06ea Intervalos

UNIVERSIDAD NACIONAL DE INGENIERIA
CLASE :ESTIMACION DE PARAMETROS

gpomachagua@hotmail.com
Material de Clases © G.P.P 4-nov-17

CONTENIDO
1. Introducción
2. Estimación puntual
3. Intervalo de confianza: conceptos
4. Intervalo para la media
5. Intervalo para la proporción
6. Intervalo para la varianza

Mapa conceptual
ESTADÍSTICA
Conceptos
Básicos
Estadística
Descriptiva
Población Muestra
Parámetro Estimador
PROBABILIDAD
Conceptos Básicos
Distribuciones Continuas, Normal,

de Probabilidad ji-cuadrado, t de
Discretas, Student
Binomial, otras
Distribuciones en
el Muestreo
Teorema Central del Limite.
INFERENCIA
Estimación Prueba de Hipótesis

para una y dos
Puntual Por intervalos poblaciones

ESTIMACION
E INFERENCIA ¿Cuál es el
sueldo promedio
ESTADISTICA de los Ing. de
Minas en la
Región de Lima?.
POBLACIÓN
(N)
MUESTRA
El investigador estudia a la población a partir de
(n)
los resultados de la muestra
PRUEBA DE
ESTIMACION
HIPOTESIS
ANALIZA DATOS
x, s 2 , p INVESTIGADORES
La inferencia Estadística
La inferencia Estadística puede dividirse en dos

apartados de acuerdo con el conocimiento sobre la
distribución en la población.
Inferencia Paramétrica: Se conoce la forma de la
distribución (Normal, Binomial, Poisson, etc.) pero no
sus parámetros.
Inferencia No Paramétrica: Forma y parámetros

desconocidos.

TIPOS DE ESTIMACIONES
a) ESTIMACION PUNTUAL: Un estimado puntual es un valor individual (o punto)

que se usa para aproximar un parámetro de población. Estas estimaciones
reciben el nombre de estimación puntual:
Así, por ejemplo:

Para el parámetro 𝜇, la estimación es 𝜇 = 𝑥, la media de la muestra.
Para el parámetro P, la estimación es 𝑃 = 𝑝, la proporción de la muestra
Para el parámetro 𝜎 2 , la estimación es 𝜎 2 = 𝑆 2 , la varianza muestral.
Para los parámetros 𝜇1 − 𝜇2 , la estimación 𝜇1 − 𝜇2 = 𝑥1 − 𝑥2 la diferencia
entre las medias de dos muestras aleatorias independientes.

TIPOS DE ESTIMACIONES
b) Estimación por intervalo

Un intervalo de valores se utiliza para estimar un parámetro desconocido.
El error se indica de dos manera: por la extensión del intervalo y por la
probabilidad de obtener el verdadero parámetro de la población que se
encuentra dentro del intervalo.
Ejemplo:
Para el próximo año el banco de inversión JP Morgan siguiendo la tendencia
regional el índice Riesgo-País estará entre 209 puntos, con un margen de
error 15 puntos.
ESTIMADOR ± MARGEN DE ERRROR
 
X  Z / 2    X  Z / 2
n n

PROPIEDAD DE LOS ESTIMADORES
1) Insesgado: Se dice que un estadístico 𝜃 es un estimador insesgado del

parámetro 𝜃, si y solo sí: 𝐸 𝜃 = 𝜃
Ejemplo 𝐸(𝑥)= 𝜇
2) Consistencia: Un estimador 𝜃 del parámetro 𝜃 , se dice que es consistente si:
𝑖) lim 𝐸 𝜃 = 𝜃
𝑛→∞
𝑖𝑖) lim 𝑉 𝜃 = 0
𝑛→∞
Cuando se cumple sólo la primera condición se dice que el estimador es

asintóticamente insesgado
3) Eficiente: Sean 𝜃1 y 𝜃2 , dos estimadores insesgados é independientes, de un

mismo parámetro 𝜃, diremos que 𝜃1 es más eficiente que 𝜃2 si se cumple que:
𝑉 𝜃1 < 𝑉 𝜃2
Esta es una propiedad relativa y nos indica que un estimador insesgado es más
eficiente que otro si tiene menor varianza.
Estimación de parámetros
Es el procedimiento utilizado para conocer las características de un
parámetro poblacional, a partir del conocimiento de la muestra.
• Nivel de significación α : Antes de realizar el estudio debemos

plantearnos; que proporción de error estamos dispuestos a
aceptar para dar por válido nuestro resultado.
• Nivel de confianza: 𝟏 − 𝜶 Probabilidad a priori de que el

intervalo a calcular contenga al verdadero valor del parámetro.
Los niveles más utilizados son 0.90,0.95, 0.99, 0.999
• Intervalos de confianza: Estima un parámetro usando un

intervalo centrado

Intervalo de Confianza de la media poblacional μ
a) Caso de varianza 2 conocida
De la figura P Z α/ 2  Z  Z α/ 2   1  α
x-
Donde Z =

n
 x 
P  Z  / 2   Z / 2   1  
 x 
   
P  x  Z / 2    x  Z / 2   1  
 n n 
Si se conoce el valor de la varianza de la población 2, se puede afirmar que el
intervalo de confianza de (1-α)% para μ esta dado por
 
