5 Estimación Puntual PDF
5 Estimación Puntual PDF
5 Estimación Puntual PDF
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.
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.
DESVIACION ESTANDAR
Población Muestra
MEDIA
Población Muestra
σ 𝑥𝑖 σ 𝑥𝑖
𝜇= 𝑥ҧ =
𝑁 𝑛
PROPORCION
Población Muestra
Ejemplo:
𝐶𝑎𝑠𝑜𝑠 𝐹𝑎𝑏𝑜𝑟𝑎𝑏𝑙𝑒𝑠 6
𝑝Ƹ = =
𝑛 10
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:
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%
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.