1

EJERCICIOS UNIDAD 2
ESTIMACIN TEORA
Ejercicios propuestos Nro. 3
Texto gua pginas 330 334
Ejercicio 10.1 Si X1, X2,, Xn constituyen una muestra aleatoria de una poblacin con la
media , qu condicin se debe imponer a las constantes a1 , a2 ,..., an de manera que

a1 X 1 a2 X 2
sea un estimador insesgado de ?

an X n

Ejercicio 10.2 Si 1 y 2 son estimadores insesgados del mismo parmetro , qu

condicin se debe imponer a las constantes k1 y k2 de manera que

k11 k22

tambin sea un estimador insesgado de ?

Ejercicio 10.5 Dada una muestra aleatoria de tamao n de una poblacin que tiene la media
conocida y la varianza finita 2 , muestre que
1 n
2
Xi
n i 1
es un estimador insesgado de 2 .

X 1
es un estimador sesgado del parmetro binomial . Es
n2
este estimador asintticamente insesgado?
Ejercicio 10.7 Muestre que

Ejercicio 10.10 Si X1, X2,, Xn constituyen una muestra aleatoria de una poblacin normal
con 0 , muestre que

X i2

i 1 n
n

es un estimador insesgado de 2 .
Ejercicio 10.11 Si X es una variable aleatoria que tiene la distribucin binomial con los
X X
parmetros n y , muestre que n 1 es un estimador sesgado de la varianza de X.
n
n

Ejercicio 10.13 Muestre que si es un estimador insesgado de y var 0 ,

entonces 2 no es un estimador insesgado de 2 .

X
es un estimador insesgado de
n
X
varianza mnima del parmetro binomial . (Sugerencia: trate
como la media de una
n
muestra aleatoria de tamao n de una poblacin de Bernoulli con el parmetro .)
Ejercicio 10.14 Muestre que la proporcin muestral

Ejercicio 10.15 Demuestre que la media de una muestra aleatoria de tamao n es un

estimador insesgado de varianza mnima del parmetro de una poblacin de Poisson.
Ejercicio 10.16 Si 1 y 2 son estimadores insesgados independientes de un parmetro
dado y var 1 3 var 2 , encuentre las constantes a1 y a2 tales que a11 a22

sea un estimador insesgado con varianza mnima para una combinacin lineal como sta.
Ejercicio 10.21 Si X 1 es la media de una muestra aleatoria de tamao n de una poblacin
normal con la media y la varianza 12 , X 2 es la media de una muestra aleatoria de
tamao n de una poblacin normal con la media y la varianza 22 , y las dos muestras
son independientes, muestre que
a) X1 1 X 2 , donde 0 1, es un estimador insesgado de ;
b) La varianza de este estimador es un mnimo cuando

22
2
1 22
Ejercicio 10.22 Con respecto al ejercicio 10.21, encuentre la eficiencia del estimador del
1
inciso (a) con relativa a este estimador con
2

22
2
1 22
Ejercicio 10.23 Si X 1 y X 2 son las medias de variables aleatorias independientes de
tamao n1 y n2 de una poblacin normal con la media y la varianza 2 , muestre que la
varianza del estimador insesgado

X1 1 X 2

es un mnimo cuando

n1
.
n1 n2

Ejercicio 10.25 Si X1, X2,, X3 constituyen una muestra aleatoria de tamao n = 3 de una
poblacin normal con media y la varianza 2 , encuentre la eficiencia de
X1 2 X 2 X 3
X X2 X3
relativa a 1
.
4
3

