UNIVERSIDAD LAICA
VICENTE ROCAFUERTE DE GUAYAQUIL
CARRERA DE PERIODISMO
ASIGNATURA:
ESTADÍSTICA II
Mg. Héctor Onofre
SEMESTRE 4to
PARALELO: “A”
2019
1. ESTIMACIÓN
• ESTIMADOR PUNTUAL
• INTERVALO DE CONFIANZA
• ESTIMADORES PUNTUALES E INTERVALOS DE CONFIANZA DE
UNA MEDIA
• DESVIACIÓN ESTÁNDAR DE LA POBLACIÓN CONOIDA (σ)
• DESVIACIÓN ESTÁNDAR POBLACIONAL (σ) DESCONOCIDA
INTRODUCCIÓN
En esta unidad se estudian diversos aspectos importantes del muestreo.
El primer paso es el estudio del estimador puntual. Un estimador puntual
consiste en un solo valor (punto) deducido de una muestra para estimar el
valor de una población.
Por ejemplo, supongamos que se elige una muestra de 50 ejecutivos de nivel
medio y le pregunta a cada uno de ellos la cantidad de horas que laboró la
semana pasada. Se calcula la media de esta muestra de 50 y se utiliza el valor
de la media muestral como estimador puntual de la media poblacional
desconocida. Un enfoque que arroja más información consiste en presentar
un intervalo de valores del que se espera que se estime el parámetro
poblacional. Dicho intervalo de valores recibe el nombre de intervalo de
confianza.
ESTIMACIONES
Cuando está por cruzar una calle, hace una estimación de la velocidad del
automóvil que se acerca, de la distancia que hay entre usted y el auto y de su
propia velocidad. Habiendo hecho rápidamente todas estas estimaciones, usted
decide si espera, camina o corre.
Los administradores también deben hacer estimaciones rápidas. El resultado de
estas estimaciones puede afectar sus organizaciones de manera tan seria como el
resultado de su decisión de cruzar la calle. Los jefes de departamento de una
universidad hacen estimaciones acerca de las inscripciones para el semestre
siguiente en las materias. Los directores de crédito estiman si un cliente pagará o
no sus débitos. Los futuros compradores de casa hacen estimaciones concernientes
al comportamiento de las tasas de interés de los préstamos hipotecarios. Todas
estas personas hacen estimaciones sin preocuparse de si son científicas o no, pero
con la esperanza de que las estimaciones tengan una semejanza razonable con el
resultado.
Los administradores utilizan estimaciones porque, hasta en los
asuntos más triviales, deben tomar decisiones racionales sin contar
con la información pertinente completa y con una gran
incertidumbre de lo que en el futuro pueda deparar. Como
ciudadanos instruidos y profesionales, podremos hacer
estimaciones más útiles si aplicamos las técnicas descritas.
¿De qué manera los administradores utilizan estadísticas para
estimar los parámetros de una población? El jefe de departamento
de alguna universidad intenta estimar el número de inscripciones
que tendrá el siguiente semestre a partir de las inscripciones
actuales en los mismos cursos. El director de un departamento de
crédito intentará estimar el valor crediticio de los futuros clientes a
partir de una muestra de sus hábitos de pago.
Como tomadores de decisiones, nos veremos forzados en ocasiones, a
confiar en nuestros presentimientos. Sin embargo, en otras situaciones, en las
que dispongamos de información y podamos aplicar los conceptos de
estadística, tendremos mejores resultados.
TIPO DE ESTIMACIONES
Podemos hacer dos tipos de estimaciones concernientes a una población:
una estimación puntual y una estimación de intervalo.
Una estimación puntual es un solo número que se utiliza para estimar o
calcular un parámetro de población desconocido.
Ejemplo:
.
Mientras observa al primer integrante de un equipo de fútbol americano
salir al campo de juego, se dice: “¡Caramba! Apuesto a que el peso
promedio de los jugadores defensivos es de 125 kilogramos”, usted ha
hecho una estimación puntual. El jefe de departamento de una
universidad estaría haciendo una estimación puntual si afirmara:
“Nuestros datos actuales indican que en esta materia tendremos 350
estudiantes el siguiente semestre.”
A menudo, una estimación puntual es insuficiente debido a que sólo
tienen dos opciones: es correcta o está equivocada. Si le dicen
solamente que la afirmación sobre la inscripción está equivocada, no
sabe qué tanto está mal y no puede tener la certeza de que la
estimación es confiable.
Si se entera de que sólo está errada por 10 estudiantes, podría aceptar a
350 estudiantes como una buena estimación de la inscripción futura.
