ESTADÍSTICA INFERENCIAL

Estimación puntual y por intervalos

Jorge Alberto Barón Cárdenas

Universidad de Córdobas
Monterı́a - Córdoba

20 de febrero de 2019

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 1 / 36

Tabla de Contenido I

1 Estimación Puntual

2 Intervalo de Confianza
Intervalo de confianza para la media: varianza conocida
Intervalo de confianza para la media: varianza desconocida.
Intervalo de confianza para la proporción π
Referencias

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 2 / 36

 Estimación Puntual

¿Qué es una estimación?

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 3 / 36

 Estimación Puntual

¿Qué es una estimación?

Es un valor “aproximado” o por intervalo de un parámetro de una

población a partir de los datos proporcionados por una muestra.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 4 / 36

 Estimación Puntual

Métodos clásicos para construir estimadores

Existen algunos métodos clásicos para la construcción de estima-

dores, entre ellos tenemos:
Método de máxima verosimilitud.
Método de los momentos.
Método por analogı́a

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 5 / 36

 Estimación Puntual

Parámetros y estimadores
Parámetro:
Es una medida descriptiva de la población.
La media (µ)
La varianza (σ 2 )
La proporción (π)
Estadı́stico:
Cualquier función de las variables aleatorias que forman una mues-
tra aleatoria se llama estadı́stico. Valor que describe una muestra
y sirve como estimación puntual de un parámetro de la población
correspondiente.
La media (µ̂ = x̄)
La varianza (σ̂ 2 = S 2 )
La proporción (π̂ = p)
Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 6 / 36
 Estimación Puntual

Estimador Insesgado
Un estimador se dice que es insesgado si el esperado (la media
de la distribución muestral ) del estimador es igual al parámetro
estimado, es decir:
 
µθ̂ = E θ̂ = θ

Error estándar: Es una medida de calidad de la estimación pun-

tual y es igual a la desvición estándar del estimador:
  r  
e.e θ̂ = V θ̂

q
2
p
Para la media: e.e (µ̂) = V (µ̂) = Sn = √Sn
q
Para la proporción: e.e (π̂) = V (π̂) = p(1−p)
p
n
Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 7 / 36
 Estimación Puntual

Ejemplo

Un individuo desea estimar el tiempo medio de secado, en horas,

de cierta marca de pintura látex, para lo cual realizo las siguientes
mediciones:

3.4 2.5 4.8 2.9 3.6

2.8 3.3 5.6 3.7 2.8

4.4 4.0 5.2 3.0 4.8

Asumiendo que las observaciones anteriores corresponden a una

muestra aleatoria, estime el tiempo medio de secado con su corres-
pondiente error estándar.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 8 / 36

 Estimación Puntual

Ejemplo

solución:
El tiempo medio estimado de secado está dado por:
n
X
xi
i=1 3,4+2,5+···+4,8 56,8
µ̂ = x̄ = n
= 15
= 15
= 3,8

Error estándar:
p
e.e (µ̂) = V (µ̂) = √S
n

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 9 / 36

 Estimación Puntual

Ejemplo

Tenemos que:
n
X n
X
(xi − x̄)2 x2i − nx̄2
i=1 i=1 (3,42 +2,52 +···+4,82 )−(15×3,82 )
S2 = n−1
= n−1
= 15−1
=
0,9

Luego:
√
e.e (µ̂) = √S = √0,9 = 0,24
n 15

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 10 / 36

 Intervalo de Confianza

Intervalo de Confianza

Si θ es un parámetro de interés, una estimación de éste puede ha-

cerse consiguiendo un intervalo de la forma:

Li ≤ θ ≤ Ls

Tal que P (Li ≤ θ ≤ Ls ) = 1 − α, con 0 < α < 1

Li y Ls son llamados lı́mites de confianza inferior y superior
respectivamente.
1 − α es denominado nivel de confianza, los valores más
usados de son 0.9, 0.95 y 0.99.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 11 / 36

 Intervalo de Confianza

Intervalo de Confianza Unilateral Inferior

Un intervalo de confianza unilateral inferior del (1 − α) ,100 % para

θ está dado por el intervalo:

Li ≤ θ

donde el lı́mite inferior se elige de tal forma que:

P (Li ≤ θ) = 1 − α

donde:

