ESTIMACION PUNTUAL

Y
ESTIMACION POR INTERVALOS
1. 1.ESTIMACIN PUNTUAL
Si a partir de las observaciones de una muestra se calcula un solo valor
como estimacin de un parmetro de la poblacin desconocido, el
procedimientose denomina estimacin puntual.
Por ejemplo queremos estimar la nota media de los alumnos de bachiller
en la asignatura de matemticas que notaremos . Sea X la variable
aleatoria que indica la nota obtenida por cada estudiante. Tomamos una
muestra de tamao n y denotamos la nota media de la muestra. Si al tomar
una muestra de 100 estudiantes obtenemos que la media es 62, este
nmero lo tomaramos como estimativo de . Decimos que 62 es una
estimacin puntual de .
Un estimador puntual T de un parmetro es cualquier estadstica que nos
permita a partir de los datos muestrales obtener valores aproximados del
parmetro .
Para indicar que T es un estimador del parmetro escribimos =T .
Con esto queremos decir que empleamos la expresin dada mediante T
para obtener valores prximos al valor del parmetro.
Es muy probable que haya error cuando un parmetro es estimado. Es
cierto que si el nmero de observaciones al azar se hace suficientemente
grande, stas proporcionaran un valor que casi sera semejante al
parmetro; pero a menudo hay limitaciones de tiempo y de recursos y se
tendr que trabajar con unas cuntas observaciones. Para poder utilizar la
informacin que se tenga de la mejor forma posible, se necesita identificar
las estadsticas que sean buenos estimadores. Hay cuatro criterios que se
suelen aplicar para determinar si una estadstica es un buen estimador:
Insesgamiento, eficiencia,consistencia y suficiencia
2. PROPIEDADES DE UN ESTIMADOR
Existe una propiedad que comprende conjuntamente las
propiedades de insesgamiento y eficiencia. Se trata del error cuadrtico
medio.
Sea T un estimador del parmetro . El error cuadrtico medio de
T, denotado ECM(T), se define como el valor esperado de (T- )2 .
ECM(T) = E[(T- )2]
Cul es la informacin que nos proporciona el error cuadrtico
medio?
Nos referimos al promedio de los cuadrados de las
observaciones. Si ste es pequeo, debemos aceptar que hay una
tendencia para que los valores (T- ) sean pequeos, y as lo ser

tambin la diferencia (T- ), lo que quiere decir que T tiende a producir

respuestas numricas prximas al parmetro . El poder que tenga T
para producir valores prximos a depende de dos condiciones bsicas.
Una es la fuerza o intensidad con la que tiende a dar esos
valores(insesgamiento) y la otra es la fuerza que tenga para no
permitir que se aparte de del camino que lo conduce a (eficiencia). Esta
dos condiciones matemticamente quedan establecidas y precisadas en
el teorema siguiente:
TEOREMA
Si T es un estimador del parmetro , ECM(T) = V[T] [ -E(T)]2
Demostracin:
ECM(T) = E[(T- )2] = E[T2 - 2 T + 2] = E(T2)-E(2 T)+E( 2) = E(T2) -2 E(T) +
E( 2) = E(T2) [E(T)]2 + [E(T)]2 - 2 E(T) + 2 = (E(T2) [E(T)]2) + ([E(T)]2 - 2
E(T) + 2) = V(T) + [ - E(T)]2.
De esta expresin deducimos que el error cuadrtico medio sera
pequeo en la medida que lo sea su varianza y lo mismo ocurra con [
-E(T)]2, es decir -E(T).
El valor pequeo de la varianza quiere decir que T presenta poca
variabilidad; el hecho de que -E(T) sea pequeo quiere decir que E(T)
tiende al valor a medida que el experimento se repite, lo que indica que
T tiende a dar valores prximos al parmetro.
La diferencia -E(T) se llama sesgo del estimador.
Estudiaremos un ejemplo que nos muestra como las dos
propiedades anteriores pueden no ser suficientes paradeterminar el
mejor estimador:
Ejemplo:
Sea X1, X2, ..., Xn una muestra aleatoria de una poblacin de media
desconocida y varianza =81. Consideremos T1= yT2= como
estimadores de la media, si obtenemos el error cuadrtico medio para el
primer estimador utilizando el teorema anterior obtenemos haciendo lo
mismo para el segundo estimador obtenemos .
Supongamos que tenemos que escoger uno de los dos estimadores.
Para ello debemos tomar aquel que tenga menor error cuadrtico medio.
Trabajando con las frmulas podemos observar que va a depender del
valor de la media.
En este ejemplo observamos que para escoger el mejor estimador
tendramos que saber cul es el verdadero valor de la media
poblacional. Pero nosotros pretendemos es contar con criterios que
garanticen una buena seleccin del estimador, sin importar el valor
particular del parmetro objeto de estudio.
Para precisar estos criterios estudiaremos el error cuadrtico
medio en sus partes y as iniciamos el estudio de la diferencia - E(T).
Se dice que una estadstica T es un estimador insesgado de , si
se cumple que E(T)= para cualquier valor de .
Volviendo al ejemplo anterior tendramos que la media muestral
es un estimador insesgado de la media de la poblacin mientras queT 2
no lo es.
Tambin podemos decir que un estimador insesgadoes aquel
que tiene sesgo igual a cero.

