6

UNIVERSIDAD CENTRAL DE VENEZUELA

FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES
ESCUELA DE ESTADÍSTICA Y CIENCIAS ACTUARIALES
ESTADÍSTICA II SEGUNDO PERIODO 2006 Sección 21
PROF. OMAIRA DE LOS SANTOS

PARTE 2. TEMA 1.- INTRODUCCIÓN A LA INFERENCIA

ESTADÍSTICA

En el material anterior, consideramos la estimación puntual de

un parámetro desconocido. En la mayoría de los problemas prácticos,
un estimador puntual por sí solo es inadecuado.
Sabemos que la estimación puntual esta basada en una
muestra aleatoria de la población en estudio, sujeta al efecto de las
fluctuaciones muestrales, en consecuencia sería más adecuado la
búsqueda de un rango de valores entre los que posiblemente se
encuentre el parámetro desconocido que se desea estimar.
Entonces, se puede calcular un intervalo entre cuyos límites se
espera que este el parámetro con una razonable confianza.
Este tipo de estimación nos suministra información acerca de la
precisión de los estimadores puntuales usados, esto es, nos permite
conocer la fiabilidad de dicho estimador.

ESTIMACIÓN POR INTERVALO

Dada una muestra aleatoria X1,X2,…Xn (variables aleatorias

independientes e igualmente distribuidas) de tamaño n, extraída de
una población con una determinada distribución probabilística, se
define como INTERVALO DE CONFIANZA del 100(1- α )% para el
parámetro θ, a un intervalo determinado por dos números:

li = límite inf erior = θˆ − δ1

l = límte sup erior = θˆ + δ
s 2

calculados con base en los datos de la muestra, tales que la

probabilidad de que el intervalo contenga el verdadero valor del
parámetro es igual a 1- α , esto es:

( )
Pr ob θˆ − δ1 ≤ θ ≤ θˆ + δ 2 = 1 − α

El valor 100(1- α )% se conoce como COEFICIENTE DE

CONFIANZA.
Podemos observar que los límites del intervalo son variables
aleatorias, pues son funciones del estimador θˆ , y varían de una
muestra a otra.
 7

Además, δ1 y δ 2 vendrán determinados por la distribución

probabilística del parámetro, siendo:

δ1 = −kSθˆ y δ 2 = kSθˆ

Sθˆ = Error Estándar de θˆ = Var (θˆ)

Donde, k es una constante que depende del coeficiente de

confianza establecido y de la distribución probabilística del parámetro
y el Error Estándar, del estimador , Sθˆ mide la precisión del mismo.

Siendo la amplitud del intervalo igual a: 2 kSθˆ .

Luego, la estimación obtenida de esta manera se denomina

ESTIMACIÓN POR INTERVALOS.

Los factores que determinan el tamaño o magnitud del error o

grado de error al presentar una estimación por intervalo son:
• La confianza deseada que se representa por el
Coeficiente de Confianza ,(1-α)
• La dispersión de los datos en la población
• El tamaño de la muestra

INTERPRETACIÓN DE UNA ESTIMACIÓN POR INTERVALO

• Para un determinado Intervalo de Confianza, se espera

con un 100(1- α )% que el verdadero valor del parámetro
este entre los valores obtenidos para el límite inferior y el
límite superior.

ó equivalentemente

• Si se extraen repetidamente muestras aleatorias de

tamaño n de una población y se calculan Intervalos de
Confianza para el parámetro desconocido con un 100(1- α
)% de confianza, para cada una de las muestras,
entonces el 100(1- α )% en promedio de esos intervalos
contendrá el verdadero valor del parámetro.
 8

INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL, μ

• CON VARIANZA POBLACIONAL CONOCIDA

Sabiendo que la media muestral de una muestra

aleatoria obedece exacta o aproximadamente a la
distribución normal. Exactamente, si la población de
donde es extraída la muestra es normal; y
aproximadamente si la población no es normal por la
aplicación del Teorema Central del Límite, con parámetros
μ y σ, se tiene que la variable aleatoria:
X −µ
Z= se distribuye N (0,1)
σ
n

Entonces, un intervalo de confianza para la media

poblacional con un 100(1- α )% ,viene dado por:

σ
X mZ α
1−
2 n

σ σ
li = X − Z α = X + Zα
1−
2 n 2 n
Esto es:
σ
ls = X + Z α
1−
2 n

• CON VARIANZA POBLACIONAL DESCONOCIDA

(X − µ)
se distribuye tn −1 gdl
Sabemos que: Sˆ , luego un
n
intervalo de confianza con un 100(1- α )% para μ, viene
dado por:

Ŝ
X mt α
1−
2 n
 9

INTERVALO DE CONFIANZA PARA LA PROPORCIÓN

POBLACIONAL, π o P

PQ
Teniendo en cuenta que , pˆ se distribuye N ( P, ) y además la
n
pˆ − p
se distribuye N (0,1)
variable aleatoria pq , el intervalo de confianza
n
para la proporción poblacional con un 100(1- α )% viene dado por:

