ndice

Introduccin 1

2.1 Introduccin 4

2.2 Caractersticas de un estimador 4

2.3 Estimacin Puntual 7

2.4 Estimacin por intervalos 8

2.4.1 Intervalo de confianza para la media 8

2.4.2 Intervalo de confianza para la diferencia de medias 9

2.4.3 Intervalo de confianza para una proporcin 10

2.4.4 Intervalos de confianza para la diferencia de proporciones 11

2.4.5 Intervalos de confianza para la varianza 12

2.4.6 Intervalos de confianza para la relacin de varianzas 13

2.5 Determinacin de tamao de muestra 14

2.5.1 Basado en la media de la Poblacin 15

2.5.2 Basado En La Proporcin De La Poblacin 16

2.5.3 Basado en la diferencia entre las medias de la poblacin 17

Conclusin 19

Referencias bibliogrficas 21
Introduccin

Los comienzos de la estadstica pueden ser hallados en el antiguo Egipto, cuyos

faraones lograron recopilar, hacia el ao 3050 antes de Cristo, prolijos datos
relativos a la poblacin y la riqueza del pas. De acuerdo al historiador griego
Herdoto, dicho registro de riqueza y poblacin se hizo con el objetivo de preparar
la construccin de las pirmides. En el mismo Egipto, Ramss II hizo un censo de
las tierras con el objeto de verificar un nuevo reparto.

En el antiguo Israel la Biblia da referencias, en el libro de los Nmeros, de los datos

estadsticos obtenidos en dos recuentos de la poblacin hebrea. El rey David por
otra parte, orden a Joab, general del ejrcito hacer un censo de Israel con la
finalidad de conocer el nmero de la poblacin.

Fueron los romanos, maestros de la organizacin poltica, quienes mejor supieron

emplear los recursos de la estadstica. Cada cinco aos realizaban un censo de la
poblacin y sus funcionarios pblicos tenan la obligacin de anotar nacimientos,
defunciones y matrimonios, sin olvidar los recuentos peridicos del ganado y de las
riquezas contenidas en las tierras conquistadas. Para el nacimiento de Cristo
suceda uno de estos empadronamientos de la poblacin bajo la autoridad del
imperio.

Durante los siglos XV, XVI, y XVII, hombres como Leonardo de Vinci, Nicols
Coprnico, Galileo, Neper, William Harvey, Sir Francis Bacon y Ren Descartes,
hicieron grandes operaciones al mtodo cientfico, de tal forma que cuando se
crearon los Estados Nacionales y surgi como fuerza el comercio internacional
exista ya un mtodo capaz de aplicarse a los datos econmicos.

La estadstica que muchos creen como algo nuevo, es tan antigua como la propia
humanidad, ya que existen vestigios de su inicio antes de cristo, como en china
donde el emperador Yao (2.238 a.C), dispuso la realizacin de un censo, en su
imperio algo similar en la poca del rey Herodes, relacionado con un
empadronamiento cuando se habl del nacimiento de cristo.

1
La estadstica como todas las ciencias, no se cre de improviso, sino mediante un
proceso largo de desarrollo y evolucin, desde hechos de simple recoleccin de
datos hasta la diversidad y rigurosa interpretacin de los datos que se dan
actualmente.

Hoy en da a alcanzado un alto desarrollo y se ha constituido como una herramienta

en los procesos de investigacin, con la ayuda de tantos investigadores dedicados
a perfeccionar mtodos estadsticos modernos, que nos permite seleccionar
aquellas tcnicas ms adecuada para analizar una determinada cantidad de
informacin, acelerando su proceso con la ayuda de los programas de computacin,
y a su vez, disminuyendo las probabilidades de error. As, entonces, la estadstica
ha llegado a ocupar un amplio escenario en el desarrollo de la ciencia y la
tecnologa, pero tambin en las ms diversas gestiones de la vida cotidiana,
incluidas la cultura, el deporte, economa entre otras.