TEOREMA:
Sea X1, X2, ..., Xn una muestra aleatoria de cierta distribucin de
media y varianza . Entonces:
a)
a)T1= es un estimador
insesgado de .
b) b)T2=S2 es un estimador insesgado de .
La propiedad de insesgamiento nos garantiza que las estimaciones
que hagamos con el estimador se encuentran alrededor del parmetro en
cuestin, de esto podemos deducir la siguienteREGLA DE PROCEDIMIENTO:
REGLA 1 : Si tenemos T1 y T2 estimadores del parmetro y uno
de ellos es insesgado, entonces escoja el insesgado.
Continuando con el ejemplo escogeramos la media muestral
como mejor estimador de la media.
Los siguientes grficos ilustran el significado de estimador
insesgado y estimador sesgado
Una vez que tenemos dos estimadores con el mismo sesgo
deberamos tener otra regla que nos permita elegir uno en lugar del otro,
as llegamos a la SEGUNDA REGLA DE PROCEDIMIENTO :
REGLA 2 : Si tenemos T1 y T2 estimadores del parmetro ambos
insesgado, entonces escoja el de menor varianza.
Tenemos que tener en cuenta otras propiedades de los
estimadores consistencia y eficiencia.
La consistencia se refiere al comportamiento de un estimador, a
medida que la muestra se va tomando de un tamao mayor.
T es un estimador consistente para , si se cumple que ,
cuando n tiende a infinito.
Es decir un estimador es consistente si a medida que aumenta el
tamao de la muestra, la probabilidad de que se acerque al parmetro va
siendo mayor.
Un estimador T del parmetro es suficiente cuando es capaz de
sustraer de la muestra toda la informacin que sta contengaacerca del
parmetro.
Los estimadores de mayor uso como la media muestral, la
varianza muestral y la proporcin muestral son buenos estimadores.
La pregunta que nos podemos hacer es cmo se obtiene un
estimador? Los mtodos ms comunes son el de mxima verosimilitud,
mtodo de los momentos muestrales y mtodo de los mnimos cuadrados.
Estudiaremos el mtodo de mxima verosimilitud.
3. ESTIMACIN DE MXIMA VEROSIMILITUD.
La estimacin de mxima verosimilitud consiste en considerar todos
los valores posibles del parmetro de la poblacin y calcular la probabilidad de
que se obtenga ese estimador particular, dados todos los valores posibles del
parmetro.
Ejemplo:
Deseamos conocer la proporcin de estudiantes de cierta universidad que estn a favor de un cambio de sede.

