ESTIMACION PUNTUAL

Y
ESTIMACION POR INTERVALOS

1
 INTRODUCCIN

La inferencia estadstica es primordialmente de naturaleza inductiva y llega a

generalizar respecto de las caractersticas de una poblacin valindose de
observaciones empricas de la muestra.

Al utilizar estadsticas muestrales para estudiar un parmetro de la poblacin

es muy normal que ambos sean diferentes y la igualdad entre ambos sea mera
coincidencia. La diferencia entre la estadstica muestral y el correspondiente
parmetro de la poblacin se suele llamar error de estimacin. Solo
conoceramos dicho error si se conociera el parmetro poblacional que por lo
general se desconoce. La nica forma de tener alguna certeza al respecto es
hacer todas las observaciones posibles del total de la poblacin; en la mayora
de las aplicaciones prcticas es imposible o impracticable.

La razn de ser de la inferencia estadstica es la falta de conocimientos sobre

las caractersticas de la poblacin.

Las inferencias estadsticas se hacen por posibilidades o probabilidades Por

ejemplo de la media de una muestra se hacen inferencias sobre la media de la
poblacin. Exactamente no sabemos cul es la diferencia entre ambas. Lo que
si sabemos es que es pequea la probabilidad de que esta diferencia sea mayor
que, por ejemplo 3 o 2 errores estndares.

En este tema vamos a estudiar los problemas de estimacin. Que vamos a

definir como el proceso por el que llegamos a la obtencin y anlisis de los

2
estimadores. La estimacin se divide en estimacin puntual y estimacin
por intervalos.

1. ESTIMACIN PUNTUAL

Si a partir de las observaciones de una muestra se calcula un solo valor como

estimacin de un parmetro de la poblacin desconocido, el procedimiento se
denomina estimacin puntual.

Por ejemplo queremos estimar la nota media de los alumnos de bachiller en la

asignatura de matemticas que notaremos . Sea X la variable aleatoria que
indica la nota obtenida por cada estudiante. Tomamos una muestra de tamao
n y denotamos la nota media de la muestra. Si al tomar una muestra de 100
estudiantes obtenemos que la media es 62, este nmero lo tomaramos como
estimativo de . Decimos que 62 es una estimacin puntual de .

Un estimador puntual T de un parmetro es cualquier estadstica que nos

permita a partir de los datos muestrales obtener valores aproximados del
parmetro .

Para indicar que T es un estimador del parmetro escribimos =T .

Con esto queremos decir que empleamos la expresin dada mediante T para
obtener valores prximos al valor del parmetro.

Es muy probable que haya error cuando un parmetro es estimado. Es cierto

que si el nmero de observaciones al azar se hace suficientemente grande,
stas proporcionaran un valor que casi sera semejante al parmetro; pero a
menudo hay limitaciones de tiempo y de recursos y se tendr que trabajar con
unas cuntas observaciones. Para poder utilizar la informacin que se tenga de
la mejor forma posible, se necesita identificar las estadsticas que sean
buenos estimadores. Hay cuatro criterios que se suelen aplicar para

3
determinar si una estadstica es un buen estimador: Insesgamiento, eficiencia,
consistencia y suficiencia

2. PROPIEDADES DE UN ESTIMADOR

Existe una propiedad que comprende conjuntamente las propiedades de

insesgamiento y eficiencia. Se trata del error cuadrtico medio.

Sea T un estimador del parmetro . El error cuadrtico medio de T,

denotado ECM(T), se define como el valor esperado de (T- )2 .

ECM(T) = E[(T- )2]

Cul es la informacin que nos proporciona el error cuadrtico medio?

Nos referimos al promedio de los cuadrados de las observaciones. Si ste es

pequeo, debemos aceptar que hay una tendencia para que los valores (T- )
sean pequeos, y as lo ser tambin la diferencia (T- ), lo que quiere decir
que T tiende a producir respuestas numricas prximas al parmetro . El
poder que tenga T para producir valores prximos a depende de dos
condiciones bsicas. Una es la fuerza o intensidad con la que tiende a dar
esos valores (insesgamiento) y la otra es la fuerza que tenga para no
permitir que se aparte de del camino que lo conduce a (eficiencia). Estas dos
condiciones matemticamente quedan establecidas y precisadas en el teorema
siguiente:

TEOREMA

Si T es un estimador del parmetro , ECM(T) = V[T] [ -E(T)]2

4
Demostracin:

ECM(T) = E[(T- )2] = E[T2 - 2 T + 2] = E(T2)-E(2 T)+E( 2) = E(T2) -2

E(T) + E( 2) = E(T2) [E(T)]2 + [E(T)]2 - 2 E(T) + 2
= (E(T2) [E(T)]2) +
([E(T)]2- 2 E(T) + 2) = V(T) + [ - E(T)]2.

