1.

DISTRIBUCION MUESTRAL DE LA DIFERENCIA DE

MEDIAS MUESTRALES

TEOREMA:
Supongamos que X1 es una variable aleatoria definida sobre una poblacin 1

cuyos parmetros son 1 y 1. Sea X2 una variable aleatoria definida sobre la

poblacin 2 cuyos parmetros son 2 y 2.

Sea X 1 la media de una muestra de tamao n 1 extrada de la poblacin 1 y sea

X2 la media de una muestra de tamao n2 extrada de la poblacin 2.

Entonces X 1 X 2 es una nueva variable aleatoria definida como la diferencia de

medias muestrales tales que
X 1 2 y
1X2

12 22
X2
1X 2
n1 n2

Si los tamaos de muestra son suficientemente grandes, aplicando el TCL diremos

( X 1 X 2 ) ( 1 2 )
Z
que 12 22 es tal que Z N(0, 1).

n1 n2

Comentarios:
1. La distribucin de X 1 X 2 es vlida cuando ambas poblaciones son finitas y
las muestras se extraen con reposicin.
2. Es vlida tambin cuando las poblaciones son infinitas y las muestras se extraen
con o sin reposicin.
3. Si las poblaciones de las cuales se extraen las muestras son finitas y sin
reposicin, para encontrar la varianza de cada una de las medias se debe usar lo
visto en el teorema de las medias muestrales.
4.
Ejemplo 8

5De dos mquinas embotelladoras de gaseosas se han extrado muestras de tamao

64 cada una. La distribucin de probabilidad del contenido de cada una de ellas es
normal con 1 2 y 1 4 ml y 2 9 ml .

Determine la probabilidad de que la diferencia entre las medias muestrales exceda a

0.60.
Solucin
Sea X 1 la media muestral que representa el promedio de botellas llenadas con la
mquina 1
Defina a X 2 : ........................................................
De acuerdo a los datos
E[ X 1 ] = 1 , V[ X 1 ] = .............. y n1 = ................

E[ X 2 ] = 1 , V[ X 2 ] = ......................... y n2 = ....................
La probabilidad de que la diferencia entre las medias muestrales exceda a 0.60 se
expresa por P( | .................... | > 0.6 ).
Resolviendo
P( | ..................... | > 0.6 ) = P( ................ < - 0.6 ) + P( ............... > 0.6 )
Ahora le restamos la diferencia de medias poblacionales y dividimos por la varianza
de la diferencia de medias. Esto en ambos miembros de la desigualdad.
( X 1 X 2 ) ( 1 2 ) 0.6 0 ( X X 2 ) ( 1 2 ) 0.6 0
P( ) P( 1 )
= 12 22 4

9 2
2
4

9
1
2
n1 n2 64 64 n1 n2 64 64

Despus de simplificar, use Minitab para obtener

P( Z 1.33) P( Z 1.33) ................

Ejemplo 9
En el ciclo de verano del 2004, el curso de Estadstica Aplicada tuvo dos secciones.
En cada seccin se aplic metodologas de enseanza diferentes. Al final del ciclo
los estudiantes se sometieron a un examen final integrado, donde se obtuvo los
siguientes resultados:
Seccin Nmero de alumnos Desviacin estndar
 401 30 4.5
402 30 2.9

Si se asume que cada seccin es una muestra aleatoria independiente, extradas de

poblaciones normales con promedios iguales, Cul es la probabilidad de que entre
ambas secciones exista una diferencia de a lo ms 3 puntos en el promedio de notas?
Solucin

Sea X 1
y X 2
los promedios de notas en ambas muestras de tamao 30. Se

pide que encontremos P( |X 1

X 2
| 3)

Esto es igual a P(3 X X1 2

3)
Recuerde que, segn el problema, las dos secciones tienen promedios poblacionales
iguales; es decir, 1 = 2 .

Obtenga X 1
X2
= . y X 1


X 2 ..

Luego encuentre la probabilidad usando MInitab.