Se escogieron aleatoriamente 10 estudiantes y 4 de ellos

respondieron si. Es decir n=10,x=4, donde X= nmero de estudiantes
que respondieron si.
Ahora vamos a calcular la probabilidad de obtener 4 respuestas s
de acuerdo con la proporcin verdadera que pueda darse en la poblacin

universitaria. Consideraremos que la variable aleatoria definida sigue una

binomial con lo que : ; x=0,1,2,...,10.
Si tomamos x=4 tenemos
Calcularemos las probabilidades respectivas para los distintos valores
de y los reflejamos en la siguiente tabla:
P[X=4]
00 00000
01 00112
02 00881
03 02001
04 02508
05 02051
06 01115
07 00368
08 00055
09 00001
10 00000
En la tabla podemos notar que la mxima probabilidad se da para =04
que coincide precisamente con la proporcin muestral. Es decir, el valor de la
proporcin muestral que hace mxima la funcin, L( )=210 4(1- )6.
Naturalmente la proporcin verdadera puede ser distinta del valor
muestral obtenido. Pero es un riesgo que viene producido por proceder por
muestreo y no investigar a toda la poblacin.
Tambin podramos haber tomado otros valores de distintos a los de la
tabla anterior y de esta manera sera ms preciso considerar la funcin L( )
como una funcin continua definida en el intervalo [0,1]. Esta funcin la
llamaremos funcin de verosimilitud y formalmente queda definida como:
L( )=210 4(1- )6; 0 1.
De esta forma la funcin anterior es la probabilidad condicional de X = 4
dado = p y su grfica es la siguiente:
Aunque en la grfica se puede observar el mximo, podemos recurrir a la
herramienta matemtica conocida como criterio de la derivada para
obtencin de valores extremos .
Veamos que ocurre en general:
Sea X una variable aleatoria con funcin de densidad f(x, ) determinada
por el parmetro . Supongamos que de la poblacin extraemos una muestra
de tamao n que proporciona los datos x1, x2, ...xn. Con estos datos formamos
el producto f(x1, )f(x2, )...f(xn, ). Este producto se llama funcin de mxima
verosimilitud.
L( ) = f(x1; ) f(x2; ) ... f(xn; )
Una estimacin de mxima verosimilitud para el parmetro , es aquel
valor de donde la funcin de verosimilitud asuma su mximo
La expresin de en trminos de la muestra aleatoria X1, X2, ..., Xn se
llama estimador de mxima verosimilitud de .
ESTIMADORES DE LOS PARMETROS MS USUALES:
1. , media muestral. Se emplea para estimar y se escribe =
2. S2= , varianza muestral. Este estimador se emplea para estimar y se
escribe =S2.
3. S= , desviacin tpica muestral. Este estimador se emplea para
estimar y se escribe = S.

4. = , proporcin muestral.
Este estimador se emplea para estimar , y se escribe .
5. T=N , total poblacional. Este estimador se emplea para estimar el
total poblacional y se escribe =N .
6. T=N , total poblacional. Este estimador se emplea para estimar el
total poblacional de individuos que poseen una determinada
caracterstica y se escribe =N .
EJERCICIOS SOBRE EL USO DE LOS ESTIMADORES

EJERCICIOS SOBRE EL USO DE LOS

ESTIMADORES
1. <![endif]>1. De una poblacin se escogieron al azar 10 personas y
se les tomo la estatura. Los resultados en cm fueron: 160, 170,
170, 150, 160, 180, 160, 170, 130, 150. Estime la media y la
varianza. (Sol. 169,14).
2. <![endif]>2. En una universidad se desea conocer la opinin de
los estudiantes acerca de ciertas medidas que han tomado las
directivas. De 120 estudiantes consultados, 90 estuvieron a
favor. Estime la proporcin de estudiantes que estn a favor de
las medidas.(Sol. 75%).
3. <![endif]>3. Un conjunto residencial est formado por 200
apartamentos. Se seleccionaron 18 apartamentos y se observ
que, en promedio, viven 45 personas por apartamento. Estime
el total de personas que viven en el conjunto residencial. ( Sol.
900 personas).
4. <![endif]>4. De un lote de 1.000 licuadoras se escogen
aleatoriamente 30 y se encontr que 2 de ellas estaban
estropeadas;cuntas licuadoras se estima que estn
estropeadas? (Sol. 67 licuadoras).
EJERCICIOS SOBRE EL ERROR ESTNDAR
1. Una agencia de encuesta selecciona 900 familias y calcula la
proporcin de stas que utilizan cierto tipo de detergente. Si la
proporcin estimada es 035 Cul es el error estndar estimado?
(Sol. 0016).
2. En el estudio de cierta caracterstica X de una poblacin se sabe
que la desviacin estndar es 3. Se va a escoger una muestra de
tamao 100, halle el error estndar de la media muestral. (Sol. 03).
3. Se escogi al azar una muestra de 10 clientes de un banco y se les
pregunt el nmero de veces que haban utilizado el banco para
llevar a cabo alguna transaccin comercial. Los resultados fueron
los siguientes: 0, 4, 2, 3, 2, 0, 3, 4, 1, 1. Estime el error estndar del
nmero de transacciones promedio. ( Sol. 047).

