ESTIMACIÓN DE PARÁMETROS.

En la unidad anterior resolvíamos problemas en los que, a partir del conocimiento de la media μ y
la desviación típica σ de la población averiguábamos cómo se distribuían las medias de las
muestras de tamaño n. Por tanto, éramos capaces de averiguar cuál es la probabilidad de que la
media de una de esas muestras cumpla ciertas condiciones. Del mismo modo, a partir de la
proporción p de una población que posee una cierta característica obteníamos información sobre
la proporción en muestras de tamaño n.
Es decir, partiendo de un cierto conocimiento de la población, obtenemos conclusiones sobre el
comportamiento de las muestras.
Ahora bien, desde el punto de vista práctico es mucho más interesante dar el paso contrario, esto
es:
Tenemos una determinada población de la que desconocemos sus parámetros. Como, por el
motivo que sea, no podemos realizar un estudio exhaustivo de todos los elementos de la
población, recurrimos a extraer una muestra que podamos manejar. Calculamos los parámetros
de esta muestra concreta y, a partir de ellos, inferimos el valor de algunos de los parámetros de
la población.

Estimación puntual.
Llamamos estadístico a toda función de los datos muestrales que asigna a cada muestra de
tamaño n un valor numérico.
Un estimador para un parámetro poblacional desconocido es un estadístico que nos proporciona
una aproximación de dicho parámetro poblacional.
∑𝑛
𝑖 𝑥𝑖
Un estimador para la media poblacional μ es la media muestral: 𝑥̅ =
𝑛
Un estimador para la proporción poblacional es la proporción muestral: 𝑝̂
En la mayoría de las ocasiones, no tiene mucho sentido llevar a cabo una estimación puntual,
pues si cambiamos de muestra variara el estimador puntual.

Estimación por intervalos de confianza.

Llamamos intervalo de confianza para un parámetro poblacional al intervalo que contiene a
dicho parámetro con una probabilidad, también llamada nivel de confianza Nc 1α . Al valor
de se le llama nivel de significación.
El intervalo de confianza no es más que un intervalo en el que se encontraría el parámetro
poblacional con una probabilidad o confianza de Nc 1α.
Los valores más comunes del nivel de confianza son 90%, 95% y 99%, que corresponden a los
valores 0.90, 0.95 y 0.99 de Nc 1α.
El intervalo de confianza para la media poblacional con un nivel de confianza
Nc 1α
𝜎 𝜎
𝐼𝐶 = (𝑥̅ − 𝑧𝛼∙ ∙ , 𝑥̅ + 𝑧𝛼 ∙ ), donde ̅
𝒙 es la media de la muestra y σ la
2 √𝑛 2 √𝑛
desviación típica de la población.
𝝈
Se le llama error máximo admisible E =𝒛𝜶 ∙ y es la mitad de la amplitud del
𝟐 √𝒏
𝝈
intervalo A = 2∙ 𝒛𝜶 ∙ De la expresión del error, podemos despejar el tamaño muestral
𝟐 √𝒏
 𝒛𝜶 ∙ 𝝈 𝟐
𝒏= ( 𝟐 )
𝑬
El intervalo de confianza para la proporción con un nivel de confianza Nc 1α ,
viene dado por la fórmula:
̂∙(𝟏−𝒑
𝒑 ̂) ̂∙(𝟏−𝒑
𝒑 ̂)
̂ − 𝒛𝜶 ∙ √
𝑰𝒄 = (𝒑 ̂ + 𝒛𝜶 ∙ √
,𝒑 ) , donde ̂
𝒑 es la proporción de la
𝟐 𝒏 𝟐 𝒏
muestra.
̂∙(𝟏−𝒑
𝒑 ̂)
Se le llama error máximo admisible E = 𝒛𝜶 ∙ √ y es la mitad de la amplitud
𝟐 𝒏

̂∙(𝟏−𝒑
𝒑 ̂)
del intervalo A = 2∙ 𝒛𝜶 ∙ √ De la expresión del error, podemos despejar el tamaño
𝟐 𝒏
𝒛𝟐𝜶 ∙𝒑∙
̂ (𝟏−𝒑
̂)
𝟐
muestral: 𝒏=
𝑬𝟐

Conviene tener en cuenta que, tanto en el caso de la normal, como en el de la binomial el

ERROR:
Depende de Nc 1α y de n del siguiente modo:
- Cuanto mayor sea el tamaño de la muestra, menor es E (más estrecho es el intervalo, es decir,
más afinaremos en la estimación).
- Cuanto mayor sea Nc 1α (es decir, cuanto más seguros queramos estar de nuestra
estimación), mayor es E.
Es importante tener en cuenta los siguientes aspectos del intervalo de confianza:
- Está centrado en 𝑥̅ o en 𝑝̂ .
- La amplitud del intervalo (extremo superior – extremo inferior) es el doble del error E. Dicho de
otra forma, el error E es la mitad de la amplitud del intervalo.