ESTADISTICA INFERENCIAL I “DESARROLLO DE TEMAS”

Unidad 2.
TEMAS SUBTEMAS ACTIVIDADES
2.1 Distribución muestral Presentación del tema
Introducción. de la diferencia de Definición y caracterización
2.2 proporciones. https://www.youtube.com/watch?v=cMqgG_lBC2U
Características Distribución t-student. https://www.youtube.com/watch?v=kQWBF7iesnU
de un Distribución muestral Clasificación, cálculo y procedimiento
estimador. de la varianza. Aplicación en la solución de problemas.
Distribución muestral a) Calculo de Intervalo de confianza para la media.
2.3 Estimación
de la relación de
puntual. b)
varianzas
2.4 Estimación 2.4.1 Intervalo de
por intervalos. confianza para la media.
2.4.2 Intervalo de
confianza para la
diferencia de medias.
2.4.3 Intervalos de
confianza para la
proporción.
2.4.4 Intervalos de
confianza para la
diferencia de
proporciones.
2.4.5 Intervalos de
confianza para la
varianza.
2.4.6 Intervalos de
confianza para la
relación de varianzas.
2.5 2.5.1 Basado en la
Determinación media de la Población.
del tamaño de 2.5.2 Basado en la
muestra. proporción de la
Población.
 ESTADISTICA INFERENCIAL I “DESARROLLO DE TEMAS”

ESTIMADOR PUNTUAL:

Las distribuciones muestrales proporcionan información útil para seleccionar el mejor estimador. ¿QUÉ CARACTERISTICAS SERIAN VALIOSAS?, La
distribución muestral del estimador puntual debe estar centrada en el valor verdadero del parámetro por estimar; el estimador no debe subestimar o
sobreestimar regularmente el parámetro de interés; se dice que tal estimador es no sesgado si la media de su distribución es igual al valor verdadero
del parámetro.

La figura siguiente muestra un estimador sesgado a la derecha y un y un estimador segado a la izquierda. La distribución muestral para el estimador
sesgado se desplaza a la derecha o a la izquierda del valor verdadero del parámetro lo cual representa mayores probabilidades de sobreestimar el
valor del parámetro que uno no sesgado:

ESTIMADOR SESGADO

ESTIMADOR NO
SESGADO

Valor verdadero del

parámetro

DEFINICIÓN:
La distancia entre una estimación y el parámetro estimado se llama “error de estimación”
Cuando que los tamaños muestrales son siempre grandes y, por tanto, que los estimadores insesgados tienen distribuciones muestrales que pueden
ser aproximadas por una distribución normal (por el teorema del límite central).
Un estimador puntual con una distribución normal, la regla empírica dice que aproximadamente 95% de todas las estimaciones puntuales estarán a no
más de dos (o más exactamente, 1.96) desviaciones estándar de la media de esa distribución. Para estimadores insesgados, esto implica que la
diferencia entre el estimador puntual y el verdadero valor del parámetro será menor a 1.96 desviaciones estándar o 1.96 errores estándar (SE). Esta
cantidad, llamada el 95% de margen de error (o simplemente “margen de error”), da un límite superior práctico para el error de estimación (véase la
figura). Es posible que el error de estimación exceda este margen de error, pero eso es muy poco probable.
La variabilidad del estimador se mide usando este error estándar. No obstante, usted podrá haber observado que el error estándar suele depender de
parámetros desconocidos, por ejemplo “s o p” Estos parámetros deben estimarse usando estadísticas muestrales como son s y ^p.. Aun cuando no
exactamente correcto, por lo general los experimentadores se refieren al error estándar estimado como el error estándar.
ESTADISTICA INFERENCIAL I “DESARROLLO DE TEMAS”

Calculamos para un nivel del 95% de todas las estimaciones puntuales estarán a no más de dos (o más exactamente, 1.96) desviaciones estándar de
la media de esa distribución. A esto le llamamos que hay 95% de confiabilidad que se encuentre la variable de estimación del parámetro para este
valor critico encontramos el número crítico Z, de las tablas: Como podemos escribir del lado de -Zα/2 corresponde -Z0.025 el valor crítico es -1.9