Ejemplo 10

Una muestra de tamao 25 se toma de una poblacin normal con media de 80 y

desviacin estndar de 5; una segunda muestra de tamao 36 se toma de una
poblacin normal con media 75 y desviacin estndar de 3. Hallar la probabilidad de
que la media de la muestra de tamao 25 exceda a la media de la muestra de tamao
36 en por lo menos 3.4 pero menos de 5.9.
Solucin
De acuerdo al problema, tenemos
Poblacin 1: 1 = .......... , = ........... , n1 = .................

Poblacin 2: 1 = ................. , = .............., n2 = .................

De donde
E[ X 1 ] = 1 = ...........; V[ X 1 ] = .................

E[ X 2 ] = 1 = ............ V[ X 2 ] = ..................
Luego
P(3.4 < X 1 - X 2 < 5.9 )
Use Minitab para obtener esta probabilidad, que debe ser igual a 0.7146, creo.

Ejercicio 6

En una regin costea el consumo promedio por da de protenas es de 200 gramos,

con una desviacin de 80 gramos. En otra regin el consumo promedio es de 150
gramos, con una desviacin de 80 gramos. Si dicho consumo se distribuye
normalmente en ambas regiones, cul es la probabilidad de que dos muestras
aleatorias independientes de tamao 40, tomadas en cada regin tengan una
diferencia de medias muestrales a lo ms de 2 gramos?

Eejercicio 7

Una compaa quiere hacer un muestreo y comparar el promedio de das de

incapacidad temporal por enfermedad, por ao, para dos clases de empleados: Los
que tienen menos de 5 aos de servicio y los que tienen 10 o ms. Los tamaos
muestrales son n1 = n2 = 100 empleados y las desviaciones estndar son 1 = 8.2

das y 2 = 5.7 das, respectivamente.

a) Cul es la probabilidad de que la diferencia entre las medias muestrales difiera
de la diferencia poblacional, en el promedio de das de incapacidad, por ms de
1 da?
b) Es posible que X 1 - X 2 se desve de 1 - 2 en ms de 5 das?

Ejercicio 8

Una fbrica trabaja con dos tipos de mquinas: Mquina de tipo A y Mquina de tipo
B. El costo semanal X de reparacin, para las mquinas de tipo A, tienen una
distribucin normal con media 220 dlares y una desviacin de . El costo semanal
Y de reparacin, para las mquinas de tipo B, tambin tienen una distribucin
normal con media 250 dlares y una varianza de 3. Si el costo total de reparacin
para la fbrica se define como C = 2X + Y,
 a) Obtenga la media y varianza del costo semanal C de reparacin de las dos
mquinas
b) Cul ser el valor de , para que el costo semanal de reparacin de las dos
mquinas no exceda los 1000 dlares, en el 95% de las veces?
c) Si se selecciona una muestra aleatoria X1, X2, ..., Xn de costos semanales para

las mquinas de tipo A y otra muestra aleatoria Y1, Y2, ..., Ym de costos
semanales para las mquinas de tipo B, obtenga la distribucin muestral de
X Y , calculando su media y varianza.

2. DISTRIBUCION MUESTRAL DE LA DIFERENCIA DE

PROPORCIONES MUESTRALES

DEFINICIN
Sea p1 la proporcin de xitos en la ocurrencia de un evento en la poblacin 1 y

p2 la proporcin de xitos en la poblacin 2 . Si en estas dos poblaciones se

toman muestras de tamao n1 y n2 , respectivamente, y definimos a p1 como la

proporcin muestral extrada desde la primera poblacin y p2 como la
proporcin muestral extrada a partir de la segunda poblacin, diremos que
p1 p2 es una variable muestral llamada diferencia muestral de la diferencia de
proporciones.