X  Z / 2    X  Z / 2
n n
x : estimador
Z : factor de confiabilidad
 : desviación estandar 
x  Z / 2
 n
ESTIMACION POR
: error estandar
n
INTERVALOS

e x  Z : margen de error ( error maximo de estimacion)
n

L  2Z  2e : Longitud del intervalo de confianza
n
 Z 
2
n  tamaño de muestra

 e 
Li  Ls
x
2
Ls  Li
e precisión
2
Interpretación: Supongamos que, en base a diferentes
muestras calculamos los correspondientes intervalos de
confianza para μ. Entonces el (1 - α) 100% de ellos contendrán
al verdadero valor μ.
Ejemplo
Si 100 investigadores buscan el
verdadero valor de μ
Cada uno obtiene un intervalo.
El 95% de los investigadores
acierta.
El 5% obtiene un intervalo
incorrecto.
Problema:
Ninguno de ellos sabe
si ha acertado o no

Valores de Z mas utilizados , según el valor
de α
α Nivel de Z
Confianza
0.10 0.90 1.645
0.05 0.95 1.96
0.01 0.99 2.575
0.001 0.999 3.291

ELECCION DE LA DISTRIBUCION APROPIADA

Intervalo de Confianza de la media poblacional μ
b) Caso de varianza 2 desconocida

Si no se conoce el valor de la varianza de la población 2, se puede afirmar
que el Intervalo de Confianza 1- para estimar la Media  de la
población esta dado por:
s s
X  t / 2,( n1)    X  t / 2,( n1)
n n
Donde tα/2 tiene una distribución t-Student con (n-1) grados de libertad

Ejemplo1: Los ingresos mensuales de los ingenieros de sistemas de la región del
Callao tienen una distribución normal con σ=850 soles. Se tomo una muestra de
tamaño 20 y se encontró que el sueldo promedio fue de 2,880 soles.
a) ¿Calcular el intervalo de confianza al 95% del sueldo promedio de todos los
ingenieros?
s s 850
X  Z / 2    X  Z / 2 2,880  1.96
n n 20
2507,47    3252,53
ERROR ESTANDAR DE LA
MEDIA
Interpretación: Hay una confianza del 95% de que el sueldo promedio de todos los
ingenieros de sistemas de la región del Callao esta entre S/. 2,507.47 y S/. 3,252,53
b) ¿Calcular el intervalo de confianza 68.26%, ? Rpta (2690, 3,070):
c) Si no se conoce σ, pero de la muestra se encontró s=850. ¿Calcular el I.C. al
90%?. Rpta: S/ 2,551.36 S/ 3,208.64
d) ¿Cuánto debió ser el tamaño de muestra si al estimar a µ se quiere tener un
error no superior a 372.53 con una confianza del 95%? Rpta n=20
e) ¿Cual es su margen de error (error de muestreo).  850
Z / 2  1.96  372.53
Si α=0.05 n 20
MINITAB
Clic en Estadísticas / Estadísticas básicas / Z de 1 muestra

Ejemplo3: En cierta empresa se tomó un test a los trabajadores para medir los niveles
de depresión. Los siguientes datos son los puntajes obtenidos de 45 personas de una
escala de ansiedad (mayor puntaje significa mayor ansiedad)). Asumiendo que los
puntajes tienen una distribución normal
a) ¿Calcular el intervalo de confianza al 95% del puntaje promedio de todos los
trabajadores?
7 4 19 18 3 17 19 18 13
7 13 5 6 9 13 3 5 13
9 14 4 8 15 16 13 9 16
12 16 13 9 11 15 20 9 8
12 14 3 16 13 16 11 7 7
Solución: Si x  11.289 s  4.846 En SPSS

IDF.T(0.025,44)
4.845 4.845 En Excel
11 .289  2.0154    11 .289  2.0154 =INV.T.2C(0.05,44)
45 45
9,833    12.745
Ttt0.25,44=2.0154
Se tiene una confianza del 95% de que el puntaje promedio poblacional de ansiedad
se encuentra entre 9.8 y 12.7 puntos

1) La prueba de Kolmogorov-Smirnov con la modificación de Lillierfors es la
más utilizada y se usa para muestra mayores de 30 casos y la prueba de
Shapiro-Wilks la prueba más potente para muestra inferiores a 30 casos
Ho: El conjunto de datos siguen una distribución normal.
H1: El conjunto de datos NO sigue una distribución normal.
Gráfica de probabilidad de depresiion

