INFERENCIA ESTAOisTICA

Proceso y resultado de extraer conclusiones .respecto a una poblaCi6n a partir de una 0 mas muestras.

INFERENCIA ESTADisTICA
Estadistica Descriptiva e Inferencial, Cordova. (2003). 5ta ed. Capitulo: 9 Manuel

_....

obtenci6n de la muestra

--+ conclusiones


danielmavila@yahoo.es
2

LEYES DEL MUESTREO
1. Ley de los grandes numeros: Si el numero de pruebas es suficientemente grande aumenta la probabilidad de que Ia muestra represente ala poblacion a la que pertenece. 2. Ley de la.r.e~lap<4d"estadistica: un conjunto de "n" unidades tomadas al azarde'unc'onjunto "N", es casi seguro 'que tenga las caracteristicas del grupo mas grande. 3. Ley de la mercia de los grandes numercs: Bn muchos fenomenos, cuando una parte varia en una direccion, es probable que una parte igual del mismo grupo, varieen .direccion opuesta, 4. Ley de la permanencia de l'OS mimeros: Si una muestra suficientemente .grande es representativa de la poblacion, una segunda muestra de .igualrnagnitud debera sersemejante a la pnmera,
3

Problemas de interes de la iaferencia estadistica a) Problema de estimaci6n: i,Porqu:e.una encuesta de 1 500 personas permite .predecir bastante bien el resultado de una eleccion can 1-0 millones de votantes? ),Como se coasigue? i,C6mo se mide la precision del resultado?

de test de hip6tesis (contraste de hiootesis). test .de significac.i6n (contraste de significaci6n):
b)Pr:oulema Las normas de calidad exigen que, en un lote de 5 000 bombiHas, a lo sUII1oe13% pueden durar menos de 1 000 horas,
En unestudio decontrol de calidad de una fabrica de bombillas seria muy costoso examiner cada una. Se decide usar una muestra de 50,0

bombillas. Si obtenemos el 3,2% de bombillas defectuosas l,deberiamos
dec1arar el lote complete defectuoso?
4

Problema de estimacion
Se busca precisar una caracteristica totalmente desconocida de la poblacion a partir de los datos obtenidos sabre una muestra, Estimar el porcentaje de la poblacion (10 millones) que votara a favor del candidato Falopio a partir de una muestra de 1 sao votantes.

Problema de test de hipotesis
Se busca comprobar alguna informacion sabre la poblacion a partir de los datos obtenidos de una muestra. El candidato Falopio obtendra mas del 65% de los votos. Menos del 3 % de las bombillas del lote de 5 000 duran menos de 1 000 horas. Las bombillas duran mas de 1 000 horas en promedio,

o estimar

la duracion promedio de las bombillas del lote de 5000 a partir de una muestra de 500.
5

6

Ejemplo de Prueba de hipotesis

! Ejernplo

de Prueba de hipotesis

Lospaquet~s de harina marca Maca de la Pirinaca de medio kilogramo afinnan contener en su etiqueta un contenido neto de 500 gr. Supongamos que deseamos evaluar dicha afirmacion a partir de nuestra creencia de que los paquetes contienen menor cantidad de harina, Para ello, se eligen al azar 50 paquetes y se los pesa con una balanza de precision, obteniendo los siguientes datos muestrales: 492 gr. S = 34,4 gr.

Aunque desconocemos como se distribuye el peso de los paquetes, por tratarse de una mnestra grande en> 30) usaremos la distribucion normal esrandar a fin de hallar nuestro valor critico. Para un nivel de significacion de 0,05 la tabla correspondiente arroja un valor de z" = -1,645.

x=

Planteamos entonces la hipotesis aula y alternativa: Ho: {m 2: 500 gr} H[ : {m < 500 gr}. Para Larealizacion del test, usaremos un nivel de significaci-on del Q; = 0,05.
7

6444 el valor calculado del estadistico de prueba no alcanza a caer en zona de rechazo. tiene una distribucion de probabilidad distinta a la normal) 10 Inferencia Estadistica Parametrica Hacesuposiciones acerca. 11 Test parametricos mas usados .644 Dado que -1.Prueba para la media de una poblacion can distribucion de probabilidad normal con varianza desconocida .Tn Reemplazando en el mismo por los datos del ejercicio se obtiene . a la inferencia estadistica parametrica le corresponde hacer inferencias acerca de los parametres poblacionales..645 < -1. b) No Parametrica (la poblacion de origen .4/7.07) = -1.500) 1(34.de ·la naturaleza de las' poblaciones de las cuales se derivan las observaciones.Prueba para la varianza de una poblacion normal . 9 a Segun la distribucion de probabilidad de la poblacion de origen.Ejemplo de Prueba de hipotesis INFERENCIA ESTADISTICA x-m El estadistico que utilizaremos -es: . al nivel de significacion del 5% no se puede rechazar la hipotesis nula.Igualdad de varianzas .que: z ~ (492 . Considerando que las poblaciones vestan caracterizadas porparametros.Prueba para la igualdad de dos distribucioncs normales independientes . Par 10 tanto. no existen argumentos para afirmar que los paquetes de harina Maca de la Pirinaca contienen (en promedio) menos que 10 anunciado en sus etiquetas. E8 decir. la inferencia estadistica se c1asifica en: a) Parametrica (la poblacion de origen tiene una distribucion de probabilidad normal).

