UNIDAD 1. ESTIMACIN.

Objetivo: El alumno determinar los parmetros poblacionales para

aprovechar los resultados en la toma de decisiones, mediante el uso de
muestras aleatorias, en problemas de tasa de fallas, tiempo de vida de
componentes, entre otros.

Resultado de aprendizaje: Estimar los parmetros poblacionales (media y

varianza), a partir de una muestra aleatoria de datos del universo de
mantenimiento, como los historiales, presentando un reporte.

Tema: Muestreo.

Saber: Describir el proceso de muestreo aleatorio.

La Estadstica inferencial se ocupa de extender o extrapolar a toda una

poblacin, informaciones obtenidas de una muestra, as como de la toma de
decisiones.

Poblacin
Es el conjunto total de individuos susceptibles de poseer la informacin buscada.
No se refiere exclusivamente a personas, la poblacin puede estar formada por
todos los rboles de un bosque.

Muestra
Es la parte de la poblacin en la que se miden las caractersticas estudiadas. El
nmero de individuos de la muestra se llama tamao de la muestra.

Muestreo
Es el proceso seguido para la extraccin de una muestra.

Encuesta
Es el proceso de obtener la informacin buscada entre los elementos de la
muestra.

Tipos de muestreo:

No aleatorios - Se eligen los elementos, en funcin de que sean representativos,

segn la opinin del investigador.
Aleatorios - Todos los miembros de la muestra han sido elegidos al azar, de
forma que cada miembro de la poblacin tuvo igual oportunidad de salir en la
muestra.

Simple: elegido el tamao n de la muestra, los elementos que la compongan se

han de elegir aleatoriamente entre los N de la poblacin. Con calculadora: se
utilizan los nmeros aleatorios.

o Sistemtico: se ordenan previamente los individuos de la poblacin; despus

se elige uno de ellos al azar, a continuacin, a intervalos constantes, se eligen
todos los dems hasta completar la muestra.
o Estratificado: se divide la poblacin total en clases homogneas, llamadas
estratos; por ejemplo, por grupos de edades, por sexo. Hecho esto la muestra
se escoge aleatoriamente en nmero proporcional al de los componentes de
cada clase o estrato.

Si una muestra aleatoria se hace correctamente, contiene no tendencia

sistemtica y es por lo tanto relativamente representante de la poblacin. Por
supuesto, en un estudio de muestreo, nunca podemos estar seguros al 100% de
que los resultados medidos a partir de la muestra sean tambin ciertos en la
poblacin. No obstante, a efectos prcticos suele ser suficiente si podemos afirmar
que el riesgo de una desviacin de la poblacin es, digamos, un 1%. Seremos
capaces de hacer tales afirmaciones que estn basadas en clculo de
probabilidades si hemos usado una muestra aleatoria.

El principio de la seleccin de los elementos en una muestra aleatoria es el mismo

que cuando se reparten la baraja. Todos los objetos de la poblacin tienen iguales
probabilidades de ser seleccionados en la muestra. Esta probabilidad es llamada
razn de muestreo (sampling ratio en ingls), y es igual al nmero de elementos
de la muestra dividido por el nmero de la poblacin.
 Tema: Distribuciones muestrales.

Saber: Describir las caractersticas de las distribuciones t, ji cuadrada, F.

Distribuciones Muestrales

Las muestras aleatorias obtenidas de una poblacin son, por naturaleza propia,
impredecibles. No se esperara que dos muestras aleatorias del mismo tamao y
tomadas de la misma poblacin tenga la misma media muestral o que sean
completamente parecidas; puede esperarse que cualquier estadstico, como la
media muestral, calculado a partir de las medias en una muestra aleatoria, cambie
su valor de una muestra a otra, por ello, se quiere estudiar la distribucin de todos
los valores posibles de un estadstico. Tales distribuciones sern muy importantes
en el estudio de la estadstica inferencial, porque las inferencias sobre las
poblaciones se harn usando estadsticas muestrales. Como el anlisis de las
distribuciones asociadas con los estadsticos muestrales, podremos juzgar la
confiabilidad de un estadstico muestral como un instrumento para hacer
inferencias sobre un parmetro poblacional desconocido.

Como los valores de un estadstico, tal como x, varan de una muestra aleatoria a
otra, se le puede considerar como una variable aleatoria con su correspondiente
distribucin de frecuencias.