El presente trabajo de investigacin aborda el tema de Estimacin el cual pretende

dar a conocer el conjunto de tcnicas que permiten dar un valor aproximado de
un parmetro de una poblacin a partir de los datos proporcionados por
una muestra.

En el tema 2.1 hace referencia a una breve introduccin de lo que es Estimacin,

de tal forma que es aquel proceso de encontrar una aproximacin sobre una
medida, lo que se ha de valorar con algn propsito es utilizable incluso si
los datos de entrada pueden estar incompletos, incierto, o inestables.

En el tema 2.2 se comprenden las caractersticas de un estimador, el cual es

un estadstico ) usado para estimar un parmetro desconocido de la poblacin, que
se caracteriza por el sesgo, eficiencia, consistencia, robustez, suficiencia e
invarianza.

En el tema 2.3 se percibe la estimacin puntual, la cual consiste en obtener un nico

nmero calculado a partir de las observaciones muestrales, y que es utilizado como
estimacin del valor del parmetro .

2
En el tema 2.4 se analiza la estimacin por intervalos, que consiste en la obtencin
de un intervalo dentro del cual estar el valor del parmetro estimado con una cierta
probabilidad. En esta estimacin se usan los intervalos: de confianza, variabilidad
del parmetro, error de la estimacin, lmite de confianza y valor critico

Por ultimo en el tema 2.5 se explica la determinacin del tamao de la muestra, que
se entiende como la determinacin del nmero de sujetos que componen
la muestra extrada de una poblacin, necesarios para que los datos obtenidos sean
representativos de la poblacin.

3
2.1 Introduccin
La teora estadstica de la estimacin permite predecir, con determinada precisin,
que ocurre en la poblacin mediante la informacin aportada por individuos de una
muestra extrada al azar de dicha poblacin. Siempre que daban darse conclusiones
a partir de los resultados de una experiencia basada en el estudio de grupos de
individuos, es necesario analizar si, por s solo, el azar puede explicar las diferencias
encontradas. Este anlisis se hace siempre aplicando pruebas estadsticas que
cifran, mediante probabilidades, la influencia del azar en los resultados de un
experimento. No es la uniformidad sino la variabilidad el atributo fundamental que
caracteriza a la naturaleza. No es la rigidez sino el azar quien est en la base de los
hechos psicolgicos o biolgicos.

En la naturaleza, el azar hace que la variabilidad entre los individuos sea la regla.
La estadstica es el nico instrumento matemtico adecuado para analizar datos de
fenmenos cuya caracterstica fundamental es la variabilidad. No es posible
estudiar la variabilidad con una sola observacin. De ah que la formulacin
estadstica de un problema no pueda ser una formulacin a nivel individual sino que
debe ser una formulacin a nivel de grupo. Los diseos experimentales estadsticos
son experiencias formuladas a nivel de grupo. En consecuencia, una vez tratados
estadsticamente 10s datos obtenidos, las conclusiones de estos diseos no pueden
ser conclusiones a nivel individual sino que son conclusiones a nivel de grupo. Esto
quiere decir, por ejemplo, que si con un diseo experimental se demuestra la
superioridad de un tratamiento X respecto a otro tratamiento Y, el resultado que
obtendremos al aplicar el tratamiento X a toda la poblacin ser, en media, superior
al resultado que hubiramos obtenido al aplicar el tratamiento Y a toda la poblacin;
sin embargo, para ciertos individuos el tratamiento Y podr ser superior al X.

2.2 Caractersticas de un estimador

Estimador:

Es un estadstico (es decir, es una funcin de la muestra) usado para estimar un

parmetro desconocido de la poblacin. Por ejemplo, si se desea conocer el precio
medio de un artculo (el parmetro desconocido) se recogern observaciones del

4
precio de dicho artculo en diversos establecimientos (la muestra) y la media
aritmtica de las observaciones puede utilizarse como estimador del precio medio.