0<α<1

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 12 / 36

 Intervalo de Confianza

Intervalo de Confianza Unilateral Superior

Un intervalo de confianza unilateral superior del (1 − α) ,100 % para

θ está dado por el intervalo:

θ ≤ Ls

donde el lı́mite superior se elige de tal forma que:

P (θ ≤ Ls ) = 1 − α

donde:

0<α<1

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 13 / 36

 Intervalo de Confianza conocida

Intervalo de confianza para la media: varianza

conocida o n ≥ 30

Supuestos:
Suponga que se tiene una población con distribución normal,
con media desconocida µ y varianza conocida σ 2
Se desea estimar con un intervalo de confianza al
(1 − α) ,100 % .
Se toma una muestra aleatoria de tamaño n de la población.
Las observaciones de la muestra son x1 , x2 , . . . , xn .
x̄ es la media muestral.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 14 / 36

 Intervalo de Confianza conocida

Intervalo de confianza para la media: varianza

conocida o n ≥ 30

Si x̄ es la media muestral de una muestra aleatoria de tamaño n de

una población con varianza conocida σ 2 , un intervalo de confianza
para µ del (1 − α) ,100 % está dado por:
σ σ
x̄ − Z1− α2 √ ≤ µ ≤ x̄ + Z1− α2 √
n n


Donde Z1− α2 es tal que P −Z1− α2 ≤ Z ≤ Z1− α2 = 1 − α

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 15 / 36

 Intervalo de Confianza conocida

Intervalo de confianza para la media: varianza

conocida o n ≥ 30

Nota: La expresión anterior ofrece buenos resultados cuando la

muestra se toma de una población normal o si se tiene una muestra
grande (n ≥ 30) sin importar la distribución de la cual proviene la
muestra.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 16 / 36

 Intervalo de Confianza conocida

Intervalo de confianza para la media: varianza

conocida o n ≥ 30

Ejemplo: Una empresa de material eléctrico fabrica bombillas de

luz que tiene una distribución de forma normal, con una desviación
estándar de 40 horas. Si una muestra de 30 bombillas tiene una
duración promedio de 780 horas, encuentre un intervalo de confian-
za del 95 % para la media poblacional de todas las bombillas que
produce la empresa.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 17 / 36

 Intervalo de Confianza conocida

Intervalo de confianza para la media: varianza

conocida
solución
Se tiene que σ = 40, x̄ = 780, n = 30, (1 − α) ,100 % = 95 %,
Z1− α2 = 1,96
Luego el intervalo de confianza del 95 % para la duración promedio
está dado por:
σ σ
x̄ − Z1− α2 √ ≤ µ ≤ x̄ + Z1− α2 √
n n

40 40
780 − 1,96 √ ≤ µ ≤ 780 + 1,96 √
30 30
765,69 ≤ µ ≤ 794,31
Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 18 / 36
 Intervalo de Confianza conocida

Intervalos de confianza unilaterales: varianza

conocida

Intervalo de confianza unilateral superior:

El intervalo de confianza unilateral superior del (1 − α) ,100 % para
µ es:
σ
µ ≤ x̄ + Z1−α √
n
Intervalo de confianza unilateral inferior:
El intervalo de confianza unilateral inferior del (1 − α) ,100 % para
µ es:
σ
x̄ − Z1−α √ ≤ µ
n

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 19 / 36

 Intervalo de Confianza conocida

Tamaño de muestra

Si x̄ se usa como estimación de µ, podemos tener (1 − α) ,100 %

de confianza de que el error no excedará una cantidad especifica 
cuando el tamaño de muestra sea:
Z1− α2 σ 2
 
n=


Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 20 / 36

 Intervalo de Confianza conocida

Tamaño de muestra

Ejemplo: ¿De que tamaño se necesita una muestra en el ejercicio

anterior si se desea tener un 95 % de confianza de que la media
muestral no difiera en más de 10 horas de la media real?
solución:
Tenemos que:

(1 − α) ,100 % = 95 %⇒ Z1− α2 = 1,96,  = 10, σ = 40

Luego:
2 2
Z1− α2 σ
 
1,96 × 40
n= = = 61,46 ≈ 62
 10

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 21 / 36

 Intervalo de Confianza desconocida.