De esta expresin deducimos que el error cuadrtico medio sera pequeo en la

medida que lo sea su varianza y lo mismo ocurra con [ -E(T)]2, es decir -
E(T).

El valor pequeo de la varianza quiere decir que T presenta poca variabilidad;

el hecho de que -E(T) sea pequeo quiere decir que E(T) tiende al valor a
medida que el experimento se repite, lo que indica que T tiende a dar valores
prximos al parmetro.

La diferencia -E(T) se llama sesgo del estimador.

Estudiaremos un ejemplo que nos muestra como las dos propiedades

anteriores pueden no ser suficientes paradeterminar el mejor estimador:

Ejemplo:

Sea X1, X2, ..., Xn una muestra aleatoria de una poblacin de media

desconocida y varianza =81. Consideremos T1= yT2= como

estimadores de la media, si obtenemos el error cuadrtico medio para el

primer estimador utilizando el teorema anterior obtenemos haciendo lo

mismo para el segundo estimador obtenemos .

Supongamos que tenemos que escoger uno de los dos estimadores. Para ello
debemos tomar aquel que tenga menor error cuadrtico medio. Trabajando
con las frmulas podemos observar que va a depender del valor de la media.

En este ejemplo observamos que para escoger el mejor estimador tendramos

que saber cul es el verdadero valor de la media poblacional. Pero nosotros
pretendemos es contar con criterios que garanticen una buena seleccin del
estimador, sin importar el valor particular del parmetro objeto de estudio.

5
Para precisar estos criterios estudiaremos el error cuadrtico medio en sus
partes y as iniciamos el estudio de la diferencia - E(T).

Se dice que una estadstica T es un estimador insesgado de , si se cumple

que E(T)= para cualquier valor de .

Volviendo al ejemplo anterior tendramos que la media muestral es un

estimador insesgado de la media de la poblacin mientras queT 2 no lo es.

Tambin podemos decir que un estimador insesgado es aquel que tiene sesgo
igual a cero.

TEOREMA:

Sea X1, X2, ..., Xn una muestra aleatoria de cierta distribucin de media y
varianza . Entonces:

a)T1= es un estimador insesgado de .

b) T2=S2 es un estimador insesgado de .

La propiedad de insesgamiento nos garantiza que las estimaciones que

hagamos con el estimador se encuentran alrededor del parmetro en cuestin,
de esto podemos deducir la siguiente REGLA DE PROCEDIMIENTO:

REGLA 1 : Si tenemos T1 y T2 estimadores del parmetro y uno de ellos es

insesgado, entonces escoja el insesgado.

Continuando con el ejemplo escogeramos la media muestral como mejor

estimador de la media.

Los siguientes grficos ilustran el significado de estimador insesgado y

estimador sesgado

6
Una vez que tenemos dos estimadores con el mismo sesgo deberamos tener
otra regla que nos permita elegir uno en lugar del otro, as llegamos a
la SEGUNDA REGLA DE PROCEDIMIENTO:

REGLA 2 : Si tenemos T1 y T2 estimadores del parmetro ambos insesgado,

entonces escoja el de menor varianza.

Tenemos que tener en cuenta otras propiedades de los

estimadores consistencia y eficiencia.

La consistencia se refiere al comportamiento de un estimador, a medida que

la muestra se va tomando de un tamao mayor.

T es un estimador consistente para , si se cumple que ,

cuando n tiende a infinito.

Es decir un estimador es consistente si a medida que aumenta el tamao de la

muestra, la probabilidad de que se acerque al parmetro va siendo mayor.

Un estimador T del parmetro es suficiente cuando es capaz de sustraer de

la muestra toda la informacin que sta contenga acerca del parmetro.

7
Los estimadores de mayor uso como la media muestral, la varianza muestral y
la proporcin muestral son buenos estimadores.