Las pruebas estadisticas no parametricas estan basadas en un modelo que especifica solo condiciones muy generales y ninguna aeerea de Ia 'forma especifica de la distribuei6n de la cual fue obtenida la muestra. un pararnetro poblacional cuyo valor se desea conocer a partir de . Ausencia de sesgo (Centrado 2. :"_" . . 0 insesgado) que utllizamospara estimar el valor de e.. El valorconcreto de e es la estlmacion. • '. Suficiencia 5. una muestra.· Xn) 4.-. -Consistencia . o.Inferencia Estadistica No Parametrica Coneste tipo de inferencia el conjunto de suposiciones de partida se reduce. Robustez es una funci6n que depende de ia muestra y I~ lIamaremosestimador.X2.. Sea un estadlstlco (funci6n de la muestra) . Error 15 cuadrattco media 16 .~ .Prueba de bondad del ajuste: • TestChi-Cuadrado ajuste (Pearson) • Test de Kolmogorov muestra . ~:\. .' Test no parametricos mas usados (1) '.Prueba de aleatoriedad • Test de rachas . (Precision) B = T(X1.Pruebas de independencia • Test Ji-Cuadrado para independencia 14 ~"'" . . (Coherencia) ~ Observa que el estadistico: 3. j " de bondad del Smirnof de una i· 13 Sea () una caracteristica. . Estimaci6n Propiedades deseables en los estimadores B 1. 0 incluso desaparecen. Eficiencia .

Una estadistica Les un estimador coherente de un parametro vde poblacion._~-~ ~ -. Par ejemplo. se sabe que la mediaes un estimador insesgado..o. Cuando se calcula Ia mediana de una muestra solo se utiiizaa un datoo a des. se tiene casi la certeza .Un estimadores suficiente si utiliza una cantidad de la informacion coatenida de Lamuestra y ql.se refiere al tamafio del error estandar de laestadistica.. e. Si comparamos dos estadisticas de una muestra del mismo tamado y tratamos de decidir cual de ellas es un estimador mas -eiiciente.para todo valor posible de En otras palabras.es coherente se vuelve mas confiable si tenemos tamafios de muestras mas grandes. la varianza. unestimador insesgado es aquel para el cual Ia media de la distribucion muestral es el parametro estimado." seleocione al que tenga varianza minima. cuando se calcula la media de la muestra.:~~ • .• Insesgad.Se dice que un estimador puntual es un estimador iasesgado dee si E(9) = . La eficiencia . 0 Ia rnenor ~ desviacion estandar de la distribucion de muestreo. Solo el dato 0 los datos del centro son los que van a representar la muestra. EI resultante recibe el nombre ·de estimador insesgado con varianza mnuma (MVUE..le ningun otro estimador podria extraer informacion adicional de la muestra sobre -el parametro de la poblacionque ae esta estimando.. e B Eficiente 0 con varianza minima. 18 17 • Coherencia. minimum variance unbiased estimator). " •• . se necesitan todos los datos. si al aumentar el tamafio de la muestra. r Es decir se pretende que al extraer Larnuestra elestadfstico calculado contenga toda la informacion de esa muestra.escogeriamos la estadistiea que tuvierael menor error estandar. 19 20 . Suficiencta.Entre todos los estimadores que son insesgados. Si se usa lamedia muestral para estimar lame-dia poblacional. viacion estandar.. _< •• . Con esto se deduce que si utilizamos a todos los datos de la muestra como es enel caso de la media.. d . _. Si un estimador .. etc.de que el valor de la estadistica se aproximabastante al valor del parametro de la poblacion.. -setendrli un estimador suficiente.

a) puntual b) por intervalo de conflanza.) que se emplea para estirnar parametres (media poblacional.. varianza poblacional.. . Algunos autores comparan losestimadores con los lanzamientos en una diana: el circulo central serta el valor real del para metro . Hay dos tipos basicos de estimaci6n: . varianza. Porejemplo. Se tienen los siguientes metodos: a) de los momentos b) de maxima verosimilitud c) de minimos cuadrados 23 DISTRIBUCIONES MUESTRALES 24 .. • 21 22 Metodos de estimacion puntual Supongamos la siguiente distribucion: () I(x) = (1+ X)l+B x~ 0. estima . etcetera). etc. Ie. un valor concreto para la estimaci6n.:~<. . . cuando obtenemos una media aritmetlca a partir de una muestra.:_. ~C6moestimar el parametro 6? .Estimaci6n puntual (Estima de punto del parametro) Provee un solo valor.. do de intervalo. e>0 ~ . Un estimador puntual es simplemente un estadistlco (media aritmetica. tal valor puede ser empleado como un estimador para el valor de la media poblacional. limites de confianza.

a. entonces hablar de sus distribuciones. .14 10. I -dt ~"'~~:"".7~~'''1F~ . Las posibfes mueetres ·aleatorias temeito 2 seren en total: 52 = 25..' 10.'j~· : . estandar Se tienen muestras pareadas (m. Calculamos comparan las diferencias medidas de resumen de uno y otro grupo y se 25 Mientras que los estadisticos son variables aleatorlas (su valor depende de la muestra seleccionada: loaestadfsticos calculados para distintas muestras daran..8 12..10 10..·d. equiparadas..12 8. un va or x eenJilt~ig~.6 12.12 12.... . En el esquema independiente se compara las respuestas de un grupo con Ias respuestas del otro grupo . _~ . 27 6 6 Primer elemento de la muestra 8 6. correlacionadas) cuando sabemos de antemano que una observaciorresta relacionada con la otra...Estadisticos Cualquier funci6n de las v. • 26 Como los estadisticos son v. El numero de observaciones es el numero de pares.10 14.. disefio pareado 1.14 1--· -- 14 14.. .. resultados distintos). observadas se denomina estadistico: Los dos estadisticos mas conocidos son la media -muestral varianza muestral S ~ La raiz cuadrada de la varianza muestral es la desviacion tnuestral S. a. 8..experimento un gran nurnero de veoes obtendremos una gran cantidad de valores distintos para x. EI tamaiio de los grupos puede ser igual 0 diferente y el tamafio de la muestra total es Lasuma de los dos grupos (numero total de individuos).6 8 12 10 10i6 12..· . Pueden ser observaciones tomadas al mismo tiempo.10 8...8 10 6. dependientes.14 8.J I" Segundo~elemento de la muestra Si repetimos este rnismo . a medidas tomadas en un mismo sujeto 0 unidad en dos oportunidades 0 tiempo distintos (disefio pareado 2)..-r can reemplazo de ~~'I<..v~. datos apareados.12 14 6.8 14... X y la Los parametres poblacionales valoresfijos. podemos obtenerIa distrlbucion de probahilidadde la rnlsma: la dtstrlbuclcn de lamedia muestral. 12 y 14 cm.fiiI\~_..8 8.. A partir de esta vvarledad" de val 0 res distintos obtenldos parala media rnuestral. en general. podemos Ejemplo: Sea una poblaci6n compuesta par 5 unicomics con las siguientes longitudes de cuemo: 6..1 -.1-0' 12 6.14 n 1 .12 10.8 10. (Otro caso talla minima de oeces comercia/ss).14 6..14. m.·~'.6 14.. no aleatorios.. son . ..6 5..10 12. Si tomamos una muestra de tamafio n y calculamos la media de esta rnuestra ootenemos .c·...· .

