ESTIMACIÓN DE UNA MEDIA

POBLACIONAL CON σ
CONOCIDA Y DESCONOCIDA
Propósito

• Realizar estimación de una media

poblacional con varianza poblacional
conocida.

• Realizar el cálculo de una muestra para

estimar una media poblacional.
Construir un intervalo de confianza que se utilice para
estimar una media poblacional dado σ.

𝑥ҧ − 𝐸 < 𝜇 < 𝑥ҧ + 𝐸
𝜎
𝐸 = 𝑍𝛼 /2.
𝑛
μ = Media poblacional
σ = Desviación estándar de la población
𝑥ҧ = Media muestral
n = Número de valores muestrales
E = Margen de error
z α/2 = puntuación z que separa un área de α/2 en la cola derecha de la distribución
normal estándar
1. La muestra es aleatoria simple.

2. El valor de la desviación estándar

poblacional σ es conocido.

3. Cualquiera o ambas de estas condiciones

se satisfacen: la población se distribuye
normalmente o n > 30.
Han muerto personas en accidentes de embarcaciones y
aviones debido al uso de una estimación obsoleta del peso
medio de los hombres el cual ha variado de manera
considerable, por lo que es necesario actualizar la estimación
de esa media con la finalidad de que los medios de
transporte no se sobrecarguen peligrosamente.

Si utilizamos los pesos de hombres de una muestra aleatoria

simple: n = 40 y 𝒙ഥ = 172,55 libras. Investigaciones realizadas
por otras fuentes sugieren que la población de los pesos de
hombres tienen una desviación estándar dada por σ = 26
libras.
a. Calcule la mejor estimación puntual del peso
medio de la población de todos los hombres.
b. Construya un intervalo de confianza del 95%
para el peso medio de todos los hombres.
c. ¿Qué sugieren los resultados acerca del peso
medio de 166,3 libras que se utilizaba en
1960 para determinar la capacidad que
ofrece seguridad a los pasajeros de las
embarcaciones?
VERIFICACIÓN DE REQUISITOS
1. La muestra es aleatoria simple.
2. σ = 26 libras.
3. Con n > 30

a. La media muestral de 172,55 libras es la mejor

estimación puntual del peso medio para la población
de todos los hombres.
b. El nivel de confianza del 0,95 implica que  = 0,05,
entonces zα/2 = 1,96
26
𝜎 𝐸 = 1,96. = 8,057
𝐸 = 𝑍𝛼 /2. 40
𝑛
Con 𝑥ҧ = 172,55 y E = 8,057 se construirá el intervalo de
confianza:
𝑥ҧ − 𝐸 < 𝜇 < 𝑥ҧ + 𝐸
172,55 − 8,057 < 𝜇 < 172,55 + 8,057

𝟏𝟔𝟒, 𝟒𝟗 < 𝝁 < 𝟏𝟖𝟎, 𝟔𝟏 ഥ

Redondeo similar a la 𝒙

c. Con base en el intervalo de confianza, es posible que el peso

medio de 166,3 libras que se usaba en 1960 sea el peso medio
de los hombres en la actualidad. Sin embargo, la mejor
estimación puntual de 172,55 libras sugiere que el peso medio
de los hombres ahora es mucho mayor que 166,3 libras.
Determinar qué tan grande debe ser una muestra para
poder estimar la media poblacional μ.

2
𝑍𝛼/2 . σ
𝑛=
𝐸
Suponga que queremos estimar la puntuación
media del CI de la población de estudiantes de
estadística.

¿Cuántos estudiantes de estadística deben

seleccionarse al azar para aplicarles pruebas de
CI, si queremos tener una confianza del 95% de
que la media muestral estará dentro de 3 puntos
de CI de la media poblacional? Asimismo, σ = 15.
 N.C. = 95%
 = 0,05
zα/2 = 1,96
E =3
σ = 15

2 2
𝑍𝛼 /2σ 1,96 . 15
𝑛= 𝑛= = 96,04 = 97
𝐸 3
Redondeo hacia arriba

Entre los miles de estudiantes de estadística, necesitamos obtener una

muestra aleatoria simple de al menos 97 de ellos.
Método para estimar una media poblacional
cuando no se conoce la desviación estándar σ.