Normal
99
Media 11.29
Desv .Est. 4.846
95 N 45
KS 0.127
90
Valor P 0.069
80
Porcentaje 70
60
50
40
30
20
10
1
0 5 10 15 20 25
depresiion
Como p>α Entonces no rechazamos Ho los datos siguen una distribución normal
2) Reporte del SPSS
Click en Analizar / Comparar medias/ Prueba T para una muestra
4.845 4.845
11 .289  2.0154    11 .289  2.0154
45 45
9,833    12.745

Reporte del Minitab
Click en Estadisticas / Estadistica Basicas / t de 1 muestra
b) Si se conoce que la desviación estándar es de σ=5 puntos . ¿Calcular el I.C.

al 95% para los valores reales de los puntajes ?.

Ejemplo 4: La cantidad de morosos mensuales en una entidad bancaria de Lima
tiene una distribución normal, con una desviación típica de 2 morosos.
¿Calcular el nivel de confianza de una muestra de 12 clientes que indique que la
media poblacional de morosos está entre 13 y 15 morosos al mes?
 
X  Z / 2    X  Z / 2
n n
13    15

Ejemplo 5: Samsung Corp. elabora para Bell Laboratories sistemas de marcación
telefónica cuya longitud de la media es 3.2 pulgadas, con una desviación estándar
de 1.1 pulgadas. Al analizar una muestra de n=64 sistemas, Samsung no quiere que
el error muestral supere 0.20 pulgadas. Si la probabilidad del error muestral sea
mayor que el límite de tolerancia del 5% Samsung tendrá que revisar sus
procedimientos de control de calidad. ¿Debe tomar Samsung alguna acción
correctiva
Ejemplo 6: Se va a considerar un programa de adiestramiento en cierta empresa;
su director de manufactura desea contar con un software determinado para
adiestrar a los empleados de mantenimiento en las operaciones de reparación de
máquinas. Se estima que con el software se reduzca el tiempo necesario para el
adiestramiento; para evaluarlo, el director de manufactura pide un estimado del
tiempo promedio de adiestramiento necesario con el programa.
La gerencia aceptó adiestrar a 15 empleados con el nuevo método. A
continuación se ven los días necesarios de adiestramiento por cada empleado
de la muestra:
a) Estime el promedio poblacional con una confianza de 90% y con una de 95%.

Ejemplo 7 El tiempo que tardan las cajeras de un supermercado en cobrar a los
clientes sigue una ley normal con media desconocida y desviación típica 0,5
minutos. Para una muestra aleatoria de 25 clientes se obtuvo un tiempo medio de
5,2 minutos.
a) ¿Calcula el intervalo de confianza al nivel del 95% para el tiempo medio que se
tarda en cobrar a los clientes? Rpta [5.004, 5.396]
b) Indica el tamaño muestral necesario para estimar dicho tiempo medio con un
el error de ± 0,5 minutos y un nivel de confianza del 95%. Rpta: n≥4

Ejemplo 9: La empresa que produce baterías para celulares, asegura que estos
soportan, en promedio, 50 horas de funcionamiento, con una desviación estándar
de 3 horas y una distribución aproximadamente normal. Para verificar esa
información, otra empresa que utiliza esas baterías en grandes cantidades tomó
una muestra aleatoria de 25 unidades y registró sus tiempos de duración; las
observaciones fueron:
41.3 49.2 48.9 43.2 52.0 41.5 51.2 46.1 49.3 49.2 44.7 43.4
50.0 46.8 45.0 46.7 48.8 47.7 51.5 49.8 44.0 49.6 51.0 47.5
51.2
a) Construir un intervalo de confianza del 95% para μ, si se supone que la

desviación estándar de la población es la proporcionada por la empresa
vendedora.
Si no se conoce la desviación estándar.
b) ¿Construir un intervalo de confianza del 99% para la media y la varianza?
c) ¿Podría afirmar que las baterías duran menos de 50 horas de funcionamiento,
si α=0.01?
d) ¿Podría afirmar que la duración e la desviación estándar es mayor de 3? Si
α=0.1?