Ejercicio 10.31 Demuestre que si es un estimador sesgado de , entonces

2
2
E var b

Ejercicio 10.33 Se toman muestras aleatorias de tamao n de poblaciones normales con la

media y las varianzas 2 4 y 2 9 . Si x1 26.0 y x2 32.5, estime usando el
estimador del inciso (b) del ejercicio 10.21.
Ejercicio 10.34 Se toman muestras aleatorias de tamao n1 y n2 de una poblacin normal
con la media y la varianza 2 . Si n1 = 25, n2 = 50, x1 27.6 y x2 38.1, estime
usando el estimador del ejercicio 10.23.
Texto de Newbold pginas 227 228; 230 231.
Ejercicio 4. Sea X1 y X2 una muestra aleatoria de dos observaciones de una poblacin con
media y varianza 2 . Considerar los siguientes tres estimadores puntuales de :
1
1
X X1 X 2
2
2
1
3
1 X1 X 2
4
4
1
2
2 X1 X 2
3
3
a) Probar que los tres estimadores son insesgados.
b) Cul de los tres estimadores es ms eficiente?
c) Hallar la eficiencia relativa de X con respecto a los otros dos estimadores.
Ejercicio 5. Una muestra de 16 familias americanas del distrito de Elm Park mostr unos
ingresos medios de 69.200 dlares y una desviacin tpica muestral de 6.200 dlares. Una
muestra independiente de 10 familias en el distrito de Cherry Hills mostr unos ingresos
medios de 86.700 dlares y una desviacin tpica de 9.400 dlares. Sean 1 y 22 la media
y la varianza poblacionales de los ingresos familiares en Cherry Hills.
a) Utilizar un procedimiento de estimacin insesgado para hallar una estimacin
puntual de 2 1 , la diferencia de las medias poblacionales.
b) Sean X 1 y X 2 las medias muestrales. Utilizar un procedimiento de estimacin
insesgado para hallar una estimacin puntual de la varianza de X 2 X1 .

Ejercicio 6. Sea X1, X2 y X3 una muestra aleatoria de una poblacin con media y varianza
2 . Considerar los siguientes dos estimadores puntuales de :
X 2 X 2 3X 3
X 4X2 X3
1 1
2 1
6
6

4
a)
b)
c)
d)

Probar que ambos estimadores son insesgados.

Cul de los dos estimadores es ms eficiente?
Hallar su eficiencia relativa.
Hallar un estimador insesgado para la media poblacional que sea ms eficiente que
los dos estimadores propuestos.

Ejercicio 7. Sea X1, X2, X3 y X4 una muestra aleatoria de una poblacin con media y
varianza 2 . Considerar los siguientes dos estimadores puntuales de :
X 2 X 2 3X 3 4 X 4
1 1
10
X

4
X
2
2 4X3 X4
1
10
a) Probar que ambos estimadores son insesgados.
b) Cul de los dos estimadores es ms eficiente?
c) Hallar su eficiencia relativa.
d) Hallar un estimador insesgado para la media poblacional que sea ms eficiente que
los dos estimadores propuestos.
Ejercicio 9. Tomando una muestra de 100 votantes, se encontr que 68 de ellos estaban
preocupados por el dficit presupuestario y que 62 estaban en contra de los impuestos de la
gasolina. Cuarenta y dos de los encuestados se declararon preocupados por el dficit
presupuestario y tambin se opusieron a los impuestos a la gasolina.
a) Utilizar un procedimiento de estimacin insesgado para estimar la proporcin
poblacional de votantes que estn preocupados por el dficit presupuestario y se
oponen a los impuestos a la gasolina.
b) Utilizar un procedimiento de estimacin insesgado para estimar la proporcin
poblacional de votantes preocupados por el dficit presupuestario que se oponen a
los impuestos a la gasolina.
Ejercicio 19. Sea X1, X2,, Xn una muestra aleatoria de una poblacin con media y
varianza 2 . Sean adems c1, c2,, cn un conjunto de constantes, y considrese el
estimador de
c1 X 1 c2 X 2 cn X n
a) Probar que es un estimador insesgado de s y slo si
c1 c2 cn 1
b) Probar que la varianza de es

