PROBABILIDAD Y ESTADSTICA BSICA PARA INGENIEROS

10

ICM ESPOL

ESTADSTICA INFERENCIAL

La Estadstica Inferencial proporciona las tcnicas para formular proposiciones acerca de la

poblacin, incluyendo una medida para determinar el riesgo de la afirmacin.

10.1 INFERENCIA ESTADSTICA

Una inferencia estadstica es una afirmacin que se hace acerca de la poblacin en base a la
informacin contenida en una muestra aleatoria tomada de esta poblacin.
Debido a la naturaleza aleatoria de los datos obtenidos en la muestra, hay un riesgo en la
certeza de la afirmacin propuesta, y es necesario cuantificar el valor de este riesgo.
Un estimador es una variable aleatoria cuyas propiedades permiten estimar el valor del
parmetro poblacional de inters. La muestra aleatoria proporciona nicamente un valor de esta
variable y se denomina estimacin puntual.
Para estimar al parmetro poblacional, es posible definir ms de un estimador, por ejemplo para
a la media poblacional pueden elegirse la mediana muestral X
o la media muestral X .
Cada uno tiene sus propias caractersticas, por lo tanto, es necesario establecer criterios para
elegirlo.
Sean

: Parmetro poblacional de inters (Ej. )

: Estimador (Ej. X )
: Estimacin puntual de (Ej. x )

(Valor desconocido)
(Variable aleatoria)
(Un valor del estimador)

Distribucin muestral
del estimador

El estimador es una
variable aleatoria

Valor del estimador, o estimacin

puntual, obtenido con la muestra

La intuicin sugiere que el estimador debe tener una distribucin muestral concentrada alrededor
del parmetro y que la varianza del estimador debe ser la menor posible. De esta manera, el
valor que se obtiene en la muestra ser cercano al valor del parmetro y ser til para estimarlo.

10.2 MTODOS DE INFERENCIA ESTADSTICA

Sean

: Parmetro poblacional de inters (Ej. )

: Estimador (Ej. X )
: Estimacin puntual de (Ej. x )

(Valor desconocido)
(Variable aleatoria)
(Un valor del estimador)

10.2.1 ESTIMACIN PUNTUAL

Se trata de determinar la distancia, o error mximo entre la estimacin puntual

y el valor del

que se desea estimar, con algn nivel de certeza especificado.

| |

parmetro

188

Ing. Luis Rodrguez Ojeda, MSc.

PROBABILIDAD Y ESTADSTICA BSICA PARA INGENIEROS

ICM ESPOL

10.2.2 ESTIMACIN POR INTERVALO

Con el valor del estimador se construye un intervalo que contenga al valor del parmetro
que se desea estimar, con algn nivel de certeza especificado.

Li Ls
En donde Li y Ls son los lmites inferior y superior del intervalo

10.2.3 PRUEBA DE HIPTESIS

Se formula una hiptesis acerca del parmetro asignndole un valor supuesto 0 y con el valor
del estimador se realiza una prueba para aceptar o rechazar la hiptesis propuesta con
algn nivel de certeza especificado.
Hiptesis propuesta: = 0

10.3 PROPIEDADES DE LOS ESTIMADORES

Las siguientes definiciones establecen las caractersticas deseables de los estimadores
Sean

: Parmetro poblacional que se desea estimar.

: Estimador

Definicin 1: Estimador insesgado

Se dice que el estimador es un estimador insesgado del parmetro
si E() =
Un estimador insesgado es aquel cuya media o valor esperado coincide con el parmetro que se
quiere estimar.

En el grfico se observa que 1 es un estimador insesgado del parmetro pues E(1) = .

En cambio, 2 no es un estimador insesgado del parmetro pues E(2 ) .
Debido a lo anterior, es mas probable que una estimacin puntual de 1 est ms cercana al
parmetro , que una estimacin puntual de 2

189

Ing. Luis Rodrguez Ojeda, MSc.