Pero si se está equivocada en 90 estudiantes, la rechazará como
estimación de la inscripción futura. Entonces, una estimación puntual es
mucho más útil si viene acompañada por una estimación del error que
podría estar implicado.
Una estimación de intervalo es un rango de valores que se utiliza para
estimar un parámetro de la población. Una estimación de este tipo indica
el error de dos maneras: por la extensión del intervalo y por la
probabilidad de que el verdadero parámetro diría como lo siguiente:
“Estimo que la inscripción real de este curso para el próximo semestre
estará entre 330 y 380, y es muy probable que la inscripción exacta
caiga dentro de este intervalo.” Con esto tiene una mejor idea de la
confiabilidad de su estimación. Si el curso se imparte en grupos de 100
estudiantes cada uno y si, tentativamente, se han programado cinco
cursos, entonces, de acuerdo con la estimación, puede cancelar uno de
los grupos y abrir uno optativo.
ESTIMADOR Y ESTIMACIONES
Cualquier estadístico de la muestra que se utilice para estimar un
parámetro poblacional se conoce como estimador, es decir, un
estimador es un estadístico de la muestra utilizado para estimar un
parámetro poblacional. La media de la muestra x puede ser un
estimador de la proporción de la población µ, y la proporción de la
muestra se puede utilizar como un estimador de la proporción de la
población. También es posible emplear el rango de la muestra
como un estimador del rango de la población.
Cuando hemos observado un valor numérico específico de nuestro
estimador, nos referimos a ese valor como una estimación.
En otras palabras, una estimación es un valor específico observado
de un estadístico. Hacemos una estimación si tomamos una muestra
y calculamos el valor que toma nuestro estimador en esa muestra.
Supongamos que calculamos la lectura media de un odómetro
(kilometraje) a partir de una muestra de taxis en servicio y
encontramos que es 156,000 kilómetros. Si utilizamos este valor
específico para estimar el kilometraje de la flota de taxis completa,
el valor obtenido de 156,000 kilómetros sería una estimación.
Población en la Parámetros de Estadístico de la Estimación que
que estamos población que muestra que realizamos
interesados deseamos estimar utilizaremos como
estimador
Empleados de una fábrica Rotación media de Rotación media de 8,9% de rotación por año
de muebles empleados por año empleados en un mes
Candidatos a gerente la Educación formal media Educación formal media 17,9 años de educación
ciudad de Chapel Hill (años) de cada quinto solicitante formal
Adolescentes de una Proporción que tiene Proporción de una 0,02 o 2% tienen
comunidad dada antecedentes penales muestra de 50 antecedentes penales.
adolescentes que tiene
antecedentes penales
CRITERIOS PARA SELECCIONAR UN BUEN ESTIMADOR
Algunos estadísticos son mejores estimadores que otros.
Afortunadamente, podemos evaluar la calidad de un estadístico como
estimados mediante el uso de cuatro criterios:
1. Insesgado. Esta es un propiedad deseable para un buen estimador. El
término insesgado se refiere al hecho de que una media de la
muestra es un estimador no sesgado de una media de la población
porque la media de la distribución muestral de la medias de las
muestras tomadas de la misma población es igual a la media de la
población misma. Podemos decir que un estadístico es un estimador
insesgado (o no sesgado) si, en promedio, tiende a tomar valores
que están arriba del parámetro de la población que se está
estimando con la misma frecuencia y la misma extensión con la que
tiende a asumir valores abajo del parámetro poblacional que se está
estimando.
2. Eficiencia. Otra propiedad deseable de un buen estimador es que sea
eficiente. La eficiencia se refiere al tamaño del error estándar del
estadístico. Si comparamos dos estadísticos de una muestra del
mismo tamaño y tratamos de decidir cuál de ellas es un estimador
más eficiente, escogeríamos la estadística que tuviera el menor error
estándar o la menor desviación estándar de la distribución muestral.
Suponga que escogemos una muestra de un tamaño determinado y
debemos decidir si utilizamos la media de la muestra o la mediana
de la muestra para estimar la media de la población. Si calculamos el
error estándar de la media de la muestra y encontramos que es 1,05
y luego calculamos el error estándar de la media de la muestra y
tenemos que éste es 1,6 diríamos que la media de la muestra es un
estimador mas eficiente de la media poblaciones ya que su error
estándar es menor. Tiene sentido pensar que un estimador con un
error estándar menor (con menos variación) tendrá mayor
oportunidad de producir una estimación más cercana al parámetro
poblacional que se está considerando.