Como en los casos anteriores la distribucin de probabilidad de esta variable estar

dada por su media y su varianza.
Veamos como se definen cada una de ellas.
p p E[ p1 p 2 ] E[ p1 ] E[ p 2 ] p1 p 2 y
1 2

p1 (1 p1 ) p2 (1 p2 )
2p p2
V [ p1 p 2 ] V [ p1 ] V [ p 2 ]
1
n n

De donde
p1 (1 p1 ) p2 (1 p2 )
p p2

1
n n
Si los tamaos de las muestras son suficientemente grandes, aplicando el TLC la
variable
( p1 p 2 ) ( p )
1 p2
Z es tal que Z N(0,1).
p
1 p2

Comentarios
1. Si el muestreo se hace con reposicin sobre poblaciones finitas entonces la
media y varianza de p1 p 2 sern las indicadas en el teorema.
2. Si el muestreo se realiza sin reposicin, sobre poblaciones finitas, se deber
aplicar el factor de correccin para poblaciones finitas en el clculo de la
varianza.
3. Si las muestras se extraen con o sin reposicin sobre poblaciones infinitas, tanto
la media como la varianza de p1 p 2 sern las que se indica en el teorema.

Ejemplo 11

Una compaa de investigacin de mercado desea realizar un anlisis comparativo

sobre el consumo de un determinado producto en personas adultas de ambos sexos.
Se cree que el 30% de las mujeres y el 20% de los hombres aceptan dicho
producto. Si el anlisis pasa por la seleccin de una muestra de 200 hombres y 200
mujeres, elegidos al azar, cul es la probabilidad de que las mujeres acepten ms
que los hombres tal producto?.
Solucin
Sea p1 la proporcin de mujeres que prefieren el producto, con lo cual p1 = 0.30.
Igualmente sea p2 : ......................................................................, por lo que p2 =
0.20.
Sea p1 y p 2 las .....................................con tamaos de muestra son n1 = y n2 =
, respectivamente.
Puesto que debemos encontrar la probabilidad de que las mujeres acepten el
producto ms que los hombres; es decir, p1 > p 2 ; debemos definir la variable
muestral p1 p 2 , diferencia de proporciones muestrales de tal manera que
tengamos que evaluar P( p1 p 2 >0).
La distribucin de probabilidad de esta variable viene expresada por
p 1 p2
p1 p2 .......................... ..........

.......... ..............
p p2
0.043
1
200 200

Luego
 0 p 0.10
1 p2
P ( p1 p 2 ) P ( p1 p 2 0) P ( Z ) P( Z ) 1 ( 2.32)
p 0.043
1 p2

0.9898
Luego la probabilidad de que las mujeres acepten el producto ms que los hombres
es 0.9898

Ejemplo 12

Dentro de la enorme cantidad de informacin existente en el INE (Instituto

Nacional de Estadstica) se encuentra una clasificacin de la poblacin peruana en
trminos de su situacin socioeconmica; lo que se conoce como el mapa de
pobreza del Per, el cual est actualizado hasta el ao 1993. En ella se encontr
que el porcentaje de hogares con necesidades bsicas insatisfechas (NBI) en los
distritos de La Molina y Comas fue aproximadamente de 10% y 60%,
respectivamente. Si en un estudio por muestreo se toma una muestra de 30 y 40
hogares en cada uno de los distritos mencionados, respectivamente; determine la
probabilidad de que la diferencia de porcentaje de NBI encontrados en ambos
distritos sea a lo ms de 50%.
Solucin
Segn los datos:
La Molina: p1 = ......., n1 = .....; Sea p1 su proporcin muestral
Comas: p2 = ......, n2 = .....; Sea p 2 su proporcin muestral

Que La diferencia de porcentajes en ambos distritos se a lo ms de 50%

significa, en trminos matemticos, | p 2 p1 | 0.5; cuya probabilidad se debe
encontrar.
Veamos la distribucin de p 2 p1 :
p 2 p1 0.60 0.10 0.50
0.6 x 0.4 0.1x 0.9
p p1
0.09486
2
........ .......
Luego
P(| p 2 p1 | 0.5) P (0.5 p 2 p1 0.5) P (......... ... Z 0) 0.5

Por lo tanto, existe un 50% de probabilidad de que la diferencia entre las

necesidades bsicas insatisfechas se diferencien a lo ms en 50%.

