UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE INGENIERÍA MECÁNICA - ENERGÍA

TEORÍA DE ESTIMACIONES ESTADÍSTICAS
Prof. V.Contreras T.

Estimación de parámetros

Un problema importante de la inferencia estadı́stica es la estimación de

parámetros de la población (tales como la media o la varianza de la población),
de los correspondientes estadı́sticos muestrales o simplemente estadisticos (tales
como la media o la varianza de la muestra).

Estimaciones sin sesgo ó insesgado

Si la media de las distribuciones de muestreo de un estadı́stico es igual que

la del correspondiente parámetro de la población, el estadı́stico se llama un
estimador sin sesgo del parámetro: si no se llama un estimador sesgado. Es
decir:
θb es un estimador insesgado de θ si y solo si E(θ)
b =θ
Ejemplo
Si X ∼ N (µ, σ 2 ) ⇒ E(X) = µ.
Por lo tanto X es un estimador sin sesgo de µ.

Estimación eficiente

Si las distribuciones de muestreo de dos estadı́sticos tiene la misma media,

el de menor varianza se llama un estimador eficiente de la media mientras que
el otro se llama estimador ineficiente respectivamente.
Ejemplo
La media muestral X y la mediana Xm son estimadores sin sesgo de µ. Por
2 σ2
otro lado σn = V (X) < V (Xm ) = π2n
Por lo tanto, el estimador X es más eficiente que Xm comoestimador de µ.

Estimación de punto y estimaciones de intervalo; su fiabilidad

Una estimación de un parámetro de la población dada por un sólo número se

llama una estimación de punto del parámetro.
una estimación de un parámetro de la población dada por dos números,
entre los cuales se puede considerar encajado al parámetro, se llama una esti-
mación de intervalo del parámetro.
Ejemplo. Si decimos que una distancia se ha medido como5,28 m estamos
dando una estimación de punto. Por otra parte si decimos que la distancia
es 5, 28 ± 0, 03 m ( o sea que está entre 5,25 y 5,31 m estamos dando una
estimación de intervalo.
El margen de error de una estimación nos informa de su fiabilidad.

Estimaciones de intervalo de confianza para parámetros de población

Sean µs y σs la media y la desviación tı́pica de la distribución de muestreo de

1
un estadı́stico S. Entonces, si la distribución de muestreo de S es aproximada-
mente normal(esto es cierto para muchos estadı́sticos si el tamaño de la muestra
n ≥ 30). Podemos esperar hallar un estadı́stico muestral real S que esté en los
intervalos µs − σs a µs + σs , µs − 2σs a µs + 2σs ó µs − 3σs a µs + 3σs alrededor
del 68,27 %, 95,45 % y 99,73 % del tiempo respectivamente.
Equivalentemente podemos esperar hallar µs en los intervalos S−σs a S+σs
, S − 2σs a S + 2σs ó S − 3σs a S + 3σs alrededor del 68,27 %, 95,45 % y 99,73 %
del tiempo respectivamente.
Los limites extremos de estos intervalos S ± σs , S ± 2σs , S ± 3σs se lla-
man entonces los limites de confianza al 68,27 %, 95,45 % y 99,73 % o lı́mtes
fiduciales.
Analogamente S ± 1, 96σs , S ± 2, 58σs son los limites de confianza 95 %
y 99 % para S. El porcentaje de confianza se suele llamar NIVEL DE CON-
FIANZA. Los números 1,96 ; 2,58 etc. en los limites de confianza se llaman
COEFICIENTES DE CONFIANZA O VALORES CRÍTICOS y se denota por
zo .
nivel de confianza 99,73 % 99 % 98 % 96 % 95 % 95,45 % 90 % 80 %
zo 3 2,58 2,33 2,05 1,96 2 1,645 1,28

