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

no existen argumentos para afirmar que los paquetes de harina Maca de la Pirinaca contienen (en promedio) menos que 10 anunciado en sus etiquetas. tiene una distribucion de probabilidad distinta a la normal) 10 Inferencia Estadistica Parametrica Hacesuposiciones acerca. a la inferencia estadistica parametrica le corresponde hacer inferencias acerca de los parametres poblacionales.Prueba para la media de una poblacion can distribucion de probabilidad normal con varianza desconocida . b) No Parametrica (la poblacion de origen . E8 decir. la inferencia estadistica se c1asifica en: a) Parametrica (la poblacion de origen tiene una distribucion de probabilidad normal).Igualdad de varianzas . al nivel de significacion del 5% no se puede rechazar la hipotesis nula. 11 Test parametricos mas usados .644 Dado que -1. Considerando que las poblaciones vestan caracterizadas porparametros.Prueba para la igualdad de dos distribucioncs normales independientes .Prueba para la varianza de una poblacion normal . Par 10 tanto.Tn Reemplazando en el mismo por los datos del ejercicio se obtiene .07) = -1.de ·la naturaleza de las' poblaciones de las cuales se derivan las observaciones.500) 1(34. 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: .que: z ~ (492 .6444 el valor calculado del estadistico de prueba no alcanza a caer en zona de rechazo..645 < -1.4/7.

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

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

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

12 10..8 14. Si tomamos una muestra de tamafio n y calculamos la media de esta rnuestra ootenemos .experimento un gran nurnero de veoes obtendremos una gran cantidad de valores distintos para x.14 1--· -- 14 14.. resultados distintos). dependientes.12 14 6.8 10 6.. podemos obtenerIa distrlbucion de probahilidadde la rnlsma: la dtstrlbuclcn de lamedia muestral. 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.. datos apareados.14 6.10 14.. 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..·~'... ..1 -.· .6 14.· ..·d.. 12 y 14 cm. Las posibfes mueetres ·aleatorias temeito 2 seren en total: 52 = 25. El numero de observaciones es el numero de pares. podemos Ejemplo: Sea una poblaci6n compuesta par 5 unicomics con las siguientes longitudes de cuemo: 6.14.10 12. .v~.10 10.6 8 12 10 10i6 12.14 n 1 . • 26 Como los estadisticos son v..... entonces hablar de sus distribuciones.8 10...8 12.. 27 6 6 Primer elemento de la muestra 8 6.7~~'''1F~ . . 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 5.Estadisticos Cualquier funci6n de las v.. 8.J I" Segundo~elemento de la muestra Si repetimos este rnismo . A partir de esta vvarledad" de val 0 res distintos obtenldos parala media rnuestral. no aleatorios. a medidas tomadas en un mismo sujeto 0 unidad en dos oportunidades 0 tiempo distintos (disefio pareado 2). disefio pareado 1. correlacionadas) cuando sabemos de antemano que una observaciorresta relacionada con la otra.8 8...c·..' 10. ..10 8.12 12..'j~· : . a.6 12. son . un va or x eenJilt~ig~. estandar Se tienen muestras pareadas (m.14 8.fiiI\~_.. (Otro caso talla minima de oeces comercia/ss). En el esquema independiente se compara las respuestas de un grupo con Ias respuestas del otro grupo .. en general.12 8.. X y la Los parametres poblacionales valoresfijos. Pueden ser observaciones tomadas al mismo tiempo. I -dt ~"'~~:""..1-0' 12 6. m.14 10.. equiparadas.-r can reemplazo de ~~'I<. a...

cada una de elias tiene la misma distribuci6n de probabilidad que la v. p r·· 4/25 3125 212. X de la pablaci6n puede tamar los valores 6... X. 10. X tiene una densidad de probabilidad dlsoreta uniforme. Calculemas para el ejemplo anterior todas \as medias muestrales pasibles de tamano n = 2: _ Xi =2 1( Xl + X2 6 6 ) donde i = 1.5 1J25 E(x) 5/25 412. a.i= x 31 6+8+1~+12+14 =10 32 6 7 8 9 10 iI 12 13· 14 . cada uno can probabiHdad1/S.. = Medias ·muestrales Primer elemento dela muestra 29 x. bidimensional . 25 es ahorael indice de las posibles rnuestras. 8. Es decir la v.. a. eX1' X.J. podemos calcular suesperanza (la media de medias rnuestrales): . 10 11 12 13 10 12 14 30 La dlstribuci6n de medias rnuestrales es: Como x es una v. a. De heche.. a. Podemos interpretarla como una v.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 . X. clonal: 1125 E(x)=J. donde X1 Y X2 son independientes y estan identicamente distribuidas (iid). a. 12 Y 14. a. Una muestra consta de n 2 observaciones de esa v. .En el ejernplo la v.8 3125 2125 o = _!_ 25 ~>= i=l I 250 = 10 25 Observa que colncide con la media po bl a. y ya conocemos su distribucion. .