EJERCICIOS SOBRE ESTIMACIN POR

INTERVALOS.
1. Una muestra aleatoria de 36 cigarrillos de una determinada marca
dio un contenido promedio de nicotina de 3 miligramos. El
contenido en nicotina de estos cigarrillos sigue una normal con una

2.

3.

4.

5.

desviacin estndar de 1 miligramo. a) Obtenga e interprete un

intervalo de confianza del 95% para el verdadero contenido
promedio de nicotina en estos cigarrillos. b) El fabricante garantiza
que el contenido promedio de nicotina es 29 miligramos, qu
puede decirse de acuerdo con el intervalo hallado? (Sol. [267,3
33] . No podemos descartar lo afirmado por el fabricante ya que el
valor 29 se encuentra dentro del intervalo).
Los siguientes nmeros representan el tiempo(en minutos) que
tardaron 15 operarios en familiarizarse con el manejo de una nueva
mquina adquirida por la empresa: 34, 28, 44, 25, 33, 4, 48, 29,
56, 52, 37, 3, 36, 28, 48. Supongamos que los tiempos se
distribuyen normalmente. A) Determina e interpreta un intervalo del
95% de confianza para el verdadero tiempo promedio. B) El
instructor considera que el tiempo promedio requerido por los
trabajadores es mayor que 5 minutos, qu se puede decir de
acuerdo con el intervalo hallado? (Sol.[326 , 434]. La apreciacin
del instructor no parece correcta ya que el valor 5 minutos se
encuentra fuera del intervalo.)
Queremos medir la diferencia en ventas entre dos categoras de
empleados. Una est formada por personas con ttulo superior y la
otra por personas con estudios secundarios. Tomamos una
muestra de 45 empleados del primer grupo y la media de ventas
resulta ser 32. Tomamos una muestra de 60 empleados del segundo
grupo y la media obtenida es 25. Supongamos que las ventas de los
dos grupos siguen una normal con varianza 48 para el primer grupo
y de 56 para el segundo. A) Calcula un intervalo del 90% de
confianza para la verdadera diferencia de las medias. B) De acuerdo
con el intervalo hallado , hay evidencia de que las ventas medias
de los grupos son iguales?( Sol.[467,933]. El hecho de que las
medias sean iguales quiere decir que la diferencia de las medias es
0. Como el 0 no est contenido en el intervalo, no hay evidencia de
que se de la igualdad.)
Se desea saber si hay diferencia entre el tiempo(en minutos) que
tardan los empleados de la pizzera A y los de la pizzera B en
atender un pedido. Tomamos una muestra de 14 empleados de A y
obtenemos una media muestral de 17 minutos y una varianza
muestral de 15. Tomamos una muestra de B de 25 empleados
obteniendo la media muestral de 19 y la varianza muestral de 18.
Suponemos que los tiempos para los dos grupos se distribuyen
normalmente y que las varianzas son iguales aunque
desconocidas. A) Calcula un intervalo de confianza del 99% para la
verdadera diferencia de las medias. B) De acuerdo con el intervalo
hallado, hay evidencia de que los dos tiempos promedios son
iguales?(Sol. [083,317]. Como el cero no est contenido en el
intervalo, no hay evidencia de que los tiempos sean iguales.)
Una marca de lavadoras quiere saber la proporcin de amas de
casa que preferiran usar su marca. Toman al azar una muestra de
100 amas de casa y 20 dicen que la usaran. Calcula un intervalo de
confianza del 95% para la verdadera proporcin de amas de casa
que preferiran dicha lavadora. (Sol. [0122 , 0278].)

