Instituto Tecnolgico de Minatitln

Carrera Ingeniera Industrial

Modalidad a Distancia

Estadstica Inferencial I
UNIDAD 2. TEORA DE ESTIMACIN.

ESTADISTICA INFERENCIAL I
UNIDAD 2: TEORA DE ESTIMACIN.
2.1 Introduccin
2.2 Caractersticas de un estimador
2.3 Estimacin puntual
2.4 Estimacin por intervalos
2.4.1 Intervalo de confianza para la media
2.4.2 Intervalo de confianza para la diferencia de medias
2.4.3 Intervalos de confianza para la proporcin
2.4.4 Intervalos de confianza para la diferencia de proporciones
2.4.5 Intervalos de confianza para la varianza
2.4.6 Intervalos de confianza para la relacin de varianzas
2.5 Determinacin del tamao de muestra
2.5.1 Basado en la media de la Poblacin
2.5.2 Basado en la proporcin de la Poblacin
2.5.3 Basado en la diferencia entre las medias de la Poblacin
Competencia especfica a desarrollar
Aplicar los fundamentos de la teora de estimacin en problemas que requieran el
clculo del tamao de la muestra, con los diferentes intervalos de confianza de la
media, proporcin y varianza, que se relacionen con la logstica.
Actividades de Aprendizaje
Proporcionar al estudiante dos situaciones hipotticas de procesos y/o poblaciones
finitas para que en grupo de 2 alumnos, obtengan de dichos procesos, un conjunto
de datos para su anlisis.

Obtener los valores de t, , F y Z de las diferentes distribuciones mustrales.

Obtener los valores de probabilidad en tablas para los diferentes valores de los

estadsticos t, , F y Z
Calcular dado un conjunto de datos los intervalos de confianza, segn proceda, para
la media, diferencia de medias, varianza, proporcin, diferencia de proporciones
varianza y relacin de varianzas.

1 de 11

Instituto Tecnolgico de Minatitln

Carrera Ingeniera Industrial
Modalidad a Distancia

Estadstica Inferencial I
UNIDAD 2. TEORA DE ESTIMACIN.

Interpretar el significado de los intervalos de confianza para: la media, diferencia

de medias, la proporcin, diferencia de proporciones, varianza y relacin de
varianzas.
Dado un conjunto de datos diferenciar la importancia de utilizar estimadores
puntuales y estimadores por intervalos.
Determinar el tamao de la muestra.

11.- FUENTES DE INFORMACIN

DeVore, J. (2005). Probabilidad y Estadstica para Ingeniera y Ciencias. Mxico:
Thomson.
Hines, W. y Montgomery, D. (2003). Probabilidad y Estadstica para Ingeniera y
Administracin. Mxico: CECSA
Montgomery, D. C. y Runger, G. C. (1998). Probabilidad y Estadstica aplicadas a la
Ingeniera. Mxico: McGraw Hill.
Ross, S. M. (2001). Probabilidad y Estadstica para Ingenieros. Mxico: McGraw
Hill.
Salvatore, D., Reagle, D. (2004). Estadstica y econometra. Espaa: Mc Graw-Hill.
Spiegel, M. R. (1992). Manual de Frmulas y Tablas Matemticas. Mxico: McGraw
Hill.
Spiegel, M. R. (1988). Probabilidad y Estadstica. Mxico: McGraw Hill.
Walpole, R. E., Myers, R. H., Myers, S. L. (1999). Probabilidad y Estadstica para
Ingenieros. Mxico: Pearson Prentice Hall.

2.1 INTRODUCCIN
La inferencia estadstica es primordialmente de naturaleza inductiva y llega a
generalizar respecto de las caractersticas de una poblacin valindose de observaciones
empricas de la muestra.
Al utilizar estadsticas muestrales para estudiar un parmetro de la poblacin es
muy normal que ambos sean diferentes y la igualdad entre ambos sea mera coincidencia.
La diferencia entre la estadstica muestral y el correspondiente parmetro de la
poblacin se suele llamar error de estimacin. Solo conoceramos dicho error si se
conociera el parmetro poblacional que por lo general se desconoce. La nica forma de

2 de 11

Instituto Tecnolgico de Minatitln

Carrera Ingeniera Industrial
Modalidad a Distancia

Estadstica Inferencial I
UNIDAD 2. TEORA DE ESTIMACIN.