La pregunta que nos podemos hacer es cmo se obtiene un estimador? Los

mtodos ms comunes son el de mxima verosimilitud, mtodo de los
momentos muestrales y mtodo de los mnimos cuadrados.

3. ESTIMACIN DE MXIMA VEROSIMILITUD.

La estimacin de mxima verosimilitud consiste en considerar todos los

valores posibles del parmetro de la poblacin y calcular la probabilidad de
que se obtenga ese estimador particular, dados todos los valores posibles del
parmetro.

Ejemplo:

Deseamos conocer la proporcin de estudiantes de cierta universidad que

estn a favor de un cambio de sede.

Se escogieron aleatoriamente 10 estudiantes y 4 de ellos respondieron si. Es

decir n=10,x=4, donde X= nmero de estudiantes que respondieron s.

Ahora vamos a calcular la probabilidad de obtener 4 respuestas s de acuerdo

con la proporcin verdadera que pueda darse en la poblacin universitaria.
Consideraremos que la variable aleatoria definida sigue una binomial con lo

que : ; x=0,1,2,...,10.

Si tomamos x=4 tenemos

Calcularemos las probabilidades respectivas para los

distintos valores de y los reflejamos en la siguiente
tabla:
P[X=4]

00 00000

8
 01 00112

02 00881

03 02001

04 02508

05 02051

06 01115

07 00368

08 00055

09 00001

10 00000

En la tabla podemos notar que la mxima probabilidad se da para =04 que

coincide precisamente con la proporcin muestral. Es decir, el valor de la
proporcin muestral que hace mxima la funcin, L( )=210 4(1- )6.

Naturalmente la proporcin verdadera puede ser distinta del valor muestral

obtenido. Pero es un riesgo que viene producido por proceder por muestreo y
no investigar a toda la poblacin.

Tambin podramos haber tomado otros valores de distintos a los de la tabla

anterior y de esta manera sera ms preciso considerar la funcin L( ) como
una funcin continua definida en el intervalo [0,1]. Esta funcin la
llamaremos funcin de verosimilitud y formalmente queda definida como:

4
L( )=210 (1- )6; 0 1.

De esta forma la funcin anterior es la probabilidad condicional de X = 4

dado = p y su grfica es la siguiente:

9
Aunque en la grfica se puede observar el mximo, podemos recurrir a la
herramienta matemtica conocida como criterio de la derivada para obtencin
de valores extremos.

Veamos que ocurre en general:

Sea X una variable aleatoria con funcin de densidad f(x, ) determinada por
el parmetro . Supongamos que de la poblacin extraemos una muestra de
tamao n que proporciona los datos x 1, x2, ...xn. Con estos datos formamos el
producto f(x1, )f(x2, )...f(xn, ). Este producto se llama funcin de
mxima verosimilitud.

L( ) = f(x1; ) f(x2; ) ... f(xn; )

Una estimacin de mxima verosimilitud para el parmetro , es aquel

valor de donde la funcin de verosimilitud asuma su mximo

La expresin de en trminos de la muestra aleatoria X 1, X2, ..., Xn se

llama estimador de mxima verosimilitud de .

ESTIMADORES DE LOS PARMETROS MS USUALES:

1. , media muestral. Se emplea para estimar y se escribe =

10
2. S2= , varianza muestral. Este estimador se emplea para
estimar y se escribe =S2.

3. S= , desviacin tpica muestral. Este estimador se emplea

para estimar y se escribe = S.

4. = , proporcin muestral.

Este estimador se emplea para estimar , y se escribe .

5. T=N , total poblacional. Este estimador se emplea para estimar el total

poblacional y se escribe =N .

6. T=N , total poblacional. Este estimador se emplea para estimar el total

poblacional de individuos que poseen una determinada caracterstica y se
escribe =N .

11
 EJERCICIOS SOBRE EL USO DE LOS ESTIMADORES

4. EL ERROR ESTNDAR

Un mismo estimador ofrece distintos valores para distintas muestras del

mismo tamao extradas de la misma poblacin. Por lo tanto deberamos tener
una medida de la variabilidad del estimador respecto del parmetro que se
trata de estimar. Esta variabilidad se mide en trminos de la desviacin
estndar del estimador, la cual recibe el nombre de error estndar.

El error estndar de un estimador T de un parmetro es la desviacin

estndar del estimador.

