UNIDADES TECNOLOGICAS DE

SANTANDER

DISTRIBUCION MUESTRAL DE MEDIAS

MUESTRAS PEQUEÑAS
 DISTRIBUCION T STUDENT:
Esta distribución se expresa en forma de campana y simétrica, pero más achatada y con más
área en los extremos, es decir, a medida que va aumentando el tamaño de la muestra la
distribución t student se acerca a la distribución normal. Esta distribución se aplica cuando no
se conoce la desviación estándar de la población y el tamaño de la muestra es < 30

 GRADOS DE LIBERTAD:

V= n – 1 n = tamaño de la muestra


 La longitud de los tornillos producidos en una fábrica tiene media μ de 20 mm, si se
selecciona una muestra de 25 tornillos con desviación estándar de 1 mm, Calcular la
probabilidad de que:

a) La longitud media del tornillo sea superior a 20,5 mm

b) La longitud media del tornillo sea inferior a 20,5 mm
c) La longitud media del tornillo este entre 19,5y 20,5 mm

a) La longitud media del tornillo sea superior a 20,5 mm

Datos del problema: μ = 20 mm s= 1 mm n = 25 P ( X́ > 20.5) =?

X́−μ
Variante estadística t: t = s
√n
20,5−20
t= 1 = 2.5 V = n-1 = 24 Área del extreme derecho = 0,01
√25

P ( X́ > 20.5) = 0,01 = 1 %

la probabilidad de que la longitud promedio de la muestra de 25 tornillos sea

superior de 20,5 mm es del 1%
b) La longitud media del tornillo sea inferior a 20,5 mm

Datos del problema: μ = 20 mm s= 1 mm n = 25 P( X́ < 20.5) =?

X́−μ
Variante estadística t: t = s
√n
20,5−20
t= 1 = 2.5 V = n-1 = 24 Área del extreme derecho = 0,01
√ 25

P( X́ < 20.5) = 1 – 0,01 = 99%

la probabilidad de que la longitud promedio de la muestra de 25 tornillos sea

inferior de 20,5 mm es del 99%

c) La longitud media del tornillo este entre 19,5y 20,5 mm

Datos del problema: μ = 20 mm s= 1 mm n = 25 P (19,5≤ X́ ≤20.5) =?

X́−μ
Variante estadística t : t = s
√n
20,5−20
t= 1 = 2.5 V = n-1 = 24 Área leída de las dos colas es 0,02
√ 25
 19 ,5−20
t= 1 = - 2.5
√25

P (19,5≤ X́ ≤20.5) = 1 – 0,02 = 0,98 = 98%

La probabilidad de que la longitud media de la muestra de 25 tornillos este entre 19,5 y 20,5
milímetros es del 98%

ESTIMACION E INTERVALOS DE CONFIANZA

CONCEPTOS BÁSICOS DE ESTIMACIÓN

QUE ES ESTIMAR
Estimar es establecer de alguna forma el valor de un parámetro de una población cuando no se
puede conocer su valor exacto, porque por alguna razón, es imposible realizar un censo
Por ejemplo, si una EPS deseara conocer el peso promedio de todos los operarios de la construcción de
una determinada ciudad, como cualquiera se puede imaginar, es muy difícil realizar un censo para
obtener el valor de este parámetro, por lo que se recurre a un muestreo y como resultado de este
muestreo se obtiene un estadístico que se usa para estimar el parámetro de la población
Hipotéticamente, se podría registrar el peso de 200 operarios de la construcción escogidos con uno de
los métodos de muestreo, que se estudiaron anteriormente y encontrar que estos 200 operarios tienen
Un peso promedio de 78 Kg. Este valor es el que se llama estadístico y se usa para estimar el
parámetro de la población que nunca se va a conocer

COMO SE PUEDE ESTIMAR

Se puede estimar el valor del parámetro de una población de dos formas:

 Por intuición
 Usando Técnicas Estadísticas

Con frecuencia recurrimos a la intuición para hacer estimaciones como, por ejemplo:

 Les preguntamos algunos amigos si les gusta el sabor de un comestible y con base
en sus respuestas estimamos las ventas de ese producto

Las técnicas estadísticas en cambio permiten a través de métodos establecidos y comprobados

estimar el valor de un parámetro bajo incertidumbre, es decir que la afirmación que se haga sobre el
valor de este parámetro, debe contener el margen de error, que creemos se puede estar cometiendo y
el grado de confianza que tenemos sobre lo que afirmamos