Ejemplo. La media muestral X es un estimador insesgado del parmetro (media poblacional)

Demostracin:
1 n

1 n 1
1
n

E( X ) = E xi = E [ xi ] = = n =
n
n
n
i=1
ni=1

i=1
Definicin 2: Estimador ms eficiente
Se dice que un estimador 1 es ms eficiente que otro estimador 2 si
ambos son insesgados y adems V(1) < V(2)
Un estimador es ms eficiente si tiene menor varianza.

En el grfico se observa que 1 es un estimador ms eficiente del parmetro , que el estimador

2 pues ambos son insesgados pero la varianza de 1 es menor que la varianza de 2. Por lo
tanto, es mas probable que una estimacin puntual de 1 est ms cercana al valor de , que
una estimacin puntual de 2
Definicin 3: Estimador consistente
Se dice que un estimador es un estimador consistente del parmetro
si es un estimador insesgado de y lim V() = 0
n

Ejemplo. La media muestral X es un estimador consistente de

Demostracin:
V( X ) =

=0
n n
lim

Definicin 4: Sesgo de un estimador

El sesgo B de un estimador est dado por
B = E()
Es la diferencia entre el valor esperado del estadstico y el valor del parmetro.
De acuerdo con la definicin anterior, el sesgo de un estimador insesgado es cero pues
E(1) = .

Definicin 5: Error cuadrtico medio (ECM)

Es el valor esperado del cuadrado de la diferencia entre el estimador
y el parmetro :
2
ECM() = E[ ]
Si se desarrolla el cuadrado y se sustituye la definicin de varianza y de sesgo se obtiene:
2

ECM() = V() + [E() ] = V() + B

Esta definicin resume las caractersticas deseables de un estimador: su varianza debe ser
mnima y su distribucin de muestreo debe estar concentrada alrededor del parmetro que es
estimado, es decir el sesgo debe ser mnimo.

Ejemplo
Pruebe que la varianza muestral es un estimador insesgado de la varianza poblacional si se
2
toma una muestra de tamao n de una poblacin normal con media y varianza
Sea

S =

1 n
2
2
2
(xi x) . Se tiene que probar que E(S ) =

n 1 i=1

Primero expresamos la varianza muestral en una forma conveniente

2

S =
x)

(x
i

n 1i=1

n
n
2
2
1 n 2
1
2 2x

2x
x
+
x
)
=
(
xi + x )

i
= n 1 (x i
n1
xi
i=1

i=1

i=1

i=1

n
1
2
2
2
2
1
1
2
( 2i nx2 )
= n 1( x i 2x(nx) + nx ) =

2nx
(
+
nx
)
=
i=1
x n i=1
1
x n 1i=1

Con la definicin de valor esperado

n
1
2
2
E(S ) = E[
(
X
n 1 i=1

2
1 n
2
2
nX )] =
) nE(X )]
[ E(X
n1
i=1
2

Cada variable Xi proviene de la misma poblacin con varianza y media

2xi = 2

2
2
2
2
= E(X
i ) E (X i ) = E(X i )

E(Xi2 ) = 2 + 2

La media muestral es una variable aleatoria con media y varianza /n

2
2x

= E(X ) E (X) = E(X )

n

E(X ) =

Se sustituyen en la definicin anterior con lo cual se completa la demostracin

2

1 n
1
2
2
2
2
2
2
E(S ) =
( ( + ) n(
+ )) =
(n
+ n
1)
=n)
=
(n
n 1 i=1
n1
2
=
2

n1

Ejemplo
Se tiene una poblacin de tamao N = 6 definida por:

{1, 2, 3, 3, 4, 5}

a) Calcule la media de la poblacin

2
b) Calcule la varianza de la poblacin
c) Especifique cuales son todas las muestras de tamao n = 3 que se pueden obtener
d) Determine la distribucin de la media muestral
e) Determine la distribucin de la mediana muestral
f) Verifique que la media muestral es un estimador insesgado
g) Verifique si la mediana muestral es un estimador insesgado
h) Verifique que la media muestral es un estimador mas eficiente que la mediana muestral
Solucin
a) Calcule la media de la poblacin
De la poblacin especificada se deduce que la distribucin de probabilidad es:
1/6, x = 1, 2, 4,
5
=
2 / 6,
x =f(x)
3 = P(X = x)
0,
otro x

xf(x) = 1(1/6) + 2(1/6) + 3(2/6) + 4(1/6) + 5(1/6) = 3

b) Calcule la varianza de la poblacin

2
= E(X2) E2(X)
2
2
2
2
2
2
2
E(X ) = x f(x) = 1 (1/6) + 2 (1/6) + 3 (2/6) + 4 (1/6) + 5 (1/6) = 32/3
2

= 32/3 32 = 5/3
c) Especifique cuales son todas las muestras de tamao n = 3 que se pueden obtener
Cantidad de muestras de tamao 3
N 6
6!
=
=
(Las muestras son combinaciones)

= 20
n 3 3! 3!
Muestras
(1, 2, 3)
(1, 2, 4)
(1, 2, 5)
(1, 3, 3)
(1, 3, 4)
(1, 3, 5)
(1, 4, 5)
(2, 3, 3)
(2, 3, 4)
(2, 3, 5)
(2, 4, 5)
(3, 3, 4)
(3, 3, 5)
(3, 4, 5)
Total

Cantidad
2 (1)
1
1
1
2
2
1
1
2
2
1
1
1
2
20

Media muestral
x
6/3
7/3
8/3
7/3
8/3
9/3
10/3
8/3
9/3
10/3
11/3
10/3
11/3
12/3

Mediana muestral
x
2
2
2
3
3
3
4
3
3
3
4
3
3
4

(1) La cantidad de formas diferentes de tomar un elemento 1, existiendo solamente uno en la

poblacin, un elemento 2, existiendo solamente uno en la poblacin, y un elemento 3, del cual
existen dos en la poblacin es:
1 1 2
1 1 1 = 2 , etc

Las muestras son combinaciones, por lo tanto el orden de los elementos no es de inters.
d) Determine la distribucin de probabilidad de la media muestral X
Media m
uestral
x
6/3
7/3
8/3
9/3
10/3
11/3
12/3
Total

f( x ) = P(X = x)
2/20
2/20
4/20
4/20
4/20
2/20
2/20
1

e) Determine la distribucin de probabilidad de la mediana muestral Xi

Mediana muestral
x
2
3
4
Total

f( x ) = P(Xi = x
)
4/20
12/20
4/20
1

f) Verifique que la media muestral es un estimador insesgado de

X = E(X) =
E(X) = 3 =

x f(x) = (6/3)(2/20) + (7/3)(2/20) + . . . + (12/3)(2/20) = 3

X es un estimador insesgado de

g) Verifique si la mediana muestral es un estimador insesgado de

i = E(Xi
) X=

E(Xi ) = 3 =
Xi

x f(x ) = 2(4/20) + 3(12/20) + 4(4/20) = 3

es un estimador insesgado de

Nota: La media muestral es un estimador insesgado de , pero la mediana lo es nicamente

cuando la distribucin de probabilidad de la variable X es simtrica:

Diagrama de barras de la variable aleatoria X

h) Verifique que la media muestral es un estimador ms eficiente que la mediana
muestral
Se deben comparar las varianzas de los estimadores X y

Xi

2X = V(X) = E(X ) E 2 (X)

2

E(X ) =

x f(x) =(6/3)2 (2/20) + (7/3)2 (2/20) + . . . + (12/3)2 (2/20) = 9.333

V(X) = 9.333 3 = 0.333

2
2Xi = V(Xi ) = E(Xi ) E 2 (Xi )
2
E(Xi ) =

f(x ) = 2 (4/20) + 3 (12/20) + 4 (4/20) = 47/5

x
2
V(Xi ) = 47/5 3 = 0.4

V(X) < V(Xi ) La media muestral X es un estimador ms eficiente que la mediana

muestral Xi para estimar a la media poblacional

EJERCICIOS
1) Suponga que se tiene una poblacin cuyos elementos son: { 3, 4, 4, 6} de la cual se toman
muestras de tamao 2.
a) Escriba el conjunto de todas las muestras de tamao 2 que se pueden obtener con los
elementos de la poblacin dada.
b) Grafique el histograma de frecuencias de la media muestral
c) Determine la distribucin de probabilidad de la media muestral
d) Demuestre que la media muestral es un estimador insesgado de la media poblacional.