As por ejemplo, si tomamos como estimador de , entonces el error

estndar est dado por .

Error de estimacin es el valor absoluto de la diferencia entre una

estimacin particular y el valor del parmetro.

En realidad por cada valor estimado del parmetro se tiene un error de

estimacin por lo general diferente. Sin embargo, es posible fijar un intervalo
dentro del cual se encontrarn la mayora de los valores de error de estimacin
para un estimador y parmetro dados.

En la tabla siguiente se dan las frmulas de los errores de estimacin para

algunos estimadores y los estimadores para tales errores. Los estimadores se
usan cuando los parmetros que se incluyen en las frmulas de los errores de
estimacin son desconocidos.

12
 PARMETR ESTIMADO ERROR ESTIMADOR DEL
O R ESTNDAR ERROR

N
=

5. ESTIMACIN POR INTERVALOS.

Nos proponemos determinar dos nmeros entre los cuales se halla el

parmetro estudiado con cierta certeza.

El procedimiento para obtener un intervalo (de confianza) para un parmetro,

la media , por ejemplo, requiere de la determinacin de un estimador del
parmetro y de la distribucin del estimador.

Ejemplo

Tratamos de obtener un intervalo de confianza para la media de una poblacin

normal.

Sabemos que si X sigue una normal de media y varianza entonces la

media muestral sigue una normal de la misma media y de varianza la varianza
poblacional partida por n, tamao de la muestra.

Vamos a determinar a y b tales que P[a< <b]=095.

Para calcular estos valores es necesario estandarizar X:

= 095.

Por lo tanto = 095.

13
En realidad hay infinitos pares de nmeros para los que se cumple la ecuacin
anterior. De stos vamos a escoger el par de nmeros que se hallan situados
simtricamente respecto de cero en la distribucin normal. Llegamos a que

A partir de estas ecuaciones obtenemos a = yb= .

Con lo que obtendramos .

O lo que es lo mismo .

El intervalo se llama intervalo (aleatorio) de

confianza para .

A partir de los datos muestrales podemos determinar el valor de y

obtenemos as un intervalo numrico. El valor 196 se debe a que pedamos
una probabilidad de 095. Para indicar el intervalo para cualquier valor de

probabilidad podemos utilizar la expresin . Expresin

que puede simplificarse .

, se llama longitud del intervalo.

Un intervalo de confianza para un parmetro es un intervalo construido

alrededor del estimador del parmetro de tal manera que podemos esperar
que el verdadero valor del parmetro quede incluido en dicho intervalo.

El nivel de confianza de un intervalo es una probabilidad (expresada en

porcentaje) que representa la seguridad de que el intervalo encierra el
verdadero valor del parmetro .

14
En el ejemplo el nivel de confianza es del 95%.En general el nivel de
confianza se expresa en la forma 100(1- )%. (1- )=095. El valor
representa la probabilidad de que el parmetro quede fuera del intervalo y en
este caso es 005. Esta situacin la representaremos en el siguiente grfico:

Para cada nivel de confianza existe un valor de tabla ( normal, t , , F)

asociado al nivel de confianza dado. Este valor se llama coeficiente de
confiabilidad y se denota:

NORMAL DISTRIBUCIN JI CUADRADO DISTRIBUCIN

T F

Si queremos un intervalo con un nivel de confianza de 100(1- )%, en la tabla

correspondiente buscaremos un valor de variable para el que el rea de cola
superior(tambin inferior) sea del 100(1- /2)% ya que la porcin de rea que
no ser cubierta por el intervalo debe tener una medida de tamao y se toma
como norma general de procedimiento que se reparta en partes iguales entre
las dos colas.

Los tres conceptos bsicos que encierra un intervalo quedan resumidos en

la expresin general para un intervalo de confianza:

ESTIMADOR (COEF. DE CONF.) . (ERROR ESTNDAR)

Ejemplo:

Sea X la variable aleatoria que se utiliza para designar el peso de un pasajero

de avin y que interesa conocer , el peso medio de todos los pasajeros. Para
ello tomamos una muestra de 30 pasajeros y obtenemos una media muestral

15
de 160 libras. Supongamos que la distribucin de los pasajeros sea normal con
desviacin estndar 36. Calcula el intervalo del 95% de confianza.