. . .andose eumple la igua1dad~ se diee que el esti. a. 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.muestrales Primer elemento dela rnuestra ~=1 33 s· l 2.. (i=I. 2 S'l todas 2 ( las . a.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. 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. GCwiles su valoresperado? Calculemos posibles: .n) sera uno de los posibles valores que puede tomar la v.J j:o:l X. mador x de pes insesgado. "0' 25 es el indice d 1 posimes muestras. el valorx.)2 vananzas muestrales 2: x ' =2 1 .~ . Begundoelemento E(x) = jL Cu. y ya conocemos su distribucion. de 02 38 .. . ~.. esperanza (la media de las varianzas muestrales): E(8 ) La varianza poblacional es: -8125 5125 6/25 4/25 2 1 25 = -Ls~.le donde i = 1.Dada una muestra de tamafio n. ibl as Warianzas . podemos calcular I~U.lOO/25 = 4 25 i=l '.

) ~uasivarianzas muestrales Primer elemento dela muestra I' I' s: 6 Segundo elemento de 'fa muestra .. probabilidad normal Distribucion muestral de la media Sea X una v. 0 seudovarianza s: = n -1L(X n j=l 1 Tendremos ahora que: j - Xi)2 E(s. 2) = -::..na poblaci6n normal con media ~ vananza q:t/1dil ~m. que se distribuyeen una poblacion como una distribucion de probabilidad normal con media.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 .LS~ =200/25 = 8 25 i.edia muestral tendra distribuci6nJ normal'c~h' -'m-edia .$111ianza (52. .J) . a. es decir Nfl-!.••. 0): Tomemos una muestra aleatoria de tamafio It de esta poblaci6n normal.11 y varianza r:.. 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.u.21n . La varianza de la distribucion de Iamedia muestral sera: Si la muestra aleatoria x1' x2' '.'J xn se toma a partir de u. y cr/\Jn). menor ·es la varianza. N(-u 1 /"" . 40 .r Definamos el estimador cuasivarianza muestral: Solo se distingue de la varianza muestral en dividir entre (n-I) -envez de n. ..y. .

a. si bien sabemas que lamedia es fJ.~ . 41 42 Veamos aparecer la distribuci6n normal a partir de una poblaclon de distribuci6n de probabilidad unitorme so. o' . EI histograma no se pareee •A continuacion elegimos aleatoriarnente tresqrupos/muestras de tamafio 10 observaciones de la pob1aci6n unltorrne . a.:::::·1:~j:':::::. Como-es de esperar la media es cercanaa 170.de la diapositiva anteriory calculamos el prornedio.. • Observa que las nuevas cantidades estan mas -0 menos cerca de la media dela varia.b1e'Original que era 170. La forma de la distribuci6n muestral de la media TAMBIEN tlende a ser normal.Astribuci6n muestral de la media (cant.73 J} 1~9··. ~ 40 -en nada a unadistribucion y desviacion tlpica.:::::> . la media muestral. ) . no posea distribucion normal. • Para cada grupo de 10 obtsnemos una nueva medici6n. • Repitamos 91 proceso un nurnero elevado de veces y pmtarnos la distribuci6n de la nueva v. sobre el intervalo 150 -190.. y la varianza es (Y2 .~ ~ r. normal conla misma media . 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. {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. . ciertosestadisticos estimadores calculados sobre muestras -elegidas al azar poseen una distribuci6n normal.----------..n 1. En concreto. . . Como ilustracion veamos . posib lemente tengan distribuci6n normal.traria. Es decir.. Ver siguiente diapositiva.. tengan las distribuci6n que tengan nuestros datos. Para el caso en que la distribuci6n subyacente sea arb.) Aunque una v.. los 'objetos' que resumen la informacion de una muestra.. una variable que presenta valores distribuidos mas 0 rnenos unitormernente .