Ejercicio 9

Un politlogo considera que el 85% de la poblacin de la ciudad de Iquitos y el

95% de la ciudad de Arequipa no estn de acuerdo con la gestin del gobierno.
Para validar su opinin, levant una encuesta independiente en cada ciudad.
Comprob que 240 de 300 personas entrevistadas en Iquitos no estaban de acuerdo
con la gestin del gobierno, mientras que 340 de 400 personas entrevistadas en en
Arequipa no estaban de acuerdo. Cul es la probabilidad de observar una diferencia
entre ambas proporciones muestrales mayor o igual a la que realmente se observa?
 Ejercicio 10

Tomando en cuenta las consideraciones del problema anterior, se cree que el 16%
de los hogares del Distrito de La Victoria tienen ingresos familiares que se
clasifican como los de nivel bajo. Del mismo modo se cree que en el Distrito del
Rimac, esta proporcin es del 11%. Si estas proporciones fueron vlidas en 1996,
cul es la probabilidad de que en una muestra aleatoria de 200 hogares del
Distrito de La Victoria y en otra muestra aleatoria de 225 hogares del Distrito del
Rimac, arrojen una diferencia entre las proporciones muestrales de por lo menos el
10%?

Ejercicio 11

Luego de varias investigaciones realizadas en un determinado laboratorio se han

encontrado que los productos farmacuticos A y B reducen el nivel de hipertensin
en ciertas personas. La proporcin de personas en las que dichos productos resultan
efectivos es 0.70. Para determinar la efectividad de estos productos, el producto A
se les administr a un conjunto de 100 personas hipertensas, tomadas
aleatoriamente, 75 de las cuales redujeron su hipertensin; del mismo modo, a otro
grupo de 150 personas hipertensas, se les administr el producto B, logrando
tambin efectividad en 105 de ellas. Si de acuerdo a los datos histricos los dos
productos son igualmente efectivos, cul es la probabilidad de observar una
diferencia de proporciones muestrales sea tanto o ms de lo que se encontraron?

Ejercicio 12

Cada domingo a las 9:00 de la maana y a las 20:00 de la noche un gran porcentaje
de televidentes sintonizan en gran proporcin, dos programas de televisin que se
emiten en estos horarios. Supongamos que estos programas son emitidos por los
canales A y B. El rating del ltimo domingo, practicado en 500 televidentes,
muestran proporciones de 30% para el programa en el canal A y 35% para el
programa en el canal B. Una empresa consultora de opinin no est satisfecho con
estos resultados, motivo por el cual decide realizar su propia encuesta a 500 casas
de televidentes durante la transmisin del programa por el canal A, transmitido por
las maanas y otra encuesta practicada bajo la misma modalidad sobre 500
televidentes, durante la transmisin del programa por el canal B. Cul es la
probabilidad de que los resultados indiquen una preferencia superior por el
programa transmitido por el canal B, respecto del programa transmitido por el
canal A?.

3. DISTRIBUCIONES PARA MUESTRAS PEQUEAS

Qu ocurre si el tamao de muestra no cumple con el requerimiento del TLC?

 Las distribuciones de probabilidad de las variables aleatorias Chi Cuadrado, t
de Student y F de Fisher, son las que se emplean en los casos en que el tamao
de muestra es menor que 30.

Nota:
Pero no se emplea indistintamente,

La distribucin t de Student se usa en la distribucin muestral de medias cuando

se desconoce la varianza poblacional.

La distribucin Chi Cuadrado en la distribucin muestral de la varianza

muestral

La distribucin F de Fisher en la distribucin muestral de la razn de varianzas

Nota:

Si el tamao de muestra fuera pequeo, y la muestra proviene de poblaciones

con distribucin conocida, entonces a la variable muestral se aplica la misma
distribucin poblacional.

3.1.DISTRIBUCIN MUESTRAL DE MEDIAS CUANDO SE

DESCONOCE LA VARIANZA POBLACIONAL

Caso de una poblacin

Sea X1, X2, ..., Xn una ................................ de tamao ...., extrada de una poblacin
normal con ....... y ............ desconocida. Sea X la ......................... Si n < 30
X
T
entonces la variable s es una variable que tiene distribucin t (n-1).
n

donde s = .................................... y (n-1) representan los grados de ........................

Observacin:
Si no se conoce la varianza poblacional, cmo se calcula entonces la variable T?