El intervalo est dado por la expresin , reemplazamos los

valores y obtenemos 160 (196).(30/6). Por lo tanto el intervalo pedido es:
[1502,1698].

Si nos hubieran pedido un intervalo del 90% de confianza tendramos 160 (1

645).(30/6). Y el intervalo pedido es [15178,16823].

Podramos construir tambin un intervalo de confianza del 95% obteniendo

160 (2575).(30/6). Y el intervalo sera [14713,17288].

Al observar los intervalos podemos notar que a medida que se aumenta el

nivel de confianza la longitud del intervalo tambin aumenta como podemos
ver en la figura.

Tenemos las siguientes propiedades sobre la longitud del intervalo:

PROPIEDAD 1. Para un tamao de muestra y una varianza dada a medida

que aumenta el nivel de confianza tambin lo hace la longitud del intervalo

PROPIEDAD 2. Para un nivel de confianza y una varianza dadas cuando el

tamao de la muestra aumenta la longitud del intervalo disminuye.

Estas propiedades se deducen de la expresin de la longitud del intervalo L=

. Como podemos ver si la varianza se considera fija la frmula est

sujeta a dos nmeros cuyas acciones se contraponen en cuanto a la longitud,
el nivel de confianza y el tamao de la muestra.

Para que un intervalo sea tomado en cuenta con algn inters, el nivel de
confianza debe ser alto.

Suelen presentarse dos interpretaciones para un intervalo de confianza,

una probabilstica y otra prctica. Veamos cmo son en el caso de la media:
16
Desde un punto de vista de la probabilidad se dice: En el muestreo
aleatorio simple de una poblacin normal de media y varianza
conocida, el

100(1- )% de todos los intervalos de la forma incluir la media

desconocida .

Aplicando esto al ejemplo anterior podemos decir que de 100 muestras de

tamao 30 que escojamos de los pasajeros del avin, 95 de ellas
(aproximadamente) producirn intervalos que contendrn el verdadero peso
promedio . O lo que es lo mismo, de 100 intervalos obtenidos por la
frmula anterior 95 de ellos contendrn el verdadero valor del parmetro.

De la interpretacin probabilstica se desprende la prctica que se establece

as: Si se realiza un muestreo aleatorio simple en una poblacin normal con
media y varianza conocida , se tiene el 100(1- )% de confianza de que

el intervalo particular contendr el verdadero valor del parmetro

desconocido

En el ejemplo diremos que tenemos una confianza o certeza del 95% de que el
verdadero peso promedio de los pasajeros del avin est entre 147,12 y 172
88 libras.

MEDIA POBLACIN EJERCICI

NORMAL O1

VARIANZA
CONOCIDA

O VARIANZA
DESCONOCID
A Y N>30

POBLACIN EJERCICI
NORMAL O2

VARIANZA
DESCONOCID
A Y N<30

17
DIFERENCI POBLACIONE EJERCICI
A S NORMALES O3
INDEPENDIE
NTES.

VARIANZAS
CONOCIDAS.

DE POBLACIONE EJERCICI
S NORMALES O4
MEDIAS INDEPENDIE
NTES.

VARIANZAS
IGUALES
DESCONOCID
AS

SE EJERCICI
RECOMIEND O5
PROPORCI A EL USO DE
N ESTA
FRMULA EN
MUESTRAS
DE TAMAO
GRANDE

DIFERENCI SE EJERCICI
A DE RECOMIEND O6
PROPORCI A EL USO DE
ONES ESTA
FRMULA EN
MUESTRAS
DE TAMAO
GRANDE

VARIANZA POBLACIONE EJERCICI

S NORMALES O7

COCIENTE MUESTRAS EJERCICI

DE INDEPENDIE O8
VARIANZAS NTES DE ;
POBLACIONE
S NORMALES
b=

18
19
6. TAMAO DE LA MUESTRA PARA ESTIMAR MEDIAS Y
PROPORCIONES.

El tamao de la muestra que debemos escoger para hacer una estimacin del
parmetro con las caractersticas especificadas (de nivel de confianza y error
de estimacin.) es un problema de gran importancia ya que:

1. Si tomamos una muestra ms grande de la indicada para alcanzar los

resultados propuestos, constituye un desperdicio de recursos (tiempo, dinero,
etc.); mientras que una muestra demasiado pequea conduce a menudo a
resultados poco confiables.

