› ESTADÍSTICA APLICADA

Estimación de parámetros
› ADMINISTRACIÓN
DE OPERACIONES

Paco Villalobos Villegas

pvillalobos@ucss.edu.pe
 Contenido
Introducción
Estimación puntual
Estimación interválica
Intervalo de confianza para la media poblacional con varianza conocida
Intervalo de confianza para la media poblacional con varianza desconocida
Intervalo de confianza para una proporción de una población binomial
Intervalo de confianza para una varianza
Intervalo de confianza para el cociente de varianzas
Intervalo de confianza para diferencia de medias con varianza conocida
Intervalo de confianza para diferencia de medias con varianza desconocida
Intervalo de confianza para diferencia de proporciones
Intervalo de Confianza para la diferencia de medias relacionadas
 Introducción
Muchas veces estudiar a toda una población objetivo es difícil, o en ciertas situaciones
imposible (proceso de producción en línea, ejemplo enlatados de conserva de pescado).
Se ha mencionado que las medidas que se obtienen del conteo o registro de toda una
población objetivo, se les conoce como parámetros. Y las que se obtienen de una
muestra´, estadísticos o estadígrafos o estimadores.
Cuando se realiza una investigación científica, la estadística esta presente, dado que se
va a procesar un conjunto de datos, tanto cuantitativos como cualitativos. En la mayoría
de investigaciones se utiliza muestreo; en consecuencia para generalizar los hallazgos,
se tiene que hacer inferencia estadística, es decir de la información muestral:
1.- Determinar el valor del parámetro (Estimación de parámetros)
2.- Decidir si el valor del parámetro es igual a un valor que asume el
investigador (prueba de hipótesis)
 Estimación puntual
Sea 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 una muestra aleatoria de tamaño 𝑛 extraída de
una población cuya distribución es 𝑓 𝑥, 𝜃 , donde 𝜃 es el
parámetro.
Se denomina estimación puntual del parámetro 𝜃 a cualquier
estadística
෡ = 𝐻(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 )
Θ
Cuyo valor
𝜃෠ = 𝐻(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 )
Proporcionará una estimación del parámetro.
 Estimación puntual (cont.)

Medida Parámetro Estimador

Media aritmética 𝜇 𝑥ҧ

Varianza 𝜎2 𝑠2

Desviación estándar 𝜎 𝑠

Proporción 𝜋 𝑝

Coeficiente de correlación de Pearson 𝜌 𝑟

Coeficiente de determinación 𝛽 𝑏
 Estimación interválica
La estimación puntual, como su nombre lo dice; representa un solo valor
acerca del parámetro. En consecuencia no dice mucho sobre la estimación del
parámetro. Sin embargo, la estimación interválica de 𝜃 es un conjunto de
valores que se encuentran entre un intervalo con cierto grado de certeza.

𝑃 𝐴≤𝜃 ≤𝐵 =1−𝛼

Nivel de confianza
Parámetro
o grado de certeza

Límite Límite
inferior superior
Intervalo de confianza para la media (𝝁) poblacional
con varianza (𝝈𝟐 ) conocida

(Córdova, 2003, p. 393

 Intervalo de confianza para la media (𝝁) poblacional
con varianza (𝝈𝟐 ) conocida (cont.)
𝜎 𝜎
𝑃 𝑥ҧ − 𝑧1−𝛼 ∗ ≤ 𝜇 ≤ 𝑥ҧ + 𝑧1−𝛼 ∗ =1−𝛼
2 𝑛 2 𝑛
Si N es desconocida
𝜎
𝜎 𝑛
: 𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 (E.S)
𝑧1−𝛼 ∗ = 𝐸 (𝑒𝑟𝑟𝑜𝑟 𝑑𝑒 𝑠𝑡𝑖𝑚𝑎𝑐𝑖ó𝑛)
2 𝑛 Si N es conocida
𝜎 𝑁−𝑛
: 𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 (E.S)
𝑛 𝑁−1
ഥ: media muestral
𝒙
𝟏 − 𝜶: Nivel de confianza o grado de certeza, es la probabilidad de que el valor
del parámetro este contenido en el intervalo.
𝜶: Nivel de significancia, es la probabilidad de que el valor del parámetro no este
dentro del intervalo.
𝝈: Desviación estándar o desviación típica poblacional
𝒏: tamaño de muestra
𝝁: media poblacional
𝒛𝟏−𝜶 ∶ valor crítico asociado a la distribución normal
𝟐
(Córdova, 2003, p. 394
 Ejemplos