EL MARGEN DE ERROR
s
Para estimar la media poblacional μ y el estimador puntual x́ es no sesgado con error estándar σ x́ =
√n
El margen de error para 95% cuando n≥ 30 es: El margen de error para 99% cuando n≥ 30 es:

S S
El margen de error = ∓ 1,96 , El margen de error = ∓ 2.57 ,
√n √n

S
PARA CUALQUIER NIVEL DE CONFIANZA EL MARGEN DE ERROR ES E= ∓ Z α /2 ,
√n

UN INTERVALO PARA UNA MUESTRA GRANDE PARA LA MEDIA μ:

σ
x́ ± Z α /2
√n
Cuando se conoce σ usamos la fórmula anterior y donde Z α /2 es el valor Z correspondiente a un
área α /2 en la cola superior de una distribución Z normal estándar y
n= tamaño muestral
σ =desviación estándar de la población muestreada

Siσ es desconocida, puede ser aproximada por la desviación estándar muestral s cuando el
tamaño muestral sea grande (n ≥30) y el intervalo aproximado de confianza es:

S
x́ ± ∓ Zα /2
√n
ESTADISTICA INFERENCIAL I “DESARROLLO DE TEMAS”

x́ x́
S S
- Z α /2 Z α /2 +
√n √n

PARA EL INTERVALO DE CONFIANZA TENEMOS: conociendo σ y si no usar s

Para la media:
σ σ
(
P x́−Z α
2 √n
< μ< x́+ Z α
2 √n
)
PARA EL INTERVALO DE CONFIANZA PARA UNA PROPORCIÓN TENEMOS:
Para la proporción:
pq
^p ± Z α / 2
√ n

pq pq
(
P ^p −Z α
2
n √
< P< ^p + Z α /2
n √ )
x
Recordar que ^p=
n

INTERVALO DE CONFIANZA de (1 – α )100% para muestra grande:

Conjunto de valores que se forma a partir de una muestra de datos de forma que exista la
posibilidad de que el parámetro poblacional ocurra dentro de dicho conjunto con una probabilidad
específica. La probabilidad específica recibe el nombre de nivel de confianza.

Intervalo de confianza para la media:

FORMULAS:
ESTADISTICA INFERENCIAL I “DESARROLLO DE TEMAS”

σ
( ESTIMADOR PUNTUAL ) ± Z α ( ERROR DEL ESTIMADOR )= x́ ± Z α / 2
2 √n

EJEMPLO:

1. Un científico interesado en vigilar contaminantes químicos en alimentos y por lo tanto, la

acumulación de contaminantes en la dieta humana, seleccionó una muestra aleatoria de n=50
adultos hombres. Se encontró que el promedio de ingesta diaria de productos lácteos fue de x́
=756 gramos por día, con una desviación estándar de s=35 gramos por día.

Use esta información muestral para construir un intervalo de confianza de 95% para la ingesta
diaria media de productos lácteos para hombres.

Solución: Como el tamaño muestral de n=50 es grande, la distribución de la media muestral x́ está
distribuida normalmente en forma aproximada, con media μ y error estándar estimado
S
E( S)= El intervalo de confianza aproximado de 95% es
√n
S
x́ ± Z α /2 → PARA N . C=0.95 ENCONTRAMOS Z α / 2
√n
α =1−NC =1−0.95=0.05
α /2=0.025
Para z a /2=z 0.025=−1.96

Z=-1.96 Z=1.96

DATOS:

n=50

x́ =756
S= 35
ESTADISTICA INFERENCIAL I “DESARROLLO DE TEMAS”

σ σ σ
Para x́ ± Z α /2 x́−Z α < μ< x́ + Z α /2
√n 2 √n √n

P(756−1.96 ( √3550 )< μ<756+1.96 ( √3550 ))

746.29< μ<765.70

746.29
756 765.7

EJEMPLO:2 De una población de 800 estudiantes se escoge una muestra de 45 alumnos a quienes
de les aplica una prueba para determinar sus tiempos de reacción a una solución de un problema.
Si se determina que la media del tiempo de reacción es 0.75 segundos y la desviación estándar
σ =0.15 segundos . Encontrar el intervalo de confianza para el 95% para el tiempo de reacción de
la población de 800 estudiantes, de la μ