2. Cuando elegimos una muestra de tamao n slo revisamos una fraccin o

parte de la poblacin y con base en ella tomamos decisiones que afectan a
toda la poblacin. Es evidente que por este procedimiento se abre la
posibilidad de que nos equivoquemos en nuestras decisiones, pero esta
posibilidad depende en gran medida del tamao de muestra o fraccin de
poblacin que se haya analizado.

El tamao que debe tener la muestra depende del nivel de confianza

propuesto, as como del mximo error que estemos dispuestos a admitir entre
el valor estimado y el valor real del parmetro que corresponde al error de
estimacin.

Veamos cmo se determinara el tamao de la muestra a partir de la

consideracin del nivel de confianza y del error de estimacin cuando
hacemos muestreo con repeticin o en poblaciones infinitas.

Supongamos que d es el error de estimacin (precisin) y el nivel de

confianza es 100(1- ) para la estimacin de la media de una poblacin
normal con varianza conocida, con estos datos formamos la ecuacin d=

De esta ecuacin, elevando al cuadrado obtenemos d 2=Z2 de esta ecuacin

despejamos nd2=Z2 por lo tanto n = .

20
Esta frmula nos permite obtener el tamao de la muestra cuando tratamos de
estimar un intervalo de confianza para la media con error de estimacin y
nivel de confianza dados.

El tamao de la muestra depende de dos elementos bsicos (supuesta dada la

varianza) que hay que sopesar cuando se va a tomar una decisin al respecto;
se trata del nivel de confianza y del error de estimacin y tenemos:

1. El tamao de la muestra aumenta a medida que aumenta el nivel de

confianza para un error de estimacin y una varianza dados.

2. El tamao de la muestra aumenta a medida que disminuye el error de

estimacin para un nivel de confianza y varianza dados.

Si la poblacin es finita y el tamao de sta debe ser tenida en cuenta, el

tamao muestral viene dado por:

En las dos frmulas anteriores aparece la varianza, por lo tanto es necesario

conocerla. Si es desconocida debe ser estimada por cualquiera de los medios
siguientes:

1. Se toma una muestra preliminar llamada muestra piloto y estimamos la

varianza mediante S2. Si el tamao de la muestra piloto es inferior a 30 se
recomienda emplear el valor t en lugar del valor normal.

2. Se utilizan estimaciones previas que se hayan hecho acerca de la varianza

en estudios anteriores.

3. Si existe evidencia de que la poblacin estudiada tiene distribucin normal,

estimaremos mediante A/4 donde A es la amplitud o rango de la poblacin.
Este mtodo requiere el conocimiento del valor mximo y mnimo de la
varianza investigada.

Estudiemos el caso de la proporcin poblacional. En este caso el tamao de

la muestra est dado por:

n=

Cuando no se da estimacin alguna para la proporcin, utilizaremos la

frmula anterior tomando =05. Esto arroja por lo general una muestra
mucho mayor de la indicada.

21
Si el tamao de la poblacin debe ser tenido en cuenta el tamao de muestra
est dado por:

n=

EJERCICIOS SOBRE EL USO DE LOS ESTIMADORES

1. De una poblacin se escogieron al azar 10 personas y se les tomo

la estatura. Los resultados en cm fueron: 160, 170, 170, 150, 160,
180, 160, 170, 130, 150. Estime la media y la desviacin
estndar. (Sol. 160,14).

2. En una universidad se desea conocer la opinin de los estudiantes

acerca de ciertas medidas que han tomado las directivas. De 120
estudiantes consultados, 90 estuvieron a favor. Estime la
proporcin de estudiantes que estn a favor de las medidas. (Sol.
75%).

3. Un conjunto residencial est formado por 200 apartamentos. Se

seleccionaron 18 apartamentos y se observ que, en promedio,
viven 45 personas por apartamento. Estime el total de personas
que viven en el conjunto residencial. ( Sol. 900 personas).

4. De un lote de 1.000 licuadoras se escogen aleatoriamente 30 y se

encontr que 2 de ellas estaban estropeadas cuntas licuadoras se
estima que estn estropeadas? (Sol. 67 licuadoras).

22
 EJERCICIOS SOBRE EL ERROR ESTNDAR

1. Una agencia de encuesta selecciona 900 familias y calcula la

proporcin de stas que utilizan cierto tipo de detergente. Si la
proporcin estimada es 035 Cul es el error estndar estimado?
(Sol. 0016).