p r·· 4/25 3125 212. 25 es ahorael indice de las posibles rnuestras. cada una de elias tiene la misma distribuci6n de probabilidad que la v. y ya conocemos su distribucion. 12 Y 14.t 6 Segundo elemento dela muestra 8 7 10 8 9 12 9 14 10 11 8 10 12 14 7 8 9 8 10 11 I 1 9 10 11 12 13 . 10.i= x 31 6+8+1~+12+14 =10 32 6 7 8 9 10 iI 12 13· 14 .5 1J25 E(x) 5/25 412. X tiene una densidad de probabilidad dlsoreta uniforme.. 10 11 12 13 10 12 14 30 La dlstribuci6n de medias rnuestrales es: Como x es una v. a. podemos calcular suesperanza (la media de medias rnuestrales): .. clonal: 1125 E(x)=J. X. Calculemas para el ejemplo anterior todas \as medias muestrales pasibles de tamano n = 2: _ Xi =2 1( Xl + X2 6 6 ) donde i = 1. Podemos interpretarla como una v.. . cada uno can probabiHdad1/S. a. a. a. donde X1 Y X2 son independientes y estan identicamente distribuidas (iid).J. X... a. Es decir la v. De heche. = Medias ·muestrales Primer elemento dela muestra 29 x. . bidimensional . eX1' X. Una muestra consta de n 2 observaciones de esa v. X de la pablaci6n puede tamar los valores 6.8 3125 2125 o = _!_ 25 ~>= i=l I 250 = 10 25 Observa que colncide con la media po bl a. a. 8.En el ejernplo la v.

J j:o:l X. esperanza (la media de las varianzas muestrales): E(8 ) La varianza poblacional es: -8125 5125 6/25 4/25 2 1 25 = -Ls~. . podemos calcular I~U. de la muestra Xj:2 6 0 8 1 10 4 1 12 9 14 16 9 6 8 10 1 4 a 1 4 1 0 1 4 4 1 0 34 12 14 • 9 4 9 0 1 16 Graficamos la distribuci6n muestrales: p de varianzas Como 82 es una v.Dada una muestra de tamafio n.. ~. el valorx. 2 S'l todas 2 ( las .12 13 14 15 16 35 I I 2125 Observa que ahora: E(S2) * o? S2 I Deeimes ntoaces que el estimador es ses--do. de 02 38 . (i=I.)2 vananzas muestrales 2: x ' =2 1 ..le donde i = 1.. y ya conocemos su distribucion. 0'2 = ~ L(Xi -10)2 = 40/5 = 8 1 5 5 i=l ·0 1 2 :3 4 5 6 7 8 9 10 11.muestrales Primer elemento dela rnuestra ~=1 33 s· l 2.andose eumple la igua1dad~ se diee que el esti.lOO/25 = 4 25 i=l '. a. a. . "0' 25 es el indice d 1 posimes muestras. Begundoelemento E(x) = jL Cu.~ .n) sera uno de los posibles valores que puede tomar la v. mador x de pes insesgado. GCwiles su valoresperado? Calculemos posibles: .. ibl as Warianzas . .

. probabilidad normal Distribucion muestral de la media Sea X una v.y.. La varianza de la distribucion de Iamedia muestral sera: Si la muestra aleatoria x1' x2' '.'J xn se toma a partir de u. 40 .21n .$111ianza (52. . N(-u 1 /"" .) ~uasivarianzas muestrales Primer elemento dela muestra I' I' s: 6 Segundo elemento de 'fa muestra .1 1 6 0 2 8 2 0 10 8 2 0 2 12 18 8 2 0 2 14 32 18 De modo que la cuasivarianza muestral es un estimador insesgado para la varianza poblacional: 8 10 8 2 8 8 2 0 37 38 12 14 18 32 18 8 Muestreo desde una poblaci6n con distribuci6n de . . I Var(x)=- _ (72 n 39 Observa que la distribuci6n de Ia media muestral tiene una dispersi6n menor alrededor de la media poblacional y cuanto mas grande es el tamano de la muestra. a.J) .edia muestral tendra distribuci6nJ normal'c~h' -'m-edia . es decir Nfl-!.11 y varianza r:.••. 0 seudovarianza s: = n -1L(X n j=l 1 Tendremos ahora que: j - Xi)2 E(s. 0): Tomemos una muestra aleatoria de tamafio It de esta poblaci6n normal.na poblaci6n normal con media ~ vananza q:t/1dil ~m.u. menor ·es la varianza... y cr/\Jn). que se distribuyeen una poblacion como una distribucion de probabilidad normal con media.r Definamos el estimador cuasivarianza muestral: Solo se distingue de la varianza muestral en dividir entre (n-I) -envez de n. 2) = -::.LS~ =200/25 = 8 25 i..