Para cada parmetro pueden existir varios estimadores diferentes. En general,

escogeremos el estimador que posea mejores propiedades que los restantes, como
insesgadez, eficiencia, convergencia y robustez (consistencia).

Sesgo

Se denomina sesgo de un estimador a la diferencia entre la esperanza (o valor

esperado) del estimador y el verdadero valor del parmetro a estimar. Es deseable
que un estimador sea insesgado o centrado, es decir, que su sesgo sea nulo por
ser su esperanza igual al parmetro que se desea estimar.

En efecto, si una muestra X=(X1,X2,...,Xn)t procede de una poblacin de media ,

quiere decir que:

E[Xi ] = para cualquier i=1...n

La media aritmtica o media presupuestal,

n
1
= Xi
X
n
i=1

Eficiencia

Diremos que un estimador es ms eficiente o ms preciso que otro estimador, si

la varianza del primero es menor que la del segundo.

La eficiencia de los estimadores est limitada por las caractersticas de la

distribucin de probabilidad de la muestra de la que proceden. El teorema de
Cramr-Rao determina que la varianza de un estimador insesgado de un
parmetro es, como mnimo,

1
var ()

E[[ log f(X; )2 ]

5
donde f(X; ) es la funcin de densidad de probabilidad de la muestra X =
(X1 , X2 Xn )t en funcin del parmetro , (denominada funcin de verosimilitud). Si
un estimador insesgado alcanza esta cota mnima, entonces se dice que el
estimador es de mnima varianza dentro de los estimadores insesgados, pudiendo
existir estimadores sesgados con varianza menor.

Consistencia
Si no es posible emplear estimadores de mnima varianza, el requisito mnimo
deseable para un estimador es que a medida que el tamao de la muestra crece, el
valor del estimador tienda a ser el valor del parmetro, propiedad que se
denomina consistencia. Existen diversas definiciones de consistencia, ms o menos
restrictivas, pero la ms utilizada es la denominada consistencia en media
cuadrtica que exige que:

E[] cuando n

Var[] 0 cuando n

Robustez

El estimador ser un estimador robusto del parmetro si la violacin de los

supuestos de partida en los que se basa la estimacin (normalmente, atribuir a
la poblacin un determinado tipo de funcin de distribucin que, en realidad, no es
la correcta), no altera de manera significativa los resultados que ste proporciona.

Suficiencia

Se dice que un estimador es suficiente cuando resume toda la informacin relevante

contenida en la muestra, de forma que ningn otro estimador pueda proporcionar
informacin adicional sobre el parmetro desconocido de la poblacin. Por ejemplo,
la media muestral sera un estimador suficiente de la media poblacional, mientras
que la moda no lo sera.

Invariancia

Se dice que un estimador es invariante cuando el estimador de la funcin del

parmetro coincide con la funcin del estimador del parmetro, f[] = f( )

6
2.3 Estimacin Puntual

Consiste en la estimacin del valor del parmetro mediante un slo valor, obtenido
de una frmula determinada. El problema de estimacin puntual consiste en,
seleccionada una muestra X1, ..., Xn, encontrar el estadstico T(X1, ..., Xn) que
mejor estime el parmetro .

Una vez observada o realizada la muestra, con valores x1, ..., xn, se obtiene la
estimacin puntual de , T(x1, ..., xn) = .

La estimacin puntual consiste en obtener un nico nmero calculado a partir de las

observaciones muestrales, y que es utilizado como estimacin del valor del
parmetro . Se le llama estimacin puntual porque a ese nmero, que se utiliza
como estimacin del parmetro , se le puede asignar un punto sobre la recta
real. En la estimacin por intervalos se obtienen dos puntos ( un extremo inferior y
un extremo superior) que definen un intervalo sobre la recta real, el cual contendr
con cierta seguridad el valor del parmetro .