Caso de dos poblaciones

Sea X1, X2, ..., Xn una muestra aleatoria de tamao n1, extrada de una poblacin
normal con media 1 y varianza 1 desconocida. Sea Y1, Y2, ..., Yn una muestra
aleatoria de tamao n2, extrada de una poblacin normal con media 2 y varianza
2 desconocida. Sea X Y la v.a. definida como la diferencia muestral de
medias muestrales.
( X Y ) ( )
Si n1 + n2 30 entonces la variable T 1 2
es una variable que
X Y
tiene distribucin t (n1 + n2 -2 ).
 donde faltara determinar cmo obtenemos X Y

Casos que se presentan:

a) Que, siendo desconocidas las varianzas poblaciones, suponer que son iguales
(1 = 2)

En este caso
( X Y ) ( )
T
1 2

1 1 t(n1+n2-2) donde
( )
n n 1 2
2 2
(n 1) s (n 1) s
1 1 2 2

n n 2 1 2

b) Que, siendo desconocidas las varianza poblacionales, se supongan diferentes.

( X Y ) ( )
T 2
1
2
2

s s1 2
t(g)

n n 1 2
2
2 2
s1 s 2
n1 n2
g 2 2
2
donde 2
2

s1 s 2
n1 n2

n1 1 n2 1
TAREA 5

La asociacin de empleados de Metro est preocupada por la diferencia que existe

entre los salarios semanales respecto a Totus. Los gerentes de Metro saben que
realmente en su empresa el salario semanal promedio es de $ 70 y en la segunda
empresa el salario semanal promedio es de $75 y que los salarios en ambas
empresas tienen distribucin normal. La asociacin de empleados encarga realizar
un estudio. Se toman muestras de 14 empleados de cada una de las empresas y se
obtiene una desviacin estndar muestral de $ 8 en los sueldos de Metro mientras
que en los de Totus es de $ 10. Cree Ud. que es muy probable que en los resultados
muestrales exista la diferencia de sueldos sealada por los empleados de Metro?
Asuma primero varianzas poblacionales iguales y luego diferentes.

Sugerencia
Sea X1: Salario semanal en Metro
1 = 70; n1 = 14; s1 = 8

Sea X2: El salario semanal en Totus.

2 = 75; n2 = 14; s2 = 10

Debemos encontrar P( X X
2 2
5) . Si esta probabilidad es alta, diremos que es
muy probable que exista diferencia de sueldos, en caso contrario, no la hay.
Caso a). Suponer varianzas poblacionales desconocidas e iguales
Obtener su media y varianza y luego usar Minitab par resolver la probabilidad.

Caso b) Suponer varianzas poblacionales desconocidas y diferentes.

Obtener su media y varianza y luego usar Minitab par resolver la probabilidad.

Ejemplo 13

Una empresa consultora de mercadotecnia aplica dos tcnicas de ventas. La primera

se aplica a 12 vendedores y la segunda a 15. Las investigaciones indican que la
segunda tcnica debe producir mejores resultados. Al final de un mes se obtuvieron
los siguientes resultados.

Ventas
Tcnica 1 Tcnica 2
Media 68 72
Varianza 50 75

Si se supone que la variabilidad para ambas tcnicas son desconocidas pero iguales;
presentan estos datos suficiente evidencia para afirmar que la tcnica 2 produce
mejores resultados que la tcnica 1? Se supone que la distribucin de ambas tcnicas
son aproximadamente normal.

Solucin
Para responder a esta pregunta es suficiente encontrar
P ( ) P ( 0)
2 1 2 1

De acuerdo a los datos:

X
2
n1 = ......... ;
1
= ............... s 1
= ..................

; X
2
n2 = .........
1
= ............... s 2
= .........................
Al no conocer las varianzas poblacionales y suponer que son iguales debemos
aplicar el caso ..............

Segn esto, primero obtenga
= ...................................................................
Ahora obtenga T = ..................................................................

Luego P(T < 1.291) = ..................................

Debemos usar Minitab para encontrar la probabilidad, para ello.