ESTIMADOR
Los estimadores que más se utilizan son:

 El estimador de la media aritmética simple

 El estimador de la proporción

ESTIMADOR DE LA MEDIA ARITMETICA SIMPLE

El estimador de la media aritmética simple es suficientemente conocido por los estudiantes. Las
fórmulas son:

Xi
X́ = ∑n
 Xi FAi
X́ =∑n

ESTIMADOR DE LA PROPORCION

El estimador de la proporción resulta cuando se quiere establecer la proporción o porcentaje de

elementos de una población que poseen una determinada característica, por ejemplo, una
comercializadora de productos electrónicos puede desear estimar, a través de una muestra, la
proporción o porcentaje de estudiantes universitarios de la ciudad que utilizan celulares de la marca
SAMSUNG. La fórmula para estimar proporciones es la siguiente:

x
p=
n
Donde:

p: Proporción de la característica en la muestra

x: Número de elementos de la muestra que tiene la característica
n: tamaño de la muestra

El estadístico p se usa para estimar el parámetro P que es la verdadera proporción de estudiantes de

la ciudad que utilizan la marca LG, pero que por la imposibilidad de realizar un censo no se conoce

TIPOS DE ESTIMACIÓN:
La estimación de parámetros se puede realizar de dos formas:

 Estimación puntual
 Estimación por Intervalos

ESTIMACION PUNTUAL:
La estimación puntual ocurre cuando el parámetro de la población se estima con un solo valor que se
obtiene de aplicar la fórmula del estimador
 Ejemplo
Para estimar la edad promedio de los estudiantes que ingresaron a este semestre a nuestra
institución, se escogieron al azar 200 de ellos y se registraron sus edades. Al sumar todos estos valores
se obtuvo un total de 3520. Es decir:

∑ xi = 3520 n = 200

X́ =
∑ Xi = 3520
= 17,6 años
n 200

Con base en los datos de la muestra, la edad promedio de todos los estudiantes que ingresaron este
semestre a la universidad se estima en 17,6 años

Ejemplo
Para estimar el porcentaje de estudiantes universitarios de la ciudad, que utilizan celulares marca LG,
se escogieron al azar 720 estudiantes universitarios, encontrando que 80 de ellos utilizan celulares de la
marca investigada, es decir

X = 80 n= 720
x 80
p=
n
= 720
= 0,1111 = 11,11%

con base en los datos de la muestra se estima que la proporción de estudiantes de la ciudad que utilizan
celulares marca LG es de 11,11%
Como se puede ver la estimación puntual no mide la incertidumbre de la estimación, es decir no indica
la magnitud del error ni del grado de confianza que se obtiene en la estimación que se realiza por estas
razones se prefiere la estimación por intervalos

ESTIMACION POR INTERVALOS

En la estimación por intervalos se construye un intervalo de valores dentro del cual se espera que
contenga el parámetro de la población que se intenta estimar. A este intervalo de valores se le llama
intervalo de confianza

INTERVALO DE CONFIANZA
Es el intervalo de valores construido con los datos de la muestra dentro del cual es posible se
encuentre el parámetro de la población

NIVEL DE CONFIANZA
Es la probabilidad o riesgo de que el intervalo de confianza contenga el valor del parámetro de la
población

MARGEN DE ERROR
Es un valor que se le suma y se le resta a la estimación puntual de la media o de la proporción para
construir el intervalo de confianza, es decir:

Intervalo de confianza = Estimación puntual ± Margen de error

Para estimar la media de una población, el intervalo de confianza se construye así:

Intervalo de confianza = X́ ± Margen de error

 Intervalo de confianza = 17,6 ± Margen de error

Para estimar la proporción de una característica en una población, el intervalo de confianza, se

construye así:

Intervalo de confianza = p ± Margen de error

 FACTORES EN LA CONSTRUCCION DEL MARGEN DE ERROR
En la construcción del margen de error para estimar la media de una población intervienen cinco
elementos:

 El nivel de confianza (1 – α)
 La dispersión de los datos (varianza)
 El tamaño de la muestra (n)