~ ~ r. o' . • Repitamos 91 proceso un nurnero elevado de veces y pmtarnos la distribuci6n de la nueva v. la media de la distribucion muestral de medias sera u y la"varianza de la distribucion muestral de medias sera (j2 / n Distribuci6n muestral de la media (cant. tengan las distribuci6n que tengan nuestros datos. una variable que presenta valores distribuidos mas 0 rnenos unitormernente . • Para cada grupo de 10 obtsnemos una nueva medici6n.:::::·1:~j:':::::. . 41 42 Veamos aparecer la distribuci6n normal a partir de una poblaclon de distribuci6n de probabilidad unitorme so.----------.:::::> . Ver siguiente diapositiva. a. . {a distribuci6n muestral se acercara mas y mas ala distribuci6n normal (media f1 y varianza a2ln) a medida que se aumente el tamano de cada muestra.Astribuci6n muestral de la media (cant. ~ 40 -en nada a unadistribucion y desviacion tlpica. a..n 1. Como-es de esperar la media es cercanaa 170.73 J} 1~9··. si bien sabemas que lamedia es fJ.de la diapositiva anteriory calculamos el prornedio. y la varianza es (Y2 . la media muestral. La forma de la distribuci6n muestral de la media TAMBIEN tlende a ser normal... Es decir. no posea distribucion normal. • Observa que las nuevas cantidades estan mas -0 menos cerca de la media dela varia. ... Para el caso en que la distribuci6n subyacente sea arb.~ . posib lemente tengan distribuci6n normal. los 'objetos' que resumen la informacion de una muestra. ) . En concreto. sobre el intervalo 150 -190.. EI histograma no se pareee •A continuacion elegimos aleatoriarnente tresqrupos/muestras de tamafio 10 observaciones de la pob1aci6n unltorrne .) Aunque una v. ciertosestadisticos estimadores calculados sobre muestras -elegidas al azar poseen una distribuci6n normal. Como ilustracion veamos . normal conla misma media .traria.b1e'Original que era 170..

dar una medida de bonsac de la estimaclon. 10 que . donde la amplltud del intervale es nula.. limites fiduciales En este caso.. muchas de las propiedades deseables pueden cumplirse. Ademas la desvia. nivel) de confianza Nivel de significaci6n (NS) 48 . Propiedades en muestras grandes ao 70 so 50 40 30 20 Muchos estimadores no tienen buenas propiedades para muestras pequefias.Peroeso no es muy util.encuentre dentro del intervalo. Lfmltes de los intervalos de confianza: Sen les dos v lor xtremos del intervalo de conflanza. Coeficiente .e < a < I) + e) 'Y ~ (grado.~~. la probabllldad de que 61 valor reals sa . La idea es crear unos lntervalos de· oonfianza de manera que separnos en que porcentajsd€ cases e! valor del pararnetro poblaclonalestara dentro del lntervalo crltico.50 g 10 0 Por ejemplo.• La distribuci6n de las medias muestrales tiene una dlstrlbucion aproximadarnente normal. en lugar de indlcar simplemente un unico valor como estimacl6n del parametro poblacional S.:: 3. ~cuangrande debe de ser el intervalo de confianza? Evidentemente. llama mas error: estandar a la desviacion tfpica de esta nueva variable.. Como el estimador va a depender del tamafio de la muestra..haremos _as efrecer un intervale de valores en el que se tiene cierta probabilidad (confianza) de que seencuentre el verdadero Ahara bien. En esta situacion se habla de propiedades asint6ticasde los estimadores. • La media de esta nueva variable (promedio rnuestral) es muy parecida a la de la variable original (170. 47 P( I).<II cion tipica es aproximada·"~ mente 'ralz de~'10' veces mas peque-ria. valorde8{) _ e < < () + e e lntervalo daconflanza: Es 91 Intervale de las estimaciones (probablss) sabre el pararnetro. si decimos que el intervale de confianza va de menos infinitoa mas infinito. tolerancia. segura que acertamos .- . Amplitud del Int rv I 0 margen de error. vamos aexpresarlo utilizandoel simboloe' "n lip. EI caso extrema contrarlo es la estimaci6n puntual. el sesgo puede depender del tamafio de la muestra. • Las observaciones de "la nueva vartaole vestan menos dispersas..5). limites de confianza. estima de interval 0 del parametro. Es deolr. nor intervalos de confianza. pero cuando el tamafio muestral aumenta. 46 45 Estimacion . Siel sesgo tiende a cero cuando el tamafio de la muestra cre~e hasta infinito decimos que el estimador es aslntoticamente insesgado.

~ x.5% 49 (1) Conocemos la desviacion tipica poblacional a (2) No conocemos la desviaekin tipica poblacional 0' (3) Distribucidn de la poblaci6n distinta a Ia normal y n > jo Calculo de intervalos de confianza . Utilizaremos como estimador puntual para la media poblacionalla media muestral X .Jn X-f. "'J . L. J ntervalos de confianza para la media poblacional Supongamos que la poblaci6n sigue una distribucion normal.1.... el va-lor del pararnetro poblacional estara dentro de' tal intervalo.Y cierta desviacion tipica cr.. a. :. POBLAG-ION TAMAnO DE LA MUESTRA Pequefia(n<30) Grande(n>=30) Pequena(n<30) SE CONOCE cr SEOi. A ese usual nivel de significaci6n se Ie denomina confianza casi significativa. i . Con distribuci6n Grande(n>=30) Normal X±ZO'-x X±ZO'-x X±ZO'-x XzzsX±tsX±zs- • x x Sabemos como se distribuye ta v. .i :~"'a:·. _. la desviacion tipica de la distribucion muestral de medias es a /~n.Intervalos de confianza para la media poblacional (cont .. .:&GONO~E .i6n Normal Se utilizan pr-ocedimientos no parametricos basados en ta mediana = a/.>. 51 52 l ... Tipificamos la variable: Z Sin distribuc. con cierta media 11. Otros casos usuales son: a) confianza b) confianza significativa: 99%. ) (1} La poblacion es normal y conocemos x=. (b) La varianza de la distribucion muestral de medias es (j2/n. Por ejemplo: Suponiendo que ct = 5%.. ·0 10 que es 10 mismo. Veremos tres casos para calcular interval os de confianza: muy significativa: • 99.n •• 1 i::::1. muestral y a partir de esa distribuci6n podemos determinar el intervale de confianza. etlo quiere decir que el 95% de tas veces que repitamos el proceso de muestreo (y calculemos elestadlstico). I Sabemos que: (a) La media de la distribucion muestral de medias es la media poblacional fJ. == NO 1) ( . . EI 95% significa que de cada 100 intervalos que calcule. ~Y como fijamos tal probabilidad? Usualmente se asume un porcentaje del 95%. el intervalo contendri a Il con un 95% de confiabilidad (no probabilidad).J1' 0': 1 n .-.. s610 5 como maximo no contendran al parametro !l. AI calcular un intervalo de confianzaal 95%..