Intervalo de confianza para la media: varianza

desconocida

Supuestos:
Suponga que se tiene una población con distribución normal,
con media desconocida µ y varianza desconocida σ 2
Se desea estimar con un intervalo de confianza al
(1 − α) ,100 % .
Se toma una muestra aleatoria de tamaño n de la población.
Las observaciones de la muestra son x1 , x2 , . . . , xn .
x̄ es la media muestral.
S la desvición estándar muestral

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 22 / 36

 Intervalo de Confianza desconocida.

Intervalo de confianza para la media: varianza

desconocida

Si x̄ y S es la media y la desviación estándar de una muestra alea-

toria de tamaño n (n < 30) de una población con varianza desco-
nocida σ 2 , un intervalo de confianza para µ del (1 − α) ,100 % está
dado por:
S S
x̄ − t(1− α , n−1) √ ≤ µ ≤ x̄ + t(1− α , n−1) √
2 n 2 n
Donde t(1− α , n−1) es el percentil de la distribución t, con n − 1
2
grados de libertad que deja por debajo de él un área 1 − α2 .

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 23 / 36

 Intervalo de Confianza desconocida.

Intervalo de confianza para la media: varianza

desconocida

Ejemplo: Se llevan a cabo pruebas con la resistencia a la com-

presión del concreto. Para ello se examinan 12 espécimenes y se
obtiene los siguientes datos:

2216 2237 2249 2204

2225 2301 2281 2263

2318 2255 2275 2295

Construya un intervalo de confianza del 95 % para la resistencia

promedio.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 24 / 36

 Intervalo de Confianza desconocida.

Intervalo de confianza para la media: varianza

desconocida
solución:
De los datos proporcionados se tiene que:

x̄ = 2259,91, S = 35,56, n = 12, t(1− α , n−1) = t(0,975,11) = 2,2

2

Luego el intervalo de confianza deseado es:

S S
x̄ − t(1− α , n−1) √ ≤ µ ≤ x̄ + t(1− α , n−1) √
2 n 2 n

35,56 35,56
2259,91 − 2,2 × √ ≤ µ ≤ 2259,91 + 2,2 × √
12 12
2237,31 ≤ µ ≤ 2282,52
Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 25 / 36
 Intervalo de Confianza desconocida.

Tabla de Percentiles de la distribución t de

Student

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 26 / 36

 Intervalo de Confianza desconocida.

Intervalos de confianza unilaterales: varianza

desconocida
Intervalo de confianza unilateral superior:
El intervalo de confianza unilateral superior del (1 − α) ,100 % para
µ es:
S
µ ≤ x̄ + t(1−α, n−1) √
n
Intervalo de confianza unilateral inferior:
El intervalo de confianza unilateral inferior del (1 − α) ,100 % para
µ es:
S
x̄ − t(1−α, n−1) √ ≤ µ
n

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 27 / 36

 Intervalo de Confianza desconocida.

Intervalo de confianza para la media de una

muestra grande

Con mucha frecuencia los estadı́sticos recomiendad que aun cuando

no se pueda suponer normalidad, con σ desconocida y n ≥ 30, S
puede reemplazar a σ y utilizar el intervalo de confianza:
S S
x̄ − Z1− α2 √ ≤ µ ≤ x̄ + Z1− α2 √
n n
Por lo general, éste se denomina como intervalo de confianza de
muestra grande. De igual forma se puede proceder para intervalos
de confianza unilaterales.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 28 / 36

 Intervalo de Confianza Intervalo de confianza para la proporción π

Intervalo de confianza para la proporción π

Si X es el número de éxitos en n ensayos tipo Bernoulli con probabi-

lidad de éxito π, entonces un intervalo de confianza al (1 − α) 100 %
para π está dado por:
r r
p (1 − p) p (1 − p)
p − Z1− α2 ≤ π ≤ p + Z1− α2
n n
Donde
X Número exitos en la muestra
p= n
= Número de ensayos

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 29 / 36

 Intervalo de Confianza Intervalo de confianza para la proporción π

Intervalo de confianza para la proporción π

Ejemplo:
Un fabricante asegura, a una compañı́a que le compra un producto
en forma regular, que el porcentaje de productos defectuosos no es
mayor que 5 %. La compañı́a decide comprobar la afirmación del fa-
bricante seleccionando, de su inventario, 200 unidades del producto
y probándolas. Si encontraron 19 defectuosas, estime la verdadera
proporción de defectuosos con un intervalo de confianza al 95 %. ¿
se debe creer en la afirmación del fabricante?