Esencialmente son tres los parmetros de inters:

- En el caso de que investiguemos una variable cuantitativa:

a) Para la media de la poblacin tomaremos como aproximacin la media de la

muestra.
x1 + x2 + + xn n

X= = x1
n i=1

b) Para la varianza de la poblacin 2 tomaremos la cuasivarianza de la muestra.

ni=1 xi2
2 = x 2
n1
- Si el estudio se centra en el estudio de un carcter cualitativo el parmetro de
inters ser la proporcin de elementos de la poblacin que pertenecen a cierta
categora C que lo aproximaremos con la correspondiente proporcin en la muestra.

Cantidad de elementos de la muestra que pertenecen a C

p =
Cantidad total de elementos de la muestra

7
2.4 Estimacin por intervalos
La estimacin por intervalos consiste en establecer el intervalo de valores donde es
ms probable se encuentre el parmetro. La obtencin del intervalo se basa en las
siguientes consideraciones:
a) Si conocemos la distribucin muestral del estimador podemos obtener las
probabilidades de ocurrencia de los estadsticos muestrales.
b) Si conociramos el valor del parmetro poblacional, podramos establecer la
probabilidad de que el estimador se halle dentro de los intervalos de la distribucin
muestral.
c) El problema es que el parmetro poblacional es desconocido, y por ello el
intervalo se establece alrededor del estimador. Si repetimos el muestreo un gran
nmero de veces y definimos un intervalo alrededor de cada valor del estadstico
muestral, el parmetro se sita dentro de cada intervalo en un porcentaje conocido
de ocasiones. Este intervalo es denominado "intervalo de confianza".

2.4.1 Intervalo de confianza para la media

Se llama intervalo de confianza a un par o varios pares de nmeros entre los cuales
se estima que estar cierto valor desconocido con una determinada probabilidad de
acierto. Formalmente, estos nmeros determinan un intervalo, que se calcula a
partir de datos de una muestra, y el valor desconocido es un parmetro poblacional.
La probabilidad de xito en la estimacin se representa con 1 - y se
denomina nivel de confianza. En estas circunstancias, es el llamado error
aleatorio o nivel de significacin, esto es, una medida de las posibilidades de fallar
en la estimacin mediante tal intervalo.

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

un intervalo ms amplio tendr ms probabilidad de acierto (mayor nivel de
confianza), mientras que, para un intervalo ms pequeo, que ofrece una estimacin
ms precisa, aumenta su probabilidad de error.

8
Para la construccin de un determinado intervalo de confianza es necesario conocer
la distribucin terica que sigue el parmetro a estimar, . Es habitual que el
parmetro presente una distribucin normal. Tambin pueden construirse intervalos
de confianza con la desigualdad de Chebyshev.

En definitiva, un intervalo de confianza al 1 - por ciento para la estimacin de un

parmetro poblacional que sigue una determinada distribucin de probabilidad, es
una expresin del tipo [1, 2] tal que P[1 2] = 1 - , donde P es la funcin de
distribucin de probabilidad de .

2.4.2 Intervalo de confianza para la diferencia de medias

Si X1 , X2 s12 y s22 son las medias y las varianzas de dos muestras aleatorias de
tamao n1 y n2, respectivamente, tomadas de dos poblaciones normales e
independientes con varianzas desconocidas pero iguales, entonces un intervalo de
confianza del 100(1 ) por ciento para la diferencia entre medias es:

1 1
1 2 = (X1 X 2 ) tsp
n1 n2

En donde:

s12 (n1 1) + s22 (n2 1)

sp2 =
n1 + n2 2

Es el estimador combinado de la desviacin estndar comn de la poblacin con

n1+n2 2 grados de libertad.

Caso de varianza desconocida y comn

Supondremos la existencia de dos poblaciones sobre las que una variable

determinada sigue una distribucin Normal con idntica varianza en las dos. Sobre
la poblacin 1, la variable sigue una distribucin N(1, ) y, sobre la poblacin 2,
sigue una distribucin N(2, ). Igualmente supondremos que disponemos de dos

9
muestras aleatorias independientes, una para cada poblacin, de tamaos
muestrales n1 y n2 respectivamente.