La distribucin de frecuencia de un estadstico muestral se denomina distribucin

muestral. En general, la distribucin muestral de un estadstico es la de todos sus
valores posibles calculados a partir de muestras del mismo tamao.

Suponga que se han seleccionado muestras aleatorias de tamao 20 en una

poblacin grande. Se calcula la madia muestral x para cada muestra; la coleccin
de todas estas medias muestrales recibe el nombre de distribucin muestral de
medias, lo que se puede ilustrar en la siguiente figura:

Suponga que se eligen muestras aleatorias de tamao 20, de una poblacin

grande, y se calcula la deviacin estndar de cada una. La coleccin de todas
estas desviaciones estndar muestrales se llama distribucin muestral de la
desviacin estndar, y lo podemos ver en la siguiente figura:

Distribucin t student

Supngase que se toma una muestra de una poblacin normal con media y
varianza . Si es el promedio de las n-observaciones que contiene la muestra

aleatoria, entonces la distribucin
es una distribucin normal estndar.

Supngase que la varianza de la poblacin es desconocida. Qu sucede con
la distribucin de esta estadstica si se reemplaza por s? La distribucin t
proporciona la respuesta a esta pregunta.

La media y la varianza de la distribucin t son y para ,

respectivamente.

La siguiente figura presenta la grfica de varias distribuciones t. La apariencia

general de la distribucin t es similar a la de la distribucin normal estndar:
ambas son simtricas y unimodales, y el valor mximo de la ordenada se alcanza
en la media . Sin embargo, la distribucin t tiene colas ms amplias que la
normal; esto es, la probabilidad de las colas es mayor que en la distribucin
normal. A medida que el nmero de grados de libertad tiende a infinito, la forma
lmite de la distribucin t es la distribucin normal estndar.
Distribuciones ji-cuadrada

En realidad la distribucin ji-cuadrada es la distribucin muestral de s2. O sea que

si se extraen todas las muestras posibles de una poblacin normal y a cada
muestra se le calcula su varianza, se obtendr la distribucin muestral de
varianzas.

Para estimar la varianza poblacional o la desviacin estndar, se necesita conocer

el estadstico X2. Si se elige una muestra de tamao n de una poblacin normal
con varianza , el estadstico:

tiene una distribucin muestral que es una distribucin ji-cuadrada con gl = n-1
grados de libertad y se denota X2 (X es la minscula de la letra griega ji). El
estadstico ji-cuadrada esta dado por:

donde n es el tamao de la muestra, s2 la varianza muestral y la varianza de la

poblacin de donde se extrajo la muestra. El estadstico ji-cuadrada tambin se
puede dar con la siguiente expresin:

Un fabricante X concluye que su producto tendr una vida til de 10 aos. Se elige una
muestra entre los cuales tenemos: 11.8-9.7-10.5-12.1-13.3-13.4-10.3-8.5- 15.0-10.5-7.6-
6.3. Teniendo en cuenta una desviacin poblacional de 1.2 aos. De acuerdo a lo
anterior se puede corroborar que la desviacin poblacional es de 1.2 aos?

SOLUCIN

= 1.2
= 10
s = 2.53
n = 12
V = 11
X2 = 48.8
De acuerdo a lo anterior se puede observar que la desviacin poblacional es mayor que
1.2 aos (debido a que el valor de Chi Cuadrado es muy alto y por lo tanto no cae dentro
del intervalo de confianza para una muestra de 12).

Distribucin F (Fisher)

La necesidad de disponer de mtodos estadsticos para comparar las varianzas de dos

poblaciones es evidente a partir del anlisis de una sola poblacin. Frecuentemente se
desea comparar la precisin de un instrumento de medicin con la de otro, la estabilidad
de un proceso de manufactura con la de otro o hasta la forma en que vara el
procedimiento para calificar de un profesor universitario con la de otro.

Intuitivamente, podramos comparar las varianzas de dos poblaciones, y , utilizando

la razn de las varianzas muestrales s21/s22. Si s21/s22 es casi igual a 1, se tendr poca
evidencia para indicar que, y no son iguales. Por otra parte, un valor muy grande o
muy pequeo para s21/s22, proporcionar evidencia de una diferencia en las varianzas de
las poblaciones.

