5 Estimación Puntual PDF

ESTADÍSTICA
INFERENCIAL
Administración y Sistemas
IV - Ciclo
UPLA
2022
Ing. Julio Cesar Pizarro Avellaneda
INDICE
1 Estimación de Parámetros .......................................................................................................... 1
1.1 Estimación puntual.............................................................................................................. 1
1.1.1 Propiedades de un estimador ..................................................................................... 1
1.1.2 Equivalencia de formulas ............................................................................................ 2
1.2 Estimación Por Intervalo ..................................................................................................... 3
1.3 Intervalo de confianza ......................................................................................................... 4
1.3.1 Ejemplo........................................................................................................................ 5
1.4 Intervalo de confianza para la Media .................................................................................. 5
1.4.1 ejemplo........................................................................................................................ 5
Estimación de Parámetros
1 Estimación de Parámetros
Lo principal de la estadística inferencial es la estimación, esto es, que mediante el estudio de
una muestra de una población queremos generalizar nuestras conclusiones al total de la
misma. En cuanto a la estimación, nos interesan dos cuestiones: la inferencia y que tan buena
es esta. Hay dos procedimientos generales para hacer inferencias sobre parámetros
desconocidos (características de la población), que son la estimación y la prueba de hipótesis,
los cuales parten de afirmaciones probabilística respecto de los parámetros y por medio de la
medición del error de muestreo.
1.1 Estimación puntual

Una estimación puntual de un parámetro poblacional es cuando se utiliza un único valor para
estimar ese parámetro, es decir, se usa un punto en concreto de la muestra para estimar el
valor deseado.
1.1.1 Propiedades de un estimador
Insesgado: Un estimador es insesgado cuando es igual al parámetro que se desea estimar.

Por tanto, la diferencia entre el parámetro a estimar y la esperanza de nuestro estimador
tendría que ser 0.
Eficiente: Cuando la desviación estándar del estimador (error estándar) sea lo más pequeña
posible, con lo cual se dice que es eficiente el estimador.
Consistencia: Un estimador consistente es aquel que a medida que la medida que la muestra
crece se aproxima cada vez más al valor real del parámetro. Por lo tanto, cuantos más y
valores entran en la muestra, el parámetro estimado será más preciso.
ING. PIZARRO AVELLANEDA JULIO Pág. 1

1.1.2 Equivalencia de formulas
DESVIACION ESTANDAR
Población Muestra
σ(𝑥𝑖 − 𝜇)2 σ(𝑥𝑖 − 𝑥ҧ )2

𝜎=ඨ 𝑆=ඨ
𝑁 𝑛−1
MEDIA
Población Muestra
σ 𝑥𝑖 σ 𝑥𝑖
𝜇= 𝑥ҧ =
𝑁 𝑛
PROPORCION
Población Muestra
𝐶𝑎𝑠𝑜𝑠 𝐹𝑎𝑏𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝐶𝑎𝑠𝑜𝑠 𝐹𝑎𝑏𝑜𝑟𝑎𝑏𝑙𝑒𝑠

𝑃= 𝑝Ƹ =
𝑁 𝑛
Ejemplo:
Las puntuaciones en una muestra aleatoria de 10 postulantes sobre el último examen de

admisión rendido en la Universidad Peruana Los Andes fueron respectivamente:
80,75,23,71,52,49,66,72,62,37. Determinar la media, la desviación estándar y la proporción
de estudiantes que tienen una puntuación mayor a 60.
Estimación puntual de la Media:
σ 𝑥𝑖 (80 + 75 + 23 + 71 + 52 + 49 + 66 + 72 + 62 + 37) 587

𝑥ҧ = = = = 58.7
𝑛 10 10

Estimación puntual de la Desviación Estandar:
σ(𝑥𝑖 − 𝑥ҧ )2 2996.1 2996.1

𝑆=ඨ =ඨ =ඨ = 18.24
𝑛−1 10 − 1 9
Estimación puntual de la Proporción:
𝐶𝑎𝑠𝑜𝑠 𝐹𝑎𝑏𝑜𝑟𝑎𝑏𝑙𝑒𝑠 6
𝑝Ƹ = =
𝑛 10
1.2 Estimación Por Intervalo