 Cuando se desconoce σ, se utiliza la distribución t de

Student (en vez de la distribución normal)

La media muestral 𝑥ҧ es la mejor estimación

puntual de la media poblacional μ.
Como no conocemos el valor de la desviación estándar poblacional σ, la
estimamos con el valor de la desviación estándar muestral s, pero esta
introduce otra fuente de baja confiabilidad, especialmente con muestras
pequeñas. Para poder mantener el nivel de confianza deseado, como
95%, compensamos esta falta de confianza adicional ampliando el
intervalo de confianza.

Utilizamos valores críticos t/2 (de una distribución t de Student) que son
más grandes que los valores críticos de z/2 de la distribución normal.

Primero debemos identificar el número de grados de libertad (gl) que es

el número de valores muestrales que pueden variar después de haber
impuesto ciertas restricciones a todos los valores de los datos.

Grados de libertad = n-1

Una muestra de tamaño n = 7 es una
muestra aleatoria simple seleccionada de
una población distribuida normalmente.
Calcule el valor crítico t/2 correspondiente
a un nivel de confianza del 95%.
n =7
gl = n – 1 = 7-1 = 6
Nivel de confianza al 95%
 = 0,05
t = 2,447
/2 t 0,025 = 2,447
 𝑥ҧ − 𝐸 < 𝜇 < 𝑥ҧ + 𝐸
𝑠 (gl = n – 1)
𝐸 = 𝑡𝛼/2 .
𝑛 n > 30

μ = Media poblacional
𝑥ҧ = Media muestral Redondeo a una cifra más
𝑠 = Desviación estándar muestral de la media muestral
n = Número de valores muestrales
E = Margen de error
t /2 = puntuación z que separa un área de  /2 en la cola derecha de la
distribución t.
1. La muestra es aleatoria simple.
2. La muestra proviene de una población
con distribución normal o n > 30.
3. No existen valores atípicos y que el
histograma tiene una forma que no es
muy alejada de la de una distribución
normal.
En una muestra de automóviles, se probaron las
cantidades de emisiones de óxido de nitrógeno de cada
uno (en gramos por milla)

0,06 0,11 0,16 0,15 0,14 0,08 0,15 0,12 0,16

0,08 0,10 0,12 0,11 0,09 0,11 0,12 0,15 0,09

Construya un intervalo de confianza del 98% para la

cantidad media de emisiones de óxido de nitrógeno para
todos los automóviles considerando que la muestra
corresponde a una selección al azar de una población
distribuida normalmente.
En una prueba de la eficacia del aceite de oliva para
reducir la fricción de cojinetes, 49 cojinetes fueron
lubricados con aceite de oliva. El coeficiente de
rozamiento fue medido posterior a la lubricación
resultando una media de 0,4 µs (coeficiente estático)
y una desviación estándar de 21,0 µs.
a. Construir un intervalo de confianza del 95% para el
cambio medio neto después del tratamiento de
lubricación.
b. ¿Qué sugiere el intervalo de confianza acerca de la
eficacia del aceite de oliva en pruebas de reducción de
fricción para cojinetes?
Verificación de requisitos
1. La muestra es aleatoria simple.
2. La muestra proviene de una población con
distribución normal o n > 30. (n=49)

Nivel de confianza al 95%

n = 49
gl = n – 1 = 48
 = 0,05 (dos colas)
𝑥ҧ = Media muestral
 t = 2,009
/2

(t 0,025 = 2,011)

Interpolando t
 𝑠 21,0
𝐸 = 𝑡𝛼 /2. 𝐸 = 2,011. = 6,033
𝑛 49

𝑥ҧ − 𝐸 < 𝜇 < 𝑥ҧ + 𝐸

0,4 − 6,033 < 𝜇 < 0,4 + 6,033

−5,633 µs < 𝜇 < 6,433µs

Redondeo a una cifra más de la media
Con base en los resultados muestrales dados, tenemos
una confianza del 95% de que los límites de -5,63 µs y
6,43 µs realmente contienen el valor de μ, la media del
coeficiente estático para pruebas de fricción en cojinetes.

