ESCUELA DE CIENCIAS ECONÓMICAS Y EMPRESARIALES

Unidad II: Estimación de Parámetros

Tema: Estimación de Parámetros
Semana N0 2
Encuentro 2
Objetivo de la unidad.
Al concluir el desarrollo de esta unidad, el estudiante deberá ser capaz de:
 Analizar el concepto de estimación
 Indicar como el tamaño de la muestra y el nivel de confianza influyen en
cometer un error posible al hacer una estimación por intervalo
 Calcular intervalos de confianza para la media y la proporción de
poblaciones haciendo uso de datos muéstrales.
 Analizar los resultados obtenidos de la estimación puntuales e intervalos de
confianza para la media y proporción
 Establecer la diferencia entre tamaño de muestra para la media y proporción
 Identificar los elementos necesarios para el cálculo de tamaño de muestras.
Introducción:
La estimación, es el proceso de utilizar datos muéstrales para estimar los valores de los
parámetros poblacionales desconocidos. Las más comunes se refieren a la media y la
proporción.
Las estimaciones se emplean de distintas maneras dentro de un estudio o investigación.
Como, por ejemplo:
El dueño de una empresa desea conocer el promedio de las ventas anuales, de la tienda
“Curacao” desea saber o estimar las demandas de diversos artículos,
La empresa constructora “Lacayo Fiallos” desea conocer la estimación del costo de los
distintos proyectos que podría llevarse a efecto en dicha constructora.
Un personaje político desea conocer la proporción de personas que están a favor de su plan
de gobierno.
Estimación: es un conjunto de técnicas que permiten dar un valor aproximado de un
parámetro de una población a partir de los datos proporcionados por una muestra.
Estimador: un estimador de un parámetro poblacional es una función de los datos
muéstrales, también llamado estadístico. En pocas palabras, es una fórmula que depende de
los valores obtenidos de una muestra, para realizar estimaciones.
El estimador es una variable aleatoria que asigna a cada posible valor de la muestra un valor
numérico. Como tal, tiene sentido calcular su esperanza, su varianza y otras características
propias de la variable aleatoria.
Propiedades de los estimadores: dentro de las propiedades de los estimadores están las
siguientes.
a. Estimador insesgado: si cumple lo siguiente es un estimador insesgado. Las
estimaciones que surjan de un estimador se parezcan, en cierto modo, al parámetro
que se desea estimar.
b. Estimador consistente: establece que para muestras grandes 𝜃𝑛̅ , se aproxima a 𝜃. En
termino general, un estimador es consistente sí; 𝜇̅𝜃̅= 𝐸(𝜃̅) = 𝜃 la varianza de 𝜃̅ es
igual a cero.
c. Estimador eficiente: un estimador es eficiente si su varianza es mínima. Esto hace
que haya menos variabilidad entre las distintas estimaciones que podemos obtener.

d. Estimador suficiente: es suficiente si el parámetro de interés de una distribución

muestral especifica es igual al promedio muestral. Esto se da en estudios de casos
multiparametricos. de ese insesgado (ausencia de sesgo) y estable en el muestreo o
eficiente (varianza mínima).

Métodos para estimar parámetros poblacionales.

Existen distintos métodos para estimar los parámetros de la población de los cuales en
algunos casos nos limitaremos a mencionarlos debido a su complejidad.

Estimación puntual.
 Métodos de los momentos
 Métodos de la máxima verosimilitud
 Métodos de los mínimos cuadrados
Estimación por intervalos.
 Estimación bayesiana
En esta unidad, haremos uso del método clásico de estimación puntual para los parámetros
de la población desconocidos como la media, proporción, varianza. Basados en información
obtenida de una muestra aleatoria seleccionada de una población ene estudio.
Para la estimación por intervalo, utilizaremos el bayesiano, que consiste en obtener
únicamente información que brindan muestras aleatorias. Este método interpreta el análisis
correspondiente al intervalo de confianza obtenido.
Límite de confianza (Nivel de confianza)
Es la probabilidad de que el verdadero valor del parámetro estimado en la población se situé
en el intervalo de confianza obtenido. El nivel de confianza se denota por ( 1 - ∝), aunque
habitualmente suele expresarse con un porcentaje ( ( 1 - ∝) 100%) es habitual tomar como
nivel de confianza un 95% o un 99%.
Nota: si el nivel de confianza aumenta entonces el error aumenta y la longitud del intervalo
aumenta, se tendrá un intervalo de confianza confiable, seguro, pero no preciso.
Valor ∝: también llamado nivel de significancia. Es la probabilidad (en tanto por uno) de
fallar en nuestra estimación, esto, es, la diferencia entre la certeza y el nivel de confianza
(1-∝)
Ejemplo. En una estimación con un nivel de confianza del 95% el valor ∝ es.(100-95)/100=
0.05.
Valor crítico: se representa por 𝑍∝⁄2 . Es el valor ***************
Intervalo de confianza para la media cuando el tamaño de la muestra es mayor o igual
a 30.
Se aproxima a una distribución normal (o gaussiana) con media 𝜇 y una desviación típica
dada por la siguiente expresión
𝛿
𝛿𝑥̅ = 𝛿 𝑥̅ ~ 𝑁 (𝜇, )
√𝑛
√𝑛

Si estandarizamos obtenemos lo siguiente.

