ESTIMACION DE PARÁMETROS

Los métodos estadísticos inferenciales constituyen una forma de extraer

conclusiones, respecto a una población, de los datos obtenidos realmente de
una muestra.

la inferencia estadística comprende dos tipos principales de técnicas:

1. Estimación de parámetros y
2. Contrastación de hipótesis

independientemente de la técnica que se utilice, la finalidad general es utilizar

datos de una muestra para extraer conclusiones respecto a una población
 Estimación puntual
Contiene el cálculo de una sola cifra numérica, esto es un valor estadístico para
evaluar el parámetro desconocido de la población.

Una desventaja de esta forma de estimación es que no aporta la precisión de la

estimación del parámetro.
(A) Estimación puntual para la media poblacional

- Para datos simples μ̂  x   x i

- Para datos agrupados μ̂  x   xf i i

f i
 (B) Estimación puntual para la varianza poblacional

  n x 
2 2
x
- Para datos simples σ̂  S
2 2

n 1

 x f  n x 
2 2

σ̂  S
2 2

 f 1
- Para datos agrupados
 (C) Estimación de parámetros de dos poblaciones

Sea X1 una variable aleatoria que se distribuye como una distribución normal
con media 1 y varianza  1 e X2 otra variable aleatoria que se distribuye
2

como una distribución normal con media  2 y varianza  22 .

La estimación de parámetros de dos poblaciones se pueden realizar mediante:

a) La comparación de sus medias, luego:

μ1 - μ 2 = μ̂1 - μ̂ 2 = x1 - x 2
b) La comparación de sus varianzas, luego:

2 2 2
σ̂ x1
= σ̂x1
= s x1
2 2
σ x2 σ̂ x2 s x2
 (D) Estimación puntual de una
población de variable cualitativa

Sea X una variable cualitativa con:

1, si X  A
X
0, si X  A

con P  X M
i
y Q = 1- P
N N
A : Presencia de la característica

Luego:

1, si x  A
x
0, si x  A

con p   x i

m
y q = 1- p
N n
(E) Estimación puntual de dos poblaciones de variables
cualitativas

Sea X1 la variable aleatoria de una población cualitativa con Px1

proporción de aciertos en X1 y sea X2 la variable aleatoria de
otra población cualitativa con Px2 proporción de aciertos en X2,
luego:

P x1 - P x2 = P̂ x1 - P̂ x2 = p x1 - p x2
ESTIMACIÓN POR INTERVALOS
 ESTIMACIÓN POR INTERVALOS

La estimación por intervalos de un parámetro nos indica límites dentro de los cuales el
parámetro tiene la probabilidad especificada de estar. Los estimados por intervalos se
conocen como intervalos de confianza y los límites inferior y superior como los límites
de confianza.

En general el intervalo de confianza para el parámetro  se expresa:

P(  - k       + k   ) = 1 - 
Donde:

 = Parámetro

 = Estimador

k = Valor tabulado

 = Desviación estándar del estimador




1   = Nivel de confianza
Se llama intervalo de confianza a un par o varios pares de números entre los cuales se
estima que estará cierto valor desconocido con una determinada probabilidad de
acierto. Formalmente, estos números determinan un intervalo, que se calcula a partir
de datos de una, y el valor desconocido es un parámetro poblacional. La probabilidad
de éxito en la estimación se representa con 1 - α y se denomina nivel de confianza.

α es el llamado error aleatorio o nivel de significación, esto es, una medida de las
posibilidades de fallar en la estimación mediante tal intervalo.

El nivel de confianza y la amplitud del intervalo varían conjuntamente, de forma que un

intervalo más amplio tendrá más probabilidad de acierto (mayor nivel de confianza),
mientras que para un intervalo más pequeño, que ofrece una estimación más precisa,
aumenta su probabilidad de error.
Para la construcción de un determinado intervalo de confianza es necesario conocer
la distribución teórica que sigue el parámetro a estimar, θ.

Es habitual que el parámetro presente una distribución normal.

En definitiva, un intervalo de confianza al 1 - α por ciento para la estimación de un
parámetro poblacional θ que sigue una determinada distribución de probabilidad, es
una expresión del tipo [θ1, θ2] tal que P[θ1 ≤ θ ≤ θ2] = 1 - α,
donde P es la función de distribución de probabilidad de θ.
Los intervalos de confianza más usuales son:

(A)Intervalo de confianza para la media poblacional (  )

Para determinar el intervalo de confianza para la media poblacional se

debe tomar en cuenta lo siguiente:

Cuando se conoce la varianza de la población y/o el tamaño de

muestra
n  30
 
P( x - Z 
(1 )    x + Z (1 )
 ) = 1 -
2 n 2 n
Cuando no se conoce la varianza de la población y el tamaño de muestra
n < 30.

s s
P( x - t ( 1 
,n 1)    x + t ( 1 ,n-1)
 ) = 1 - 
2 n 2 n
 EJEMPLO

Se ensaya un test para determinar el cociente de inteligencia a 8 alumnos; los

resultados fueron: 98, 108, 92, 111, 102, 95, 89, 115.
Determine:

a) estimación puntual y
b) estimación por intervalo (use el 90% de confianza) para el promedio
verdadero del cociente de inteligencia.

n = 8, x = 101.25, la desviación estándar del estimador lo calcularemos a

partir de la fórmula de la varianza para datos simples:

2
σ =s
2
=  x  n( x ) 2 (982  1082  92 2  1112  102 2  952  89 2  1152 )  8(101.25) 2
2


n 1 8 1

  9,38
615.5
  87,928 σ  87,928
2
7
Estimación puntual:

Usamos la fórmula para calcular la media poblacional:

 xi 
 = x=   x  101.25
n
Por lo tanto el cociente de inteligencia medio verdadero de los 8 alumnos es de
101.25
b) Estimación por intervalo:

Para calcular estimación del promedio del verdadero cociente de inteligencia por
intervalo al 90% de confianza usamos la fórmula:

s s
P( x - t( 7,.0.95)    x + t ( 7,0.95 ) )= 1 - 
n n
Ahora como nos están pidiendo considerar el 90% de confianza escribimos así:

1 - α  0.90
y a fin de buscar en la tabla el valor p. A la igualdad dividimos entre 2 a cada uno de
sus miembros
1  0.90 sumamos ½ ambos miembros
 
2 2 2

1 1  0.90 1
   
2 2 2 2 2

1  0,95
2
Buscamos en tabla del apéndice nº 5 (que está en la parte final de este
módulo) el número que concuerda para una población n-1 = 8-1 =7 en la
columna de la izquierda y p = 0.95 en la fila superior de la tabla y vemos que
el número que coincide es 1.895.
Como el número de la muestra n es menor que 30 (n  30), entonces,
n será considerado dentro del paréntesis en la expresión t:

t(n – 1, 1 - /2) = t(7,095) = 1.895

Podemos obtener este número introduciendo en Excel 2 valores:

probabilidad ( ) y los grados de libertad que es el número de la
muestra menos la unidad (8-1= 8-1 =7). Esto es:

INV.T.2C (probabilidad; grados_de_libertad)

INV.T.2C (0,1; 7)= 1,894578605

Reemplazando los datos n =0 8, x  101.25 s  9.38
t ( 7 ,.0.95)  1.895
9.38 9.38
P( 101.25 - 1.895    101.25  1.895 )= 1 - 
8 8

Se obtiene
P[ 94.97    107.53 ] = 90%

Resultado:
Luego el promedio verdadero del cociente de inteligencia de los
alumnos se encuentra entre 94.97 y 107.53, para un intervalo de
confianza de 90%.
 (B)Intervalo de confianza para la diferencia de medias
poblacionales

Se presentan los siguientes casos:

- Si  1 y  2
2 2
son conocidos

2 2 2 2
P[( x1 - x 2 ) - Z(1 α ) σ + σ  μ1 - μ 2  ( x1 - x 2 ) + Z(1 α ) σ + σ ] = 1 - α
1 2 1 2
2 n1 n 2 2 n1 n 2
- Si  12 y  22 no son conocidos

Se presentan dos subcasos:

a). Si  12 es aproximadamente igual a  22  12   22   2

1 1 1 1
P[( x1 - x2 ) - t ( 1  ,n -1) s 2 ( + )   1 -  2  ( x1 - x2 ) + t ( 1  ,n -1) s 2 ( + ) ] = 1-
2 n1 n2 2 n1 n2

donde :
2 2
2 (n 1 - 1) s1 + (n 2 - 1) s 2
s =
n1 + n 2 - 2
 b). Si  12 es diferente a  2
2
 12   22
2 2 2 2
s1 + s2  -  ( x - x ) + α s1 + s2 ] = 1 - α
P[( x1 - x 2 ) - t (1 α ,n -1) μ1 μ 2 1 2 t (1 , n -1)
2 n1 n 2 2 n1 n 2

Observación:

Sí n1+ n2 - 2  30, el valor tabulado es Z(1 - /2)

Sí n1 + n2 - 2 < 30, el valor tabulado es t(n1 + n2 – 2, 1 - /2)

Se ha hecho un estudio de las diferencias entre estudiantes
universitarios del primer año que estuvieron en academias y
estudiantes que no estuvieron. Para ello se tomó una
muestra aleatoria de 50 estudiantes universitarios que
habían asistido a academias y una muestra aleatoria simple
independiente de 60 estudiantes que no lo habían hecho. Al
final del primer semestre se administró a los estudiantes una
prueba de rendimiento en matemática. Los que habían
asistido a academias, obtuvieron un puntaje promedio de
14,5, con una varianza de 4,8; y el puntaje promedio para el
grupo que no había asistido a la academia, fue de 13,75 con
una varianza de 6,4. Construya un intervalo de confianza
para la diferencia entre las dos medias poblacionales
(use 99% de confianza).
ASISTIERON
ACADEMIA NO ASISTIERON
ACADEMIA
n1 = 50 n 2 = 60

x1 =14.5 x2 =13.75
2
s = 4.8
1
s 22 = 6.4
 1- α  0.99

Luego

1 α 0.99
- 
2 2 2
1 1 α 0.99 1
 -  
2 2 2 2 2
α
1-  0.995
2
n n 2
1 2
50  60  2  108  30 entonces Z (1 - /2) = Z (0.995) = 2.58
 2 2 2 2
s1 s 2 s s
P[( x1 - x 2 ) - z( 1  ) +  1 -  2  ( x 1 - x 2 ) + z (1  ) 1 + 2 ] = 1 - 
2 n1 n2 2 n1 n2

Reemplazando

4.8 6.4 4.8 6.4

P[(14.5 - 13.75 ) - 2.58 +  1 -  2  ( 14.5 - 13.75 ) + 2.58 + ] = 99%
50 60 50 60

P[ 0.41  1 -  2  1.91] = 99%

P[ 0.41  1 -  2  1.91] = 99%

Resultado:

Luego la diferencial de la media poblacional de los estudiantes que

asistieron a una academia y los que no asistieron se encuentra entre
-0.41 y 1.91, para un intervalo de confianza de 99%.