2. En el estudio de cierta caracterstica X de una poblacin se sabe

que la desviacin estndar es 3. Se va a escoger una muestra de
tamao 100, halle el error estndar de la media muestral. (Sol. 03).

3. Se escogi al azar una muestra de 10 clientes de un banco y se les

pregunt el nmero de veces que haban utilizado el banco para
llevar a cabo alguna transaccin comercial. Los resultados fueron
los siguientes: 0, 4, 2, 3, 2, 0, 3, 4, 1, 1. Estime el error estndar del
nmero de transacciones promedio. ( Sol. 047).

EJERCICIOS SOBRE ESTIMACIN POR INTERVALOS.

1. Una muestra aleatoria de 36 cigarrillos de una determinada marca

dio un contenido promedio de nicotina de 3 miligramos. El
contenido en nicotina de estos cigarrillos sigue una normal con una
desviacin estndar de 1 miligramo. a) Obtenga e interprete un
intervalo de confianza del 95% para el verdadero contenido
promedio de nicotina en estos cigarrillos. b) El fabricante garantiza
que el contenido promedio de nicotina es 29 miligramos, qu
puede decirse de acuerdo con el intervalo hallado? (Sol. [267,3
33] . No podemos descartar lo afirmado por el fabricante ya que el
valor 29 se encuentra dentro del intervalo).

2. Los siguientes nmeros representan el tiempo (en minutos) que

tardaron 15 operarios en familiarizarse con el manejo de una
nueva mquina adquirida por la empresa: 34, 28, 44, 25, 33, 4,
48, 29, 56, 52, 37, 3, 36, 28, 48. Supongamos que los tiempos
se distribuyen normalmente. A) Determina e interpreta un
intervalo del 95% de confianza para el verdadero tiempo
promedio. B) El instructor considera que el tiempo promedio
requerido por los trabajadores es mayor que 5 minutos, qu se
puede decir de acuerdo con el intervalo hallado? (Sol.[326 , 434].

23
 La apreciacin del instructor no parece correcta ya que el valor 5
minutos se encuentra fuera del intervalo.)

3. Queremos medir la diferencia en ventas entre dos categoras de

empleados. Una est formada por personas con ttulo superior y la
otra por personas con estudios secundarios. Tomamos una muestra
de 45 empleados del primer grupo y la media de ventas resulta ser
32. Tomamos una muestra de 60 empleados del segundo grupo y la
media obtenida es 25. Supongamos que las ventas de los dos grupos
siguen una normal con varianza 48 para el primer grupo y de 56
para el segundo. A) Calcula un intervalo del 90% de confianza
para la verdadera diferencia de las medias. B) De acuerdo con el
intervalo hallado, hay evidencia de que las ventas medias de los
grupos son iguales? (Sol. [467,933]. El hecho de que las medias
sean iguales quiere decir que la diferencia de las medias es 0. Como
el 0 no est contenido en el intervalo, no hay evidencia de que se d
la igualdad.)

4. Se desea saber si hay diferencia entre el tiempo (en minutos) que

tardan los empleados de la pizzera A y los de la pizzera B en
atender un pedido. Tomamos una muestra de 14 empleados de A y
obtenemos una media muestral de 17 minutos y una varianza
muestral de 15. Tomamos una muestra de B de 25 empleados
obteniendo la media muestral de 19 y la varianza muestral de 18.
Suponemos que los tiempos para los dos grupos se distribuyen
normalmente y que las varianzas son iguales aunque desconocidas.
A) Calcula un intervalo de confianza del 99% para la verdadera
diferencia de las medias. B) De acuerdo con el intervalo hallado,
hay evidencia de que los dos tiempos promedios son iguales? (Sol.
[083,317]. Como el cero no est contenido en el intervalo, no hay
evidencia de que los tiempos sean iguales.)

5. Una marca de lavadoras quiere saber la proporcin de amas de

casa que preferiran usar su marca. Toman al azar una muestra de
100 amas de casa y 20 dicen que la usaran. Calcula un intervalo de
confianza del 95% para la verdadera proporcin de amas de casa
que preferiran dicha lavadora. (Sol. [0122, 0278].)