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 30 / 36

 Intervalo de Confianza Intervalo de confianza para la proporción π

Intervalo de confianza para la proporción π

Solución:
Se tiene que X = 19, n = 200, p = X 19
n = 200 = 0,095, 1 − α = 0,95⇒ Z1− 2 =
α

1,96, ası́:
r r
p (1 − p) p (1 − p)
p − Z1− α2 ≤ π ≤ p + Z1− α2
n n
r r
0,095 (1 − 0,095) 0,095 (1 − 0,095)
0,095 − 1,96 ≤ π ≤ 0,095 + 1,96
200 200

0,0544 ≤ π ≤ 0,1356

Estamos 95 % confiados que el porcentaje de defectuosos está entre un 5.44 %

y un 13.56 %. Nótese que el intervalo está por encima del 5 % (no contiene a 5)
por lo tanto debemos sospechar que la proporción de defectuosos producidos
es mayor que 5 %.
Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 31 / 36
 Intervalo de Confianza Intervalo de confianza para la proporción π

Intervalos de confianza unilaterales para la

proporción π

Intervalo de confianza unilateral superior:

El intervalo de confianza unilateral superior del (1 − α) ,100 % para
π es:
q
π ≤ p + Z1−α p(1−p)n

Intervalo de confianza unilateral inferior:

El intervalo de confianza unilateral inferior del (1 − α) ,100 % para
π es:
q
p − Z1−α p(1−p)n
≤π

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 32 / 36

 Intervalo de Confianza Intervalo de confianza para la proporción π

Tamaño de muestra para estimación de la

proporción π
Teorema 1: Si p se utiliza como una estimación de π podemos
tener una confianza de (1 − α) ,100 % de que el error será menor
que una cantidad especı́fica  cuando el tamaño de la muestra sea
aproximadamente
2
Z1− α p (1 − p)
2
n=
2
Teorema 2: Si p se utiliza como una estimación de π podemos
tener una confianza de al menos (1 − α) ,100 % de que el error no
excederá una cantidad especı́fica  cuando el tamaño de la muestra
sea
2
Z1− α
2
n=
42
Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 33 / 36
 Intervalo de Confianza Intervalo de confianza para la proporción π

Tamaño de muestra para estimación de la

proporción π

Ejemplo:
Para efectos de control de calidad, los cascos utilizados por moto-
ciclistas y conductores se someten a pruebas de impacto.
1 Una muestra preliminar de 50 cascos 18 no superan una
prueba de impacto. Usando esta información ¿cuántos cascos
deben probarse para tener una confianza del 95 % de que el
error al estimar el verdadero valor de sea máximo 0.02?
2 ¿ De qué tamaño debe ser la muestra si se desea tener una
confianza del 95 % de que el error al estimar sea máximo 0.02
sin importar el verdadero valor de π?

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 34 / 36

 Intervalo de Confianza Intervalo de confianza para la proporción π

Tamaño de muestra para estimación de la

proporción π

Solución:
X 18
1. Se tiene que n1 = 50, X = 18, p = n1
= 50
= 0,36, 1 − α =
0,95 ⇒ Z1− α2 = 1,96,  = 0,02
Luego:
2
Z1− α p (1 − p)
2
n=
2
2
1,96 × 0,36 × (1 − 0,36)
=
0,022
= 2212,762 ≈ 2213

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 35 / 36

 Intervalo de Confianza Intervalo de confianza para la proporción π

Tamaño de muestra para estimación de la

proporción π

2. En este caso se tiene  = 0,02, Z1− α2 = 1,96 y como no tenemos

información sobre π (no se cuenta con una muestra piloto)
2
Z1− α 1,962
2
n= = = 2401
42 4 × 0,022

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 36 / 36

 Bibliografı́a

Referencias I

Montgómery, D. (2003). Probabilidad y Estadı́stica aplicadas a la

Ingenierı́a. EDITORIAL LIMUSA.
RONALD E. WALPOLE, R. (Novena edición, 2012). Probabilidad y
estadı́stica para ingenierı́a y ciencias. PEARSON EDUCACIÓN,
México.
Webster, A. (2000). Estadı́stica aplicada a los negocios y la eco-
nomı́a. Bradley University.

Jorge A. Barón (Unicórdoba) ESTADÍSTICA INFERENCIAL 37 / 36