V ar 2 c12 c22

2
n

c
n

2
i

i 1

c) Probar que si es un estimador insesgado de entonces

2

c ci n1 n1 ci n1 n1

i 1
i 1
i 1
n

2
i

5
Ntese que, si tenemos libertad para escoger las constantes ci, la expresin se minimiza
tomando

ci n 1

para
i = 1, 2,, n
d) Usando los resultados obtenidos en (a) y (c), probar que de todos los estimadores de
la forma , la media muestral es el ms eficiente.
Ejercicio 20. Sea X1, X2,, Xn una muestra aleatoria de una poblacin con media y
varianza 2 . Sea adems X la media muestral.
a) Probar que
n

12 X i / n
2

i 1

es un estimador insesgado de .
b) Probar que
2

22 X i X / n
2

i 1

Ejercicio 24. Se toma una muestra aleatoria X1, X2,, Xn de una poblacin con media y
varianza 2 . Se considera el siguiente estimador de :
2

X 1 2 X 2 3 X 3 nX n
n n 1
a) Probar que es un estimador insesgado de .
b) Hallar la eficiencia relativa de con respecto a X , la media muestral.

Indicacin :

i
i 1

n
n n 1
n n 1 2n 1
y i2

2
6
i 1

Texto de Canavos pginas 294 295: Ejercicios 8.1, 8.2, 8.6, 8.7.

Ejercicio 8.1 En un experimento binomial se observan x xitos en n ensayos

independientes. Se proponen las siguientes dos estadsticas como estimadores del
parmetro de proporcin p:
T1 X / n y T2 X 1 / n 2 .
a) Obtener y comparar los errores cuadrticos medios para T1 y T2.
b) Hacer una grfica del ECM de cada estadstica como funciones de p para n=10 y
n=25. Es alguno de estos estimadores uniformemente mejor que el otro?
Ejercicio 8.2 Sea X1, X2, X3 y X4 una muestra aleatoria de tamao cuatro de una poblacin
cuya distribucin es exponencial con parmetro desconocido. De las siguientes
estadsticas, cules son estimadores insesgados de ?

1
1
X1 X 2 X 3 X 4
6
3
T2 X1 2 X 2 3X 3 4 X 4 / 5

T1

T3 X1 X 2 X 3 X 4 / 4

Ejercicio 8.6 Sea X1, X2, X3, X4 y X5 una muestra aleatoria de una poblacin cuya
distribucin es normal con media y varianza 2 . Considrense las estadsticas
T1 X1 X 2 X 5 / 5 y T2 X1 X 2 2X 3 X 4 X 5 / 6 como estimadores de .
Identificar la estadstica que posee la varianza ms pequea.
Ejercicio 8.7 Mediante el uso de la cota inferior de Cramr-Rao determinar la varianza del
estimador insesgado de varianza mnima de cuando se muestrea una poblacin cuya
distribucin es exponencial con una densidad f x; 1/ exp x / , x 0. Deducir
que el estimador eficiente de es la media muestral.

Ejercicios propuestos Nro. 4

Texto gua (Freud): Pginas 349 350
Ejercicio 10.53 Si X1, X2,, Xn constituyen una muestra aleatoria de una poblacin con la
media y la varianza 2 , use el mtodo de momentos para encontrar los estimadores de

y 2.
Ejercicio 10.54 Dada una muestra aleatoria de tamao n de una poblacin exponencial, use
el mtodo de momentos para encontrar un estimador del parmetro .
Ejercicio 10.58 Si X1, X2,, Xn constituyen una muestra aleatoria de tamao n de una
poblacin dada por:
2 x
para 0 x

f x; 2
0
en cualquier otra parte

encuentre un estimador para por el mtodo de momentos.