33crx 99 % 0.58crx .645ax X+2.96o-x X+196cr.28 95% 0.645 J a Za - Lie X-128cr.58 x. Error al estimar lamedia poblacional (Tolerancia).L6450'-X X+ 1.2. LIe l - LSC NC 99% 0.58vx X+2.645crx 0. Error probable de la media. M"lJESTRAS GRAl~ES: UNILATERALES NC 90% 95% a z. 90-% 0. x X-l.10 1.S . Es la distancia 0 separacion entre unextremo del intervalo y el centro del mismo: e= Z ax • 54 LLWTES DE CONFIANZA PARA l\fUESTRA.01 233 55 56 . . Es la desviaci6n estandar de la distribucion muestral de la media.Supongamos que deseamos tener un nivel de siqnlflcaclon a: .33crx LSC X +lj28cr:x X+l.645 x.6450"x X-2.x ' '001 2.05 1. Valores criticos (~c) • U x = Errorestandar ZaJ2 P -ZCC/2<a/Fn<ZCC12 ( x-j1 - J =l-a 53 e= de la media.05 1. N(O.l) Donde: X = Media de la variable = Z Coeficiente de confianza.96 x -1. que depende del nivel de confianza asumido. Error de la estima. GRANDES: BILATERALES LDtllTES DE CONFIAl'lZAPARA.10 1.

u < 10+ 1. Construire interpretar un tntervalode confianza al 0. varianza poblacional "h <.96) ~400 400 s u < 740+ } = 0. La desviacion estandarpoblacional es de S/. . Media rnuestral tarnario muestral = 20.96) = 0.95 400' p{ 700. P(1O+C-1. Media muestral tamano rnuestral = 12.que el tamafio muestral aumenta.779.87 < u < ILl) pobl olon I 0.96).80 y S/.20 = 0.96·lz) = = P(8.80 < fJ < 779. no solo para la media. esto es en general. En unestudio de mercado efectuado en Chongos Bajos. (1.---..l • E (700. P{740-~.'annal en zapatos de las familias de Chongos Bajosestara entre S/. Evidentemente.700.740 par familia.1a . = 10. Se encontr6 en la muestra una media de S/. ~ t---+-l---"--+---I---. Con UJ.95: 4.80.20 J..Ejemplo.95 de la estimacion del gasto media anual en zapatos por familia en el indicado distrito.certeza "del 95% A rnedlda .20) 58 Intervalos de corfianza r cant.400.t ':' a 'Gasa 1. la amplitud del intervalo disminuye.95 400} J400 (1. • muestra 59 10. se realize una encuesta a una muestra compuesta por 400 familias para calcular el gas to poblacional promedio anual en zapatos.Supcnqarnos que desearnos. 57 . Interpretacicn: Hay 95% de seguridad que el 'intervalo hallado se encuentre dentro del grupo de intervalos que contienen a la verdadera media poblacional (u). varlenza 12345'678 ••• . 5 4.779. el gasto medic>.-I- I' Caso 2.

El intervalo de oonfianza sera: _ x -Tn 0" _ ZaI2 a- < f.48) =0.a = 0.96· Ju J v12 = P(8. Supongamas ahara que deseamos que 1 . tamario 11'0 t = ----. Intervalo al 99% ~ « u <10+2.= x-p slFn p( 10 +(-1./012 <u < x + }. tendremos mas seguridad de que el pararnetro de interes se halle en los llmites del intervalo. cant.Intervalos de canfianza. En tal case.52 ~ f-l < 11..}. para la media (cuando conocemos la varianza poblacional). EI problemaes que incrementar la Calculo de intervalos de confianza (2) Poblaci6n normal V desconocemos 0' confianza a. tarnario muestral = 12. Media muestral = 10. varianza poblacional = 4.umentala amplitud del intervalo . tenemos como intervale: x-p .95 as una distribuci6n normal.1).57). Caso 2.87 <u < 11. la distribuci6n muestral del estadlstico: = 10... sino una distribuci6n t de Student can n ..istribuci6n delestadistico x- Fn za/2 (J' < Ji < x + rn a- za/2 Z(e/ caso Pero si no conocemos la varianza poblacional realista)..57· ~J _ P (-tal2 < x-p < tall ) = I-a I s/~n 12) . Ju '\112 <u < 10+ 1... Caso 1.si-ln _----=-= sera practicarnente una distri-buci6n normal N(0.. varianza poblacional 95% = 4.L < X+TnZaI2 63 Nota: Para n > 30 la distribud6n t de Student es practlcamente una normal. Intervaloal Cuando el tamafio dela muestra es < 30 Y la poblaci6n no es distribuci6n normal.99 01 p(x . =P(8. tenemos: _ Calculo de intervalos de confianza (3) Distribucion de poblaci6n desconocida y n > 30 Si n es grande la d.t. Media muestral muestral = 12.13) = 0.99. 64 . = I-a " En definitiva.tqrados de fibertad.96)· PlIO+C-2.