ESTIMACION POR INTERVALO PARA UNA PROPORCION POBLACIONAL
En este caso, interesa construir un intervalo de confianza para una proporción o
un porcentaje poblacional (por ejemplo, el porcentaje de personas con
hipertensión, porcentaje de alumnos desaprobados, etc.).
Requisitos:
 La muestra es aleatoria
 Satisface las condiciones de la distribución Binomial
 Cuando el tamaño de muestra es grande, tal que np > 5, entonces el estadístico
Z se distribuye en forma normal p p
Z 
pq
n
Un Intervalo de confianza aproximado del 100 (1-α) % para la proporción poblacional
p será:
pq pq
p  Z / 2  p  p  Z / 2
n n

p : estimador
Z : Coeficiente de Confiabilidad
pq
p : proporciónmuestral pZ
n
pq
: error estandar
n
ESTIMACION POR
pq
e p p Z
INTERVALOS
: margen de error(error máximo de estimación)

n
2
Z
n  pq   tamaño de muestra
e
pq
L  2Z  2e : Longitud del intervalo de confianza
n
Li  Ls
p
2
Ls  Li
e
2
Ejemplo 1: Se quiere estimar el resultado del referéndum a la alcaldía de Lima,
mediante un sondeo. Para ello se realiza un muestreo aleatorio simple con n=100
personas y se obtienen 35% que votarán por el (SI) y 65% que votarán por el (NO)
contra (suponemos que no hay indecisos para simplificar el problema a una
variable dicotómica
a) ¿Calcule un intervalo de confianza del 99% para el verdadero resultado de las
elecciones? Rpta:(0.227141, 0.472859)
b) Si se quisiera un intervalo de confianza al 90% cuya longitud no excediera de

0,15. ¿Cuál seria el tamaño de muestra necesario ? Rpta n=110
c) Se quiere estimar el resultado de un referéndum mediante un sondeo, y sin

tener una idea sobre el posible resultado del mismo, se desea conocer el
tamaño de muestra que se ha de tomar para obtener un intervalo al 97% de
confianza, con un error del 5% Rpta n=471

Ejemplo 2: Una compañía de artículos de belleza quiere conocer la proporción de
consumidores que adquieren su producto. Encarga a una empresa un estudio de
mercado para obtener un intervalo de confianza al 99.9% de su proporción de clientes,
a partir de una muestra de tamaño 200. Los resultados muestrales arrojaron que 7 de
los entrevistados eran clientes de su producto. ¿entre qué valores se puede esperar
que esté la verdadera proporción de mujeres que adquieren ese producto?
pq pq
Solución: p  Z / 2  p pZ
n n
7
n  200 , p   0.035 proporcionde mujeres con el factor
200
NOTA: Como p contiene al cero.
pq (0.035 )(0.965 )
  0.013 Interp: Los datos no muestran evidencia
n 200 suficiente para encontrar el intervalo de
confianza de la proporción de mujeres
El intervalo de confianza que adquieren el producto.
0.043 0.043
0.035  3.291 x0.013  p  0.035  3.291 x0.013
- 0.00776  p  0.0776
Ejemplo 3 En el centro de cómputo de la Universidad se infectaron 256 PC con cierto
virus desconocido bajado de Internet, estas fueron limpiadas con la última versión del
antivirus The Hacker el cuál curó a 128 PC. ¿Con qué grado de confianza puede
afirmarse que la efectividad del antivirus este entre 45% y 55%?
pq pq
P( p  Z 0  p  p  Z0  1
 n  n
45% 55%
128 0 .5  0 .5
Si p  0.5 Luego reemplazamos 0 .5  Z 0  0.55
256 256
0.55  0.5
Z0   1.6
0.03125

 0.0548    0.1096 , luego(1   )  0.8904
2
Luego se tendrá un grado de confianza del 89.04 %

Ejemplo 4. Un partido político pretende conocer la intención de voto de para las
próximas elecciones. Para ello encarga un sondeo sobre un total de 230 personas, de
las que 69 contestan que le votarían.
a) Hallar un intervalo de confianza al 90% para la verdadera proporción poblacional,
indicando las hipótesis asumidas.
pq pq
p  Z / 2  p pZ
69 n n
n  230 , p   0.30
230
pq (0.3)(0.7)
p  Z / 2  0.3  1.645  0.3  0.0302
n 230
0.2503  p  0.3497
b) Si el intervalo resultó ser (0,243, 0,357), ¿cuál fue el nivel de confianza elegido?
La longitud del intervalo =0.357 – 0.243= 0.114

 1  0.9706  0.0294
0.3  0.7 2
2Z / 2  0.114
230   0.0588
Z / 2  1.8874  1.89 1    0.9412
Luego el nivel de
α/2
confianza es del 94.12%