Ejercicio 10.59 Si X1, X2,, Xn constituyen una muestra aleatoria de tamao n de una
poblacin dada por:
1 x

e
para x
f x;
0
en cualquier otra parte

encuentre los estimadores para y por el mtodo de momentos. Esta distribucin se

conoce algunas veces como distribucin exponencial de dos parmetros, y para 1 es
la distribucin del ejemplo 10.3.
Ejercicio 10.60 Dada una muestra aleatoria de tamao n de una poblacin uniforme
continua, use el mtodo de momentos para encontrar frmulas para estimar los parmetros
y .
Ejercicio 10.72 Dada una muestra aleatoria de tamao n de una poblacin gamma con el
parmetro conocido , encuentre un estimador de mxima verosimilitud para
a) ;
b) 2 1 .
2

Texto de Newbold:
Ejercicio 1. Se toma una muestra de ocho lotes de un producto qumico para comprobar la
concentracin de impurezas. Los niveles porcentuales de impurezas encontrados en las
muestras fueron:
3,2
4,3
2,1
2,8
3,2
3,6
4,0
3,8
a) Hallar la media, la varianza y la desviacin tpica muestrales. Hallar la proporcin
muestral de lotes con nivel porcentual de impurezas mayor que el 3,75%
b) Para qu parmetros poblacionales se han hallado en la parte (a) estimaciones por
procedimientos insesgados?
Ejercicio 2. Se toma una muestra aleatoria de ocho hogares en la ciudad de Londres, los
precios de venta de estos hogares (en miles de libras) son
92
83
112
127
109
96
102
90
a) Hallar la media, la varianza y la desviacin tpica muestrales.
b) Para qu parmetros poblacionales se han hallado en la parte (a) estimaciones por
procedimientos insesgados?
c) Utilizar un procedimiento de estimacin insesgado para hallar una estimacin
puntual de la varianza de la media muestral.
d) Utilizar un estimador insesgado para estimar la proporcin de hogares de este bario
cuyo precio de venta es menor que 92.500 libras.
Ejercicio 4. Sea X1 y X2 una muestra aleatoria de dos observaciones de una poblacin con
media y varianza 2 . Considerar los siguientes tres estimadores puntuales de :
1
1
X X1 X 2
2
2
1
3
1 X1 X 2
4
4

1
2
3
3
a) Probar que los tres estimadores son insesgados.
b) Cul de los tres estimadores es ms eficiente?
c) Hallar la eficiencia relativa de X con respecto a los otros dos estimadores.

2 X1 X 2

Ejercicio 5. Una muestra de 16 familias americanas del distrito de Elm Park mostr unos
ingresos medios de 69.200 dlares y una desviacin tpica muestral de 6.200 dlares. Una
muestra independiente de 10 familias en el distrito de Cherry Hills mostr unos ingresos
medios de 86.700 dlares y una desviacin tpica de 9.400 dlares. Sean 1 y 12 la media
y varianza poblacionales de los ingresos familiares en Elm Park y 2 y 22 la media y
varianza poblacionales de los ingresos familiares en Cherry Hills.
a) Utilizar un procedimiento de estimacin insesgado para hallar una estimacin
puntual de 2 1 , la diferencia de las medias poblacionales.
b) Sean X 1 y X 2 las medias muestrales. Utilizar un procedimiento de estimacin
insesgado para hallar una estimacin puntual de la varianza de X 2 X1 .

Ejercicio 6. Sea X1, X2 y X3 una muestra aleatoria de una poblacin con media y
varianza 2 . Considerar los siguientes dos estimadores puntuales de :
X 2 X 2 3X 3
X 4X2 X3
1 1
2 1
6
6
a) Probar que ambos estimadores son insesgados.
b) Cul de los dos estimadores es ms eficiente?
c) Hallar su eficiencia relativa.
d) Hallar un estimador insesgado para la media poblacional que sea ms eficiente que
los dos estimadores propuestos.
Ejercicio 11. De una muestra de 100 votantes en una ciudad, 62 estaban a favor de una
inmediata reduccin de los impuestos a la propiedad. De otra muestra independiente de 200
votantes de la misma poblacin, 102 estaban a favor de extender los servicios del sistema
de bibliotecas pblicas. Sea p1 la proporcin poblacional de votantes a favor de la
reduccin de impuestos a la propiedad y p2 la proporcin poblacional de votantes a favor
de extender los servicios de las bibliotecas pblicas.
a) Utilizar un procedimiento de estimacin insesgado para hallar una estimacin
puntual de p1 p2 , la diferencia entre las proporciones poblacionales.
b) Si p 1 y p 2 son las dos proporciones muestrales, hallar la varianza de p1 p 2 .