El objetivo es construir un intervalo de confianza, con nivel de confianza (1 )

100 %, para la diferencia de medias u1-u2

El mtodo se basa en la construccin de una nueva variable D, definida como la

diferencia de las medias muestrales para cada poblacin bajo la hiptesis de
independencia de las muestras, sigue una distribucin Normal de esperanza y de
varianza

2.4.3 Intervalo de confianza para una proporcin

El intervalo de confianza para estimar una proporcin p, conocida como una

proporcin muestral pn de una muestra de tamao n, a un nivel de confianza del (1-
)100% es:

pn (1 pn ) pn (1 pn )
(pn + za/2 , pn + za/2 )
n n

En la demostracin de estas frmulas estn involucrados el Teorema Central del

Lmite y la aproximacin de una binomial por una normal.

Un estimador puntual de la proporcin P en un experimento binomial est dado por

la estadstica P=X/N, donde X representa el nmero de xitos en N pruebas. Por
tanto, la proporcin de la muestra p=x/n se utilizar como estimador puntual del
parmetro P. Si no se espera que la proporcin P desconocida est demasiado
cerca de 0 de 1, se puede establecer un intervalo de confianza para P al considerar
la distribucin muestral de proporciones.

Considerando el valor z para la distribucin de proporciones:

pP
z=
P(1 P)
n

Cuando n es pequea y la proporcin desconocida P se considera cercana a 0 a

1, el procedimiento del intervalo de confianza que se establece aqu no es confiable

10
ya que realmente se debera emplear la distribucin binomial, por tanto, no se debe
utilizar. Para estar seguros, se debe requerir que np y n(1-p) sea mayor o igual a 5.
El error de estimacin ser la diferencia absoluta entre p y P, y podemos tener el
nivel de confianza de que esta diferencia no exceder el valor de:

P(1 P)
z
n

2.4.4 Intervalos de confianza para la diferencia de proporciones

En el contexto de estimar un parmetro poblacional, un intervalo de confianza es un

rango de valores (calculado en una muestra) en el cual se encuentra el verdadero
valor del parmetro, con una probabilidad determinada.

La probabilidad de que el verdadero valor del parmetro se encuentre en el intervalo

construido se denomina nivel de confianza, y se denota 1- a. La probabilidad de
equivocarnos se llama nivel de significancia y se simboliza a. Generalmente se
construyen intervalos con confianza 1- a=95% (o significancia a=5%). Menos
frecuentes son los intervalos con a=10% o a=1%.

En este caso, interesa construir un intervalo de confianza para una proporcin o un

porcentaje poblacional (por ejemplo, el porcentaje de personas con hipertensin,
fumadoras, etc.) Si el tamao muestral n es grande, el Teorema Central del Lmite
nos asegura que: O bien:

Donde p es el porcentaje de personas con la caracterstica de inters en la poblacin

(o sea, es el parmetro de inters) y p es su estimador muestral. Luego,
procediendo en forma anloga al caso de la media, podemos construir un intervalo
de 95% de confianza para la proporcin poblacional p.

Los lmites para el intervalo de una diferencia de proporciones correspondientes a

dos muestras independientes son: donde el smbolo z/2 es el mismo valor crtico
que antes, prob(Z > z/2) = /2, y corresponde a un intervalo de confianza 1 %

Los limites para el intervalo de una diferencia de proporciones correspondientes a

dos muestras independientes son:

11
 P(1 P1 )1 P2 (1 P2 )
P1 P2 Z a
2 n1 n2

Donde

El smbolo Z a es el mismo valor critico que antes, prob Z > Z a a , y

2 2 2
corresponde a un intervalo de confianza 1 a%

Este intervalo puede utilizarse de manera alternativa al contraste de hiptesis para

decidir (con nivel de significacin a% ) si hay igualdad de los dos grupos. Se decidir
por la igualdad de los grupos si el valor 0 queda incluido en cualquier posicin en el
intervalo.