Como los límites del intervalo de confianza contienen el

valor de 0, es muy posible que la media del coeficiente
estático para pruebas de fricción sea igual a 0, lo que
sugiere que el tratamiento con aceite no facilita los niveles
de fricción en cojinetes.
Para determinar el tamaño de muestra que
se necesita para estimar una media
poblacional.
Requiere determinar el tamaño de la
muestra necesario para estimar una media
poblacional, utilice el procedimiento que se
describe en la estimación de la desviación
estándar poblacional (σ) conocida.
La media muestral 𝑥ҧ es el valor intermedio de estos
límites; el margen de error E es la mitad de la diferencia
entre esos límites (ya que el límite superior es 𝒙 ഥ + E y el
ഥ - E, y la distancia que los separa es 2E).
límite inferior es 𝒙

Estimación puntal de μ:
𝐿í𝑚𝑖𝑡𝑒 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 + (𝐿í𝑚𝑖𝑡𝑒 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟)
𝑥ҧ =
2

Margen de error:
𝐿í𝑚𝑖𝑡𝑒 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 − (𝐿í𝑚𝑖𝑡𝑒 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟)
𝐸=
2
Los pesos de la basura desechada proveniente de una muestra de
62 hogares. La siguiente pantalla de la calculadora TI-83/84 Plus es
el resultado desplegado al considerar 62 cantidades de pesos
totales (en libras) para construir un intervalo de confianza del 95%
para el peso medio de la basura desechada por la población de
todos los hogares.

Utilice el intervalo de confianza de la

pantalla para calcular los valores de la
mejor estimación puntual 𝑥ҧ y del margen
de error E.
Estimación puntal de μ:
𝐿í𝑚𝑖𝑡𝑒 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 + (𝐿í𝑚𝑖𝑡𝑒 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟)
𝑥ҧ =
2
30,607 + 24,28
𝑥ҧ = = 27,444
2

Margen de error:
𝐿í𝑚𝑖𝑡𝑒 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 − (𝐿í𝑚𝑖𝑡𝑒 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟)
𝐸=
2

30,607 − 24,28 Se redondean a tres decimales,

𝐸= = 3,164 𝑙𝑏 que es un espacio decimal
2
adicional más de los dos lugares
decimales utilizados
 Métodos Condiciones
Utilice la distribución σ conocida y población distribuida normalmente
normal (z). o
σ conocida y n > 30
Utilice la distribución t. σ desconocida y población distribuida normalmente
o
σ desconocida y n > 30
Utilice un método no La población no está distribuida normalmente y n ≤
paramétrico o bootstrap. 30.

Criterios para decidir si la población está distribuida normalmente: La población no

necesita ser exactamente normal, pero debe tener una apariencia un tanto simétrica, con
una moda y sin valores atípicos.

Tamaño de la muestra n > 30: Este es un lineamiento que se usa regularmente, pero
tamaños de muestra de 15 a 30 son adecuados si la población parece tener una distribución
normal y no existen valores atípicos.
Usted planea construir un intervalo de
confianza para la media poblacional μ.

Utilice los datos para determinar si el margen

de error E debe calcularse utilizando un valor
crítico de z/2 (de la distribución normal), un
valor crítico de t/2 (de la distribución t) o
ninguno de estos.
a. n = 9, 𝑥ҧ = 75, s = 15
La población tiene una distribución normal.
b. n = 5, 𝑥ҧ = 20, s = 2 y
la población tiene una distribución muy sesgada.
c. n = 12, 𝑥ҧ = 98,6, σ = 0,6
La población tiene una distribución normal.
d. n = 75, 𝑥ҧ = 98,6, σ= 0,6
La población tiene una distribución sesgada.
e. n = 75, 𝑥ҧ = 98,6, s = 0,6
La población tiene una distribución sesgada.
a. Puesto que la desviación estándar poblacional σ no se conoce
y la población está distribuida normalmente, el margen de
error se calcula usando t/2
b. Puesto que la muestra es pequeña (n ≤ 30) y la población no
tiene una distribución normal, el margen de error E no se debe
calcular usando un valor crítico de z/2 o t/2 por ello no se
puede aplicar lo estudiado.
c. Puesto que se conoce σ y la población tiene una distribución
normal, el margen de error se calcula usando z/2.
d. Como la muestra es grande (n > 30) y se conoce σ, el margen
de error se calcula usando z/2.
e. Como la muestra es grande (n > 30) y se desconoce σ, el
margen de error se calcula usando t/2 .
 ¿ Qué ¿ Cómo
aprendí ? aprendí ?

¿ Qué me
¿ Para qué falta
aprendí ? aprender ?