Estimación por intervalos de la media poblacional

P (−zo ≤ Z ≤ zo ) = 1 − α
X −µ
P (−zo ≤ σ ≤ zo ) = 1 − α
√
n
σ σ
P (X − zo √ ≤ µ ≤ X + zo √ ) = 1 − α
n n
P (L1 ≤ µ ≤ L2 ) = 1 − α

donde zo = z1− α2
[L1 , L2 ] es un intervalo aleatorio que contiene µ con 100 (1−α) % de nivel
de confianza.
Este resultado se aplica en los siguientes casos:

1. Muestra grande, varianza conocida y población normal o no.

2. Muestra grande, varianza desconocida y población normal o no con
σ2 = S 2.
3. Muestra pequeña, varianza conocida y población normal

II Cuando la muestra es pequeña, varianza desconocida y población normal

se tiene

P (−to ≤ t ≤ to ) = 1 − α
X −µ
P (−to ≤ b
≤ to ) = 1 − α
√S
n

2
 Sb Sb
P (X − to √ ≤ µ ≤ X + to √ ) = 1 − α
n n
P (L1 ≤ µ ≤ L2 ) = 1 − α

donde to = t1− α2 (r) y r = n − 1 (grados de libertad).

[L1 , L2 ] es un intervalo aleatorio que contiene µ con 100 (1−α) % de nivel
de confianza.

Ejercicio
Las medidas de los diámetros de una muestra aleatoria de 200 bolas de
rodamiento producidas por una máquina en una semana dieron una media de
0,824 cm y una desviación tı́pica de 0,042 cm. Estime el diámetro medio de
todas las bolas mediante un intervalo del 99 % de confianza.
Intervalo de confianza para diferencias (o suma) de medias

I Cuando las muestras son grandes, con varianzas conocidas y población

normal o no.
Cuando las muestras son grandes, con varianzas desconocidas y
población normal o no con σx2 = Sx2 , σy2 = Sy2
Muestras pequeñas, varianzas conocidas y poblaciones normales.
Se tiene

P (−zo ≤ Z ≤ zo ) = 1−α
(X ± Y ) − (µx ± µy )
P (−zo ≤ q ≤ zo ) = 1−α
σx2 σy2
n1
+ n2
s s
σx2 σy2 σx2 σy2
P ((X ± Y ) − zo + ≤ µx ± µy ≤ (X ± Y ) + zo + ) = 1−α
n1 n2 n1 n2
P (L1 ≤ µ ≤ L2 ) = 1−α

[L1 , L2 ] es un intervalo de confianza de 100 (1 − α) % de la diferencia

(suma) de medias.
II Cuando las muestras son pequeñas, varianzas desconocidas y poblaciones
normales se tiene

P (X ± Y − Eo ≤ µx ± µy ≤ X ± Y + Eo ) = 1 − α

donde s
(n1 − 1)Sbx2 + (n2 − 1)Sby2 1 1
Eo = to ( + )
n1 + n2 − 2 n1 n2
to = t1− α2 (r) y r = n1 + n2 − 2 (grados de libertad).
Ejercicio
Una compañia desea comparar la duración de dos tipos de piedras usadas
en un proceso arasivo y encuentra que el promedio de vida de 10 piedras

3
 del primer tipo es de 58 meses con una desviación estandar de 6 meses y
que el promedio de vida de 12 piedras del segundo tipo es de 66 meses
con una desviación tı́pica de 4.
Construya un intervalo de confianza del 99 % para la diferencia de los
dos tipos de piedras.
Intervalo de confianza para proporciones
Si el estadı́stico pb = nx es la proporción de exitos en una muestra de
tamaño n extraida de una población binomial en la que p es la proporción
de exitos en la población.
Entonces los limites de confianza
q para p, cuando n → ∞, vienen dadas
por pb ± Eo donde Eo = zo pb(1−b
n
p)

Veamos para un nivel de confianza de 1 − α.