DATOS:

N=800
n=45
La es x́=0.75 segundos
σ =0.15 segundos .
σ
Buscamos: x́ ± Z α /2 para el 95%
√n

σ
√ ❑ x́ +Z α /2 σ N−n
x́−Z α / 2
√n √n √ N−1

Para Z BUSCAMOS EN LA TABLA EL VALOR DE α =¿1-0.95=0.05 → α=0.05 implica que α/2=

0.025

Z= -1.96 Y Z=1.96

El error estándar en este caso como se conoce la población lleva corrección

ESTADISTICA INFERENCIAL I “DESARROLLO DE TEMAS”

Error estándar de la media cuando se hace un muestreo sin reemplazo y población finita

σ N −n 0.15 800−45
σ x́ =
√ =
√ n N −1 √ 45 800−1√=0.021736

Error máximo de estimación= E= Z α /2∗¿ σ x́ =(1.96)(0.021736)=0.042603

El intervalo es: 0.75−0.042603< μ<0.75+ 0.042603
0.7079< μ< 0.7926
EJEMPLO.3

1. Se toma una muestra de 250 observaciones de una población normal en la cual la desviación estándar
poblacional se sabe que es de 25. La media de la muestra es de 20.

DATOS:
n=250
σ =25
σ 25
x́=20 . a) Determina el error estándar de la media: σ x́ = =σ x́ = =1.581138
√n √ 250

b)Calcular para un intervalo de confianza del 95% :

s
x́ ± Z α /2
√n
n=250
σ =25
x́=20 .
25
σ x́ = =1.581138. −Z α /2
√ 250
Z 0,025
N.C=0.95

Z 0,025=1.96
El intervalo de confianza es: 16.90< μ<23.099

EJERCICIOS:

1. Encuentre el intervalo de confianza del 95% para una media poblacional μ para estos
valores:

a). n =36, x́ =13.1, s2=¿ 3.42 s=√ 3.42

ESTADISTICA INFERENCIAL I “DESARROLLO DE TEMAS”

b). n =64, x́ =2.73, s2= 0.1047

2. Una muestra aleatoria de n mediciones se selecciona de una población con media

desconocida μ y desviación estándar σ =¿10 conocida. Calcule el ancho de un intervalo de
confianza de 95% para μ para estos valores de:

a) n= 100 b) n= 100 c) n= 200 d) n =400

σ σ
x́−Z α < μ< x́ + Z α
2 √n 2 √n

3. Encuentre un intervalo de confianza (1 -a)100% para una media poblacional μ para estos
valores: a) α =0 .01, n=38, x́=¿ 34, s2=12

b) α =0 .10, n=65, x́=1049 s2=51

c) α =0 .05, n=89, x́=¿ 34, s2=2.48

4. La doctora Susan Benner es psicóloga industrial. En este momento estudia el estrés en los
ejecutivos de las compañías de internet. Elaboró un cuestionario que cree que mide el estrés.

Un resultado de 80 indica un nivel de estrés peligroso. Una muestra aleatoria de 15

ejecutivos reveló los siguientes niveles de estrés.

94 78 83 90 78 99 97 90 97 90 93 94 100 75 84

a) Determine el nivel medio de estrés de esta muestra. x́=¿

¿Cuál es el estimador puntual de la media poblacional? μ x́ =¿
b) Construya el intervalo de confianza de 95% de la media poblacional.
c) ¿Es razonable concluir que los ejecutivos de internet tienen un nivel medio de estrés
peligroso, según el cuestionario de la doctora Benner? Si es peligroso porque el nivel
inferior es de 85 Vs 80
DATOS:

n=15
n

a)
∑ xi 1342
94 +78+83+ … 84 = 15 =89.46666
i=1
x́= =
nk 15
ESTADISTICA INFERENCIAL I “DESARROLLO DE TEMAS”

s= √∑ ¿¿ ¿ ¿ = 8.078778

¿Cuál es el estimador puntual de la media poblacional? μ x́ =x́=89.5

√∑ ¿ ¿ ¿ ¿
b) Construya el intervalo de confianza de 95% de la media poblacional.