tener alguna certeza al respecto es hacer todas las observaciones posibles del total de la
poblacin; en la mayora de las aplicaciones prcticas es imposible o impracticable.
El objetivo principal de la estadstica inferencial es la estimacin, esto es que mediante el
estudio de una muestra de una poblacin se quiere generalizar las conclusiones al total de
la misma. Los estadsticos varan mucho dentro de sus distribuciones muestrales, y
mientras menor sea el error estndar de un estadstico, ms cercanos estarn sus valores
unos de otros.
La razn de ser de la inferencia estadstica es la falta de conocimientos sobre las
caractersticas de la poblacin.
Las inferencias estadsticas se hacen por posibilidades o probabilidades Por
ejemplo de la media de una muestra se hacen inferencias sobre la media de la poblacin.
Exactamente no sabemos cul es la diferencia entre ambas. Lo que s sabemos es que es
pequea la probabilidad de que esta diferencia sea mayor que, por ejemplo 3 o 2 errores
estndares.
Una estimacin es un valor especfico observado de un estadstico (estimador). Podemos
hacer dos tipos de estimaciones concernientes a una poblacin: una estimacin de
intervalo y una estimacin puntual.
Una estimacin puntual es un nico valor estadstico y se usa para estimar un parmetro
de poblacin desconocido. El estadstico usado se denomina estimador.
Una estimacin por intervalo es un rango, generalmente de ancho finito, que se espera
que contenga el parmetro poblacional desconocido.

2.2 CARACTERSTICAS DE UN ESTIMADOR

ESTIMADOR
Un estimador es un estadstico (esto es, una funcin de los datos muestrales) usado para
estimar un parmetro desconocido de la poblacin. En pocas palabras, es una frmula que
3 de 11

Instituto Tecnolgico de Minatitln

Carrera Ingeniera Industrial
Modalidad a Distancia

Estadstica Inferencial I
UNIDAD 2. TEORA DE ESTIMACIN.

depende de los valores obtenidos de una muestra, para realizar estimaciones. La media de
la muestra ( ) puede ser un estimador de la media de la poblacin , y la proporcin de
la muestra p se puede utilizar como un estimador de la proporcin de la poblacin P.
A menudo una estimacin puntual (que es un solo valor o nmero que se utiliza para
estimar un parmetro de poblacin desconocido) es insuficiente debido a que solo se
tienen dos opciones: es correcta o est equivocada. Se estara haciendo una estimacin
puntal si por ejemplo, un jefe de departamento de una universidad afirmara: Nuestros
datos actuales indican que en la materia de matemticas tendremos 350 estudiantes el
siguiente semestre".

Propiedades.
Antes de utilizar un estadstico muestral como estimador puntual, se verifica si el
estimador puntual tiene ciertas propiedades que corresponden a un buen estimador
puntual.
Como hay distintos estadsticos mustrales que se usan como estimadores puntuales de
sus correspondientes parmetros poblacionales, se usar la notacin general siguiente:

= Es el parmetro poblacional de inters.

= Es el estadstico muestral o estimador puntual de .
En esta notacin es la letra griega theta y la notacin
se lee theta sombrero. En
general representa cualquier parmetro poblacional como, por ejemplo, la media
poblacional, la desviacin estndar poblacional, etc.;
representa el correspondiente
estadstico muestral, por ejemplo la media muestral, la desviacin estndar muestral y la
proporcin muestral.
Formalmente, si es un parmetro poblacional, se dice que

es un estimador puntual de

si
, donde x1,x2,...,xn son las variables aleatorias que integran una
muestra aleatoria de tamao n de la poblacin en cuestin.
Por ejemplo, un estimador de la media poblacional, , puede ser la media muestral,
segn la siguiente frmula:

4 de 11

Instituto Tecnolgico de Minatitln

Carrera Ingeniera Industrial
Modalidad a Distancia

Estadstica Inferencial I
UNIDAD 2. TEORA DE ESTIMACIN.

donde (x1, x2, ..., xn) sera el conjunto de de datos de la muestra.

El estimador es una variable aleatoria que asigna a cada posible valor de la muestra un
valor numrico. Como tal, tiene sentido calcular su esperanza, su varianza y otras
caractersticas propias de las variables aleatorias.

Propiedades de un Buen Estimador

es un estimador insesgado de si

Insesgado.- Se dice que un estimador puntual

, para todo valor posible de . En otras palabras, un estimador insesgado es

aquel para el cual la media de la distribucin muestral es el parmetro estimado. Si se usa

la media muestral
para estimar la media poblacional , se sabe que la
tanto la media es un estimador insesgado.