2) Si se toma una muestra de tamao n = 3 de una poblacin cuya distribucin de probabilidades

est dada por
1
x,
x = 1, 2,3, 4

f(x) =
0,
otro x
Determine si la mediana muestral es un estimador ms eficiente de la media poblacional que la
media muestral
Sugerencia: Asocie la distribucin de probabilidad de la variable aleatoria X a la siguiente
poblacin: { 1, 2, 2, 3, 3, 3, 4, 4, 4, 4 } y liste todas las muestras de tamao 3

MATLAB
Estudio de estimadores de la media poblacional
>> x=[1 2 3 3 4 5];
>> format rat
>> mu = mean(x)
mu =
3
>> sigma2 = var(x, 1)
sigma2 =
5/3
>> muestras=combnk(x,3)
muestras =
3 4 5
3 4 5
3 3 5
3 3 4
2 4 5
2 3 5
2 3 4
2 3 5
2 3 4
2 3 3
1 4 5
1 3 5
1 3 4
1 3 5
1 3 4
1 3 3
1 2 5
1 2 4
1 2 3
1 2 3

Poblacin
Formato para ver nmeros racionales
Media poblacional

>> n=length(muestras)
n=
20
>> medias = mean(muestras' )
medias =
4
4
11/3
10/3
10/3
3
8/3
3

Cantidad de muestras de tamao 3

Varianza poblacional. (Se escribe var(x)

para varianza de una muestra)
Lista de las muestras de tamao 3

Lista de las medias de las 20 muestras

11/3
8/3

10/3
7/3

3
8/3

10/3
7/3

3
2

8/3
2

>> medianas = median(muestras' )

medianas =
4
4
3
3
4
3
3
3
>> mmedias = mean(medias)
mmedias =
3
>> mmedianas=mean(medianas)
mmedianas =
3
>> vmedias =var(medias', 1)
vmedias =
1/3
>> vmedianas=var(medianas', 1)
vmedianas =
2/5

Lista de las medianas de las 20 muestras

4
3

3
3

3
2

3
2

3
2

3
2

Media de las medias muestrales

(estimador insesgado)
Media de las medianas muestrales
Coincide con la media poblacional
varianza de la media muestral

Varianza de la mediana muestral

La varianza de la mediana muestral es mayor a la varianza de la media muestral, por lo tanto, la

media muestral es un estimador ms eficiente de la media poblacional

PROBABILIDAD Y ESTADSTICA BSICA PARA INGENIEROS

ICM ESPOL

10.4 INFERENCIAS RELACIONADAS CON LA MEDIA

10.4.1 ESTIMACIN PUNTUAL DE LA MEDIA
Caso: Muestras grandes (n 30)
Parmetro:
(Es la medida poblacional cuyo valor se desea estimar)
2
Poblacin con distribucin desconocida, varianza
Estimador: X (Media muestral, se usa para estimar al parmetro)
2
1 n
X2 =
X =
X = Xi ,
n
Media:
Varianza:
n i=1
Siendo la muestra grande, por el teorema del lmite central, el estadstico
X
Z=
, es una variable con distribucin normal estndar aproximadamente
/ n

Definicin:

es el valor de la variable Z en la distribucin normal estndar tal que el rea

a la derecha debajo de f(z) es igual a un valor especificado

: P(Z z) =

.
f(z)

Ejemplo
Encuentre
P(Z

z0.01

z0.01) = 0.01 P(Z z0.01) = 0.99 F(z0.01) = 0.99

z0.01 = 2.33

(Con la tabla de la distribucin normal estndar)

ALGUNOS VALORES DE USO FRECUENTE QUE CONVIENE RECORDAR

z0.1
z0.05
z0.025
z0.01
z0.005

197

=
=
=
=
=

1.28
1.645
1.96
2.33
2.575

Ing. Luis Rodrguez Ojeda, MSc.