3. Consistencia. Una estadística es un estimador consistente de un
parámetro de población si al aumentar el tamaño de la muestra, se
tiene casi la certeza de que el valor de la estadística se aproxima
bastante al valor del parámetro poblacional. Si un estimador es
consistente, se vuelve más confiable al tener tamaños de muestra
más grandes. Si usted se pregunta acerca de la posibilidad de
aumentar el tamaño de la muestra para obtener más información
sobre un parámetro poblacional, averigüe primero si su estadístico es
un estimador consistente o no. Si no lo es, desperdiciará tiempo y
dinero al tomar muestras más grandes.
4. Suficiencia. Un estimador es suficiente si utiliza tanta información de
la muestra que ningún otro estimador puede extraer información
adicional acerca del parámetro de población que se está estimando.
Un estadístico de la muestra dado no siempre es el mejor estimador de
su parámetro poblacional correspondiente. Considere una población
con distribución simétrica, en la que los valores de la mediana y de la
media coinciden. En este caso, la media de la muestra sería un
estimador imparcial de la mediana de la población. También, la media
de la muestra sería un estimador consistente de la mediana de la
población puesto que, al aumentar el tamaño de la muestra, el valor de
la media de la muestra tenderá a acercarse bastante a la mediana de la
población. Y la media de la muestra sería un estimador más eficiente de
la mediana de la población que la mediana de la muestra misma, ya que
en muestras grandes, la media de la muestra tiene un error estándar
menor que la de la mediana de la muestra. Al mismo tiempo, la
mediana de la muestra de una población con distribución simétrica sería
un estimador imparcial y consistente de la media de la población, pero
no el más eficiente, porque en muestras grandes su error estándar es
mayor que el de la media de la muestra.
Los siguientes ejemplos ilustran los estimadores puntuales de
medias poblacionales:
1. El turismo constituye un fuente importante de ingresos para
muchos países caribeños, como Barbados. Suponga que la
oficina de Turismo de Barbados desea un cálculo aproximado de
la cantidad media que gastan los turistas que visitan el país. No
resultaría viable ponerse en contacto con cada turista. Por
consiguiente, se selecciona al azar a 500 turistas en el momento
en que salen del país y se les pregunta los detalles de los gastos
que realizaron durante su visita a la isla. La cantidad media que
gastó la muestra de 500 turistas constituye un cálculo
aproximado del parámetro poblacional desconocido. Es decir, la
media muestral es el estimador puntual de la media poblacional.
2. Litchfield Home Builder, Inc., construye casas en la zona sureste de
Estados Unidos. Una de las principales preocupaciones de los
compradores es la fecha en que concluirán las obras. Hace poco
Litchfield comunicó a sus clientes: “Su casa quedará terminada en 45
días a partir de la fecha de instalación de los muros”. El
departamento de atención a clientes de Litchfield desea comparar
este ofrecimiento con experiencias recientes. Una muestra de 50
casas terminadas este año reveló que el número medio de días de
trabajo a partir del inicio de la construcción de los muros a la
terminación de la casa fue de 46.7 días hábiles. ¿Es razonable
concluir que la media poblacional aún es de 45 días y que la
diferencia entre la media muestral (46,7 días) y la media poblacional
propuesta es una error de muestreo? En otras palabras, ¿la media
muestral difiere en forma significativa de la media poblacional?
3. Estudios médicos recientes indican que el ejercicio constituye
una parte importante de la salud general de una persona. El
director de recursos humanos de OCF, fabricante importante de
vidrio, desea calcular la cantidad de horas semanales que los
empleados dedican al ejercicio. Una muestra de 70 empleados
revela que la cantidad media de horas de ejercicio de la semana
pasada fue de 3.3. La media muestral de 3.3 horas aproxima la
media poblacional desconocida, la media de horas de ejercicio
de todos los empleados.
La media muestral, X, no es el único estimador puntual de un
parámetro poblacional. Por ejemplo, p, una proporción muestral, es
un estimador puntual de π, la proporción poblacional; y s, la
desviación estándar muestral, es un estimador puntual de σ, la
desviación estándar poblacional.
ESTIMACIONES PUNTUALES.
La media de la muestra x es el mejor estimador de la media de la población
µ. Es insesgada, consistente, el estimador más eficiente y, siempre y cuando la
muestra sea suficientemente grande, su distribución muestral puede ser
aproximada por medio de la distribución muestral.
Así, al usar la media de la muestra, x como estimador, la estimación puntual
de la media de la población, µ, es 102 chips por caja. El precio de fabricación
de cada chip es bastante bajo (alrededor de 0,25 centavos), de modo que
tanto el comprador como el vendedor aceptarían esta estimación puntual
como base para la facturación y el fabricante puede ahorrarse el tiempo y el
gasto de contar los chips contenidos en las cajas.
NOTA: Elabore el ejercicio en clases utilizando la hoja proporcionada por el
docente.