Una estimación por intervalo consiste en atribuir al parámetro desconocido un rango de
valores de posibles valores (información obtenida de la muestra), donde se espera este
contenido el verdadero valor del parámetro. Supongamos que estimamos que el promedio de
las estaturas de los estudiantes de la Escuela Profesional de Administración, para ello se tomó
una muestra de 50 estudiantes y la estimación puntual fue de 1.60. Pero también imaginemos
que existen estudiantes descendientes Austro alemanes que tienen una talla alta. Es ahí donde
evidenciamos la importancia de la estimación por intervalo, daremos un rango de valores
donde podría encontrarse la estatura media de todos los estudiantes.
𝝁 = 𝟏. 𝟔𝟑
̅ = 𝟏. 𝟔𝟎
𝒙

̅ − 𝒂 , ̅𝒙 + 𝒂)
(𝒙
𝒂 ̅
𝒙 𝝁 𝒂
Para construir el intervalo de confianza (IC), como primer paso, seleccionamos un nivel de
confianza (NC), que es la probabilidad de que el intervalo contenga al verdadero valor del
parámetro.
Teniendo en cuenta el NC, como segundo paso, calculamos el error estandar de la medición
muestral y a partir de allí el error de estimación.
Finalmente, como tercer paso calculamos los límites del intervalo de confianza:
 Límite inferior (Li) = estimación puntual – error de la estimación

 Límite superior (Ls) = estimación puntual + error de la estimación
1.3 Intervalo de confianza

1.3.1 Ejemplo
La duración en kilómetros de los neumáticos de una cierta marca se ajusta a una distribución
normal con una media de 80000Km y desviación estándar de 3000Km. Calcular el intervalo
de confianza del 80%
1.4 Intervalo de confianza para la Media
A partir de la media muestral se genera un intervalo de confianza dentro del cual tenemos
cierta seguridad de que estará la media poblacional.
1.4.1 ejemplo
El tiempo diario que los adultos de una determinada ciudad dedican a actividades deportivas,
expresado en minutos, se puede aproximar por una variable aleatoria con distribución normal
de desviación típica de 20 min. Para una muestra aleatoria simple de 250 habitantes de esa
ciudad se ha obtenido un tiempo medio de dedicación a actividades deportivas de 90min
diarios. Calcúlese un intervalo de confianza al 90% para la media.

5 Estimación Puntual PDF

Cargado por

Copyright:

Formatos disponibles

5 Estimación Puntual PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

5 Estimación Puntual PDF

Cargado por

Copyright:

Formatos disponibles

ESTADÍSTICA

1.1 Estimación puntual

1.1.1 Propiedades de un estimador

Insesgado: Un estimador es insesgado cuando es igual al parámetro que se desea estimar.

ING. PIZARRO AVELLANEDA JULIO Pág. 1

1.1.2 Equivalencia de formulas

σ(𝑥𝑖 − 𝜇)2 σ(𝑥𝑖 − 𝑥ҧ )2

𝐶𝑎𝑠𝑜𝑠 𝐹𝑎𝑏𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝐶𝑎𝑠𝑜𝑠 𝐹𝑎𝑏𝑜𝑟𝑎𝑏𝑙𝑒𝑠

Las puntuaciones en una muestra aleatoria de 10 postulantes sobre el último examen de

Estimación puntual de la Media:

σ 𝑥𝑖 (80 + 75 + 23 + 71 + 52 + 49 + 66 + 72 + 62 + 37) 587

ING. PIZARRO AVELLANEDA JULIO Pág. 2

Estimación puntual de la Desviación Estandar:

σ(𝑥𝑖 − 𝑥ҧ )2 2996.1 2996.1

Estimación puntual de la Proporción:

1.2 Estimación Por Intervalo

ING. PIZARRO AVELLANEDA JULIO Pág. 3

 Límite inferior (Li) = estimación puntual – error de la estimación

1.3 Intervalo de confianza

ING. PIZARRO AVELLANEDA JULIO Pág. 4

1.4 Intervalo de confianza para la Media

ING. PIZARRO AVELLANEDA JULIO Pág. 5

También podría gustarte