1.- Una muestra aleatoria de 100 hogares de una

ciudad indica que el promedio de los ingresos
mensuales es de 1500 soles. Construir e interpretar
un intervalo de confianza del 90% para el ingreso
promedio mensual de los hogares de esa ciudad.
Suponga 𝜎 = 350 soles.
2.- No hace mucho tiempo que el proceso de producción de una caja de
control de un tipo particular para un motor fue modificado. Antes de esta
modificación, datos históricos sugirieron que la distribución de diámetros
de agujeros para bujes en las cajas era normal con desviación estándar
de 0.100 mm. Se cree que la modificación no ha afectado la forma de la
distribución ni la desviación estándar, pero que el valor del diámetro
medio pudo haber cambiado. Se selecciona una muestra de 40 cajas y
se determina el diámetro de agujero para cada una, obteniendo un
diámetro promedio de 5.426 mm.
a) Construir e interpretar un intervalo de confianza del 99% para el
diámetro promedio de las cajas de control.
b) ¿Cuánto debe de ser el tamaño de muestra, si se desea tolerar un
error de estimación máximo de 0.0134 con un nivel de confianza del
3.- Un científico esta interesado en vigilar contaminantes
químicos en alimentos y, por lo tanto, la acumulación de
contaminantes en la dieta humana. Por estudios previos se
sabe que la varianza de ingesta diaria de productos lácteos
es 1225 gramos2. Seleccionó una muestra aleatoria de 50
adultos hombres, donde encontró que la ingesta promedio
de productos lácteos fue de 756 gramos diarios.
a) Construir e interpretar un IC de 95% para la ingesta
diaria promedio de productos lácteos para hombres.
b) ¿Cuánto es el error de estimación?
4.- Un aumento en la tasa de ahorros del consumidor está con frecuencia
relacionado con la falta de confianza en la economía y se dice que es un
indicador de una tendencia a la recesión de la economía. Se sabe que las tasas de
ahorros del consumidor se aproxima a una distribución normal con desviación
estándar de 5.6%. Un muestreo aleatorio de 200 cuentas de ahorro en una
comunidad local mostró un aumento medio en valores de cuentas de ahorro de
7.2% en los últimos 12 meses.
a) Estime el aumento promedio en valores de cuentas de ahorros de los últimos
12 meses para depositantes de esta comunidad.
b) Encuentre el margen de error para su estimación.
c) ¿Cuánto debería ser el tamaño de muestra para que el error de estimación no
sea más de 1.0976, con el 95% de confianza?
5.- Un intensivo monitoreo de un sistema de tiempo compartido de
computadoras sugiere que el tiempo de respuesta a un comando de edición
particular está normalmente distribuido con desviación estándar de 25
milisegundos. Se instaló un nuevo sistema operativo y se desea estimar el tiempo
de respuesta promedio verdadero en el nuevo entorno. Suponiendo que los
tiempos de respuesta siguen estando normalmente distribuidos con 𝜎 = 25,
¿qué tamaño de muestra es necesario para asegurarse de que el intervalo de
confianza de 95% resultante tiene un ancho de (cuando mucho) 10?
Intervalo de confianza para la media (𝝁) poblacional
con varianza (𝝈𝟐 ) desconocida
a) Si 𝑛 ≥ 30
𝑠 𝑠
𝑃 𝑥ҧ − 𝑧1−𝛼 ∗ ≤ 𝜇 ≤ 𝑥ҧ + 𝑧1−𝛼 ∗ =1−𝛼
2 𝑛 2 𝑛
b) Si 𝑛 < 30
(Córdova, 2003, p. 400