Aunque se haga el contraste de dos proporciones, en primer lugar, es aconsejable

obtener el intervalo de confianza de la diferencia de medias, si este ha resultado
significativo, puesto que ayudara a interpretar si existe significacin aplicada
adems de la estadstica.

2.4.5 Intervalos de confianza para la varianza

Dada una variable aleatoria con distribucin Normal N(; ), el objetivo es la

construccin de un intervalo de confianza para el parmetro , basado en una
muestra de tamao n de la variable.

A partir del estadstico

(n 1)S 2
2
X =
2

la frmula para el intervalo de confianza, con nivel de confianza 1 es la siguiente

(n 1)S 2 2
(n 1) S 2
2 2
x/2 x/2

Donde 2/2 es el valor de una distribucin ji-cuadrado con n 1 grados de libertad

que deja a su derecha una probabilidad de /2.

12
2.4.6 Intervalos de confianza para la relacin de varianzas

La necesidad de disponer de mtodos estadsticos para comparar las varianzas de

dos poblaciones es evidente a partir del anlisis de una sola poblacin.
Frecuentemente se desea comparar la precisin de un instrumento de medicin con
la de otro, la estabilidad de un proceso de manufactura con la de otro o hasta la
forma en que vara el procedimiento para calificar de un profesor universitario con
la de otro.

Intuitivamente, podramos comparar las varianzas de dos poblaciones, 2 1 y 2

2, utilizando la razn de las varianzas muestrales y si es casi igual a 1, setendr
poca evidencia para indicar que 21 y 22 no son iguales. Por otra parte, un valor
muy grande o muy pequeo para , proporcionar evidencia de una diferencia en las
varianzas de las poblaciones.

Para encontrar un intervalo de confianza para el cociente de do s varianzas,

empleamos la distribucin F que es similar a como hicimos en el caso de una sla
varianza empleando la distribucin chicuadrada.

El objetivo es construir un intervalo de confianza, con nivel de confianza (1 )

100 %, para el cociente de varianzas

12
22

El estadstico pivote utilizado es:

S12 12
F 2 2
S2 2

Que sigue una distribucin F de Ficher con n1 1 y n2 1 grados de libertad

El intervalo de confianza resulta:

13
 S12 S12
S 2
2
S22
2
1

F 2 2
2 F 2

Dnde:

F 2 es el valor de una distribucin F de Fisher- Snedcor con n1 1 y n2 1 grados

de libertad que deja a su derecha una probabilidad de 2 .

2.5 Determinacin de tamao de muestra

Determinar el tamao de la muestra que se va a seleccionar es un paso importante

en cualquier estudio de investigacin de mercados, se debe justificar
convenientemente de acuerdo al planteamiento del problema, la poblacin, los
objetivos y el propsito de la investigacin.

El tamao muestral depender de decisiones estadsticas y no estadsticas, pueden

incluir por ejemplo la disponibilidad de los recursos, el presupuesto o el equipo que
estar en campo.

Antes de calcular el tamao de la muestra necesitamos determinar varias cosas:

Tamao de la poblacin. Una poblacin es una coleccin bien definida de objetos o

individuos que tienen caractersticas similares. Hablamos de dos tipos: poblacin
objetivo, que suele tiene diversas caractersticas y tambin es conocida como la
poblacin terica. La poblacin accesible es la poblacin sobre la que los
investigadores aplicaran sus conclusiones.

Margen de error (intervalo de confianza). El margen de error es una estadstica que

expresa la cantidad de error de muestreo aleatorio en los resultados de una
encuesta, es decir, es la medida estadstica del nmero de veces de cada 100 que
se espera que los resultados se encuentren dentro de un rango especfico.

Nivel de confianza. Son intervalos aleatorios que se usan para acotar un valor con
una determinada probabilidad alta. Por ejemplo, un intervalo de confianza de 95%

14
significa que los resultados de una accin probablemente cubrirn las expectativas
el 95% de las veces.