~t~nrbr· 7 .ESTAND.l\1INAR EL TAMANO DE LA MUESTRA I 65 La confianza 0 el porcentaje de confianzaes el porcentaje de ... entonces se busca un porcentaje de confianza menor. de error que se pretende aceptar al momenta de la generalizacion (tratandose de proporciones) y 2. Se obtiene a partir de la i1. (e) La ma_gnitud del maximo error permisible.Za·X x + Zerx err6nea por meaosde e 0 Z (jx Z pued hallar mediante la funcion del Excel 68 67 Existe una probabilidad de (1 -a) de que una media muestral sea DISTR.. Usualmente se aceptan entre e14% y el 6% como error.. pero tambien implica estudiar a la totalidad de los casos de la poblacion. Esto quiere decir que un porcentaje del 100% equivale a decir que no existe ninguna duda para generalizar tales resultados./n . si se quiere eliminar el riesgo del error y considerarlo como 0%. seguridad que existe para generalizar los resultados obtenidos. AI.MARGEN DE ERROR (e) PARA DETER:. Corminmense en las investigaciones se utiliza 90%. 0/0. Para -evitar un costo muy alto para el -estudio 0 debido a que en ocasiones Uega a ·ser practicamente imposible el estudio de todos los casos..NORM. tomandq&en cuenta de que no son complementarios la confianza y el error Formula del tamano de la muestra ~' P{x-Z - 0" e -a n f:::.a)% El nivel de confianza de que el error en la estimacion no exceda del maximo error permisible. x_+z . Porcentaje de confianza con el eual se quiere generalizar los datos desde la muestra bacia la poblacion total. I-l:::. El error 0 porcentaje de error equivale a elegir una probabilidad de aceptar una hipotesis que sea falsa como si fuera verdadera. por 10 que conviene correr un cierto riesgo de -equivocarse.Tamafio de la muestra (n) para una distribuci6n muestral de media Depende de: 1. entonces la muestra es del mismo tamaiio que la poblacion.INVO .} = I-a e=-Error e= e Zer fn x .. 0 la inversa: rechazar la hipotesis verdadera por considerarla falsa. 100(1 .. igual que en el caso de fa confianza. ~tr-ihll('11m norm!:t 1 p. precision. 95% y 99%. margen de error. - 0' ·-.

5 72 71 . = O~95 Z = 1.95 (Z = 1.30 e = 5/. Se conoce por estudios anteriores la poblacion en estudio tiene un desvio estandar poblacional de 8/. Esta distribucion se genera de igual manera que 1a distribucion muestral de medias.96 cr = 5/. sino que queremos investigar Ia proporci6n (11) de .) Existen ocasiones en las cuales no estamos interesados en 1a media de 1a muestra. entonces se puede usar el valor maximo p= q= 0.EjempJo A fin 'de conocer el gasto mensual en lJebidas espirituosas por familia. El gerente busca un tamafio de muestra que le permita estimar el nivel de gasto con un error de estimaci6n de ± 8/.CP =xJn en donde xes el numero de exitos u observaciones de interes y n el tamafio de la muestra)en lugar del estadistico media. Si no se tiene el valor de p. de la muestra que le proporcione un nivel de confianza de' 0. Soluci6n Datos: 1 . el gerente de la vitivinfcola Santiago Querida SA desea determinarel tamafio. articulos defectuosos 0 la proporci6n (P) de a1umnos desaprobados a partir de la muestra. La distribucion muestral de proporciones es la adecuada para dar respuesta aestas situaciones.96). ~ .96 )2 ( 30 )2 (10 )2 n = 35 70 • 69 Distribucion muestral de Proporciones Distribuci6n muestral de Proporciones (cont.a.10 n n- (1 .10.30. a excepcion de que al extraer las muestras de la poblacion se calcula el estadistico proporcion .

95 Lcwil es la estimaci6n de intervalo para la proporcion de 1apoblaci6n de trabajadores siadicalizados que planean votar por federarse? 76 .03 z(0.0376 75 Sup6n que 1 600 de 2 000 trabajadores sindiealizados que se muestrearon de la constructora Nerviosos de Acero SA dijeron que planean votar por unirse a la F ederacion de Construccion Civil.discos defectuosos que no pasan la prueba en esa poblacion esta entre 0. Si se utiliza un nivel de confianza de 0.64500.. Encuentra un intervale de confianza de 90% para la proporcion de los reproductores de discos compactos de la produccion que no pasan todas la~ pruebas. ~ .U3~~OO..90)_= 1.0376 Respuesta: Se sabe con un nivel de confianza del 90% que la proporcion de .~ 7Z" ~ P + Za-} = 1.Za.03} <P< 0..03 + 1.Intervalos de confianza para la proporcion pob lacional Pero: p-" z=-0'p C Ejemplo 1 donde 0'P = ~ p(l- n p) P{-z ~--~Z}=l-a 0':p P-Jr P{p ...a p p 73 - - Un fabricante de reproductores de discos compactos utiliza un conjunto de pruebas amp lias para eva1uar la funci6n electrica de su producto._ e<".' • P{0.645( ) 0.'03) ) }= 0. :.645 .. 74 Propuesta de soluci6n: n=500 p = 15/500 = 0. Co Ejemplo: y • .0237 < P < 0..90 0.0237 y 0. .03-1. Todos los reproductores de discos compactos deben pasar todas las pruebas antes de venderse.03~~0. Una muestra aleatoria de 500 reproductores tiene como resultado que 15 de estes fallan en una 0 mas pruebas..