, por lo

Eficiente o con varianza mnima.- Suponga que 1 y 2 son dos estimadores insesgados
de . Entonces, aun cuando la distribucin de cada estimador est centrada en el valor
verdadero de , las dispersiones de las distribuciones alrededor del valor verdadero
pueden ser diferentes.
Entre todos los estimadores de que son insesgados, seleccione al que tenga varianza
mnima. El

resultante recibe el nombre de estimador insesgado con varianza mnima

(MVUE, minimum variance unbiased estimator) de

En otras palabras, la eficiencia se refiere al tamao de error estndar de la estadstica.

Si comparamos dos estadsticos de una muestra del mismo tamao y tratamos de decidir
cul de ellos es un estimador ms eficiente, escogeramos el estadstico que tuviera el
menor error estndar, o la menor desviacin estndar de la distribucin de muestreo.

5 de 11

Instituto Tecnolgico de Minatitln

Carrera Ingeniera Industrial
Modalidad a Distancia

Estadstica Inferencial I
UNIDAD 2. TEORA DE ESTIMACIN.

Tiene sentido pensar que un estimador con un error estndar menor tendr una mayor
oportunidad de producir una estimacin ms cercana al parmetro de poblacin que se
est considerando.

Como se puede observar las dos distribuciones tienen un mismo valor en el parmetro slo
que la distribucin muestral de medias tiene una menor varianza, por lo que la media se
convierte en un estimador eficiente e insesgado.
Coherencia.- Una estadstica es un estimador coherente de un parmetro de poblacin, si
al aumentar el tamao de la muestra se tiene casi la certeza de que el valor de la
estadstica se aproxima bastante al valor del parmetro de la poblacin. Si un estimador
es coherente se vuelve ms confiable si tenemos tamaos de muestras ms grandes.
Suficiencia.- Un estimador es suficiente si utiliza una cantidad de la informacin
contenida de la muestra que ningn otro estimador podra extraer informacin adicional
de la muestra sobre el parmetro de la poblacin que se est estimando.
Es decir se pretende que al extraer la muestra el estadstico calculado contenga toda la
informacin de esa muestra. Por ejemplo, cuando se calcula la media de la muestra, se
necesitan todos los datos. Cuando se calcula la mediana de una muestra slo se utiliza a un
dato o a dos. Esto es solo el dato o los datos del centro son los que van a representar la
muestra. Con esto se deduce que si utilizamos a todos los datos de la muestra como es en
el caso de la media, la varianza, desviacin estndar, etc.; se tendr un estimador
suficiente.

6 de 11

Instituto Tecnolgico de Minatitln

Carrera Ingeniera Industrial
Modalidad a Distancia

Estadstica Inferencial I
UNIDAD 2. TEORA DE ESTIMACIN.

2.3 ESTIMACIN PUNTUAL

La inferencia estadstica est casi siempre concentrada en obtener algn tipo de
conclusin acerca de uno o ms parmetros (caractersticas poblacionales). Para hacerlo,
se requiere que un investigador obtenga datos muestrales de cada una de las poblaciones
en estudio. Entonces, las conclusiones pueden estar basadas en los valores calculados de
varias cantidades muestrales. Por ejemplo, representamos con (parmetro) el verdadero
promedio de resistencia a la ruptura de conexiones de alambres utilizados para unir
obleas de semiconductores. Podra tomarse una muestra aleatoria de 10 conexiones para
determinar la resistencia a la ruptura de cada una, y la media muestral de la resistencia a
la ruptura se poda emplear para sacar una conclusin acerca del valor de . De forma
2

similar, si es la varianza de la distribucin de resistencia a la ruptura, el valor de la

2

varianza muestral s se podra utilizar para inferir algo acerca de .

Cuando se analizan conceptos generales y mtodos de inferencia es conveniente tener un
smbolo genrico para el parmetro de inters. Se utilizar la letra griega para este
propsito. El objetivo de la estimacin puntual es seleccionar slo un nmero, basados en

datos de la muestra, que represente el valor ms razonable de .

Una muestra aleatoria de 3 bateras para calculadora podra presentar duraciones

observadas en horas de x1=5.0, x2=6.4 y x3=5.9. El valor calculado de la duracin media
muestral es = 5.77, y es razonable considerar 5.77 como el valor ms adecuado de .
Una estimacin puntual de un parmetro es un slo nmero que se puede considerar
como el valor ms razonable de . La estimacin puntual se obtiene al seleccionar una
estadstica apropiada y calcular su valor a partir de datos de la muestra dada. La
estadstica seleccionada se llama estimador puntual de .
El smbolo

(theta sombrero) suele utilizarse para representar el estimador de y la

estimacin puntual resultante de una muestra dada. Entonces

se lee como "el
estimador puntual de es la media muestral ". El enunciado "la estimacin puntual de
es 5.77" se puede escribir en forma abreviada

7 de 11

Instituto Tecnolgico de Minatitln

Carrera Ingeniera Industrial
Modalidad a Distancia

Estadstica Inferencial I
UNIDAD 2. TEORA DE ESTIMACIN.