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

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

01 233 55 56 .58crx . N(O.10 1.33crx 99 % 0.05 1.58vx X+2.645crx 0.33crx LSC X +lj28cr:x X+l.645 x. Error al estimar lamedia poblacional (Tolerancia).645 J a Za - Lie X-128cr. Valores criticos (~c) • U x = Errorestandar ZaJ2 P -ZCC/2<a/Fn<ZCC12 ( x-j1 - J =l-a 53 e= de la media. Error de la estima.L6450'-X X+ 1.58 x. . GRANDES: BILATERALES LDtllTES DE CONFIAl'lZAPARA. Error probable de la media. Es la desviaci6n estandar de la distribucion muestral de la media. M"lJESTRAS GRAl~ES: UNILATERALES NC 90% 95% a z. 90-% 0. Es la distancia 0 separacion entre unextremo del intervalo y el centro del mismo: e= Z ax • 54 LLWTES DE CONFIANZA PARA l\fUESTRA.S .l) Donde: X = Media de la variable = Z Coeficiente de confianza.96 x -1.96o-x X+196cr.Supongamos que deseamos tener un nivel de siqnlflcaclon a: . LIe l - LSC NC 99% 0.10 1.28 95% 0.645ax X+2.2. x X-l.05 1.x ' '001 2.6450"x X-2. que depende del nivel de confianza asumido.

96) = 0. Construire interpretar un tntervalode confianza al 0.95 400} J400 (1.95: 4. P{740-~. • muestra 59 10.1a .certeza "del 95% A rnedlda . el gasto medic>.20 J.779. Interpretacicn: Hay 95% de seguridad que el 'intervalo hallado se encuentre dentro del grupo de intervalos que contienen a la verdadera media poblacional (u).87 < u < ILl) pobl olon I 0. Media rnuestral tarnario muestral = 20. Evidentemente.96·lz) = = P(8. 5 4..que el tamafio muestral aumenta.700.80 < fJ < 779. 57 . (1.t ':' a 'Gasa 1. .20 = 0. no solo para la media.u < 10+ 1. En unestudio de mercado efectuado en Chongos Bajos. esto es en general.80.l • E (700. se realize una encuesta a una muestra compuesta por 400 familias para calcular el gas to poblacional promedio anual en zapatos. la amplitud del intervalo disminuye..96) ~400 400 s u < 740+ } = 0. varlenza 12345'678 ••• .80 y S/.779. Media muestral tamano rnuestral = 12. Con UJ. ~ t---+-l---"--+---I---. P(1O+C-1.Ejemplo.Supcnqarnos que desearnos.20) 58 Intervalos de corfianza r cant.---. varianza poblacional "h <.-I- I' Caso 2.96).95 de la estimacion del gasto media anual en zapatos por familia en el indicado distrito. Se encontr6 en la muestra una media de S/.'annal en zapatos de las familias de Chongos Bajosestara entre S/.740 par familia. La desviacion estandarpoblacional es de S/.400. = 10.95 400' p{ 700.

52 ~ f-l < 11.= x-p slFn p( 10 +(-1.48) =0.umentala amplitud del intervalo .istribuci6n delestadistico x- Fn za/2 (J' < Ji < x + rn a- za/2 Z(e/ caso Pero si no conocemos la varianza poblacional realista). varianza poblacional = 4. En tal case.95 as una distribuci6n normal.96· Ju J v12 = P(8.a = 0. tamario 11'0 t = ----. 64 .57· ~J _ P (-tal2 < x-p < tall ) = I-a I s/~n 12) . = I-a " En definitiva... Intervaloal Cuando el tamafio dela muestra es < 30 Y la poblaci6n no es distribuci6n normal..t.tqrados de fibertad.1). Caso 2. para la media (cuando conocemos la varianza poblacional).96)· PlIO+C-2.. cant. Intervalo al 99% ~ « u <10+2. sino una distribuci6n t de Student can n ..99.si-ln _----=-= sera practicarnente una distri-buci6n normal N(0..13) = 0.Intervalos de canfianza. varianza poblacional 95% = 4.99 01 p(x .L < X+TnZaI2 63 Nota: Para n > 30 la distribud6n t de Student es practlcamente una normal. Media muestral = 10. tarnario muestral = 12. la distribuci6n muestral del estadlstico: = 10. EI problemaes que incrementar la Calculo de intervalos de confianza (2) Poblaci6n normal V desconocemos 0' confianza a. tenemos como intervale: x-p . Caso 1.87 <u < 11./012 <u < x + }.}. tendremos mas seguridad de que el pararnetro de interes se halle en los llmites del intervalo. Ju '\112 <u < 10+ 1.57). Supongamas ahara que deseamos que 1 . =P(8... tenemos: _ Calculo de intervalos de confianza (3) Distribucion de poblaci6n desconocida y n > 30 Si n es grande la d. Media muestral muestral = 12. El intervalo de oonfianza sera: _ x -Tn 0" _ ZaI2 a- < f.