6. Se desea cambiar una mquina en una cadena de produccin. Se

toman muestras con la mquina actual y con la nueva mquina para
determinar si se van a producir mejoras en el sistema. 75 de 1.000
artculos del procedimiento actual presentaron defectos y lo mismo
sucedi con 80 de 2.500 partes del nuevo, determine un intervalo de
confianza del 90% para la verdadera diferencia de proporciones de
partes defectuosas.(Sol. [00281, 00579]).
7. Un fabricante de bateras para automvil asegura que las bateras
que produce duran en promedio 2 aos, con una desviacin tpica
de 05 aos. Si 5 de estas bateras tienen duracin 15, 25, 29, 32,
4 aos, determine un intervalo de confianza del 95% para la
varianza e indique si es vlida la afirmacin del fabricante. (Sol. [03
, 7]. Como el valor garantizado por el fabricante queda fuera del
intervalo rechazamos dicha afirmacin.)
8. Determina un intervalo de confianza del 90% para el cociente de
varianzas tomando los datos del ejercicio 4.( Sol. [0552 , 2904])

EJERCICIOS SOBRE EL TAMAO DE LA

MUESTRA.
1. 1. Queremos ajustar una mquina de refrescos de modo
que el promedio del lquido dispensado quede dentro de
cierto rango. La cantidad de liquido vertido por la mquina
sigue una distribucin normal con desviacin estndar 0
15 decilitros. Deseamos que el valor estimado que se
vaya a obtener comparado con el verdadero no sea
superior a 02 decilitros con una confianza del 95%.De
qu tamao debemos escoger la muestra?(Sol. N=217).
2. 2. Es necesario estimar entre 10.000 establos, el nmero
de vacas lecheras por establo con un error de estimacin
de 4 y un nivel de confianza del 95%. Sabemos que la
varianza es 1.000. Cuntos establos deben visitarse para
satisfacer estos requerimientos? (Sol. Como sabemos que
hay 10.000 establos, tendremos que usar la frmula en la
que interviene el tamao de la poblacin y obtenemos
n=235).
3. 3. Una mquina llena cajas con cierto cereal. El supervisor
desea conocer con un error de estimacin de mximo 01
y un nivel de confianza del 90%, una media estimada del
peso. Como la varianza era desconocida se procedi a
escoger una muestra piloto. Los resultados fueron los
siguientes: 1102, 1114, 1078, 1159, 1158, 1119, 1171,
1127, 1093, 1094. Cuntas cajas debe escoger para que
se cumplan los requisitos propuestos?(Sol. Debemos
tomar la varianza estimada y al ser n<30 el valor de t, al
sustituir en la frmula obtenemos n=34).

4. 4. Se desea conocer el peso promedio de una determinada

clase de pescado con un error de estimacin de 002 y
con un nivel de confianza del 99%. Por datos anteriores se
sabe que el peso mnimo es 148 libras y el mximo es de
247 libras.De qu tamao debe escoger la muestra?
Suponga que los pesos de estos pescados se distribuyen
normalmente.(Sol. No conocemos la varianza pero la
podemos estimar a partirde la frmula A/4. Al sustituir en
la frmula obtenemos n=1015)
5. 5. Se desea hacer una encuesta para determinar la
proporcin de familias que carecen de medios
econmicos para atender los problemas de salud. Existe
la impresin de que esta proporcin est prxima a 035.
Se desea determinar un intervalo de confianza del 95%
con un error de estimacin de 005. De qu tamao debe
tomarse la muestra?(Sol. N=350 ).
6. 6. Un productor de semillas desea saber con un error de
estimacin del 1% el porcentaje de semillas que germinan
en la granja de su competidor. Qu tamao de muestra
debe tomarse para obtener un nivel de confianza del 95%?
(Sol. Como no tenemos ninguna estimacin de la
proporcin, tomaremos 05 y as obtenemos n=9.604)
7. 7. Se desea realizar una encuesta entre la poblacin
juvenil de una determinada localidad para determinar la
proporcin de jvenes que estara a favor de una nueva
zona de ocio. El nmero de jvenes de dicha poblacin es
N=2.000. Determinar el tamao de muestra necesario para
estimar la proporcin de estudiantes que estn a favor
con un error de estimacin de 005 y un nivel de confianza
del 95%.(Sol. Como no nos dan ninguna estimacin de la
proporcin, tomaremos 05. El valor de n es 322).
4. EL ERROR ESTNDAR
Un mismo estimador ofrece distintos valores para distintas muestras del
mismo tamao extradas de la misma poblacin. Por lo tanto deberamos tener
una medida de la variabilidad del estimador respecto del parmetro que se trata
de estimar. Esta variabilidad se mide en trminos de la desviacin estndar del
estimador, la cual recibe el nombre de error estndar.
El error estndar de un estimador T de un parmetro es la desviacin
estndar del estimador.
As por ejemplo, si tomamos como estimador de , entonces el error
estndar est dado por .
Error de estimacin es el valor absoluto de la diferencia entre una
estimacin particular y el valor del parmetro.
En realidad por cada valor estimado del parmetro se tiene un error de
estimacin por lo general diferente. Sin embargo, es posible fijar un intervalo
dentro del cual se encontrarn la mayora de los valores de error de estimacin
para un estimador y parmetro dados.