La desviacin estndar. Es un ndice numrico de la dispersin de un conjunto de

datos (o poblacin). Mientras mayor es la desviacin estndar, mayor es la
dispersin de la poblacin.

La frmula para calcular el tamao de muestra cuando se desconoce el tamao de

la poblacin es la siguiente:

Za2 x p x q
n=
d2

En donde

Z = nivel de confianza,

P = probabilidad de xito, o proporcin esperada

Q = probabilidad de fracaso

D = precisin (error mximo admisible en trminos de proporcin)

2.5.1 Basado en la media de la Poblacin

El intervalo de confianza, para la media de una poblacin, con un nivel de confianza

de 1- , siendo X la media de una muestra de tamao n y la desviacin tpica de
la poblacin, es:

x z/2 + z
,X
n 2 n

El error mximo de estimacin es:

E = z/2
n

15
Cuanto mayor sea el tamao de la muestra, n, menor es el error.Cuanto mayor sea
el nivel de confianza, 1-, mayor es el error. Tamao de la muestra

Z/2
n=
E

Si aumentamos el nivel de confianza, aumenta el tamao de la muestra. Si

disminuimos el error, tenemos que aumentar el tamao de la muestra.

Si la poblacin es finita, se conoce el tamao poblacional N, el error mximo viene

dado por:

N n
e Zu 2
n N 1

Dnde:

N n
La expresin se conoce como el multiplicador de poblacin finita, que es un
N 1
factor de ajuste, y se utiliza para rebajar la varianza muestral estimada. Despejando
n de la ecuacin se obtiene:

Z2 2 2 N
n
Z2 2 2 e 2 N 1

2.5.2 Basado En La Proporcin De La Poblacin

Los mtodos para la determinacin del tamao muestral de una proporcion son
similares a los empleados para estimar la media poblacional.

El error mximo que se desea tolerar al estimar una proporcin poblacional, cuando
se conoce la varianza poblacional y para poblacin infinita viene dado por:

P(1 P)
e Z 2
n

Donde:

16
P es una proporcin patrn de la poblacin. De esa manera, el tamao muestral
viene dado por la expresin

Z 2
2
n p1 p
e

Cuando no se tiene conocimiento de p o no se puede estimar mediante una muestra

piloto, generalmente se usa el valor de 0,5 ya que este valor dar como resultado el
tamao de muestra ms conservador, es decir, el mayor tamao de muestra.

Si la poblacin es finita, el erro mximo viene dado por:

P(1 P) N n
e Z 2
n N 1

Si se despeja el tamao muestral se obtiene:

P(1 P)Z2 2 N
n
P(1 P) Z2 2 e 2 ( N 1)

Si no se conoce la varianza poblacional y la poblacin es infinita se sigue un

procedimiento similar al anterior para generar las ecuaciones adecuadas.

2.5.3 Basado en la diferencia entre las medias de la poblacin

En ocasiones interesa definir un intervalo de valores tal que permita establecer
cules son los valores mnimo y mximo aceptables para la diferencia entre las
medias de dos poblaciones. Pueden darse dos situaciones segn las muestras sean
o no independientes; siendo en ambos casos condicin necesaria que las
poblaciones de origen sean normales o aproximadamente normales:

Muestras Independientes

Si puede suponerse que las varianzas de ambas poblaciones son iguales, el

intervalo de confianza para la diferencia de medias poblacionales est centrado en
la diferencia de las medias muestrales, siendo sus lmites superior e inferior:

17
 1 1
( X 1 X 2 ) t 2 S
n1 n2

t 2 es el valor critico correspondiente al grado de confianza 1 de la distribucin

t de student con n2 n2 2 grados de libertad y

(n1 1) S12 (n2 1) S 22

S
n1 n2 2

Es una estimacin de la desviacin tpica comn a ambas poblaciones obtenida a

partir de las varianzas de las dos muestras.