Ejemplo5: La compañía CPI tomo una muestra de 600 electores para realizar una
proyección estadística de los resultados
a) Si 240 votaron a favor del candidato A, hallar el I.C. para la proporción de
electores a favor de A en toda la población si α=0.05 Rpta: [36.08% , 43.92%]
¿ Cuál es el error de muestreo que se comete? Rpta: 3.92%
b) Si la misma muestra revela que el candidato competidor B obtendría un 36% de
aprobación, con una confianza del 95% y con un error de muestreo (error de
estimación) ±4%. ¿Se puede proclamar al candidato A como ganador absoluto de
las elecciones?
Solución: pq
pZ  0.36  0.04
n
Como el candidato B va de 32% a 40% y el candidato A va de 36.08% a 43.92%
Dado que la intersección de los intervalos no es vacío, no se puede
proclamara A como ganador absoluto, en este caso se dice que hay un
empate técnico
c) Si al proporción real a favor de A se estima en el intervalo [0.359, 0.441]. ¿Cuál

es el nivel de confianza? Rpta: 61.02%

SELECCION DEL TAMAÑO DE MUESTRA
Hay tres factores que determina el tamaño de la muestra. Esos son:
1) Nivel de confianza o seguridad (1-α):. Para una seguridad del 95%, Zα = 1.96,
para una seguridad del 99%, Zα = 2.58. (Estos valores provienen de las tablas de
la distribución normal Z). El investigador especifica el grado de confianza.
2. El máximo error permisible o precisión (e): Debe decidirlo el investigador. Es el

máximo error que estamos dispuestos a aceptar en la estimación
e X  error al estimar
3. La varianza de la población (σ2): Normalmente es un valor desconocido y hay

que estimarlo a partir de datos de estudios previos𝜎=s
S = desviación estándar esperada en la población de estudio.

Puede ser obtenida en:
•Revisión bibliográfica
•Estudio piloto
a) Tamaño de muestra para la
Cuando el tamaño de la población
estimación de las medias
finito o conocida
Cuando el tamaño de la población 𝑁𝑍 2 𝜎 2
infinito(N>100,000) o desconocida 𝑛= 2
𝑒 𝑁 − 1 + 𝑍 2𝜎 2
 Z  / 2 
2
n  𝑁𝑍 2 𝑝𝑞
 e  𝑛= 2
𝑒 𝑁 − 1 + 𝑍 2 𝑝𝑞
En la práctica, esta diferenciación no es importante, pues el número calculado con un

método u otro no varían significativamente.
Entonces asumimos 𝑍2𝜎 2

𝑛= 2
𝑒
Si se conoce la población usamos el factor de corrección
n
b) Tamaño de muestra para la estimación de las proporciones nf 
n
1
Asumimos 𝑍 2 𝑝𝑞 N
𝑛= 2
𝑒
Si se conoce la población usamos el factor de corrección
NOTA
Todos los valores enteros fraccionarios de n se redondean al siguiente número
superior.
𝑅
Si la población tiene una distribución normal entonces→ 𝜎 =
4
 Si no se tuviese ninguna idea de dicha proporción se utilizaría el valor p =0,5 que
maximiza el tamaño muestral:
 El nivel de confianza nunca suele ser menor de α = .05 (nos equivocaríamos en
nuestra predicción o generalización 5 veces de cada 100),
 Con frecuencia se opera con un nivel de confianza del 95.5%; la razón práctica está
en que este nivel de confianza corresponde a z = 2 (dos sigmas)
22 0.5 0.5 1
Luego 𝑛 = =
𝑒2 𝑒2
 El margen de error no debe ser superior a ±.05 (±5%) para que los resultados sean
realmente informativos y útiles.
 El margen de error en sondeos pre-electorales es, por ejemplo, muy importante y
este margen de error suele ponerse en torno aun 3%.

También podemos ir directamente a alguno de los programas de
Internet, nos basta introducir el nivel de confianza (95%) y el
tamaño de la población:
Raosoft sample size calculator,

http://www.raosoft.com/samplesize.html
Granmo: Programa para el cálculo del tamaño de la

muestra y la potencia de un contraste de hipótesis.
https://www.imim.cat/ofertadeserveis/software-public/granmo/

Tamaños de muestras en la estimación de proporciones
𝑍 = 1.96 n
Z 2
 /2 pq nf 
𝑝 = 0.5 n 2 1
n
e N
𝑞 = 0.5
Margen de error 𝑒
N=Población 1% 2% 3% 4% 5% 10%
100 99 97 92 86 80 49
500 476 414 341 273 218 81
1000 906 706 517 376 278 88
2000 1656 1092 696 462 323 92
4000 2824 1501 843 522 351 94
6000 3693 1715 906 546 362 95
8000 4365 1847 942 559 367 95
10000 4900 1937 965 567 370 96
20000 6489 2144 1014 583 377 96
40000 7745 2266 1040 592 381 96
60000 8279 2309 1049 595 382 96
80000 8575 2332 1054 596 383 96
100000 8763 2345 1056 597 383 96

Ejemplo1: En la población de escolares e cierta zona minera, se desea
estimar el nivel promedio de Hb con 0,95 de confianza. Al realizar un
estudio piloto se encontró, una media muestral de 12.3 g/dl y desviación
estándar de 2 g/dl. Si los investigadores están dispuestos a asumir un e=
±0.5.
a)Calcular el tamaño de muestra
n
Z 2 2