El nivel de confianza es la probabilidad o riesgo de que el intervalo de confianza contenga al parámetro

de la población
Aunque se puede utilizar cualquier valor, los valores de probabilidad que con más frecuencia se
emplean para fijar el nivel de confianza son: 90%, 95% y 99%

Por ejemplo, un nivel de confianza del 90% significa que se tiene una confianza del 90% de que el
intervalo de confianza construido, contenga el parámetro de la población que se está estimando o dicho
de otra manera: Hay una probabilidad del 90% de que el intervalo de confianza, construido contenga el
parámetro de la población

El nivel de confianza lo fija el investigador escogiendo un valor que se llama VALOR Z o VALOR
TIPIFICADO. Este valor Z depende del nivel de confianza escogido y se obtiene de la tabla normal. Los
valores de Z correspondientes a los niveles de confianza antes mencionados: 90%, 95% y 99%
obtenidos de esta tabla son los siguientes:

NIVEL DE CONFIANZA 90% 95% 99%

Z 1,64 1,96 2,57

La dispersión de los datos cuando se va a estimar la media de una población se tiene cuando se
conoce la varianza poblacional o la desviación estándar de la población. Si no se conoce este parámetro
se puede estimar tomando una muestra piloto y calculando la varianza de esta muestra
La dispersión de los datos cuando se va a estimar la proporción de una característica en una
población se obtiene de una muestra piloto
 ERROR DE MUESTREO
La estimación puntual que se obtiene al calcular la media de la muestra o la proporción de la muestra
muchas veces, no coinciden con la media o con la proporción de la población. A esta diferencia entre el
valor muestral y el valor del parámetro de la población se le llama error de muestreo

E = X́ – μ

INTERVALO DE CONFIANZA PARA ESTIMAR LA MEDIA μ DE UNA

POBLACION
Distribución de Medias Muéstrales X́
Con las siguientes fórmulas se pueden determinar los límites de confianza para cada caso,
dependiendo de la desviación estándar y del tamaño de la muestra

1. Cuando se conoce la desviación estándar de la población ( α) y para cualquier del tamaño

de muestra (n) …
 Para población infinita (No se conoce el tamaño de la población N)

α
U = X́ ± z √n
 Para población finita (se conoce el tamaño de la población N)
n
Si
N
≥ 0,05

α N −n
U = X́ ± Z
√n √ N −1

2. Cuando se conoce la desviación estándar de la muestra (S) y el tamaño de la muestra

es mayor a 30 (n>30)
 Para población infinita (no se conoce el tamaño de la población)
 S
U = X́ ± z √n

 Para población finita (se conoce el tamaño de la población N)

n
Si
N
≥ 0,05
S N −n
U = X́ ± Z
√n √ N −1

3. Cuando se conoce la desviación estándar de la muestra (S) y el tamaño de la muestra

es igual o menor de 30 (n ≤ 30)

 Para población infinita

S
U= ±t X́
√n

 Para población finita

n
Si
N
≥ 0,05
S N −n
U = X́ ± t
√n √ N −1

Ejemplo 1.
Suponga que la estatura media de los hombres de una universidad tiene una desviación
estándar de 2,48 cm. Se miden 100 estudiantes, hombres, elegidos aleatoriamente y se obtiene
una estatura media de 168,52 cm.
Determine los límites de confianza del 99% para la estatura media de los hombres de esta
universidad

Solución: α = 2.48 cm n = 100 X́ = 168,52 cm Nivel de confianza = 99%

 0,99
Li =? Ls=? = 0,4950 Z = 2,57 (Tabla
2
normal)

α
U = X́ ± z √n
2.48
U= 168,52 ± 2,57 √100
U = 168,52 ± 0,64

Li = 168,52 – 0,64 = 167,88 cm

Ls = 168,52 + 0,64 = 169,16

P (167,88 ≤ U ≤ 169,16) = 99%

La probabilidad de que la estatura media de los estudiantes de esta universidad se
encuentre entre 167,88 y 169,16 cm es del 99%

Ejemplo 2
En una muestra de 60 observaciones, la media es 35 y la desviación estándar 4.2.
Obtenga los límites de confianza entre los cuales debe encontrarse la media poblacional,
con una probabilidad del 95%

Solución: n = 60 X́ = 35 S = 4.2 Nivel de confianza = 95%

 0,95
= 0,4750 z = 1,96 (Tabla Normal)
2
S 4.2
U = X́ ± z √n = 35 ± 1,96
√ 60
= 35 ± 1,062