En la practica si n1 y n2 son moderadamente grandes, el valor critico

t 2 se aproxima, como ya se ah visto anteriormente, a los valores de la distribucin

normal.

Si las varianzas poblacionales no pueden suponerse iguales los lmites del intervalo
de confianza son:

S12 S 22
( X 1 X 2 ) t 2
n1 n2

El valor critico t 2 corresponde a una distribucin t cuyos grados de libertad se

calculan en base a ambos tamaos mustrales y a las desviaciones tpicas de cada

grupo segn la correccin propuesta por Dixon y Massey

2
S12 S 22

g.1 n2 n2 2
2 2
S12 1 S 22 1

n2 n 1 n2 n 1

18
Conclusin
Personal

Como resultado de la investigacin presentada, es posible concluir que las

estimaciones constituyen una pieza importante de estudio por varias razones. En la
mayora de los casos, para establecer conclusiones sobre caractersticas
poblacionales a partir de resultados muestrales.

Uno de los propsitos de la estadstica inferencial es estimar las caractersticas

poblacionales desconocidas, examinando la informacin obtenida de una muestra,
de una poblacin. El punto de inters es la muestra, la cual debe ser representativa
de la poblacin objeto de estudio, por ello las distribuciones de muestreo son
muestras de una poblacin en lugar de toda la poblacin.

Los conceptos mencionados han sido analizados e investigados de tal manera de

hacer ms fcil su comprensin y entendimiento, ya que la estimacin en la
estadstica constituye un importante parmetro en la toma de muestras de una
poblacin. Adems, ayuda a diferenciar la importancia de utilizar estimadores
puntuales y estimadores por intervalos.

Finalmente, se logra demostrar como la estadstica juega un papel importante,

puesto que es cien por ciento til en todos los campos de estudio y aprendizaje en
que se necesite condiciones de tomar muestras.

Profesional

La estadstica inferencial se dedica a la generacin de los modelos, inferencias y

predicciones asociadas a los fenmenos en cuestin teniendo en cuenta la
aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y
extraer inferencias acerca de la poblacin bajo estudio

La aplicacin de las diferentes distribuciones de muestras contribuye a una mejor

enseanza de aprendizaje para el alumno, y que este entienda los trminos de
distribuciones muestrales para emplearlos cuando sea necesario.

19
De igual forma le ayuda al profesional a realizar anlisis a partir de las estadsticas
de la muestra, establecer inferencias sobre una poblacin, hacer conclusiones a
partir de la informacin que arrojan las pruebas estadsticas e interpretar el
significado de los intervalos de confianza para: la media, diferencia de medias, la
proporcin, diferencia de proporciones, varianza y relacin de varianzas.

Por ltimo, los fundamentos investigados hacen colaboracin al profesional para

aplica los fundamentos de la teora de estimacin en problemas que requieran el
clculo del tamao de la muestra para determinar los diferentes intervalos de
confianza segn la variable que se est analizando en procesos industriales y
logsticos.

20
Referencias bibliogrficas

Libro: Estadstica matemtica con aplicaciones

Autores: Jorge Andrs Alvarado Valencia, Juan Jos Obagi Arajo
Editorial: Grupo Editorial Megabyte.
Edicin: Primera Edicin (2006).
Pginas: 36-60.

Libro: Fundamentos de inferencia estadstica

Autores: John E. Freund, Irwin Miller, Marylees Miller
Edicin. Segunda Edicin (2009).
Pginas: 81-102.

Libro: Estadstica Inferencial

Autores: Pinto Lages y Morgado Wagner.
Editorial: IMCA.
Edicin: Segunda Edicin (2000).
Pginas: 48-75.

Libro: Probabilidad y Estadstica aplicadas a la ingeniera.

Autores: Douglas Montgomery.
Editorial: Trillas.
Edicin: Tercera Edicin (2005).
Pginas: 20-25

21