𝑠 𝑠
𝑃 𝑥ҧ − 𝑡1−𝛼;𝑛−1 ∗ ≤ 𝜇 ≤ 𝑥ҧ + 𝑡1−𝛼;𝑛−1 ∗ =1−𝛼
2 𝑛 2 𝑛
 Ejemplos
1.- El encargado de comprar los agregados para una construcción
civil, va a 11 ferreterías y pregunta por el precio de una bosa de
cemento de 42.5 kg. Los datos que ha obtenido son los siguientes:
23.5; 19.8; 24.9; 20.8; 21.7; 22.5; 22.5; 23.7; 22.5; 23.9; 23.1
a) Construir e interpretar un intervalo de confianza del 95% para
el precio promedio de una bolsa de cemento de 42.5 kg
b) ¿Cuánto es el error de estimación?
2.- En una investigación sobre tiempos (minutos) de espera para ser atendidos los
pacientes en un establecimiento médico. Se recolectó datos de una muestra
aleatoria de 40 atenciones, en la cual se determinó que en promedio se espera 35
minutos con una desviación estándar igual a 12.41 minutos para ser atendidos.
a) Construir e interpretar un IC con el 90% para el tiempo promedio que se
espera para que un paciente sea tendido en dicho establecimiento médico.
b) ¿Cuánto debería ser el tamaño de muestra para que el tiempo de espera se
encuentre entre 32.8 min y 37.2 min; con el 99% de confianza?

3.- Se sabe que el tiempo que dura una entrevista personal para ocupar un
puesto de gerencia, se distribuye normalmente. En una muestra aleatoria de 20
entrevistas se encontró que el tiempo promedio de dichas entrevistas fue 25
minutos, con desviación típica igual a 10.5 minutos. Construir e interpretar un
IC con el 95% para el tiempo promedio que duran las entrevistas personales
para ocupar un puesto de gerencia.
4.- En estudios sobre la cantidad de horas que duermen diariamente los estudiantes
universitarios de la UCSS. Se seleccionó una muestra aleatoria de 25 estudiantes, donde se
obtuvo que en promedio dormían 6.5 horas diarias, con una varianza igual a 12.25 horas2.
a) Construir e interpretar un IC con el 90% para la cantidad de horas diarias promedio
duerme un estudiante universitario.
b) Si la amplitud del IC para la cantidad de horas diarias promedio que duerme un
estudiante universitario es 2.8896. ¿Cuánto es nivel de confianza para este IC?
5.- Un analista de crédito de una entidad financiera, afirma que el tiempo (días) que
tardan en aprobar un crédito personal, se aproxima a una distribución normal. Selecciona
una muestra aleatoria de 45 clientes que han solicitado crédito en dicha entidad, en
donde se determinó que en promedio se han demorado 4.5 días y desviación típica de
1.25 días.
a) Con el 85% de confianza, ¿Cuánto es el error de estimación?
b) Construir un IC con 98% para el tiempo promedio que se tarda la entidad financiera
para aprobar un crédito personal.
c) La amplitud del IC con 95% para estimación del tiempo promedio que se tarda la
entidad financiera para aprobar un crédito es 0.49 días. ¿Cuánto es el tamaño de
muestra para este IC?
d) Si la amplitud del IC para el tiempo promedio que se tarda la entidad financiera en
aprobar un crédito es 0.645 días. ¿ Cuánto es nivel de confianza para este IC?
 IC para una población con distribución binomial