Ejercicio 16. Sea 1 un estimador insesgado de 1 , y 2 un estimador insesgado de 2 .

a) Probar que es un estimador insesgado de .

b) Probar que 1 2 es un estimador insesgado de 1 2 .

Ejercicio 19. Sea X1, X2,, Xn una muestra aleatoria de una poblacin con media y
varianza 2 . Sean adems c1, c2,, cn un conjunto de constantes, y considrese el
estimador de
c1 X 1 c2 X 2 cn X n
a) Probar que es un estimador insesgado de si y slo si
c1 c2 cn 1
b) Probar que la varianza de es
var 2 c12 c2 2

cn 2 2 ci2
n

i 1

c) Probar que si es un estimador insesgado de entonces

ci2 ci n1 n1 ci n1 n1
n

i 1

i 1

i 1

Ntese que, si tenemos libertad para escoger las constantes ci , la expresin se minimiza
tomando
ci n 1 para i 1, 2, , n
d) Usando los resultados obtenidos en (a) y (c), probar que de todos los estimadores de
la forma , la media muestral es ms eficiente.
Ejercicio 20. Sea X1, X2,, Xn una muestra aleatoria de una poblacin con media y
varianza 2 . Sea adems X la media muestral.
a) Probar que
n

12 X i / n
2

i 1

b) Probar que
n

22 X i X / n
2

i 1

es un estimador sesgado de 2 y hallar su sesgo. (Utilizar el hecho de que la

varianza muestral es un estimador insesgado de 2 . )
Ejercicio 21. Existen algunos problemas de estimacin para los cuales no se puede
encontrar ningn estimador insesgado. Por ejemplo, si se toma una muestra de una sola
observacin de una poblacin con media y varianza 2 , tenemos un estimador
insesgado de pero no podemos encontrar ningn estimador insesgado de 2 . Explicar
por qu esto es posible.
Ejercicio 24. Se toma una muestra aleatoria X1, X2,, Xn de una poblacin con media y
varianza 2 . Se considera el siguiente estimador de :

10

2
X1 2 X 2 3X 3
n n 1

nX n

a) Probar que es un estimador insesgado de .

b) Hallar la eficiencia relativa de con respecto a X , la media muestral.

Indicacin :