La variable aleatoria F se define como el cociente de dos variables aleatorias ji-cuadrada

independientes, cada una dividida entre sus respectivos grados de libertad. Esto es,

donde U y V son variables aleatorias ji-cuadrada independientes con grados de libertad

y respectivamente.

Sean U y V dos variables aleatorias independientes que tienen distribucin ji cuadradas

con libertad y grados de libertad, respectivamente. Entonces la distribucin de la

variable aleatoria est dada por:

[ ( )
]


 Tema: Estimacin.

Saber: Describir las caractersticas de los estimadores puntuales y por intervalos

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 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.

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 si
sabemos es que es pequea la probabilidad de que esta diferencia sea mayor
que, por ejemplo 3 2 errores estndares.

En este tema vamos a estudiar los problemas de estimacin. Que vamos a definir
como el proceso por el que llegamos a la obtencin y anlisis de los estimadores.
La estimacin se divide en estimacin puntual y estimacin por intervalos.

Estimacin puntual

Una estimacin es puntual cuando se usa un solo valor extrado de la muestra

para estimar el parmetro desconocido de la poblacin. Al valor usado se le llama
estimador.

La media de la poblacin se puede estimar puntualmente mediante la media de la

muestra:

La proporcin de la poblacin se puede estimar puntualmente mediante la

proporcin de la muestra:

La desviacin tpica de la poblacin se puede estimar puntualmente mediante la
desviacin tpica de la muestra, aunque hay mejores estimadores:

Estimacin por intervalos

A veces es conveniente obtener unos lmites entre los cuales se encuentre el

parmetro con un cierto nivel de confianza, en este caso hablamos de estimacin
por intervalos.

Nivel de confianza

El nivel de confianza, C, indica, en porcentaje, con qu proporcin el intervalo de confianza

contiene el parmetro estimado. El coeficiente de confianza, c, es la misma proporcin en tanto por
uno, c = C/100. En otras palabras, c es la probabilidad de que el intervalo de confianza contenga el
parmetro estimado.

Si = 1 - c, y (a,b) es el intervalo de confianza se cumplir:

Clculo del punto crtico

Dado un nivel de confianza, C, calculamos el coeficiente de confianza, c = C/100.

Seguidamente calculamos = 1 - c y /2.

Si Z ~ N(0,1), el punto crtico, z/2, es el que cumple p(Z < z/2) = 1 - /2.

Por ltimo buscamos en la tabla de la funcin de distribucin de la distribucin

N(0,1) el valor de z cuya probabilidad es 1 - /2.

Ejemplo

Para comprobar el valor obtenido podemos usar la siguiente escena:

Intervalo de confianza para la media de una poblacin normal con
desviacin tpica conocida

Si partimos de una poblacin que sigue una distribucin Z ~ N(0,1) bastar con
encontrar el punto crtico z/2 para tener un intervalo que contenga la media
poblacional con probabilidad c.

( )

Si en el caso general tomamos:

bastar con hacer unas sencillas operaciones para llegar a que el intervalo de
confianza para la media de una poblacin normal con desviacin tpica conocida
es:

( )

Intervalo de confianza para la media de una poblacin con desviacin
tpica conocida

En el caso de poblaciones que no son normales, o que simplemente no sabemos

si lo son o no, necesitamos que el tamao de la muestra sea suficientemente
grande (n > 30) para poder aplicar el Teorema central del lmite para obtener que
el intervalo de confianza para la media de una poblacin con desviacin tpica
conocida es:

( )

Intervalo de confianza para la media de una poblacin con desviacin

tpica desconocida

Cuando se desconoce la desviacin tpica poblacional se usa como estimador la

desviacin tpica de la muestra con lo que el intervalo de confianza para la media
de una poblacin con desviacin tpica desconocida es:

( )

Determinacin del tamao de la muestra

Un problema tpico es determinar el tamao muestral mnimo para que el intervalo
de confianza para la media con un nivel de confianza dado tenga una cota de error
igual a una cantidad conocida.

Para calcular el tamao muestral mnimo basta plantear la igualdad:

de donde:

( )

Si el valor que se obtiene no es entero se tomar el menor entero mayor que el

valor obtenido.

En estos problemas no es necesario conocer la media muestral. Si se conoce la

media muestral se puede determinar el intervalo de confianza.