1−α=0.95 despejo alfa y

1−α=0.95
α 0.05
α =1−0.95=0.05 → = =0.025
2 2
σ
x́ ± Z α /2 .
√n
Z 0.025=−1.96 Z 0.025=1.96
s
σ x́ =
√n
σ σ
x́−Z α < μ< x́ + Z α
2 √n 2 √n

8.078778 8.078778
89.5−1.96 < μ<89.5+1.96 → 85.411< μ< ¿ 93.588
√15 √ 15

c) ¿Es razonable concluir que los ejecutivos de internet tienen un nivel medio de estrés
peligroso, según el cuestionario de la doctora Benner? Si es peligroso porque el nivel
inferior es de 85 Vs 80 R: SI ES RAZONABLE

Muestra: n=15

94+ 79+ 83+…+ 84 1342

x́= = =89.47
15 15

∑ ( x i− x́)2 =8.0787787
s=
√ n−1
ESTADISTICA INFERENCIAL I “DESARROLLO DE TEMAS”

PARA EL INTERVALO DE CONFIANZA PARA UNA PROPORCIÓN TENEMOS:

Para la proporción:
pq
^p ± Z α / 2
√ n

pq pq
(
P ^p −Z α
2
n √
< p< ^p + Z α /2
n √ )
EJEMPLOS:
1. Una muestra aleatoria de 985 “probables” electores, o sea los que probablemente voten en
la próxima elección, fueron encuestados durante un maratón telefónico realizado por el
Partido Republicano. De ellos, 592 indicaron que tenían la intención de votar por la
candidata republicana.
Construya un intervalo de confianza de 90% para p, la proporción de electores probables
de la población que tienen la intención de votar por la candidata republicana. Con base en
esta información, ¿se puede concluir que la candidata ganará la elección?

Solución: La estimación puntual para p usamos:

pq pq
(
P ^p −Z α
2
n √
< p< ^p + Z α /2
n √ )
x
Recordar que ^p=
n
n ^p ≥5 y n q^ ≥ 5 es adecuada a la aproximación
DATOS:
592
^p= =0.60
985
Calcular Z α
2
α
N.C=0-90 α =1−0.90=0.10 =0.05
2

-1.645 1.645

α
N.C=0.9 α =1−0.9=0.10 =0.05 Z 0.05=−1.645
2

pq pq
(
P ^p −Z α
2
n √
< p< ^p < Z α /2
n √ )
ESTADISTICA INFERENCIAL I “DESARROLLO DE TEMAS”

¿CUANTO VALE p y q? Aquí es que pueden votar o no y esto es que p= 0.50 y

q=0.5
0.5∗0.5 0.5∗0.5
(
P 0.6−1.645
√ 985
< P<0,6+1.645
√
985 )
El intervalo para un nivel confianza del 90% es P ( 0.57< P<0.63 )

57 % < P<63 %

2. El propietario de West End Kwick Fill Gas Station desea determinar la proporción de
clientes que utilizan tarjeta de crédito o débito para pagar la gasolina en el área de las
bombas. Entrevistó a 100 clientes y descubre que 80 pagaron en ella.
a) Calcule el valor de la proporción de la población. P= p=? los clientes tienen posibilidad
de pagar con tarjeta o con efectivo=q por lo tanto p=0.50 y q=0.50

DATOS:
n=100
x=80
80
^p=?= =0.80 .
100

b) Construya el intervalo de confianza de 95% de la proporción poblacional.

pq pq
( ^p −Z α
2 √ n √ )
< p< ^p < Z α /2
n

80
^p=?= =0.80
100
Z α =Z 0.025=∓1.96
2

pq 0.5∗0.5
σ X́ =
√ √
n
=
100
=0.05

INTERVALO: 0.8-(1.96)*(O.05)<P<0.8+(1.96)*(0.05) ESTO ES 0.702 < P < 0.898

70.2% < P < 89.8%

c) Interprete sus conclusiones.

3.Una muestra aleatoria de n =300 observaciones de una población binomial produjeron x =263
éxitos. Encuentre un intervalo de confianza de 90% para p, e interprete el intervalo.
ESTADISTICA INFERENCIAL I “DESARROLLO DE TEMAS”