 
1,96 2
2
 2
 61.4656
e 2
0,52
b) Si conoce la población N=1200
usamos el factor de corrección
n 61.4656
nf    58.47  59
n 61.4656
1 1
N 1200
Interpretación El número mínimo necesario de escolares para hacer un
estudio es de 59, si se desea estimar el nivel promedio de Hb en la
población con una precisión de 0.5
Ejemplo2: Una empresa encargada de un estudio de mercado antes de lanzar
definitivamente un nuevo producto hacia una población de 30,000 consumidores de
productos similares.
a) ¿Qué tamaño mínimo de muestra deberá escoger, si se quiere tener una tener
una confianza del 95% de que el error de la estimación de la proporción a favor
del producto no sea superior al 4%?
Solución: Si no se aplica una encuesta piloto se asume entonces que 𝑝 = 0.5 entonces
Z 2 / 2 pq (1.96) 2 0.5  0.5
n 2
 2
 600 .25
e (0.04)
Como se conoce la población usamos el
factor de corrección
n 600.25
nf    588.47
n 600.25
1 1
N 30,000
Como mínimo la muestra debe tener n

≥ 589 consumidores

Ejemplo3 : El Laboratorio Roche ha desarrollado un medicamento
nuevo para el asma, que requiere el control estricto de la dosificación
del ingrediente activo de cada cápsula. El fármaco puede ser peligroso
si se excede de la dosis, e inútil si la dosificación es menor que la
especificada. El error de estimación máximo para la media es igual a 2
mg. Si se sabe que la desviación típica es igual a 7 mg, ¿cuántas
cápsulas del medicamento deben estudiarse para tener una confianza
del 99% de que es correcta la cantidad media de ingrediente por
cápsula?
DATO
e  2 mg   7 mg 1    0.99  Z / 2  2.575
2
 (2.575)(7) 
Z  
2
n   81.22  82
n    /2   2 
 e 
Para tener una confianza del 99% se tiene que tomar una muestra de 82 cápsulas

Ejemplo3: Una empresa farmacéutica ha desarrollado un medicamento nuevo que
requiere el control estricto de la dosificación del ingrediente activo de cada cápsula.
El fármaco puede ser peligroso si se excede de la dosis, e inútil si la dosificación es
menor que la especificada. El error de estimación máximo para la media es igual a 5
mg. Si se sabe que la desviación típica es igual a 25 mg, ¿cuántas cápsulas del
medicamento deben estudiarse para tener una confianza del 99.9% de que es
correcta la cantidad media de ingrediente por cápsula?
Dato:
/2 = 0.0005 1 -  = 0.999 /2 = 0.0005
e= 5 kg
σ=25 kg.
La confianza (1- α)=0.999 -3.29 3.29
Si el riesgo es α=0.001
Como P(Z≤Z0)=0.9995 Luego Zo =3.29
( Z  ) 2 n
(3.29) 2 (25) 2
 270 .60  271
n 52
e2
Luego elegimos a n=271

Ejemplo4 : El número de horas semanales que los jóvenes, con edades entre 14 y
18 años, dedican semanalmente a ver la televisión es una variable normal con
desviación típica 2.
a) Al 95% ¿Cuál sería el tamaño de la muestra que se necesita para que el error
máximo de la estimación de la media sea de 0.5 horas?
Ejemplo5 A fin de conocer el gasto mensual en medicinas por familia, el Gerente

de Marketing de un laboratorio farmacéutico desea determinar el tamaño de la
muestra que le proporcione un nivel de confianza de 0,9808. Además conoce por
estudios anteriores que las compras medias por familia eran de S/. 120 mensuales,
con una varianza de 900. El Gerente busca un tamaño de muestra que le permita
estimar el nivel de gasto con un error máximo permisible de 10.
Ejemplo6: Para un mercado de prueba, encuentre el tamaño de muestra necesario

para estimar la proporción real de consumidores satisfechos con un cierto
producto nuevo, dentro de ± 0,04 a un nivel de confianza de 90%. Suponga que no
tiene una buena idea del valor de la proporción.
Sol: al menos 423 consumidores.