𝑥̅ − 𝜇
= 𝑧 ~ 𝑁(0,1)
𝛿
√𝑛
Habitualmente se manejan valores de confianza del 95% y 99%, a este valor se le llama
1-∝ (debido a que ∝ es el error que se cometerá)
1-∝ (debido a que ∝ es el error que se cometerá)

P [−𝑧∝⁄ 𝑥̅ −𝜇 ] = 1−∝
2 ≤ 𝛿
√𝑛
Ahora bien si hacemos operaciones es posible despejar 𝜇 para obtener el intervalo:

P [𝑥̅ − 𝑧∝ 𝛿
≤ 𝜇 ≤ 𝑥̅ +𝑧∝⁄
𝛿 ] = 1−∝
⁄2
√𝑛 2 √𝑛

De esto resulta el intervalo de confianza

(𝑥̅ − 𝑧∝ 𝛿
, 𝑥̅ + 𝑧∝⁄
𝛿 )
⁄2
√𝑛 2 √𝑛

Si 𝛿 no es conocida y n es grande (habitualmente se toma n≥ 30)

𝑠 𝑠
(𝑥̅ − 𝑧∝⁄2 , 𝑥̅ + 𝑧∝⁄2 ) donde s es la desviación típica (estándar) de una muestra.
√𝑛 √𝑛

Intervalo de confianza para la media cuando el tamaño de la muestra es menor de 30

(n< 𝟑𝟎)
Cuando la media; 𝛿 se desconoce.
𝑠 𝑠
(𝑥̅ − 𝑡(1 − ∝⁄2 , 𝑛 − 1) ∗ < 𝜇 < 𝑥̅ + 𝑡(1 − ∝⁄2 , 𝑛 − 1) ∗ )
√𝑛 √𝑛
Intervalo de confianza para una proporción cuando el tamaño de la muestra es mayor
de 30 (n > 𝟑𝟎)
Conocida como una proporción muestral 𝑝̅ de una muestra de tamaño n, a un nivel de
confianza de ( 1 - ∝) 100%) es.

𝑝̅ ∗ 𝑞̅ 𝑝̅ ∗ 𝑞̅
(𝑝̅ − 𝑧 ∝⁄2 √ < 𝑝 < 𝑝̅ + 𝑧 ∝⁄2 √ )
𝑛 𝑛

Intervalo de confianza para una proporción cuando el tamaño de la muestra es menor

de 30 (n < 𝟑𝟎)

𝑝̅ ∗𝑞̅ 𝑝̅ ∗ 𝑞̅
(𝑝̅ − 𝑡(1 − ∝⁄2 , 𝑛 − 1) ∗ √ < 𝑝 < 𝑝̅ + 𝑡(1 − ∝⁄2 , 𝑛 − 1) ∗ √
𝑛 𝑛

En la siguiente tabla se muestran algunos niveles de confianza más comunes.

Nivel de confianza 1-∝ ∝ 𝑍0.5 − ∝⁄2 𝑍∝⁄2

90% 0.10 𝑍0.45 1.645

95% 0.05 𝑍0.475 1.96
99% 0.01 𝑍0.495 2.575
Nota: recordemos que la tabla de distribución normal con la cual vamos a utilizar acumulada
únicamente el 50% de las probabilidades. Entonces la manera de encontrar el valor de 𝑍∝⁄2,
será de la siguiente manera.
Para el nivel de confianza del 90%, 𝑍∝⁄2= 𝑍0.5 − ∝⁄2= 𝑍0.5−0.05 = 𝑍0.45 el valor de 0.45 se
ubica en el cuerpo de la tabla y se encuentra el valor exacto o bien aproximado a ese valor
del percentil de la distribución normal. Entonces 𝑍∝⁄2 = 1.645

Ejemplo: las ventas diarias de cierta oficina comercial se supone que siguen una
distribución normal. Para estimar el volumen medio de ventas por día se realiza una muestra
de 10 días escogidos al azar, resultando que la media de las ventas de esos 10 días es de $100
con una desviación típica de $4. Dar un intervalo de estimación para el volumen medio de
ventas por día con una confianza del 95%.
Solución.
Dado que se desconoce la desviación estándar poblacional y el tamaño de la muestra es menor
de 30, se utiliza la T-Students.
Datos.
n= 10
s= 4 (poblacional desconocida)
𝑋̅ = $100
1-∝= 0.95 y el nivel de significancia de ∝=0.05
0.05
t(1-∝⁄2, n-1) t (1- 2 ,10-1) t(0.975,9) = 2.262
4 4
[100 − 2.262 < 𝜇 < 100 + 2.262 ] el intervalo en el cual se encuentra la media es
√10 √10
de ($97.134, $102.861)
Esto significa que; si se extraen muestras repetidas de tamaño 10de las ventas diarias de cierta
oficina comercial se esperaría que aproximadamente el 95% de las veces la media estará
contenida en ($97.134, $102.861) y el 5% restante se estima que la media estará fuera de
dicho intervalo.