Professional Documents
Culture Documents
ESTIMADOR PUNTUAL
Un estimador puntual es un número que se utiliza para estimar un parámetro
desconocido de la población.
Solo tiene dos opciones: es correcto o está equivocado, si está equivocado no
se sabe qué tanto.
2. ESTIMADORES DE INTERVALO
Es un intervalo de valores que probablemente contiene el valor verdadero del
parámetro de la población.
Esta estimación indica el error de dos maneras: por la extensión del intervalo
(margen de error) y por la probabilidad de que el parámetro poblacional se
encuentre dentro del intervalo (Nivel de Confianza)
3. DISTRIBUCIONES MUESTRALES.
El propósito de este tema es examinar la distribución de las medias y las
proporciones muestrales de una población.
Los valores individuales de una población pueden presentar diferentes
distribuciones de probabilidad.
La distribución muestral de la media (𝑥̅ ) es la distribución de probabilidad de todas
las posibles medias muestrales (NCn) para un tamaño de muestra dado.
4. ERROR
Es la diferencia entre el valor estimado con la muestra y el parámetro de población.
𝐸𝑟𝑟𝑜𝑟 = |𝑥̅ − 𝜇|
1
d) Si la población original no tiene distribución normal, la distribución de la
media muestral se aproxima a la normal al aumentar el tamaño de la
muestra; esto se conoce como: Teorema Central del Límite.
6. EJEMPLO
Suponga que una población tiene una media de 10 pero se desconoce este valor,
solamente se sabe que la desviación estándar es de 2. Trataremos de estimar
el valor de la media con una muestra de tamaño n = 4.
2
El error estándar de la media muestral es 𝜎𝑥̅ = = 1 , y en el 95% de los casos
√4
el resultado estará dentro del intervalo 10 ± (1.96) (1); o sea entre 8.04 y 11.96
y solo en 5% de los casos caerá fuera de estos límites.
0.5
0.4
=10 (desconocida)
2
𝜎𝑥̅ = = 1
0.4 √4
Z/2 = 1.96 para 95%
0.3
0.3
95%
0.2
1-
0.2
0.0
-5 -4 -3
8.04
-2 -1
10
0 1
11.96
2 3 4 5
Z/2Sx Z/2Sx
7.04 9 10.96
9.04 11 12.96
6.04
8 9.96
2
A mayor nivel de confianza el intervalo es más grande y menos preciso.
Z es el valor positivo de Z que está en la frontera que separa los valores de 𝑥̅ que
probablemente ocurrirán de aquellos que no ocurrirán.
𝜎 𝑁−𝑛
𝜎𝑥̅ = ( ) (√ )
√𝑛 𝑁−1
𝑠 𝑁−𝑛
𝑠𝑥̅ = ( ) (√ )
√𝑛 𝑁−1
𝑝(1 − 𝑝) 𝑁 − 𝑛
𝜎𝑝̅ = √ √
𝑛 𝑁−1
3
1.- Una muestra aleatoria simple de 50 artículos originó una media muestral de 32,
se sabe que la desviación estándar de la población es 16.
Determine un intervalo de confianza de 90% para la media de la población.
Se usa la ecuación:
𝑥̅ ± 𝑍𝜎𝑥̅
𝜎
𝜎𝑥̂ =
√𝑛
16
𝜎𝑥̂ == 2.26
√50
A continuación, se construye el intervalo
32 ± (1.64 × 2.26) = 28.28 𝑎 35.72
Con un 90% de confianza sabemos que la media de población se encuentra entre
los valores anteriores.
2.- Se desea estimar con una confianza de 99% la proporción de votantes a favor
del candidato a alcalde por el Partido Unificado de los Trabajadores. De una muestra
de 500 personas seleccionadas en forma aleatoria se sabe que 235 de los
entrevistados está a favor del candidato.
Se usa la ecuación:
𝑃̂ (1 − 𝑝̂ )
𝑝̂ ± 𝑍𝛼/2 √
𝑛
235
𝑝̂ = = 0.47
500
(0.47)(0.53)
0.47 ± (2.58) (√ ) = 0.47 ± 0.058 = 0.41 𝑎 0.53
500
3.- Una muestra aleatoria simple de 25 artículos originó una media muestral de 30,
la desviación estándar de la muestra es de 10.
a) Determine un intervalo de confianza de 90% para la media de la población.
Se usa la ecuación:
𝑥̅ ± 𝑡𝛼/2 𝑆𝑥̅
4
Se conoce la media muestral y el valor de t es de 1.711 para una confianza
de 90% con 24 grados de libertad, falta calcular el error estándar
𝑆
𝑆𝑥̂ =
√𝑛
10
𝑆𝑥̂ = = 2.00
√25
A continuación, se construye el intervalo
30 ± (1.711 × 2.00) = 30 ± 3.42 = 26.58 𝑎 33.42
Con un 90% de confianza sabemos que la media de población se encuentra entre
los valores anteriores.