y
n

i 1

i
i 1

n n 1
2

n n 1 2n 1

Texto de Canavos: Pginas 294 302

Ejercicio 8.11 Sea X1, X2,, Xn una muestra aleatoria de una poblacin cuya distribucin
es la de Rayleigh, con densidad f x; 2 x / 2 exp x 2 / 2 2 , x 0. Obtener el
estimador de mxima verosimilitud de 2 . Es sta una estadstica para 2 ?
Ejercicio 8.17 Los siguientes datos son tiempos de falla, ordenados en horas de diez
componentes que fallarn de un total de 40 en una prueba de duracin: 421, 436, 448, 474,
496, 499, 510,525, 593, 675. Supngase que el tiempo de falla es una variable aleatoria
exponencialmente distribuida.
a) Obtener un estimador de mxima verosimilitud para el parmetro .
b) sese la respuesta de la parte a para estimar la confiabilidad de este componente
para t = 4.000 horas.
Ejercicio 4.19 Se desea obtener un indicador del xito financiero de ciertas tiendas que
venden artculos especiales en los centros comerciales de una gran ciudad. Se selecciona
una muestra aleatoria de 30 tiendas ubicadas en distintos centros comerciales y en donde el
inters recae en el tiempo que stas permanecen en operacin. Se tendr un dato
significativo cuando se observen las primeras ocho tiendas que dejen de funcionar. Los
siguientes datos son el tiempo en orden ascendente, de operacin en meses: 3.2, 3.9, 5.9,
6.5, 16.5, 20.3, 40.4, 50.9. Supngase que el tiempo en el que permanece operando una
tienda de esta clase es una variable aleatoria de Weibull con 0.8.
a) Usando el resultado del ejercicio 8.18, obtener el estimador de mxima
verosimilitud para .
b) Con base en la respuesta del inciso a, cul es la probabilidad de que una tienda
permanezca en operacin despus de haber transcurrido dos aos de su apertura?
Despus de diez aos?
Ejercicio 4.20. El tiempo total de procesamiento para programas en tarjetas perforadas de
computadora se define como el tiempo que transcurre desde que se lee la primera tarjeta
hasta que se imprime la ltima lnea, y est constituido por tres componentes; el tiempo de
espera de entrada, el tiempo utilizado por el procesador central y el tiempo de espera de

11
salida. Los siguientes datos son los tiempos totales de procesamiento, en minutos, para una
muestra aleatoria de 15 programas similares: 12.5, 5.2, 6.8, 3.6, 10.9, 12.8, 7.8, 8.6, 6.3,
6.9, 18.2, 15.4, 9.2, 10.3, 73. Supngase que el tiempo total de procesamiento est
modelado, en forma adecuada, por una distribucin gama con 3.
a) Obtener el estimador de mxima verosimilitud para el parmetro de escala .
b) El mtodo de momentos, dara un estimado diferente de al determinado en el
inciso a?
c) Mediante la respuesta del inciso a), calcular la probabilidad de que el tiempo de
procesamiento sea mayor a 20 minutos.

12
Apndice 1. La Cota de Cramer Rao.
Si un estimador insesgado de y no hay ningn otro estimador insesgado para que
tenga menor varianza que , entonces decimos es el estimador insesgado ms eficiente
para . Este estimador se conoce como el VMU de . Para determinar si un estimador es
el ms eficiente usamos el siguiente resultado.
Cota de Cramer Rao. Sea un estimador insesgado para , la varianza de
satisface la siguiente desigualdad:
1
)
var(
Lnf ( x, ) 2
nE

donde n es el tamao muestral y f es la fdp de la poblacin.

Definicin 4. Si es un estimador insesgado de y la varianza de este estimador es igual
a la cota inferior de Cramer Rao, entonces se dice que es el estimador ms eficiente
para .
Es decir, si es un estimador insesgado para y su varianza iguala a la cota inferior de
CRAMER RAO, entonces es el estimador ms eficiente de .
Por lo tanto, para encontrar el estimador VMU de un parmetro se procede de la siguiente
forma:
Paso 1: Encuentre la cota inferior de Cramer Rao.
Paso 2: Identifique el estimador insesgado cuya varianza iguale la cota.
Ejemplo 4: Si X ~ Poisson () entonces X es un estimador VMU de .
Solucin: Si X ~ P( ) entonces se tiene que

f ( x)

e x
x!

Adems,

E ( X ) y var( X ) 2
Para mostrar que X es el estimador VMU de procedemos de la siguiente forma.
i)

Inicialmente, verificamos que X

efecto,
E ( ) E ( X )

es un estimador insesgado para . En

13
ii) A continuacin mostramos que la cota de Cramer-Rao coincide con la varianza de
X ; para ello buscamos la cota de Cramer Rao y verificamos que es igual
var( X ) 2 / n / n . Para encontrar la cota de Cramer Rao procedemos asi,
a. Obtenemos la fdp de X. En este caso, como X ~ P( ) entonces se tienen

e x
x!
b. A continuacin se obtiene el logaritmo de la fdp de X, que viene dado por
que f ( x)

e x

x
ln[ f ( x)] ln
ln e ln ln x !
x!
x ln ln x !
c. Ahora derivamos ln[ f ( x)] con respecto ; esto es

x x
ln[ f ( x)]
x ln ln x ! 1

d. A continuacin se obtiene la esperanza del cuadrado de la derivada anterior;

esto es,
2

x 2 E[( x ) 2 ]