FRMULA PARA ESTIMACIN PUNTUAL DE LA MEDIA

Consideremos la distribucin normal estndar separando el rea en tres partes. La porcin
central con rea o probabilidad 1 - , y dos porciones simtricas a los lados con rea o
probabilidad /2 cada una, siendo un valor especificado

Por la definicin de probabilidad, se puede escribir:

P(-z/2 Z z/2) = 1 -
Es equivalente a decir que la desigualdad
- z/2 Z z/2
se satisface con probabilidad 1

O equivalentemente:

| Z | z/2

se satisface con probabilidad 1

Como se supone que la muestra es grande, por el teorema del lmite central
X
Z=
,
tiene distribucin normal estndar aproximadamente
/ n
Sustituyendo en la desigualdad se obtiene:
X
|
| z/2
con probabilidad 1 -
/ n

De donde | X - | z/2
con probabilidad 1 -

.
|X
X

n
| es el error en la estimacin del parmetro

Definicin: Estimacin puntual de la media,

E = z/2

mediante

n 30

es el mximo error en la estimacin con probabilidad 1

mediante X con una muestra de tamao n30, entonces se

puede afirmar con una confianza de 1 - que el mximo error no exceder de z/2
n
Es decir que si se estima

NOTA: Si se desconoce la varianza poblacional

2
varianza muestral S , siempre que n 30

se puede usar como aproximacin la

Ejemplo
Se ha tomado una muestra aleatoria de 50 artculos producidos por una industria y se obtuvo
que el peso de la media muestral fue 165 gr. con una desviacin estndar de 40 gr. Encuentre
el mayor error en la estimacin de la media poblacional, con una confianza de 95%.

Parmetro:
Estimador: X
n30: muestra grande
1

- = 0.95 /2 = 0.025 Z0.025 = 1.96

2

S S = 40
E = z/2

= 1.96 (

40
50

) = 11.08 gr.

Conclusin
Se puede afirmar con una confianza de 95% que al usar la media muestral para estimar
a la media poblacional el error no exceder en mas de 11.08 gr.
.

10.4.2 TAMAO DE LA MUESTRA

La frmula anterior tambin se puede usar para estimar el tamao de la muestra para que el
error en la estimacin no exceda a cierto valor con una probabilidad especificada
Definicin: Tamao de la muestra, n 30
Tamao de la muestra para que con probabilidad 1 exceda al valor especificado E

n = Z / 2
E

el mximo error en la estimacin no

Se obtiene directamente de la frmula anterior:

Ejemplo
Se conoce que la varianza de una poblacin es 20. Determine cual debe ser el tamao de la
muestra para que el error mximo en la estimacin de la media poblacional mediante la media
muestral no exceda de 1 con una probabilidad de 99%
Solucin
1 - = 0.99 Z/2 = Z0.005 = 2.575
= 20 = 4.4721
E=1
2

4.4721

n = Z / 2
= 2.575
= 132.6 n 133
E

1

Conclusin
Debe usarse una muestra de tamao 133

EJERCICIOS
1) Calcule Z0.025
2) La media de la presin sangunea de 40 mujeres de edad avanzada es 140. Si estos datos
se pueden considerar como una muestra aleatoria de una poblacin cuya desviacin estndar
es 10, encuentre, con una confianza de 95%, el mayor error en la estimacin de la media

poblacional.