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

Si no se tiene el valor de p.10. El gerente busca un tamafio de muestra que le permita estimar el nivel de gasto con un error de estimaci6n de ± 8/.10 n n- (1 . de la muestra que le proporcione un nivel de confianza de' 0.96 )2 ( 30 )2 (10 )2 n = 35 70 • 69 Distribucion muestral de Proporciones Distribuci6n muestral de Proporciones (cont. La distribucion muestral de proporciones es la adecuada para dar respuesta aestas situaciones.a. a excepcion de que al extraer las muestras de la poblacion se calcula el estadistico proporcion .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.30 e = 5/. Esta distribucion se genera de igual manera que 1a distribucion muestral de medias. sino que queremos investigar Ia proporci6n (11) de .96 cr = 5/. 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. Se conoce por estudios anteriores la poblacion en estudio tiene un desvio estandar poblacional de 8/. Soluci6n Datos: 1 . entonces se puede usar el valor maximo p= q= 0.EjempJo A fin 'de conocer el gasto mensual en lJebidas espirituosas por familia.) Existen ocasiones en las cuales no estamos interesados en 1a media de 1a muestra.96).95 (Z = 1.5 72 71 . ~ . = O~95 Z = 1.30.

0237 < P < 0.645( ) 0.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 . 74 Propuesta de soluci6n: n=500 p = 15/500 = 0.~ 7Z" ~ P + Za-} = 1.. Una muestra aleatoria de 500 reproductores tiene como resultado que 15 de estes fallan en una 0 mas pruebas...0237 y 0.'03) ) }= 0.. 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.90 0. Si se utiliza un nivel de confianza de 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. .03 z(0. Co Ejemplo: y • .03} <P< 0.64500.95 Lcwil es la estimaci6n de intervalo para la proporcion de 1apoblaci6n de trabajadores siadicalizados que planean votar por federarse? 76 .03 + 1. :.U3~~OO.' • P{0. ~ ...._ e<".03-1.03~~0.90)_= 1.discos defectuosos que no pasan la prueba en esa poblacion esta entre 0.0376 Respuesta: Se sabe con un nivel de confianza del 90% que la proporcion de .. Todos los reproductores de discos compactos deben pasar todas las pruebas antes de venderse.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.Za.645 .

0.80) Tamafio de la muestra para proporciones p 2000 Z =1.00 1600 = 0. entonces los valores soup = q = 0.00894) }= 0.95 a)% Interpretacion: p : Probabilidad deexito p(l-p) : Variancia e : error (%) Hay 0.96 P {O.894 p 0.5.Soluci6n: p -= 20.95. se duda queeste porcentaje haya variado significativamente. ademas. que su suma es igual ala unidad: p + q = 1.95 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- =0.96(0. cuaado sehabla de la maxima variabilidad. en el caso de no . Hay que considerar que p y q son complementarios. denotada por q.80-1.existir antecedentes sobre la investigaci6n (no hay otras 0 no se pudo aplicar 'una prueba previa).:: (0. " 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. es deck.818} 1t~ a.80)(1. desea tener un grado de confianza de 0. y el porcentaje con' el vque se rechazo la hipotesis es la varlabilidad negativa. E1 porcentaje con que se acepto tal hip6tesis se denomina variabilidad positiva ysedenota por p.-00894) ~ P{O. Susy establece que la proporci6n de electores que 1a apoyaran debe calcularse dentro del 2% -de 1aproporcion de la poblacion de dicho sector. Ademas.782:S1t~0. ~De cuantos electores debe ser la muestra? 80 79 . Se sabe que en las elecciones congresales del afio 2011 recibio 40% de los votos en el indicado sector.80 +1.= 0 . (j .96(0. 00.80 . La excongresista Susy Diaz desea determinar su popularidad enel Cofio Norte.