Ejemplo7: Un encuestador político desea estimar la proporción de electores que
votarán por el candidato demócrata en una campaña presidencial. El encuestador
desea 99% de confianza de que su predicción será correcta dentro de ± 0,04 de la
proporción de la población, que sabe que es de 0,5.
a) ¿Cuál es el tamaño de muestra necesario? Sol: 1037
b) Si se desea 95% de confianza, ¿que tamaño de muestra se necesita? Sol: 601
c) Si se desea 95% de confianza y un error muestral de ± 0,03. ¿Qué tamaño de
muestra se necesita? Sol: 1068.
d) Según las respuestas anteriores, ¿qué conclusión general se deriva acerca del
efecto del nivel de confianza deseado y el error muestral aceptable en el tamaño
de muestra requerido?. Analice.
Ejemplo8: El Gerente de un banco desea 90% de confianza de tener un resultado

correcto dentro de ± 0,05 de la proporción de la población real de los clientes que
tienen cuentas de ahorros y de cheques en el banco. ¿Cuántos clientes tienen su
cuenta de ahorros? Sol: 271

Ejemplo9: Una máquina de refrescos está ajustada de tal manera que la cantidad
de líquido despachada se distribuye aproximadamente en forma normal. ¿Qué
tan grande se requiere que sea la muestra si se desea tener una confianza de
98% de que su media muestral estará dentro de 0.09 decilitros del promedio
real?. Se cuenta con información de una muestra piloto de tamaño 24
Ejemplo10. Se realiza un estudio para estimar la proporción de residentes en una

ciudad que están a favor de la construcción de una fábrica. ¿Qué tan grande
deber ser una muestra si se quiere una confianza de al menos 98% de que la
estimación estará dentro de 0.04 de la proporción real de residentes de la ciudad,
que estén a favor de la construcción de la nueva fábrica?

Si S2 es la varianza muestral de tamaño n de una población
normal, un intervalo de confianza de (1-α)% para σ2 es
(n  1)S 2 (n  1)S 2
2 
 2 / 2  21   / 2
2 2
Donde 𝜒𝛼/2 y 𝜒1−𝛼/2 son valores de ka prueba Chi-cuadrada 𝜒 2 con n-1 grados
de libertad

Usos de la Ji-Cuadrado
 Para hacer inferencias acerca de la varianza

poblacional. Es decir, para calcular Intervalos de
Confianza y Prueba de hipótesis para la varianza
poblacional.
 Para hacer pruebas de Bondad de Ajuste. O sea, para

probar si un conjunto de datos sigue una distribución pre-
determinada.
 Para hacer análisis de tablas de contingencia.

Ejemplo 1: Los siguientes son los pesos, en kilogramos de 10 paquetes de harina
distribuidas por cierta compañía: 46.4, 46.1, 45.8, 47.0, 46.1, 45.9, 45.8, 46.9, 45.2 y
46. ¿Encuentre un intervalo de confianza de 95% para la varianza de todos los
paquetes de harina que distribuye esta compañía, suponga una población normal?
Solución: Primero se calcula la desviación estándar de la muestra:
s2= 0.286
Para obtener un intervalo de confianza de 95% se elige un = 0.05. Después con el uso
de la tabla con 9 grados de libertad se obtienen los valores de
(n  1)S 2 (n  1)S 2
2 
 2 / 2  21   / 2
(10  1)(0.286 ) (10  1)(0.286 )
 2 
19.023 2.7
0.135   2  0.953

Se observa que la varianza corre en sentido contrario, pero esto es sólo en la gráfica.
La interpretación quedaría similar a nuestros temas anteriores referentes a
estimación. Con un nivel de confianza del 95% se sabe que la varianza de la población
de los pesos de los paquetes de cigarrillos esta entre 0.135 y 0.935 Kg. cuadrado

Ejemplo 2: Según registros del departamento de control de calidad el peso de unos
envases tienen una distribución normal con μ=40 gramos y σ=0.25gramos. Una
muestra de 20 envases arrojó s=0.32 gramos. ¿Con un 95% de confianza se podría
concluir que la variabilidad de los envases se ha incrementado ? Justifique.
(n  1)S 2 (n  1)S 2
Solución: Construyendo un IC del 95%  
2
 /2
2
 21   / 2
(20  1)0.32 2 (20  1)0.32 2
 
2
0.05922   2  0.21845
32.8523 8.90652
Como σ2=0.252 =0.0625 se encuentra

contenido en el intervalo hallado entonces
se puede afirmar con un 95% que la
variabilidad no se ha incrementados

Ejemplo 3: En la fabricación de anillos para motores, se sabe que el
diámetro promedio es de 5 cm. con una desviación estándar igual a
0,006 cm. El proceso es vigilado en forma periódica mediante la
selección aleatoria de 24 anillos, midiendo sus diámetros. Así en la
última muestra se obtuvo una desviación estándar de 0,0065 y se
considero que la variabilidad de los diámetros estaba bajo control
¿Cuáles son los límites de la variabilidad esperados con un nivel del 95%
de confianza?
Solución.-
Se sabe que n = 24, s = 0,0065 y que el nivel de confianza 1- =0,95,
luego se tiene que:
(n-1;
2
 / 2)   2
(23;0,025)  11,689  2
(n-1;1 / 2)   (23;0,975)  38,076
2
 (n  1)s2 (n  1)s2   (23)(0,0065)2 (23)(0,0065)2 