10.4.3 ESTIMACIN POR INTERVALO

Caso: Muestras grandes (n 30)
Parmetro:
(Es la medida poblacional cuyo valor se desea
2
estimar) Poblacin con distribucin desconocida, varianza
Estimador: X (Media muestral, se usa para estimar al parmetro)
2
1 n
X2 =
X =
X = Xi ,
n
Media:
Varianza:
n i=1
Siendo la muestra grande, por el teorema del lmite central, el estadstico
X
Z=
, es una variable con distribucin normal estndar aproximadamente
/ n

FRMULA PARA ESTIMACIN POR INTERVALO PARA LA MEDIA

Consideremos la distribucin normal estndar separando el rea en tres partes. La porcin

central con rea o probabilidad 1 - , y dos porciones simtricas a los lados con rea o
probabilidad /2 cada una, siendo un valor especificado

Por la definicin de probabilidad, se puede escribir:

P(-z/2 Z z/2) = 1 -
Es equivalente a decir que la desigualdad
- z/2 Z z/2
se satisface con probabilidad 1

O equivalentemente:

| Z | z/2

se satisface con probabilidad 1

Como se supone que la muestra es grande, por el teorema del lmite central
X
Z=
,
tiene distribucin normal estndar aproximadamente
/ n
Sustituyendo se obtiene:
X
- z/2 / z/2 con probabilidad 1 -
n
De donde al despejar el parmetro de inters se tiene,
X-

z/2

X + z/2
n

, con

probabilidad 1 -

Definicin: Estimacin por intervalo para la media

Intervalo de confianza para con nivel 1 - , con una muestra de tamao

X + z/2
X - z/2
n
n
Los valores extremos se denominan lmites de confianza

n 30,

Ejemplo
Se ha tomado una muestra aleatoria de 50 artculos producidos por una industria y se obtuvo
que la media muestral del peso de los artculos fue 165 gr. con una desviacin estndar de 40
gr. Encuentre un intervalo para la media poblacional, con un nivel de confianza de 98%.
Parmetro:
Estimador: X
n 30: muestra grande

= 0.98 /2 = 0.01 Z0.01 = 2.33

S2 S = 40
12

X-

z/2 X + z/2

n
n
Sustituimos los datos
40
40
165 - 2.33
165 + 2.33
50
50
151.8

178.1

Conclusin
Se puede afirmar con una confianza de 98% que la media poblacional se encuentra
entre 151.8 y 178.1 gr.

10.4.4 INTERVALOS DE CONFIANZA UNILATERALES

Caso: Muestras grandes (n 30)
Parmetro:
(Es la medida poblacional cuyo valor se desea
2
estimar) Poblacin con distribucin desconocida, varianza
Estimador: X (Media muestral, se usa para estimar al parmetro)
FRMULA PARA ESTIMACIN POR INTERVALOS UNILATERALES
Con referencia a la distribucin normal estndar:

En forma similar al caso considerado para el intervalo de confianza bilateral, se pueden obtener
frmulas para intervalos de confianza unilaterales que contengan a la media con una
probabilidad especificada
Definicin: Estimacin por intervalo para la media
Intervalo de confianza para
30,

X + z
n

X - z
n

con nivel 1 - , con una muestra de tamao n

Intervalo de confianza unilateral inferior
Intervalo de confianza unilateral superior

EJERCICIOS
1) De una poblacin con distribucin desconocida se tom una muestra aleatoria de tamao 40
y se obtuvo una media de 65.2 y una desviacin estndar de 16. Construya un intervalo de
confianza de 90% para la media poblacional.
2) Un fabricante de pinturas desea determinar el tiempo promedio de secado de una nueva
pintura. En 36 pruebas realizadas obtuvo un tiempo de secado medio de 64.2 minutos con una
desviacin estndar de 8.5 minutos. Construya un intervalo de confianza unilateral inferior de
95% para la media del tiempo de secado de la nueva pintura.