ˆˆ
pq
límte inf erior = pˆ − Z α
1−
2
n
ˆˆ
pq
límite sup erior = pˆ + Z α
1−
2
n

INTERVALO DE CONFIANZA PARA LA VARIANZA, σ 2

Dada una población normal con media μ y varianza poblacional

σ , sabemos que la variable aleatoria:
2

(n − 1) Sc2
se distribuye como una Chi − cuadrado con n − 1 grados de libertad
σ2

En consecuencia, con un 100(1- α )% de Coeficiente de

Confianza el Intervalo para la Proporción Poblacional, vendrá
determinado por los siguientes límites:

(n − 1) Sc2
límte inf erior =
χ α
1− ; n −1
2

(n − 1) Sc2
límite sup erior =
χα
; n −1
2
 10

INTERVALO DE CONFIANZA PARA LA RAZÓN DE VARIANZAS DE

σ2
DOS POBLACIONES NORMALES, 12
σ2

Si Sˆ12 y Sˆ22 son las cuasivarianzas muestrales de dos

muestras aleatorias de tamaños n1 y n2 , tomadas de dos poblaciones
normales e independientes con varianzas σ 12 y σ 22 desconocidas
entonces un Intervalo de confianza del 100(1- α )% para el cociente
σ 12
viene dado por los siguientes límites:
σ 22

Sˆ12 1
límte inf erior = 2
Sˆ2
F α
1− ;( n1 −1);( n2 −1)
2

Sˆ12 1
límite sup erior = 2
Sˆ 2
Fα
;( n1 −1);( n2 −1)
2
 11

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS,

µ1 − µ2

• MUESTRAS INDEPENDIENTES
VARIANZAS POBLACIONALES CONOCIDAS

Sean dos poblaciones que se distribuyen normalmente

con medias µ1 , µ2 respectivamente y varianzas σ 12 , σ 22 .
Dada una muestra aleatoria, n1 de la primera población y
otra muestra aleatoria, n2, de la segunda población,
independientes entre sí, se trata de calcular Intervalos de
Confianza para la diferencia de las respectivas medias
poblacionales, µ1 − µ2 .

El Intervalo de Confianza para la diferencia de medias

poblacionales con un 100(1- α )% , se obtiene como sigue:

I µ1 − µ2 = ( X 1 − X 2 ) mZ α S X1 − X 2
1−
2

σ 12 σ2
donde S X1 − X 2 = + 2
n1 n2

MUESTRAS INDEPENDIENTES
VARIANZAS POBLACIONALES DESCONOCIDAS
IGUALES

El Intervalo de Confianza para la diferencia de

medias poblacionales con un 100(1- α )% , se obtiene
como sigue:

I µ1 − µ2 = ( X 1 − X 2 ) mZ α S X1 − X 2
1−
2

1 1
donde S X1 − X 2 = S p +
n1 n2

(n1 − 1) Sˆ12 + (n2 − 1) Sˆ22

S p2 =
n1 + n2 − 2
 12

MUESTRAS INDEPENDIENTES
VARIANZAS POBLACIONALES DESCONOCIDAS
DIFERENTES

El Intervalo de Confianza para la diferencia de

medias poblacionales con un 100(1- α )% , se obtiene
como sigue:

I µ1 − µ2 = ( X 1 − X 2 ) mZ α S X1 − X 2
1−
2

Sˆ12 Sˆ 2
donde S X1 − X 2 = + 2
n1 n2

• MUESTRAS PAREADAS

Supongamos que disponemos de una muestra

aleatoria de datos pareados1 procedentes de
distribuciones con medias µ1 y µ2 .
Sean d y Sˆ la media y la cuasidesviación típica
d

muestrales para las n diferencias di = X i n1 − X i n2 , esto es:

∑d i
d = i =1

∑( d −d)
2
i
Sˆd2 = i =1

n −1

Entonces el Intervalo de Confianza a un 100(1- α )% para

µ1 − µ2

1
Datos Pareados: las muestras se eligen por pares, los elementos de cada uno de
estos pares están relacionados. Por ejemplo los pesos de un mismo grupo de
individuos antes y después de someterse a una dieta.
 13

vendrá dado por:

Sˆd2
d mt α
1− ; n −1
2
n

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE

PROPORCIONES, π 1 − π 2

Si pˆ1 − pˆ 2 son las proporciones muestrales de dos muestras

aleatorias independientes de tamaños n1 y n2 , que pertenecen a una
característica de interés, entonces un Intervalo de Confianza del
100(1- α )% para la diferencia de proporciones poblacionales viene
dado por:

pˆ1 qˆ1 pˆ 2 qˆ2

Iπ1 −π 2 = ( pˆ1 − pˆ 2 ) mZ α +
1−
2
n1 n2