Compruebe que el resultado es P(T < 1.291 ) = 0.8952

3.2.DISTRIBUCIN DE LA VARIANZA MUESTRAL

Sea X1, X2, ..., Xn una ................................ de tamao ...., extrada de una
poblacin normal con ....... y ............ .

2
(n 1) s
V
2
Si definimos la variable entonces V ( n 1)

2

X X
n

i 2
Del mismo modo, si entonces V ( n 1)
V i 1

Ejemplo 14

Encuentre la probabilidad de que en una muestra de 25 observaciones de una

poblacin normal con varianza 9, tenga una varianza muestral entre 4.071 y
15.10125.

Solucin
Segn los datos: n = .........; = ...........
Debemos hallar: P(......... s ..........)
De acuerdo a esto, debemos generar la definicin de V en el centro de esta
desigualdad. Para ello, debemos multiplicar por (n -1 ) y dividir por .
Esto es:
 24 * 4.071 (n 1) s 24 * 15.10125

2
P( ) P (10.856 (24) 40.27)
9 9
.........

Ejemplo 15

El departamento de control de calidad de una empresa manufacturera compra

unos componentes elctricos a un vendedor extranjero. La empresa
especifica que la varianza de las resistencias de los componentes no debe
exceder de 40 ohmios. Para aceptar las remesas que no cumplan con esta
especificacin, el departamento de control de calidad toma una muestra de
25 componentes de cada remesa y mide la resistencia de cada uno. Si la
varianza de la muestra es demasiado grande, el departamento rechaza el
pedido. Se considera que una varianza muestral es demasiado grande si la
probabilidad de que las varianzas de las resistencias es menor o igual a 0.02.
Se acaba de seleccionar una muestra de una remesa y se ha obtenido s=0.75.
Debe aceptarse la remesa? Suponga que las resistencias estn normalmente
distribuidas.

Solucin
Segn los datos: n = .....; = ......... y nro. de gdos. Lib. = .........
Debemos obtener: P( .............................)
Esto es P(............................) = 1 P(...................................)
Usando Minitab, obtendremos que P(s 0.75 ) = 0.00723
(aproximadamente)

Responda a la pregunta: ................................................................................

3.3.DISTRIBUCIN DE LA RAZN DE DOS VARIANZAS

Sea X1, X2, ..., Xn una muestra aleatoria de tamao n1, extrada de una
poblacin normal con media 1 y varianza 1 desconocida. Sea Y1, Y2, ...,
Yn una muestra aleatoria de tamao n2, extrada de una poblacin normal con
media 2 y varianza 2. La variable
2
s 1

F
2
1
2
tal que F F(n1 1, n2 1)
s 2

2
2

2 2
donde s 1
y s 2
son las varianzas muestrales de cada muestra.

Ejemplo 16
 Dadas dos muestras aleatorias de poblaciones normales con varianzas
iguales, de tamao 10 cada una, cual es la probabilidad de observar que la
varianza de la primera muestra sea por lo menos cuatro veces la varianza de
la segunda muestra?

Solucin

Como las varianzas de ambas poblaciones son iguales entonces 1 = 2 ; del

mismo modo, n1 = n2 = 10. s1 y s2 son las varianzas muestrales.

La pregunta es P(s1 4 s2 )

Aqu debemos tratar de obtener un cociente de varianzas de la forma

2
s 1

F
2
1
2
s 2

2
2

Para esto en P(s1 4 s2 ) dividimos entre la segunda varianza y obtenemos

P( s21 4)
s 2

Como ambas varianza poblacionales son iguales entonces 1 = 2 =

A numerador y denominador se divide entre

Como dicha variable as definida tiene distribucin F tal que

2
s 1

P( s 4) P(
2

2
1 1
2
4) P(F(10 -1, 10 1) 4 )
s 2 s 2

2
2

ESTADISTICA INFERENCIAL

4. INTRODUCCION
 En la mayora de los problemas econmicos y sociales en los cuales se puede
utilizar la estadstica son susceptibles de ser explicados mediante la construccin de
un modelo estadstico, mxime si la regularidad de la ocurrencia de tales ocurrencias
se puede expresar mediante los conceptos de variable aleatoria. En este caso, el
modelo que describe al comportamiento de la poblacin, en los cuales se manifiesta
el problema, son modelos probabilsticas.