P (−zo ≤ Z ≤ zo ) = 1 − α
pb − p
P (−zo ≤ q ≤ zo ) = 1 − α
p(1−p )
n
P (L1 ≤ p ≤ L2 ) = 1 − α

donde q
zo2 zo zo2
(b
p+ 2n
) − √
n
pb(1 − pb ) + 4n
L1 = 2
1 + zno
q
zo2 zo2
(b
p + 2n ) + √zon pb(1 − pb ) + 4n
L2 = zo2
1+ n
Suponiendo que n es suficientemente grande (n → ∞) para que la aprox-
imación normal sea buena se tiene:
r
pb(1 − pb )
L1 ' pb − zo
n
r
pb(1 − pb )
L2 ' pb + zo
n
Si la población es finita:

P (b
p − Eo ≤ p ≤ pb + Eo ) = 1 − α
q
pb(1−bp)
donde Eo = zo n
(N −n
N −1
)

Ejercicio
1. En 40 lanzamientos de una moneda, han salido 24 caras. Halle los limites
de confianza del 95 % para la proporción de caras que se obtendrian en
un número ilimitado de lanzamientos de esa moneda.

4
 2. Una empresa encuestadora quiere estimar el rating de una telenovela en
una población que consiste de 5000 hogares con TV.

a) ¿Qué tan grande deberı́a ser la muestra si se desea que el estimado

del porcentaje de la población que miran la telenovela tenga un
error de 5 % con un nivel de confianza 0,95?
b) Desarrolle un intervalo del 95 % para el porcentaje de la población
que miran la telenovela si una muestra aleatoria del tamaño mı́nimo
calculado en a) reveló que el 20 % miran esa telenovela.

Intervalo de confianza para la varianza poblacional

I Caso de población normal y muestra pequeña. Se usa la chi-cuadrada

P (χ2α (n − 1) ≤ χ2 ≤ χ21− α (n − 1)) = 1 − α

2 2
n − 1
P (χ2α (n − 1) ≤ ( 2 ) Sb2 ≤ χ21− α (n − 1)) = 1 − α
2 σ 2

(n − 1) Sb 2
(n − 1) Sb2
P( 2 ≤ σ2 ≤ 2 ) = 1−α
χ1− α (n − 1) χ α (n − 1)
2 2

II Caso de población normal o no y muestra grande. Se usa la normal

P (−zo ≤ Z ≤ zo ) = 1 − α
S−σ
P (−zo ≤ σ ≤ zo ) = 1 − α
√
2n
S S
P( zo ≤ σ ≤ ) = 1−α
1 + 2n
√ 1 − √z2n
o

P (L1 ≤ σ ≤ L2 ) = 1 − α

[L1 , L2 ] contiene a σ con 100 (1 − α) % de confianza.

[L21 , L22 ] contiene a σ 2 con 100 (1 − α) % de confianza.

Ejercicio
Diez objetos de forma cilı́ndrica elegidas al azar entre los productos en
cierta planta industrial han mostrado los siguientes diámetros en cm.

10, 1 9, 7 10, 3 10, 4 9, 9 9, 8 9, 9 10, 1 10, 3 9, 9

Encuentre un intervalo de confianza del 95 % para la varianza de los diámetros

de todos los objetos que se distribuyen según la normal.

5
 EJERCICIOS DE APLICACIÓN

1. Dos maquinarias A y B, usadas para el corte de pieles para zapato,

tienen que ser comparadas para comprobar la calidad de la producción.
Se extrae una muestra de 50 elementos por la maquinaria A y 45 para
la maquinaria B. También, se sabe que la varianza de los cortes es de
9 cm para el grupo A y 16 para el grupo B. Sabiendo que las medias
muestrales obtenidas son respectivamente iguales a 140 cm y 120 cm,
halle un intervalo de confianza al 93 % para la diferencia de las medias
de las dos poblaciones.