𝑝ҧ 1 − 𝑝ҧ 𝑝ҧ 1 − 𝑝ҧ
𝑃 𝑝ҧ − 𝑍1−𝛼 ≤ 𝜋 ≤ 𝑝ҧ + 𝑍1−𝛼 =1−𝛼
2 𝑛 2 𝑛

𝑝:ҧ proporción muestral 𝜋: proporción poblacional

(Córdova, 2003, p. 418

 Ejemplos
1.- En una investigación sobre uso de WhatsApp para brindar información en
instituciones públicas. Se seleccionó aleatoriamente a 300 instituciones públicas en el
ámbito nacional, donde se encontró que 180 de ellas usan WhatsApp para brindar
información.
a) Construir e interpretar un IC con 95% para la proporción de instituciones públicas
que usan WhatsApp para brindar información.
b) ¿Cuánto es el error de estimación con el 95% de confianza?
c) En la misma muestra, se tiene los límites de confianza entre 0.5536 y 0.6464 ¿Cuánto
es el nivel de confianza?
d) ¿Cuánto debe de ser el tamaño de muestra para que el error de estimación no exceda
el 4.8%, con el 99% de confianza?

2.- La anemia infantil en el Perú es un problema de salud pública. En el 2018 se

realizó una investigación en la cual se determinó que la anemia infantil fue de 46.6%, la
muestra fue de 1500 niños. ¿Entre qué porcentaje se estima que estuvo la anemia
infantil en el 2018, con el 90% de confianza?
3.- En una ciudad se realizó una investigación sobre la informalidad de empresas
dedicadas a ofrecer servicios. De una muestra aleatoria de 800 empresas 500 de ellas
eran informales.
a) Construir e interpretar un IC de 96% para la proporción de empresas informales
dedicadas a ofrecer servicios en esta ciudad.
b) Con cuánto de confianza se estima que el porcentaje de empresas informales que
ofrecen servicios en esta ciudad se encuentran entre 58.94% y 66.06%
c) Para la misma muestra se ha obtenido un intervalo de 4.38% amplitud ¿Cuánto es
el grado de certeza de este IC?

4.- En una comunidad se realizó una encuesta para conocer si leen la Biblia con
frecuencia, de 90 entrevistados, 27 de ellos respondieron que si leen con frecuencia la
Biblia.
a) Construir e interpretar un IC de 98.68% para la proporción de personas de esta
comunidad que leen frecuentemente la Biblia.
b) Si se desea admitir una presión máxima de 4.5% con 95% de confianza ¿Cuándo
debería ser el tamaño de muestra?
5.- Se llevó a cabo una encuesta de mercado para calcular la proporción de amas
de casa que reconocerían el nombre de la marca de un limpiador a partir de la
forma y color del envase. De las 1400 amas de casa de la muestra, 420
identificaron la marca por su nombre. Construir e interpretar un IC del 95%
para la proporción de amas de casa que reconocen el nombre de la marca de un
limpiador a partir de la forma y color del envase.
 IC para una varianza

(Córdova, 2003, p. 402

𝑛 − 1 𝑠2 𝑛 − 1 𝑠2
𝑃 ≤ 𝜎2 ≤ =1−𝛼
𝑋2 𝛼 𝑋𝛼2
1− 2 ;𝑛−1 2 ;𝑛−1

σ𝑛 2
2 𝑖=1 𝑥𝑖 − 𝑥ҧ
𝑆 =
𝑛−1
 Ejemplos
1.- Los focos industriales deberían tener una vida media útil aceptable para
usuario potenciales y una variación relativamente pequeña en su duración. Si
algunos focos fallan demasiado pronto en su vida útil, los usuarios se molestan
y es probable que los cambien por focos producidos por un fabricante
diferente. Variaciones grandes por arriba de la media reducen las ventas de
reemplazo; en general, la variación en la vida útil de los focos altera los
programas de cambio establecidos por los usuarios. Una muestra aleatoria de
20 focos producidos por un fabricante particular produjo los siguientes valores
de vida útil (en horas):
2100; 2302; 1951; 2067; 2415; 1883; 2101; 2146; 2278; 2019; 1924; 2183;
2077; 2392; 2286; 2501; 1946; 2161; 2253; 1827
a) Construir e interpretar un IC del 95% para la varianza en la vida útil de los
focos.
b) Construir e interpretar un IC del 90% para la desviación estándar en la vida
útil de los focos.
 Solución
a)
𝑛 = 20 𝑆 2 = 34854.3579 1 − 𝛼 = 0.95 → 𝛼 = 0.05
2 2 2
𝑋1− 𝛼 = 𝑋 0.05 = 𝑋0.975;19 = 32.852
;𝑛−1 1− ;20−1
2 2
𝑋𝛼2;𝑛−1 = 𝑋0.05
2 2
= 𝑋0.025;19 = 8.906
2 ;20−1
2