80-1. denotada por q.0.= 0 . en el caso de no . ademas. desea tener un grado de confianza de 0. 00.96(0.95 a)% Interpretacion: p : Probabilidad deexito p(l-p) : Variancia e : error (%) Hay 0. Se sabe que en las elecciones congresales del afio 2011 recibio 40% de los votos en el indicado sector.95. es deck.5. " 78 Ejemp/o La variabilidad (P) es la probabilidad (0 porcentaje) conelque se acepto y se rechazo la hipotesis que se quiere investigar en alguna investigaci6n anterior 0 en un ensayo previa a la investigacion actual.96 P {O.00894) }= 0.:: (0.00 1600 = 0. y el porcentaje con' el vque se rechazo la hipotesis es la varlabilidad negativa. Susy establece que la proporci6n de electores que 1a apoyaran debe calcularse dentro del 2% -de 1aproporcion de la poblacion de dicho sector. E1 porcentaje con que se acepto tal hip6tesis se denomina variabilidad positiva ysedenota por p.894 p 0.-00894) ~ P{O.Soluci6n: p -= 20.80 +1. La excongresista Susy Diaz desea determinar su popularidad enel Cofio Norte. que su suma es igual ala unidad: p + q = 1. se duda queeste porcentaje haya variado significativamente. (j .95 de confianza que el intervalo calculado pertenece al grupo de intervalos que contienen a la verdadera proporcion poblacion~.95 donde: Z : Valor tabular para un nivel de confianza 100(1- =0.80 . entonces los valores soup = q = 0.existir antecedentes sobre la investigaci6n (no hay otras 0 no se pudo aplicar 'una prueba previa). cuaado sehabla de la maxima variabilidad.80) Tamafio de la muestra para proporciones p 2000 Z =1.818} 1t~ a. Hay que considerar que p y q son complementarios.80)(1.782:S1t~0.96(0. Ademas. ~De cuantos electores debe ser la muestra? 80 79 .

~~~" ">'" . • Representatividad: 94% • -Fecha de... ya la las de a N-n 83 N es el tamafio de Ia poblacion._. hojas -en un bosque.' El error estandar de La estimacion sufre un ajuste. Si la proporcion nINes menor a 0. _ _--" N-""":..40 e = 0.2. poblacion moscas.96)2 (0.~' ~ del los "t-:''::'. multiplies por el' factor correcci6n para poblaciones finitas: de 2) Poblacion infinita cuando en el momento del estudio no podemos determinar sus elementos que aun no existen.:--. ejemplos: estrellas.. • Supervisiore 30%-de entrevistas • Financiamiento: PUCP Ajuste para poblaciones fmitas n = 2305 81 82 Clases estadisticas de poblacion 1) Poblacion finita cuando en el momeato estudio podemos determinar exactamente elementos.79% • Nivel de confianza: 95% n = ....40)(0. cuando se trata de una poblaci6n finite.05 (5%) se omite el ajuste.. rror +/. .60) (0.. ' " ..__~ II I (1.' . se.. .95 Z = 1.Solucion Datos: 1 . Nose puede tomar cantidad limite con precasion. Si se quiere calcularel error estandar de la media. aplicacion: Entre el 25 y ~O de JunIO. de la poblaci6n. ij4 ..02)2 • Nivel de cobertura: 118 distritos de 36 provincias pertenecientes a 9 departamentos.96 f5= 0.02 Ficha tecnica de una encuesta realizada por El Logo Feroz • Muestra: 1 515 personas • Margen de e..a = 0..--'-~___.

Una encuesta a 40 familias revel6 que la contribuci6n media anual a obras cornunitarias es de Sf.Ajuste para poblaciones finitas .. S6 Como la muestra es mayor a 5% de N procede el ajuste.34} = 0.95 Como la muestra es mayor a 5%. INTERPRETACION. Ejemplo 2 Hay 300 rrabajadores en la empresa periodistica La Hora de la Beldad.66 ~. Establece un intervalo de confianza al 0. Una muestra de 50 trabajadores revelo que 18 cuentan con una experiencia previa en otra empresa similar. con una desviaci6n estandar de Sf. 75. 87 N-n N-l ." P { 428. Ejemplo 1 Si se desea calcular el error estandar de la proportion se multiplica par el factor de correccion para poblaciones finitas: Hay 250 familias en el caserio de Chaparra.. (Yp = p(l-p) n N-n N-l 85 • Si la proporcion n!N es menor a 0. Establece un intervale de confianza de 0.05 se omite el ajuste. Solucion. procede el ajuste .95 pam la proporcion de trabajadores conexperieacia en otra empress. Hay 0.95 de confianza que el intervale elaborado pertenezca al gT'JPO de intervalos que contieaea a la verdadera media poblacional.u ~ 471.95 para detenninar la contribucion media anual.450.

Sup6n qu las desviaciones estandar poblacionale s n 6 y 8 p' los motores A y B respectivamente. una de cada poblacion. unestimador puntual de la diferencia entre III Y 112 esta dado por el estadistico Xl ..06788)( 300-50J . . ~ I p=-=O..36(1.. 91 Se lleva a cabo un experimento en que se comparan dos tipos de motores.x:2 .} = l-a 300-50)::. Encuentra un intervale de confianza de 96% sobre la difereocia promedio real para los motores A Y B. "< 0"- p =0. respectivamente.36-(1.. para. La gasolina que se utiliza y m las de mas condiciones se mantienen constantes. obtener una estimacion par intervalo de III . Se mideel rendirniento en km por galen de gasolina. 300-1 .' P{0.. 0.' tr S 0..96)(0. A Y B.95 I INTERPRETACION: Hay 0. de las medias muestrales.96)(0.06788\ 300-1 } == 0.95 P{O. Se realizan50 experimentos con el motor tipo A Y 75 con ~l otor tipo B.36 18 50 1(036)(1-0. IT::.06788 Estimaci6n de la diferencia entre dos medias poblacionales Si se tienen dos poblaciones con medias III YIl2 Y varianzas 0/ Y (3/.36) O"p =~ 50. El rendimiento promed!o de gasolina paraelmotor A es de 36 km por galon y el promedio para el motor B es 42 km por galen. de tamaiio nl Y n2' Y se calcula 1a diferencia x: ~ X2 . Ejemplo Distribuclen muestral de diferencia de medias n .95 de confianza que el intervalo construido pertenezca al grupo de intervalos que contienen a ala verdadera proporcion poblacional. :2 Despejando En el caseen que se desconozcan las varianzas de la poblacion y los tarnafiosde muestra sean mayores a 3D se podra utilizar la varianza de la muestra como una estimacion puntual.23835::.)""" p'+Z""p( J:-_n. Por 10 tanto.48165} == 0..112 ' se seleccionan dos muestras aleatorias independientes. 90 P{P-Z""p( J:-_n.