_ _--" N-""":. ejemplos: estrellas. 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...__~ II I (1. .02)2 • Nivel de cobertura: 118 distritos de 36 provincias pertenecientes a 9 departamentos. hojas -en un bosque.02 Ficha tecnica de una encuesta realizada por El Logo Feroz • Muestra: 1 515 personas • Margen de e...79% • Nivel de confianza: 95% n = .... se. ij4 . • Representatividad: 94% • -Fecha de. ya la las de a N-n 83 N es el tamafio de Ia poblacion.a = 0. Nose puede tomar cantidad limite con precasion..--'-~___..Solucion Datos: 1 . poblacion moscas. cuando se trata de una poblaci6n finite.40)(0.~' ~ del los "t-:''::'. . aplicacion: Entre el 25 y ~O de JunIO.40 e = 0.96 f5= 0...95 Z = 1..2.' . • 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. Si la proporcion nINes menor a 0.60) (0.96)2 (0..~~~" ">'" . Si se quiere calcularel error estandar de la media. ' " ._. rror +/.. de la poblaci6n.05 (5%) se omite el ajuste.' El error estandar de La estimacion sufre un ajuste.:--.

Establece un intervale de confianza de 0.05 se omite el ajuste.95 para detenninar la contribucion media anual.450. con una desviaci6n estandar de Sf. Ejemplo 2 Hay 300 rrabajadores en la empresa periodistica La Hora de la Beldad. Una muestra de 50 trabajadores revelo que 18 cuentan con una experiencia previa en otra empresa similar. 75. (Yp = p(l-p) n N-n N-l 85 • Si la proporcion n!N es menor a 0.66 ~. Establece un intervalo de confianza al 0. S6 Como la muestra es mayor a 5% de N procede el ajuste.95 pam la proporcion de trabajadores conexperieacia en otra empress.95 Como la muestra es mayor a 5%. Una encuesta a 40 familias revel6 que la contribuci6n media anual a obras cornunitarias es de Sf.95 de confianza que el intervale elaborado pertenezca al gT'JPO de intervalos que contieaea a la verdadera media poblacional.Ajuste para poblaciones finitas .. Hay 0. 87 N-n N-l ." P { 428..34} = 0.u ~ 471. 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. INTERPRETACION. procede el ajuste . Solucion.

36-(1.. de las medias muestrales. Sup6n qu las desviaciones estandar poblacionale s n 6 y 8 p' los motores A y B respectivamente..' tr S 0. Ejemplo Distribuclen muestral de diferencia de medias n . .' P{0. 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.. IT::. ~ I p=-=O. Por 10 tanto. A Y B. de tamaiio nl Y n2' Y se calcula 1a diferencia x: ~ X2 .06788 Estimaci6n de la diferencia entre dos medias poblacionales Si se tienen dos poblaciones con medias III YIl2 Y varianzas 0/ Y (3/. Encuentra un intervale de confianza de 96% sobre la difereocia promedio real para los motores A Y B..112 ' se seleccionan dos muestras aleatorias independientes.95 P{O. Se mideel rendirniento en km por galen de gasolina.96)(0.95 I INTERPRETACION: Hay 0.)""" p'+Z""p( J:-_n.96)(0.36(1. Se realizan50 experimentos con el motor tipo A Y 75 con ~l otor tipo B. una de cada poblacion..36) O"p =~ 50... obtener una estimacion par intervalo de III .06788\ 300-1 } == 0. respectivamente. :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. 0. 300-1 .23835::.} = l-a 300-50)::. "< 0"- p =0.48165} == 0. unestimador puntual de la diferencia entre III Y 112 esta dado por el estadistico Xl . 90 P{P-Z""p( J:-_n.95 de confianza que el intervalo construido pertenezca al grupo de intervalos que contienen a ala verdadera proporcion poblacional. para.x:2 .36 18 50 1(036)(1-0.06788)( 300-50J . 91 Se lleva a cabo un experimento en que se comparan dos tipos de motores. La gasolina que se utiliza y m las de mas condiciones se mantienen constantes.