IC( )   2
2
; 2  ; 
  (n-1,1/2) (n-1, /2)   38,076 11,689 

P 0,000026   2  0,000083  0,95 
P  0,00505    0,00912   0,95
5 sábado, 04 de
Ejemplo3:Para estimar el tiempo promedio que lleva ensamblar cierto
componente de una computadora, el supervisor de una empresa electrónica tomó
el tiempo que 20 técnicos tardaban en ejecutar esta tarea, obteniéndose una
media de 12.73 minutos y una desviación estándar de 2.06 minutos. Asuma que los
tiempos tienen distribución normal.
Construya e interprete un intervalo de confianza de 98% para la varianza real que
lleva ensamblar el componente de la computadora.
Ejemplo4. Un fabricante de baterías para automóviles afirma que sus baterías

durarán, en promedio, tres años con una varianza de un año. Si cinco de estas
baterías tienen duraciones de 1.9, 2.4, 3.0, 3.5 y 4.2 años, construya un intervalo
de confianza del 95% para la varianza real y decida si la afirmación del fabricante
de es válida. Suponga que la población de duraciones de las baterías es de forma
aproximadamente normal.

06ea Intervalos

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

06ea Intervalos

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD NACIONAL DE INGENIERIA

CLASE :ESTIMACION DE PARAMETROS

Material de Clases © G.P.P 4-nov-17

Material de Clases © G.P.P 4-nov-17

Distribuciones Continuas, Normal,

Teorema Central del Limite.

Estimación Prueba de Hipótesis

Material de Clases © G.P.P 4-nov-17

La inferencia Estadística puede dividirse en dos

Inferencia No Paramétrica: Forma y parámetros

Material de Clases © G.P.P 4-nov-17

a) ESTIMACION PUNTUAL: Un estimado puntual es un valor individual (o punto)

Así, por ejemplo:

Material de Clases © G.P.P 4-nov-17

b) Estimación por intervalo

ESTIMADOR ± MARGEN DE ERRROR

Material de Clases © G.P.P 4-nov-17

1) Insesgado: Se dice que un estadístico 𝜃 es un estimador insesgado del

Cuando se cumple sólo la primera condición se dice que el estimador es

3) Eficiente: Sean 𝜃1 y 𝜃2 , dos estimadores insesgados é independientes, de un

• Nivel de significación α : Antes de realizar el estudio debemos

• Nivel de confianza: 𝟏 − 𝜶 Probabilidad a priori de que el

• Intervalos de confianza: Estima un parámetro usando un

Material de Clases © G.P.P 4-nov-17

n  tamaño de muestra

Material de Clases © G.P.P 4-nov-17

0.05 0.95 1.96

0.01 0.99 2.575

0.001 0.999 3.291

Material de Clases © G.P.P 4-nov-17

Material de Clases © G.P.P 4-nov-17

b) Caso de varianza 2 desconocida

Material de Clases © G.P.P 4-nov-17

Material de Clases © G.P.P 4-nov-17

Solución: Si x  11.289 s  4.846 En SPSS

Material de Clases © G.P.P 4-nov-17

Gráfica de probabilidad de depresiion

Material de Clases © G.P.P 4-nov-17

b) Si se conoce que la desviación estándar es de σ=5 puntos . ¿Calcular el I.C.

Material de Clases © G.P.P 4-nov-17

Material de Clases © G.P.P 4-nov-17

Material de Clases © G.P.P 4-nov-17

Material de Clases © G.P.P 4-nov-17

a) Construir un intervalo de confianza del 95% para μ, si se supone que la

Material de Clases © G.P.P 4-nov-17

Material de Clases © G.P.P 4-nov-17

: margen de error(error máximo de estimación)

b) Si se quisiera un intervalo de confianza al 90% cuya longitud no excediera de

c) Se quiere estimar el resultado de un referéndum mediante un sondeo, y sin

Material de Clases © G.P.P 4-nov-17

Material de Clases © G.P.P 4-nov-17

Material de Clases © G.P.P 4-nov-17

c) Si al proporción real a favor de A se estima en el intervalo [0.359, 0.441]. ¿Cuál

Material de Clases © G.P.P 4-nov-17

Hay tres factores que determina el tamaño de la muestra. Esos son:

2. El máximo error permisible o precisión (e): Debe decidirlo el investigador. Es el

3. La varianza de la población (σ2): Normalmente es un valor desconocido y hay

S = desviación estándar esperada en la población de estudio.

En la práctica, esta diferenciación no es importante, pues el número calculado con un

Entonces asumimos 𝑍2𝜎 2

Material de Clases © G.P.P 4-nov-17

Raosoft sample size calculator,

Granmo: Programa para el cálculo del tamaño de la

Material de Clases © G.P.P 4-nov-17