 3.42 = 26.58 𝑎 33.42
Con un 90% de confianza sabemos que la media de población se encuentra entre
los valores anteriores.