6. Se desea cambiar una mquina en una cadena de produccin. Se

toman muestras con la mquina actual y con la nueva mquina
para determinar si se van a producir mejoras en el sistema. 75 de
24
 1.000 artculos del procedimiento actual presentaron defectos y lo
mismo sucedi con 80 de 2.500 partes del nuevo, determine un
intervalo de confianza del 90% para la verdadera diferencia de
proporciones de partes defectuosas. (Sol. [00281, 00579]).

7. Un fabricante de bateras para automvil asegura que las bateras

que produce duran en promedio 2 aos, con una desviacin tpica
de 05 aos. Si 5 de estas bateras tienen duracin 15, 25, 29, 32,
4 aos, determine un intervalo de confianza del 95% para la
varianza e indique si es vlida la afirmacin del fabricante. (Sol. [0
3, 7]. Como el valor garantizado por el fabricante queda fuera del
intervalo rechazamos dicha afirmacin.)

8. Determina un intervalo de confianza del 90% para el cociente de

varianzas tomando los datos del ejercicio 4. (Sol. [0552 , 2904])

EJERCICIOS SOBRE EL TAMAO DE LA MUESTRA

1. Queremos ajustar una mquina de refrescos de modo que el

promedio del lquido dispensado quede dentro de cierto rango. La
cantidad de lquido vertido por la mquina sigue una distribucin
normal con desviacin estndar 015 decilitros. Deseamos que el
valor estimado que se vaya a obtener comparado con el verdadero
no sea superior a 0.02 decilitros con una confianza del 95%. De
qu tamao debemos escoger la muestra? (Sol. n=217).

2. Es necesario estimar entre 10.000 establos, el nmero de vacas

lecheras por establo con un error de estimacin de 4 y un nivel de
confianza del 95%. Sabemos que la varianza es 1.000. Cuntos
establos deben visitarse para satisfacer estos requerimientos? (Sol.
Como sabemos que hay 10.000 establos, tendremos que usar la
frmula en la que interviene el tamao de la poblacin y obtenemos
n=235).

3. Una mquina llena cajas con cierto cereal. El supervisor desea

conocer con un error de estimacin de mximo 01 y un nivel de
confianza del 90%, una media estimada del peso. Como la varianza

25
era desconocida se procedi a escoger una muestra piloto. Los
resultados fueron los siguientes: 1102, 1114, 1078, 1159, 1158, 11
19, 1171, 1127, 1093, 1094. Cuntas cajas debe escoger para
que se cumplan los requisitos propuestos? (Sol. Debemos tomar la
varianza estimada y al ser n<30 el valor de t, al sustituir en la
frmula obtenemos n=34).

4. Se desea conocer el peso promedio de una determinada clase de

pescado con un error de estimacin de 002 y con un nivel de
confianza del 99%. Por datos anteriores se sabe que el peso mnimo
es 148 libras y el mximo es de 247 libras. De qu tamao debe
escoger la muestra? Suponga que los pesos de estos pescados se
distribuyen normalmente. (Sol. No conocemos la varianza pero la
podemos estimar a partir de la frmula A/4. Al sustituir en la
frmula obtenemos n=1015)

5. Se desea hacer una encuesta para determinar la proporcin de

familias que carecen de medios econmicos para atender los
problemas de salud. Existe la impresin de que esta proporcin est
prxima a 035. Se desea determinar un intervalo de confianza del
95% con un error de estimacin de 005. De qu tamao debe
tomarse la muestra? (Sol. n=350).

6. Un productor de semillas desea saber con un error de estimacin

del 1% el porcentaje de semillas que germinan en la granja de su
competidor. Qu tamao de muestra debe tomarse para obtener
un nivel de confianza del 95%?(Sol. Como no tenemos ninguna
estimacin de la proporcin, tomaremos 05 y as obtenemos
n=9.604)

26
7. Se desea realizar una encuesta entre la poblacin juvenil de una
determinada localidad para determinar la proporcin de jvenes
que estara a favor de una nueva zona de ocio. El nmero de
jvenes de dicha poblacin es N=2.000. Determinar el tamao de
muestra necesario para estimar la proporcin de estudiantes que
estn a favor con un error de estimacin de 005 y un nivel de
confianza del 95%.(Sol. Como no nos dan ninguna estimacin de la
proporcin, tomaremos 05. El valor de n es 322).

27