Li = 33,94 Ls= 36,06

P (33,94 ≤ U ≤ 36,06) = 95%

La probabilidad de que la media se encuentre entre 33,94 y 36,06 es del 95%

Ejemplo 3
Un fabricante de metros metálicos, con el fin de controlar la exactitud de los mismos, tomó
una muestra de 10 y los midió con toda la precisión. Las medidas en metros fueron:

0,99 1,04 0,98 0,97 1,02 1,01 0,99 0,95 1,03 1,02
Estime con un 90% de confianza los límites para la media

Solución: X́ =
∑ Xi = 10
n 10 = 1

Σx2 = 10,0074
 Σx 2−n X́ 2 10,0074−10 (1)2
2
S = = = 0,000822
n−1 10−1

S = √ 0,000822 = 0,029

Lectura del valor t:

Grados de libertad = v = n – 1 = 10 – 1 = 9
Dos colas t = 1,8331
Nivel de significación = 100 – 90 = 10 % = 0,1

S
U = X́ ± t√n
0,029
U= 1 ± 1.8331
√ 10 = 1 ± 0,0168

Li = 0,9882
Ls = 1,0168

P (0,9832 ≤ U ≤ 1,0168) = 90%

La probabilidad de que la media de los metros metálicos se encuentre entre

0,9832 y 1,0168 metros es del 90%
 INTERVALO DE CONFIANZA PARA UNA DISTRIBUCION
MUESTRAL DE PROPORCION
Fórmulas utilizadas:
 Cuando la muestra es grande (n>30):

Para población infinita (No se conoce N)

pq
P = p± z
√ n

n
 Para población finita (Se conoce N) Si N ≥ 0,05

pq N −n
P = p± z
√ √ n N −1

1. Cuando la muestra es pequeña (n≤ 30)

pq
P = p± t
√ n

EJEMPLO 4

 Una muestra de 100 votantes elegidos al azar entre todos los de un barrio, indicaba que
el 45% de ellos estaban a favor de un candidato, hallar el intervalo de confianza del 95%
de las personas que votarían por este candidato
Solución: n = 100 p = 45% q = 55% Nivel de confianza = 95% z = 1.96

0,45 x 0.55
P = 0,45 ± 1.96
√
2

100
= 0,45 ± 0.10

Li = 0,35 Ls = 0,55

Prob (35% ≤ P≤ 55%) = 95%

Interpretación: Se estima que entre el 35% y el 55% de las personas votaran a favor
del candidato con una seguridad o confianza del 95%

EJEMPLO 5
 Una investigación efectuada a 400 familias de clase media reveló que, en la realización
de fiestas familiares, un 62% prefería el aguardiente a cualquier otra clase de licor.
Determinar el intervalo de confianza del 99% de familias que prefieren aguardiente

Solución: n = 400 familias p = 62% q = 38% Nivel de confianza = 99% z = 2,57

0,62 x 0.38
P = 0,62 ± 2.57 ❑
√ 400
= 0,62 ± 0.062

Li = 0,558 Ls = 0,682
 Prob (55,8% ≤ P≤ 68,2%) = 99%
Interpretación: Se estima que entre el 55,8% y el 68.2 % de las familias preferirán el
aguardiente en las fiestas familiares con una confianza del 99%

EJEMPLO 6

 En un barrio de la ciudad se efectúa un muestreo para determinar la proporción de familias que

poseen internet. La muestra de tamaño 30 indica que 12 tiene internet

Establecer un intervalo de confianza del 90%, para estimar la proporción de familias que no
poseen internet

18 12
Solución: n = 30 familias p= = 0,60 q = = 0,4
30 30
Nivel de confianza = 90% Grados de libertad = n – 1 = 30 -1 = 29
Dos colas
Nivel de significación (α ) = 100 – 90 = 10 = 0,1
t = 1,70 ( de la tabla t student)

P = p± t pq = 0,60 ± 1.70
√ n
0.6 x 0.4 = 0,60 ± 0,152
√ 30
Li = 0,448
Ls = 0,752
 Prob 44,8% ≤ P≤ 75,2%) = 90%
Interpretación: Se estima que entre el 44,8% y el 75.2 % de las familias no poseen
internet con una confianza del 90%