𝑛 − 1 𝑠2 𝑛 − 1 𝑠2
𝑃 ≤ 𝜎2 ≤ =1−𝛼
𝑋2 𝛼 𝑋𝛼2
1− 2 ;𝑛−1 2 ;𝑛−1

20 − 1 34854.3579 20 − 1 34854.3579
𝑃 ≤ 𝜎2 ≤ = 0.95
32.852 8.906

𝑃 20158.07 ≤ 𝜎 2 ≤ 74358.05 = 0.95

Con el 95% se estima que la varianza de la vida útil de los focos se encuentra
entre 20158.07 y 74358.05 horas2
 Solución
b)
𝑛 = 20 𝑆 2 = 34854.3579 1 − 𝛼 = 0.90 → 𝛼 = 0.10
2 2 2
𝑋1−𝛼 = 𝑋 0.10 = 𝑋0.95;19 = 30.143
;𝑛−1 1− 2 ;20−1
2
𝑋𝛼2;𝑛−1 = 𝑋0.10
2 2
= 𝑋0.05;19 = 10.117
2 ;20−1
2

𝑛 − 1 𝑠2 𝑛 − 1 𝑠2
𝑃 ≤ 𝜎2 ≤ =1−𝛼
𝑋2 𝛼 𝑋𝛼2
1− 2 ;𝑛−1
2 ;𝑛−1

20 − 1 34854.3579 2
20 − 1 34854.3579
𝑃 ≤𝜎 ≤ = 0.90
30.143 10.117

𝑃 21969.40411 ≤ 𝜎 2 ≤ 65457.42810 = 0.90

𝑃 148.22 ≤ 𝜎 ≤ 255.85 = 0.90

Con el 90% se estima que la desviación estándar de la vida útil de los focos
se encuentra entre 148.22 y 255.85 horas.
2.- Un fabricante de baterías para automóvil afirma que sus baterías durarán, en
promedio, 3 años con una varianza de 1 año. Suponga que 5 de estas baterías
tienen duraciones de 1.9, 2.4, 3.0, 3.5 y 4.2 años y con base en esto construya un
intervalo de confianza del 95% para 𝜎 2 , después decida si la afirmación del
fabricante de que 𝜎 2 = 1 es válida. Suponga que la población de duraciones de las
baterías se distribuye de forma aproximadamente normal.

3.- En una muestra aleatoria de 14 personas adultas se registró se calculo el índice

de Masa Corporal (IMC) de cada una ellas. Se encontró que el IMC promedio fue
22.3 y la desviación estándar igual a 3.78. Asumiendo que la distribución del IMC
en esta población adulta se aproxima a una distribución normal.
Construir e interpretar un IC del 90% para la desviación estándar del IMC en esta
población adulta.

4.- Para estudiar la audiencia de un programa de televisión, se ha medido el

número de personas que ven el programa en diferentes días. Los datos del número
de personas (en miles) son los siguientes: 521, 742, 593, 635, 788, 717, 606, 639,
666, 624. Suponiendo normalidad. Construir e interpretar un IC del 99% para la
cantidad de personas que ven dicho programa de televisión
 IC para el cociente de dos varianzas