Ejemplo:
En el futuro habr cada vez ms inters en desarrollar aleaciones de Mg de bajo costo,
para varios procesos de fundicin. En consecuencia, es importante contar con mtodos
prcticos para determinar varias propiedades mecnicas de esas aleaciones. Examine la
siguiente muestra de mediciones del mdulo de elasticidad obtenidos de un proceso de
fundicin a presin:
44.2, 43.9, 44.7, 44.2, 44.0, 43.8, 44.6, 43.1
Suponga que esas observaciones son el resultado de una muestra aleatoria. Se desea
2

estimar la varianza poblacional . Un estimador natural es la varianza muestral:

En el mejor de los casos, se encontrar un estimador

embargo,
aleatoria.

para el cual

siempre. Sin

es una funcin de las Xi muestrales, por lo que en s misma una variable

+ error de estimacin

entonces el estimador preciso sera uno que produzca slo pequeas diferencias de
estimacin, de modo que los valores estimados se acerquen al valor verdadero.
Parmetros y estimadores.
Parmetro, es un valor constante que describe las caractersticas propias de una
poblacin estadstica.
Una poblacin estadstica, es un conjunto de mediciones sobre todos los elementos del
universo resultando en lo que se conoce como poblaciones multivariadas.
Marco muestral. Es un listado de todas las unidades de muestreo disponible para su
seleccin en una etapa del muestreo.
Estadstico. Es cualquier funcin de las observaciones de la muestra.
Desde otro punto de vista son valores que describen las caractersticas de una muestra,
estos valores son variables pues dependen de las fluctuaciones de la muestra y que cuando

8 de 11

Instituto Tecnolgico de Minatitln

Carrera Ingeniera Industrial
Modalidad a Distancia

Estadstica Inferencial I
UNIDAD 2. TEORA DE ESTIMACIN.

cumplen con las caractersticas de un buen estimados se emplean como estimadores de los
parmetros poblacionales. Entre los ms conocidos se tienen:
Parmetros
Media poblacional

Estimadores
Media muestral

Varianza poblacional

Varianza muestral

Desviacin estndar poblacional

Desviacin estndar muestral

Proporcin poblacional
X
P =
N

Proporcin muestral
x
p =
n

Ejemplos:
1. Calcule la media de los siguientes nmeros: 10, 11, 12, 12, 13
Solucin:
1. Sumar las cantidades
< 10 + 11 + 12 + 12 + 13 = 58>
2. Dividir la suma por la cantidad de elementos < 58/5>
3. El resultado es la media <11.6>
Por lo tanto, la media de los 5 nmeros es 11.6. Note que la media resulta un nmero que
est entre el rango de elementos; en este caso, 11.6 est entre 10, 11, 12 y 13.

9 de 11

Instituto Tecnolgico de Minatitln

Carrera Ingeniera Industrial
Modalidad a Distancia

Estadstica Inferencial I
UNIDAD 2. TEORA DE ESTIMACIN.

2. Calcular la media muestral de un conjunto de datos. Los datos representan la muestra

de la edad de los miembros de un grupo de nios: 4, 1, 11, 13, 2, 7.
1. Calcular el promedio o media aritmtica:

.
En este caso, n = 6 porque hay seis datos:

i = nmero de datos para sacar desviacin estndar

Sustituyendo n por 6

Este es el promedio.
3. El nmero de das necesarios por 10 equipos de trabajadores para terminar 10
instalaciones de iguales caractersticas han sido: 21, 32, 15, 59, 60, 61, 64, 60, 71, y 80
das. Calcular la media, varianza y desviacin tpica.
SOLUCIN:

La media: suma de todos los valores de una variable dividida entre el nmero total de
datos de los que se dispone:

10 de 11

Instituto Tecnolgico de Minatitln

Carrera Ingeniera Industrial
Modalidad a Distancia

Estadstica Inferencial I
UNIDAD 2. TEORA DE ESTIMACIN.

La varianza S2: Es la media de los cuadrados de las diferencias entre cada valor de la
variable y la media aritmtica de la distribucin.

S2 =
La desviacin tpica o desviacin estndar S: es la raz cuadrada de la varianza.

S = 427,61 = 20.67

11 de 11