E ln[ f ( x)] E

Ahora, como E[( x ) 2 ] var( X ) entonces se obtiene que

2
2

E[( x ) ] var( X ) 1
E ln[ f ( x)]

2
2
2

e. Finalmente, obtenemos la cota inferior de Cramer Rao que es

Cota

var( X )
1 n
n

n E ln[ f ( x)]

Por lo tanto, X es el estimador VMU de

2

Ejemplo 5: Sea X ~ N ( , 2 ) .
a) Muestre que X es el estimador VMU de
Solucin: Para encontrar el estimador VMU X es el estimador VMU de es
necesario tener en cuenta que:
var( X ) 2
E ( X ) E ( X ) , var( X )

n
n

14
Para mostrar que X es el estimador VMU de hay que encontrar la cota de
Camer Rao y verificar que coincide con la var( X ) y para ello procedemos as:
a. La densidad de X ~ N ( , 2 ) es:

f ( x; , )

2 2

( x )2

2 2

b. Buscamos el logaritmo de la densidad; esto es,

( x )
1

2
ln[ f ( x; , )] ln
e 2
2 2

( x )2 1

2 ln 2 12 ln 2
2
2

c. Buscamos la derivada de ln[ f ( x; , 2 )] con respecto a ; esto es,

ln[ f ( x; , 2 )] ( x )2 1
2( x )
(x )

2 ln 2 12 ln 2
(1)

2
2

2
2
2

d.

A continuacin elevamos al cuadrado la derivada y buscamos la esperanza; esto

es,
ln[ f ( x; , 2 )] 2
( x ) 2 E[( x ) 2 ]
E
E

2

var( X ) 2
1

4 2
4

e. Finalmente, la cota de Cramer - Rao es:

Cota

1
Lnf ( x, ) 2
nE

1
n

2
n

Como la cota de Cramer Rao coincide con var( X ) , entonces podemos

concluir que X es el estimador VMU de
b) Encontrar la cota inferior de Cramer Rao para los estimadores de 2 .

15
Apndice 2. La distribucin en el muestreo de la proporcin muestral.
X
Sea
la proporcin de xitos en una muestra aleatoria de tamao n donde X es el
n
total de xitos en la muestra y es la proporcin poblacional de xitos, entonces se cumple
que:
i) E () E ( X / n)
ii) var()
2

(1 )
n

iii) La raz cuadrada de

es:

es el error estndar de Esto es, el error estndar de

(1 )
n

iv) Si el tamao muestral es grande, entonces

Z
v) En la prctica

~ N (0,1)
a

es desconocida y se estima como

(1 )
n

Entonces, para tamaos muestrales grandes se cumple que:

~ N (0,1)

(1 ) a
n

Ejemplo. Una compaa quiere estimar la proporcin de personas que son posibles
compradores de afeitadoras elctricas que ven las retransmisiones de ftbol de la liga
nacional. Se toma una muestra aleatoria de 120 individuos que se identifican como posibles
comparadores de afeitadoras elctricas. Supongamos que la proporcin de posibles
compradores de afeitadoras en la poblacin que ven estas retransmisiones es 0.25.
a) 0.10 es la probabilidad de que la proporcin muestral exceda a la proporcin
poblacional en qu valor?
b) 0.05 es la probabilidad de que la proporcin muestral est por debajo de la
proporcin poblacional en qu cantidad?
c) 0.30 es la probabilidad de que la proporcin muestral difiera de la proporcin
poblacional en qu cantidad?