Segn esto, el modelo puede ser representado mediante una funcin, digamos f, por
la variable aleatoria X (pueden ser mltiples variables) y por un conjunto de
parmetros, los que en conjunto describe el comportamiento de la poblacin.

Por esta razn, f ( X ; 1 , 2 ,..., k ) ser la funcin de distribucin del modelo,

en donde X ser la variable aleatoria (vector aleatorio en un modelo de varias
variables) y 1, 2 , ...., k sern los parmetros de la distribucin.

Ejemplos de modelos probabilsticas:

2
1 x
1
a) Modelo Normal: f(x; , ) =
2 e 2

b) Modelo Binomial: .............................................

c) Modelo Exponencial: .......................................
d) Modelo Poissoniano: ........................................
e) Modelo Chi Cuadrado: ....................................... Haga clic aqu1
f) Modelo t de Student : .............................................
g) Modeo F de Fisher: ...................................................

Como hemos dicho en las clases anteriores, al conocer la distribucin de

probabilidades de una variable aleatoria, X; es decir, al conocer los parmetros de la
distribucin, podemos determinar y explicar el comportamiento de la poblacin.

Puesto que dichos parmetros no siempre se conocen, el estudio se realiza a partir de

una muestra aleatoria X1, X2, ...., Xn de tamao n, que tienen la misma distribucin
que la poblacional X, de parmetros 1, 2, ....., n.

El objetivo de la Inferencia Estadstica es

Determinar el valor del (o de los) parmetro(s) desconocido(s)
Decidir si o alguna otra funcin g() es igual al valor supuesto verdadero, 0 de
.
El mtodo de estimacin puede ser Estimacin Puntual o Estimacin por
Intervalos.
5. ESTIMACION PUNTUAL
Definicin

1
La direccin es la siguiente: http://www.geocities.com/inforice/modelosprob.doc
Sea X una variable aleatoria con f(x; ), su funcin de distribucin en el cual,
representa el o los parmetros poblacionales. Sea X1, X2, ..., Xn una muestra aleatoria

de tamao n, extrada de esta poblacin. Diremos que
es un estimador del

parmetro , si existe una funcin H tal que
= H(X1, X2, ..., Xn ).

Observaciones:

1. Si X1, X2, ..., Xn es una muestra aleatoria y H se aplica sobre ella,

entonces el estimador
de es en realidad un estadstico de la muestra.
2. Segn lo anterior, los estimadores se calculan.
3. Puesto que los estadsticos de la muestra como son: la media muestral, la
proporcin muestral, la .....................................................................................
.................................................................................................... son estimadores de
los correspondientes parmetros poblacionales.

4. Luego la media muestral
= X es un estimador de ........... ; la

varianza muestral
= s es un estimador de ..........; del mismo modo,

= ................... es un estimador de 1 - 2 .
5. Ahora bien, si Usted vuelve a leer la cuarta observacin, notar que

hemos dicho que
es UN estimador de . Esto quiere decir entonces que
puede o tiene otros estimadores?. Si as fuera, qu forma tendrn los otros

estimadores de las estadsticas de la muestra? Es decir, si
1 y
2 son los
estimadores de , a cul de ellos debemos tomar?
6. Siguiendo la reflexin anterior, es posible que de todos los posibles
estimadores que pudiera tener un parmetro poblacional, habr uno que es el mejor,
el ms eficiente, el que mejor lo describe y representa; es decir, el ptimo o el de
mayor confianza.

Propiedades de los estimadores

Para que
sea un estimador de , debe poseer algunas propiedades y estas son las
siguientes:

P1. Debe ser un estimador INSESGADO.

Diremos que
es un estimador INSESGADO de , si E(
) = . Si esta

igualdad no se cumple entonces
ser un estimador SESGADO de .

De manera que
= X es un estimador insesgado de ya que E(
) = E( X ) =

Cul es el estimador insesgado de ? ........................... Por qu? ................................