𝑆12 1 𝜎12 𝑆12

𝑃 ≤ 2≤ 2 𝐹𝛼;𝑛 =1−𝛼
𝑆22 𝐹𝛼;𝑛 𝜎2 𝑆2 2 2 −1;𝑛1 −1
2 1 −1;𝑛2 −1

𝑣1 = 𝑛1 − 1

𝑣2 = 𝑛2 − 1
 Ejemplos
1.- En una investigación se seleccionó aleatoriamente a 10 obreros y 8 obreras de
construcción civil, respectivamente. Se les preguntó sobre el pago semanal que reciben, a
lo que mencionaron: los obreros, en promedio perciben 450 soles con varianza igual a 100
soles2 semanales; las obreras por su parte, en promedio perciben 380 soles con varianza
igual 81 soles2 semanales. Construir e interpretar un IC del 90% para el cociente de las
varianzas de los ingresos semanales entre obreros y obreras.
Sol.
Datos:
𝑛1 = 10 obreros ∧ 𝑛2 = 8 obreras
𝑆12 = 100 ∧ 𝑆22 = 81
1 − 𝛼 = 0.90 ∴ 𝛼 = 0.10 Interpretación.
𝐹𝛼;𝑛 −1;𝑛 −1 = 𝐹0.1 = 𝐹0.05;9;7 = 3.68 Con el 90% de confianza se estima
2 1 2
2 ;10−1;8−1 que las varianzas de los ingresos
𝐹𝛼;𝑛 −1;𝑛 −1 = 𝐹0.1 = 𝐹0.05;7;9 = 3.29 semanales entre obreros y obreras
2 2 1
2 ;8−1;10−1
son iguales.
𝑆12 1 𝜎12 𝑆12
𝑃 ≤ 2 ≤ 2 𝐹𝛼;𝑛 −1;𝑛 −1 = 1 − 𝛼 *Se dice que son iguales, porque el
𝑆22 𝐹𝛼;𝑛 −1;𝑛 −1 𝜎2 𝑆2 2 2 1
2 1 2 IC contiene al número 1
100 1 𝜎12 100
𝑃 ≤ 2≤ 3.29 = 0.90
81 3.68 𝜎2 81
𝜎12
𝑃 0.3355 ≤ 2 ≤ 4.0617 = 0.90
𝜎2
2.- Dos máquinas embolsan diariamente detergente de manera independiente. Mediante
muestras aleatorias sin reemplazo de 12 bolsas de cada máquina se han obtenido los
siguientes resultados sobre el peso de las bolsas (en gramos):
𝑛1 = 12 𝑥ҧ1 = 505 𝑆1 = 10
𝑛2 = 12 𝑥ҧ2 = 495 𝑆2 = 4
a) Calcular e interpretar un IC del 99% para la razón de varianzas de los pesos de las
bolsas con detergente de ambas máquinas.
b) ¿Son diferentes las varianzas de los pesos de las bolsas con detergente de ambas
máquinas?

3.- De una muestra aleatoria de 12 licenciados en Administración egresados de una

universidad pública, los sueldos de su primer empleo fueron los siguientes (expresados
en miles de soles mensual) 2.5; 3.1; 1.5; 2.9; 2.4; 2.6; 2.9; 3.1; 2.1; 3.5; 16; 2.3 De otra
muestra aleatoria independiente de 10 licenciados en Administración egresados de una
universidad privada los primeros sueldos fueron los siguientes 8.9; 1.8; 1.9; 2.1; 2.3;
9.9; 1.6; 1.8; 2.1; 2.4.
¿Existe diferencias entre la varianza del sueldo de los licenciados en Administración
egresados de universidad y pública y de universidad privada? Use 𝛼 = 0.10
4.- El peso de bolsas de aceitunas de dos marcas se distribuye normalmente. En un
estudio se obtiene una muestra aleatoria de 10 bolsas para la primera marca, sus
respectivos pesos (gramos) son: 300, 290, 280, 307, 305, 295, 299, 305, 300, 307. Para
la segunda marca se selecciona una muestra de 12 bolsas, el peso(gramos) de cada una
de ellas es: 280, 300, 307, 290, 285, 295, 300, 260, 290, 300, 304, 298.
Construir e interpretar un intervalo de confianza del 99% para la razón de varianzas
entre el peso de estas dos marcas de aceitunas.
IC para la diferencia de medias con varianza
conocida de una distribución normal
IC para la diferencia de medias con varianza
desconocida de una distribución normal
IC para diferencia de proporciones de
una distribución binomial
 IC para diferencia de medias
relacionadas de una distribución normal