MATLAB
Obtencin de intervalos de confianza para la media, n 30
Se pueden calcular intervalos de confianza usando la funcin inversa de la distribucin normal
>> p = [0.01, 0.99];
>> x = norminv(p, 165, 40/sqrt(50))
x=
151.8402 178.1598

Intervalo de confianza bilateral

1 - = 98%, X = 165, S = 40, n = 50

>> p = [0, 0.98];

>> x = norminv(p, 165, 40/sqrt(50))
x=
-Inf 176.6178

Intervalo de confianza unilateral inferior

1 - = 98%, X = 165, S = 40, n = 50

>> p = [0.02, 1];

>> x = norminv(p, 165, 40/sqrt(50))
x=
153.3822
Inf

Intervalo de confianza unilateral superior

1 - = 98%, X = 165, S = 40, n = 50

10.4.5 ESTIMACIN PUNTUAL DE LA MEDIA

Caso: Muestras pequeas (n<30)
Parmetro:
(Es la medida poblacional cuyo valor se desea estimar)
2
Poblacin con distribucin normal, varianza desconocida
Estimador: X (Media muestral, se usa para estimar al parmetro)
Para realizar inferencias se usa una variable aleatoria con distribucin T
X
T=
, con = n 1 grados de libertad
s/ n

FRMULA PARA ESTIMACIN PUNTUAL DE LA MEDIA

Consideremos la distribucin T separando el rea en tres partes. La porcin central con rea o
probabilidad 1 - , y dos porciones simtricas a los lados con rea o probabilidad /2 cada
una, siendo un valor especificado

Por la definicin de probabilidad, se puede escribir:

P(-t/2 T t/2) = 1 -
Es equivalente a decir que la desigualdad
- t/2 T t/2
se satisface con probabilidad 1

O equivalentemente:

| T | t/2

se satisface con probabilidad 1

Como se supone que la muestra es grande, por el teorema del lmite central
X
T=
,
tiene distribucin normal estndar aproximadamente
s/ n
Sustituyendo en la desigualdad se obtiene:
X
|
| t/2
con probabilidad 1 -
s/ n
s
De donde | X - | t/2
con probabilidad 1 - .
n
| X - | es el error en la estimacin del parmetro mediante X
Definicin: Estimacin puntual de la media, n < 30

E = z/2

s
n

es el mximo error en la estimacin con probabilidad 1

 mediante X con una muestra de tamao n < 30, entonces se

s
puede afirmar con una confianza de 1 - que el mximo error no exceder a z/2
n
Es decir que si se estima

Ejemplo
Se ha tomado una muestra aleatoria de 20 artculos producidos por una industria y se obtuvo
que el peso de la media muestral fue 165 gr. con una desviacin estndar de 40 gr. Encuentre
el mayor error en la estimacin de la media poblacional, con una confianza de 95%. Suponga
que la poblacin tiene distribucin normal.
Solucin
Parmetro: , poblacin normal, varianza desconocida
Estimador: X
n <30: muestra pequea
1 = 0.95
E = t/2

s
n

/2 = 0.025 t0.025 = 2.093, con la tabla T

=20 1=19 grados de libertad
40

= 2.093(

20

) = 18.72 gr.

Conclusin
Se puede afirmar con una confianza de 95% que al usar la media muestral para
estimar a la media poblacional, el error no exceder a 18.72 gr.

EJERCICIOS
Un inspector de alimentos examina una muestra aleatoria de 10 artculos producidos por una
fbrica y obtuvo los siguientes porcentajes de impurezas: 2.3, 1.9, 2.1, 2.8, 2.3, 3.6, 1.8, 3.2,
2.0, 2.1. Suponiendo que la poblacin tiene distribucin normal, encuentre el mayor error en la
estimacin de la media poblacional, con una confianza de 95%.

10.4.6 ESTIMACIN POR INTERVALO

Caso n < 30 (Muestras pequeas)
Parmetro:
(Es la medida poblacional cuyo valor se desea
2
estimar) Poblacin con distribucin normal, varianza desconocida
Estimador: X (Media muestral, se usa para estimar al parmetro)
Para realizar inferencias se usa una variable aleatoria con distribucin T
X
T=
, con = n-1 grados de libertad
s/ n
2

NOTA: Si la poblacin tuviese distribucin normal y la varianza poblacional

fuese conocida, la variable aleatoria para realizar inferencias tendra distribucin
normal estndar Z, sin importar el tamao de la muestra.