Cul es el estimador insesgado de 1 - 2 ? .................................................................

Cul es el estimador insesgado de 1 - 2 ? ............................................................

En cuanto al estimador de :

X X
n
2

s

a) Si = i
entonces es un estimador
s i 1
n

SESGADO de ya que NO se cumple que E(
) = .
X X
n
2

b) Si
= entonces
s es un estimador
i
2
s i 1
n 1

INSESGADO de ya que se cumple que E(
) = .
Ejercicio de consulta:

En la pgina 121 del Libro Inferencia Estadstica de Mximo Mitacc se encuentra las
demostraciones de los casos a) y b). Usted debe estudiar estas demostraciones y
presentarlas al profesor en una hoja.

Ejemplo 1

Sea Z1, Z2, ..., Z5 una muestra aleatoria extrada de una poblacin N(, ).

Sean los estadsticos:
1 y 2 definidos como

= Z Z
2Z3 Z 4 Z 5

= Z y 1 2
1 2
6
Ambos estadsticos son estimadores insesgados de ?

Solucin

Por definicin, si E(
) = entonces
es un estimador insesgado de .

Tomemos esperanza al primer estadstico: E(
1 ) = .E( Z ) = ...............
Segn esto, Z (es / no es ) es un estimador insesgado de .
En cuanto al segundo estadstico:
Tomemos esperanza a ambos miembros:

E( Z 1
Z 2 2Z 3 Z 4 Z 5
E(
2 )=
6
) .............................................

Luego
2 (es / no es ) un estimador insesgado de .

Ejercicio 1

De una poblacin N(, ) se escogen dos muestras aleatorias independientes de

tamaos n1 y n2. Sean X y y 2 2 son las medias y varianzas
1 X 2
s1 y s2
muestrales respectivas.

a) Si X
n X n X1 1 2 2
es la estadstica un estimador insesgado de ?.
n n 1 2

2
b) Si
(n11) s1 (n2 1) s
2
la estadstica s un
s2
2
n1 n2 2
estimador insesgado de ?

Ejercicio 2

Sean X 1 y X 2 son las medias muestrales de dos muestras aleatorias independientes

de tamao n1 y n2 escogidas de una poblacin X de Poisson de parmetro ,

n1 X 1
n2 X 2
a) Probar que la estadstica es un estimador insesgado de ?
n1 n2

b) Pruebe que la varianza de este estimador es igual a
n1 n2
P2. Debe ser un estimador CONSISTENTE

Un estimador
es un estimador CONSISTENTE del parmetro si P(|
-|>
)=0

Es decir, si la probabilidad de que la desviacin entre el valor del estimador y el valor

del parmetro sea mayor que un cierto valor, es insignificante.

Se comprueba que
es un estimador consistente de si

Lim E(
)= y Lim Var(
) = 0 , cuando n

P3. Debe ser un estimador EFICIENTE

Un estimador
es un estimador EFICIENTE del parmetro si es INSESGADO y
de VARIANZA MINIMA.
Se dice que es de varianza mnima ya que si existiera otro estimador insesgado digamos

, se debe cumplir que V(

) < V( ).
Ejemplo 2

Sea X1, X2, X3, X4 una muestra aleatoria de cualquier poblacin con y sus
parmetros. Cul de los dos estadsticos que se definen a continuacin, es el ms
eficiente ?.

1 X X X X
1 2 3 4
2
4 X1 X 3 X 4
4 4
Solucin

Primero debemos probar si son insesgados, encontrando E(
1 ) y E(
2 )
.............................................................................................................................

Ambos son insesgados? ..................

Luego debemos obtener la varianza de cada uno de ellos; es decir, debemos encontrar

V(
1 ) y V(
2 ).

V(
1 ) = ..........................................................................................................................

V(
2 ) = ......................................................................................................................

Cul de ellos tiene menor varianza? .........................

Luego ................. es un estimador eficiente de .

Ejercicio
Resuelva los ejercicios 1 y 4 de la pgina 151 del Libro Inferencia Estadstica de
Mximo Mitacc (519.54/ M66 / 1999).