2. Una empresa fabrica focos, que tienen una duración distribuida aproxi-
madamente en forma normal, con una desviación tı́pica de 40 h. Si una
muestra de 30 focos tiene una vida promedio de 780 h.

a) Obtener un intervalo de confianza del 96 % para la media de la

población de todos los focos.
b) ¿De qué tamaño debiera ser la muestra si se desea tener una confi-
anza del 96 % de que el estimador de µ difiera de éste en menos de
3 horas?
c) ¿Cuál serı́a la probabilidad de que µ no difiera de 780 h. más de 10
h.?

3. Una compañı́a de TAXIS está tratando de decidir la compra de neumáticos

de las marcas A o B para sus vehı́culos. Para estimar la diferencia de
las dos marcas de neumáticos se realiza un experimento empleando 12
neumáticos de cada marca. Los neumáticos se hacen correr hasta su des-
gaste total. Los resultados son:

A B
×1 = 36300 km ×2 = 38100 km
Sb1 = 5000 km Sb2 = 6100 km

Obtener un intervalo de confianza para µ1 − µ2 . Tomar α = 0, 05

4. Una muestra aleatoria simple de 20 estudiantes obtuvo una calificación

media de 72, con Sb2 = 16. Bajo hipótesis de normalidad encontrar un
intervalo de confianza del 98 % para σ 2 .

5. La Longitud de la ballena azul se distribuye según una ley Normal con

desviación tı́pica 7,5 m. En un estudio estadı́stico realizado a 25 ejem-
plares se ha obtenido el intervalo de confianza [21, 06; 26, 94] para la
longitud media.

a) Calcule la longitud media de los 25 ejemplares de la muestra.

b) Calcule el nivel de confianza con el que se ha construido dicho in-
tervalo.

6
 6. Un fabricante de vehı́culos sabe que el consumo de gasolina (en litros)
de sus vehı́culos se distribuye normalmente. Se selecciona una muestra
aleatoria simple de coches y se observa el consumo cada cien kilómetros
obteniendo las siguientes observaciones: (19,2 ; 19,4 ; 18,4 ; 18,6 ; 20,5
; 20,8 ). Obtenga el intervalo de confianza para el consumo medio de
gasolina de todos los vehı́culos de este fabricante, al nivel de confianza
del 99 %.

7. En un estudio sobre los préstamos realizados por dos entidades financieras

se toma una muestra aleatoria simple de seis préstamos de la primera
entidad, observando que el importe medio es de 9 972 dólares y una
desviación tı́pica de 7 470 dólares, y otra muestra aleatoria simple, inde-
pendiente de la anterior, de nueve préstamos, tal que su importe medio es
de 2 098 dólares y su desviación tı́pica de 10 834 dólares. Admitiendo que
las dos distribuciones de préstamos son normales con la misma varian-
za, obtener al nivel del 95 % un intervalo de confianza para la diferencia
entre sus medias poblacionales.

8. El precio de un determinado artı́culo en los comercios de una ciudad

sigue una distribución normal. Se toma una muestra aleatoria simple de
ocho comercios y se observa el precio de dicho artı́culo, obteniendo las
siguientes observaciones: (132, 125, 130, 139, 126,138, 124, 140). Obtenga
al nivel de confianza del 95 % un intervalo de confianza para la varianza
poblacional.

9. Un fabricante de reproductores de discos compactos utiliza un conjunto

de pruebas amplias para evaluar la función eléctrica de su producto. To-
dos los reproductores de discos compactos deben pasar todas las pruebas
antes de venderse. Una muestra aleatoria de 500 reproductores tiene co-
mo resultado 15 que fallan en una o más pruebas. Encuentre un intervalo
de confianza de 90 % para la proporción de los reproductores de discos
compactos de la población que no pasan todas las pruebas.

10. En una muestra de 400 pilas tipo B fabricadas por la Everlast Company,
se encontraron 20 defectuosas. Si la proporción p de pilas defectuosas
en esa muestra se usa para estimar P , que vendrá a ser la proporción
verdadera de todas las pilas defectuosas tipo B fabricadas por la Everlast
Company, encuentre el máximo error de estimación tal que se pueda tener
un 95 % de confianza en que P dista menos de ε de p.