El valor de z para un nivel de confianza del 96% es de 2.~. del motor B menos la media del motor A. .IlA < 8..._". ----<'_ Tamafio de la muestra para 'estimar la diferencia de medias poblacionales Ie + a) Lostamafios de muestra son izuales.05. Respuesta.Propuesta de solucion: Es deseable que la diferencia de medias sea positiva por 10 que se recomienda restar la media mayor menos la media .)7 km par galen a favor del motor B.. debido a que los dos valores del intervalo son positivos (~B . En este caso sera la media .' • 94 Tamafio de la muestra para estimar la diferencia de medias Jloblacionales El error esta dado por: ".43 < J.43 y 8.JlA siempre es mayor que cero) 3. menor. Can un nivel de confianza del 96% la diferencia del rendimiento promedio esta entre 3. 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 . Esto quiere decir que el motor B da mas rendimiento promedio que el motor A.57 93 .1B .

•.i.cuantos trabajadoresse tienen que incluir en cada .? 98 grupo d deentrenamieato'. ese tipo? 99 100 .95. Se utilizacuando las poblaciones sort de diferente tamaiio y se sabe que una poblaci6n ._2_· z2(a2 + k( ~lk~e~2~. Solucion Distribuci6n·muestral de ·Gifer.~2~ 2 ) '__ 97 El gerente de J 00 Lee Loo SA quiere comparar 13. ~.es K veoes mayor que la otra '1n =kn 2. Cada grupo realizara la operacion de montaje y se registrarael tiempo de trabajo.. Se desea que la estimacion de la diferencia en tiempo medio de montaje sea correcta hasta por un minuto.. efectividad de dos metodos de entrenamiento para sus trabajadores a fin de efectuar cierta operacion de montaje. Ejemplos: • Educaci6n.Es mayor la proporcion de los estudiantes que aprueban Etgonomia que 1a de los qu. el metodo 2.con una probabilidad igual a 0. .enciadeproporciones Muchas aplicaciones involucran poblaciones de datos cualitativos que deben compararse uti1izando prop orcioneso porcentajes. l. y el segundo. Cada grupo debe teller aproximadamente 31 personas.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 . Se espera GIuelas mediciones para ambos grupos tengan una desviacion estandar aproximada de dos minutos .Ejemplo b) Los tamafios de muestra son diferentes En este caso se pondra una n en funci6n de 1a otra.. Se divide el mimero de operarios en dos grupos iguales:el primero recibe e1 metodo de entrenamiento 1..

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

Z para un nivel de confianza del 90% es de 1..0017 < PI .creer que el nuevo procedimiento producira una disminucion significativa en la proporcion de artieulos .P2 < 0.04.0217 0.04.P 2 puede ser mayor 0 menor que cer'QJ' • j . .. muestrear dosrp:~rg~~os.05 Y pz = 80/2000 = 0. can una probabilidad de 0.0.645.defectuosos comparado con el metodo existente. no hay razon para .95 l.04.Propuesta de solucion: Sean PlY P2 las proporciones reales de defectuosos para los procesos actual y nuevo. PI = 75/1500 = . I y II. (P 1 . a fin de comparar las proporciones de consumidores que prefieren la comida coagelada de la compafiia can los productos de sU'S competidores. 105 Respuesta: Como el intervale contiene el valor de cera..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.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. 108 . 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. respectivamente.a~.

.1-aI2 109 P{4.90. 2 %n-l. Datos: S2 s. ~ Xn-l.90 de confianza que el intervale hallado se encuentre dentro del grupo de intervalos que contienen a la verdadera varianza poblacional.919 s 9(9)} = 0.(x n -1 1=1 2 0/ A.. .Intervalo de confianza para las varianzas Poblacion = N(f-L.325 (n-l)s.90 3.aI2 <0"< 2 (n-l)s.90 INTERPRETACION: Hay 0.7875 S. Establecer un intervale de confianza para la vananza poblacional (J2) al-O._l_f.10 9(9) :S.3609}= 0.(j2 1-6. 24...n-l i _X)2 (n -1)s2 02 * = =9 p{ Intervalo de confianza: n a = 10 = 0..O-) Estimador: Se sabe EjempJo: El mimero de ventas realizadas durante 10 dias presenta una varianza de 9. (J'2 S..