En la tabla siguiente se dan las frmulas de los errores de estimacin

para algunos estimadores y los estimadores para tales errores. Los
estimadores se usan cuando los parmetros que se incluyen en las frmulas de
los errores de estimacin son desconocidos.
ESTIMADOR DEL ERROR
PARMETRO

ESTIMADOR

ERROR ESTNDAR

=
N
=
5. ESTIMACIN POR INTERVALOS.
Nos proponemos determinar dos nmeros entre los cuales se halla el
parmetro estudiado con cierta certeza.
El procedimiento para obtener un intervalo (de confianza) para un
parmetro, la media , por ejemplo, requiere de la determinacin de un
estimador del parmetro y de la distribucin del estimador.

Ejemplo
Tratamos de obtener un intervalo de confianza para la media de una
poblacin normal.
Sabemos que si X sigue una normal de media y varianza entonces la
media muestral sigue una normal de la misma media y de varianza la varianza
poblacional partida por n, tamao de la muestra.
Vamos a determinar a y b tales que P[a< <b]=095.
Para calcular estos valores es necesario estandarizar X:
= 095.
Por lo tanto = 095.
En realidad hay infinitos pares de nmeros para los que se cumple la
ecuacin anterior. De stos vamos a escoger el par de nmeros que se
hallan situados simtricamente respecto de cero en la distribucin normal.
Llegamos a que
y
A partir de estas ecuaciones obtenemos a = y b = .
Con lo que obtendramos .
O lo que es lo mismo .
El intervalo se llama intervalo (aleatorio) de confianza para .
A partir de los datos muestrales podemos determinar el valor de y
obtenemos as un intervalo numrico. El valor 196 se debe a que pedamos
una probabilidad de 095. Para indicar el intervalo para cualquier valor de
probabilidad podemos utilizar la expresin . Expresin que puede
simplificarse .
, se llama longitud del intervalo.
Un intervalo de confianza para un parmetro es un intervalo
construido alrededor del estimador del parmetro de tal manera que
podemos esperar que el verdadero valor del parmetro quede incluido en
dicho intervalo.
El nivel de confianza de un intervalo es una probabilidad(expresada en
porcentaje) que representa la seguridad de que el intervalo encierra el
verdadero valor del parmetro .

En el ejemplo el nivel de confianza es del 95%.En general el nivel de

confianza se expresa en la forma 100(1- )%. (1- )=095. El valor representa
la probabilidad de que el parmetro quede fuera del intervalo y en este caso
es 05. Esta situacin la representaremos en el siguiente grfico:
Para cada nivel de confianza existe un valor de tabla ( normal, t , , F)
asociado al nivel de confianza dado. Este valor se llama coeficiente de
confiabilidad y se denota:

NORMAL

DISTRIBUCIN JI CUADRADO
T

DISTRIBUCIN F

Si queremos un intervalo con un nivel de confianza de 100(1- )%, en la

tabla correspondiente buscaremos un valor de variable para el que el rea
de cola superior(tambin inferior) sea del 100(1- /2)% ya que la porcin de
rea que no ser cubierta por el intervalo debe tener una medida de
tamao y se toma como norma general de procedimientoque se reparta en
partes iguales entre las dos colas.
Los tres conceptos bsicos que encierra un intervalo quedan resumidos
en la expresin general para un intervalo de confianza:

ESTIMADOR (COEF. DE CONF.) . (ERROR ESTNDAR)

Ejemplo:
Sea X la variable aleatoria que se utiliza para designar el peso de un
pasajero de avin y que interesa conocer , el peso medio de todos los
pasajeros. Para ello tomamos una muestra de 36 pasajeros y obtenemos una
media muestral de 160 libras. Supongamos que la distribucin de los pasajeros
sea normal con desviacin estndar 36. Calcula el intervalo del 95% de
confianza..
El intervalo est dado por la expresin , reemplazamos los valores y
obtenemos 160 (196).(30/6). Por lo tanto el intervalo pedido es: [1502,169
8].
Si nos hubieran pedido un intervalo del 90% de confianza tendramos
160 (1645).(30/6). Y el intervalo pedido es [15178,16823].
Podramos construir tambin un intervalo de confianza del 99%
obteniendo 160 (2575).(30/6). Y el intervalo sera [14713,17288].
Al observar los intervalos podemos notar que a medida que se aumenta
el nivel de confianza la longitud del intervalo tambin aumenta como
podemos ver en la figura.
Tenemos las siguientes propiedades sobre la longitud del intervalo:
PROPIEDAD 1. Para un tamao de muestra y una varianza dada a
medida que aumenta el nivel de confianza tambin lo hace la longitud del
intervalo
PROPIEDAD 2. Para un nivel de confianza y una varianza dadas cuando
el tamao de la muestra aumenta la longitud del intervalo disminuye.
Estas propiedades se deducen de la expresin de la longitud del
intervalo L= . Como podemos ver si la varianza se considera fija la frmula
est sujeta a dos nmeros cuyas acciones se contraponen en cuanto a la
longitud, el nivel de confianza y el tamao de la muestra..
Para que un intervalo sea tomado en cuenta con algn inters, el nivel
de confianza debe ser alto.

Suelen presentarse dos interpretaciones para un intervalo de confianza,

una probabilsticay otra prctica. Veamos cmo son en el caso de la
media:
Desde un punto de vista de la probabilidad se dice: En el muestreo
aleatorio simple de una poblacin normal de media y varianza conocida, el
100(1- )% de todos los intervalos de la forma incluir la media desconocida
.
Aplicando esto al ejemplo anterior podemos decir que de 100 muestras
de tamao 36 que escojamos de los pasajeros del avin, 95 de
ellas(aproximadamente) producirn intervalos que contendrn el verdadero
peso promedio . O lo que es lo mismo, de 100 intervalos obtenidos por la
frmula anterior 95 de ellos contendrn el verdadero valor del parmetro.
De la interpretacin probabilstica se desprende la prctica que se
establece as: Si se realiza un muestreo aleatorio simple en una poblacin
normal con media y varianza conocida , se tiene el 100(1- )% de confianza
de que el intervalo particular contendr el verdadero valor del parmetro
desconocido
En el ejemplo diremos que tenemos una confianza o certeza del 95% de
que el verdadero peso promedio de los pasajeros del avin est entre 1502
y 1698 libras.

EJERCICIO1

POBLACIN
NORMAL

MEDIA

VARIANZA CONOCIDA
O VARIANZA
DESCONOCIDA Y N>30
EJERCICIO2

POBLACIN
NORMAL

DIFERENCIA

DE
MEDIAS

PROPORCIN

DIFERENCIA DE
PROPORCIONES

VARIANZA
DESCONOCIDA Y N<30
POBLACIONES
NORMALES
INDEPENDIENTES.
VARIANZAS
CONOCIDAS.
POBLACIONES
NORMALES
INDEPENDIENTES.
VARIANZAS IGUALES
DESCONOCIDAS
SE RECOMIENDA EL
USO DE ESTA
FRMULA EN
MUESTRAS DE
TAMAO GRANDE
SE RECOMIENDA EL
USO DE ESTA
FRMULA EN
MUESTRAS DE
TAMAO GRANDE