FRMULA PARA ESTIMACIN POR INTERVALO PARA LA MEDIA

Consideremos la distribucin T separando el rea en tres partes. La porcin central con rea o
probabilidad 1 - , y dos porciones simtricas a los lados con rea o probabilidad /2 cada
una, siendo un valor especificado

Por la definicin de probabilidad, se puede escribir:

P(-t/2 T t/2) = 1 -
Es equivalente a decir que la desigualdad
- t/2 T t/2
se satisface con probabilidad 1
Sustituyendo: T=

X
en la desigualdad
s
n

Se obtiene:
t/2

s
n

t/2 con probabilidad 1 -

De donde al despejar el parmetro de inters se tiene,

s
X t/2
X + t/2 , con probabilidad 1
n
s

Definicin

Intervalo de confianza para con nivel 1

poblacin normal y varianza desconocida,
X-

t/2

s
n

X + t/2
n

- , con n < 30,

Los valores extremos son los lmites de confianza

Ejemplo
De una poblacin con distribucin normal se tom una muestra aleatoria de 4 observaciones
obtenindose: 9.4, 12.2, 10.7, 11.6. Encuentre un intervalo para la media poblacional, con un
nivel de confianza de 90%
Parmetro: , poblacin normal, varianza desconocida
Estimador: X
n<30: muestra pequea
Calculamos la media y varianza muestrales:
X=
2

S=

x =
10.975i n i=1
n

1
xi4=

i=1

(9.4 4+ 12.2 + 10.7 + 11.6) =

1
1
2
(xi x)2 = [(9.4 10.975) + ... ] = 1.4825

n 1 i=1
3
2

S= S =

1.4825 = 1.2176

1 = 0.90

/2 = 0.05 t/2 = t0.05 = 2.353,

(tabla T)
= 4 1 = 3 grados de libertad

Sustitumos los valores en la desigualdad

s
s
X t/2
X + t/2
n
n
Se obtiene
1.2176
1.2176
10.475 2.353
10.475 + 2.353
4
4
9.5425
12.4075

Conclusin
Se puede afirmar con una confianza de 90% que la media poblacional
se encuentra entre 9.5425 y 12.4075

EJERCICIOS
1) De una poblacin con distribucin normal y varianza 225 se tom una muestra aleatoria de
tamao 20 y se obtuvo una media de 64.5. Construya un intervalo de confianza de 95% para
la media poblacional.
2) Un fabricante de pinturas desea determinar el tiempo promedio de secado de una nueva
pintura. En diez pruebas realizadas obtuvo un tiempo de secado medio de 65.2 minutos con
una desviacin estndar de 9.4 minutos. Construya un intervalo de confianza de 95% para la
media del tiempo de secado de la nueva pintura. Suponga que la poblacin es normal.
3) El peso de seis artculos de una muestra aleatoria tomada de la produccin de una fbrica
fueron: 0.51, 0.59, 0.52, 0.47, 0.53, 0.49 kg. Encuentre un intervalo de confianza de 98% para
la media del peso de todos los artculos producidos. Suponga distribucin normal.

MATLAB
Obtencin de intervalos de confianza para la media, n < 30
>> u = [9.4 12.2 10.7 11.6];
Vector conteniendo una muestra de cuatro datos
>> m = mean(u)
Media muestral
m=
10.9750
>> s = std(u)
Desviacin estndar muestral
s=
1.2176
>> ta = tinv(0.95,3)
Valor del estadstico t para = 0.05, = 3
ta =
2.3534
>> x =[m - ta*s/sqrt(4), m+ta*s/sqrt(4)] Intervalo de confianza bilateral para
x=
9.5423 12.4077