MATERIAL DE LECTURAS DE LA SEMANA 5 DE ME

Estimacin Puntual
Ahora iniciamos lo correspondiente a la estadstica inferencial. Recordemos que aqu lo que se
desea es estimar ciertas caractersticas de una poblacin, mediante los datos obtenidos en una
muestra aleatoria de esa poblacin. Primeramente mencionamos algunos conceptos bsicos de la
estadstica inferencial.
Parmetro. Es una constante correspondiente a una distribucin de probabilidad o a una poblacin.
Ejemplo. Para la distribucin binomial; sus parmetros son: n, p. Para la distribucin geomtrica;
su parmetro es p. Para la distribucin poisson, su parmetro es . Para la distribucin exponencial,
su parmetros es . Para la distribucin normal, sus parmetros son y .
Ahora, los parmetros tpicos que se desean conocer de una poblacin son; la media, la varianza o
una proporcin. El problema de la estadstica inferencial es estimar el valor de estos parmetros
mediante la informacin que hay en una muestra aleatoria. En nuestro curso nos enfocaremos a
estimar parmetros poblacionales, es decir, nos enfocaremos en estimar la media, la varianza o la
proporcin de una poblacin.
Estadstico. Es una funcin de una muestra, o una frmula matemtica calculada en los valores de
~ 2
una muestra aleatoria. Por ejemplo; X , X , S , S, Rango, etc. Es decir, se pueden ver como

funciones o frmulas calculadas en los valores de una muestra aleatoria.

Estimador Puntual. Es un estadstico utilizado para estimar el valor de un parmetro
desconocido a partir de una muestra aleatoria. Por ejemplo, el mejor estimador puntual de
2
la media de una poblacin es X , el mejor estimador puntual de la varianza es S , El mejor
X
estimador puntual de una proporcin es p = , donde X es el nmero de xitos en una
n
muestra aleatoria de tamao n.
Estimacin por intervalo
Aunque la teora de los estimadores puntuales es muy completa y se pueden tener
estimadores puntuales muy buenos, no es suficiente quedarse solo con estimaciones
puntuales, ya que no tendramos informacin acerca de que tan cerca o tan lejos podra
estar el valor del parmetro de su estimacin puntual. Por ejemplo, si tenemos que X =
80.52, entonces se espera que el valor real de la media poblacional debe ser un valor
cercano a 80.52. pero no tenemos idea de que tan cerca de 80.52 puede estar el valor de ..
la estimacin por intervalo de confianza nos puede dar informacin sobre que tan cerca o
que tan lejos de una estimacin puntual esta el valor del parmetro poblacional. Entonces,
al estimar el valor de un parmetro poblacional se recomienda hacerlo mediante un
intervalo de confianza.
Una estimacin por intervalo de un parmetro poblacional , consiste en construir un
intervalo de la forma 1 < < 2 , donde los extremos del intervalo se obtienen de acuerdo
a la distribucin del estimador del parmetro y de 1 , donde 1 es la probabilidad de

que el intervalo contenga al valor del parmetro (0 < < 1) y se le llama nivel de
confianza. A un intervalo obtenido de esta manera se le llama intervalo de confianza (IC)
de , con un nivel de confianza de 1 .
IC para la media con varianza conocida. Suponer una muestra aleatoria de una v.a. X con
distribucin normal y varianza conocida. El IC para la media con un nivel de confianza de
1- est dado por:


X z / 2
(1)
< < X + z / 2

n
n
donde z / 2 es el valor de z tal que P( z > z / 2 ) = / 2 .
NOTA: Si es una muestra grande (n 30), se puede sustituir por S sin importar la
distribucin de probabilidad que tenga X.
Ahora se presenta la justificacin de la frmula (1). Suponer una muestra de tamao n de
una poblacin normal(, ). Sea x el promedio de la muestra. Luego, se tiene que x tiene
una distribucin normal con media , y desviacin estndar /n (observe que x es una
v.a.).

z=

tiene una distribucin normal estndar. Por otra parte, si z / 2 es un

/ n
valor de z tal que P(z > z / 2 ) = /2, se tiene por simetra que P( z / 2 < z < z / 2 ) = 1
(ver figura 1), y sustituyendo z se tiene:

0.4

0.3

f(z)

Luego

0.2
/2

/2
0.1

0.0
-z(alfa/2)

z(alfa/2)

Figura 1. Ilustracin del valor de z / 2 .

x
P z / 2 <
< z / 2 = 1 , luego haciendo lgebra para despejar :
/ n

= 1
P z / 2
< x < z / 2
n
n

= 1
P z / 2
> x + > z / 2
n
n

< x < z / 2
= 1
P z / 2
n
n

< < x + z / 2
= 1
P x z / 2
n
n

x z / 2
< < x + z / 2
. Esto se puede
n
n
interpretar diciendo que el valor de se encuentra entre x z / 2 / n con una
probabilidad de 1, donde 1 es un valor determinado por el investigador.

Finalmente, el IC 1 para es:

Ejemplo. Se tom un muestra aleatoria de 40 focos anotando el tiempo en horas que

funcion cada foco. Se tiene que el promedio de la muestra es 604.79 horas con una
desviacin estndar muestral de 510.52 horas. Construir un IC para el tiempo promedio de
vida del foco con un nivel de confianza del 95%.
Como la muestra es grande (mayor a 30), podemos usar la frmula (1) sustituyendo por S
e ignorando el ajuste de la variable a la distribucin normal. Como 1 = 0.95, entonces
/2 = 0.025 y z 0.025 = 1.96 obteniendo:
604.79 1.96(510.52 / 40 ) < < 604.79 + 1.96(510.52 / 40 ) quedando;
446.58 < < 763.00, es decir, la media del tiempo de vida de los focos esta entre 446.58 y
763.00 horas con una probabilidad de 95%.