05.57 93 .43 y 8. menor. debido a que los dos valores del intervalo son positivos (~B .1B .JlA siempre es mayor que cero) 3.. ..' • 94 Tamafio de la muestra para estimar la diferencia de medias Jloblacionales El error esta dado por: ". El valor de z para un nivel de confianza del 96% es de 2. ----<'_ Tamafio de la muestra para 'estimar la diferencia de medias poblacionales Ie + a) Lostamafios de muestra son izuales. Respuesta. En este caso sera la media . Can un nivel de confianza del 96% la diferencia del rendimiento promedio esta entre 3.IlA < 8. Se eleva al cuadrado la ecuacion y se despeja n ya que nj es igual a n2' En esta ecuacion se pueden presentar dos casos: 95 96 ..)7 km par galen a favor del motor B.~. del motor B menos la media del motor A._". Esto quiere decir que el motor B da mas rendimiento promedio que el motor A.Propuesta de solucion: Es deseable que la diferencia de medias sea positiva por 10 que se recomienda restar la media mayor menos la media .43 < J.

el metodo 2. Cada grupo realizara la operacion de montaje y se registrarael tiempo de trabajo.es K veoes mayor que la otra '1n =kn 2. Se espera GIuelas mediciones para ambos grupos tengan una desviacion estandar aproximada de dos minutos ..•. efectividad de dos metodos de entrenamiento para sus trabajadores a fin de efectuar cierta operacion de montaje. Se utilizacuando las poblaciones sort de diferente tamaiio y se sabe que una poblaci6n .i._2_· z2(a2 + k( ~lk~e~2~. ~. Solucion Distribuci6n·muestral de ·Gifer..cuantos trabajadoresse tienen que incluir en cada .e aprueban Finanzas? • MedicinaLEs menor el porcentaje de los usuarios del medicamento A que presentan una reaccion adversa que el de los usuarios del farmaco B que tambien presentan una reaccion de . Cada grupo debe teller aproximadamente 31 personas.Es mayor la proporcion de los estudiantes que aprueban Etgonomia que 1a de los qu. . l.enciadeproporciones Muchas aplicaciones involucran poblaciones de datos cualitativos que deben compararse uti1izando prop orcioneso porcentajes.Ejemplo b) Los tamafios de muestra son diferentes En este caso se pondra una n en funci6n de 1a otra. y el segundo.~2~ 2 ) '__ 97 El gerente de J 00 Lee Loo SA quiere comparar 13.95.con una probabilidad igual a 0. Ejemplos: • Educaci6n. Se desea que la estimacion de la diferencia en tiempo medio de montaje sea correcta hasta por un minuto.. ese tipo? 99 100 ..? 98 grupo d deentrenamieato'. Se divide el mimero de operarios en dos grupos iguales:el primero recibe e1 metodo de entrenamiento 1.

~Hay diferencia entre los porcentajes de hombres y mujeresen posiciones gerenciales? • Ingenieria. P2) (~ \J n1 PI * ql + pz * q2 nz ~)I . Si se encuentra que 75 de 1 500 articulos del procedimiento actual son defectuosos y 80 de 2 000 articulos del procedimiento nuevo tambien 10 SOR.Ejemplos • Administraci6n. .' P2 tambien tiene una distribucion muestral aproximadamente nojmal. n2P2> 5 y n2qz > 5). encuentra un intervale de confianza de defectuosos entre el proceso actual y elnuevo.I i Se considera cierto cambia en un proceso de fabricacion de partes componentes.~Existe diferencia entre la proporcion de articulos defectuosos que genera la maquina A de los que genera la maquina B? 101 Cuando el muestreo procede de dos poblaciones binomiales y se trabaja con dos proporciones muestrales. as! que su diferencia PI'.p. Z =~ (PI . 102 II Estimaci6n de la diferencia de dos proporciones poblacionales Ejemplo I.> 5. 90% para la diferencia real en la fraccion de 104 . Se taman muestras del procedimiento existente y del nuevo para determinar si este tiene como resultado una mejeria. n1ql > 5. Entonces Pl Y P2 tienen distribuciones muestrales aproximadamente nonnales.... la distribucion muestral de diferencia de proporciones es aproximadamente normal para tamafios de muestra grande (n.

Propuesta de solucion: Sean PlY P2 las proporciones reales de defectuosos para los procesos actual y nuevo. (P 1 .95 l.defectuosos comparado con el metodo existente.04. No hay informacion previa acerca de la magnitud de las proporciones PlY P 2' Se quiere estimar la diferencia con un error maximo de 0.. 105 Respuesta: Como el intervale contiene el valor de cera.creer que el nuevo procedimiento producira una disminucion significativa en la proporcion de artieulos . I y II..0017 < PI .04. can una probabilidad de 0. muestrear dosrp:~rg~~os. PI = 75/1500 = .1 Tamaiio de muestra para diferencia de proporciones Solucion: La compafiia de productos alimenticios La Buena Muerte contrat6 a una empresa de investigacion de mercadoteGniapar.04.a~. a fin de comparar las proporciones de consumidores que prefieren la comida coagelada de la compafiia can los productos de sU'S competidores. no hay razon para .05 Y pz = 80/2000 = 0. Z para un nivel de confianza del 90% es de 1. 108 .645. .P2 < 0.P 2 puede ser mayor 0 menor que cer'QJ' • j ..cuantos consumidores habra que muestrear en cada mercado? 107 Se tendra que realizarencuestas a 1 201 consumidores de cada mere ado para tener una estimacion can una confianza del 95% y un error maximo de 0.0217 0. respectivamente.0.

(J'2 S.10 9(9) :S.3609}= 0.Intervalo de confianza para las varianzas Poblacion = N(f-L. .. 2 %n-l.325 (n-l)s..aI2 <0"< 2 (n-l)s._l_f.919 s 9(9)} = 0..7875 S.90. Establecer un intervale de confianza para la vananza poblacional (J2) al-O.. Datos: S2 s.(x n -1 1=1 2 0/ A.n-l i _X)2 (n -1)s2 02 * = =9 p{ Intervalo de confianza: n a = 10 = 0.1-aI2 109 P{4.90 3. ..90 INTERPRETACION: Hay 0. ~ Xn-l.O-) Estimador: Se sabe EjempJo: El mimero de ventas realizadas durante 10 dias presenta una varianza de 9.90 de confianza que el intervale hallado se encuentre dentro del grupo de intervalos que contienen a la verdadera varianza poblacional.(j2 1-6. 24.