EJERCICIO3

EJERCICIO4

EJERCICIO5

EJERCICIO6

VARIANZA
COCIENTE DE
VARIANZAS

POBLACIONES
NORMALES
MUESTRAS
INDEPENDIENTES DE
POBLACIONES
NORMALES

EJERCICIO7

; b=

EJERCICIO8

6. TAMAO DE LA MUESTRA PARA ESTIMAR MEDIAS Y PROPORCIONES.

El tamao de la muestra que debemos escoger para hacer una
estimacin del parmetro con las caractersticas especificadas(de nivel de
confianza y error de estimacin.) es un problema de gran importancia ya
que:
1. 1.Si tomamos una muestra ms grande de la indicada para alcanzar
los resultados propuestos, constituye un desperdicio de
recursos(tiempo, dinero, etc.); mientras que una muestra demasiado
pequea conduce a menudfo a resultados poco confiables.
2. 2.cuando elegimos una muestra de tamao n slo revisamos una
fraccin o parte de la poblacin y con base en ella tomamos
decisiones que afectan a toda la poblacin. Es evidente que por este
procedimiento se abre la posibilidad de que nos equivoquemos en
nuestras decisiones, pero esta posibilidad depende en gran medida
del tamao de muestra o fraccin de poblacin que se haya
analizado.
El tamao que debe tener la muestra depende del nivel de confianza
propuesto, as como del mximo error que estemos dispuestos a admitir
entre el valor estimado y el valorreal del parmetro que corresponde al
error de estimacin.
Veamos cmo se determinara el tamao de la muestra a partir de la
consideracin del nivel de confianza y del error de estimacin cuando
hacemos muestreo con repeticin o en poblaciones infinitas.
Supongamos que d es el error de estimacin(precisin) y el nivel de
confianza es 100(1- ) para la estimacin de la media de una poblacin
normal con varianza conocida , con estos datos formamos la ecuacin d=
De esta ecuacin, elevando al cuadrado obtenemos d 2=Z2 de esta
ecuacin despejamos nd2=Z2 por lo tanton = .
Esta frmula nos permite obtener el tamao de la muestra cuando
tratamos de estimar un intervalo de confianza para la media con error de
estimacin y nivel de confianza dados.
El tamao de la muestra depende de dos elementos bsicos(supuesta
dada la varianza) que hay que sopesar cuando se va a tomar una decisin
al respecto; se trata del nivel de confianza y del error de estimacin y
tenemos:
1. 1.El tamao de la muestra aumenta a medida que aumenta el
nivel de confianza para un error de estimacin y una varianza
dados.
2. 2.El tamao de la muestra aumenta a medida que disminuye el
error de estimacin para un nivel de confianza y varianza dados.
Sila poblacin es finita y el tamao de sta debeser tenida en
cuenta, el tamao muestral viene dado por:

En las dos frmulas anteriores aparece la varianza, por lo tanto es

necesario conocerla. Si es desconocida debe ser estimada por
cualquiera de los medios siguientes:
1. 1.Se toma una muestra preliminar llamada muestra piloto y
estimamos la varianza mediante S2. Si el tamao de la
muestra piloto es inferior a 30 se recomienda emplear el valor t
en lugar del valor normal.
2. 2.Se utilizan estimaciones previas que se hayan hecho acerca
de la varianza en estudios anteriores.
3. 3.Si existe evidencia de que la poblacin estudiada tiene
distribucin normal, estimaremos mediante A/4 donde A es la
amplitud o rango de la poblacin. Este mtodo requiere el
conocimiento del valor mximo y mnimo de la varianza
investigada.
Estudiemos el caso de la proporcin poblacional. En este caso
el tamao de la muestra esta dado por:
n=
Cuando no se da estimacin alguna para la proporcin,
utilizaremos la frmula anterior tomando =05. Esto arroja por lo general
una muestra mucho mayor de la indicada.
Si el tamao de la poblacin debe ser tenido en cuenta el tamao de muestra
esta dado por:
n=