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

Prueba para la igualdad de dos distribucioncs normales independientes . Considerando que las poblaciones vestan caracterizadas porparametros. no existen argumentos para afirmar que los paquetes de harina Maca de la Pirinaca contienen (en promedio) menos que 10 anunciado en sus etiquetas. Par 10 tanto.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. 11 Test parametricos mas usados .Igualdad de varianzas .4/7. la inferencia estadistica se c1asifica en: a) Parametrica (la poblacion de origen tiene una distribucion de probabilidad normal).que: z ~ (492 .6444 el valor calculado del estadistico de prueba no alcanza a caer en zona de rechazo.07) = -1.645 < -1.644 Dado que -1.Ejemplo de Prueba de hipotesis INFERENCIA ESTADISTICA x-m El estadistico que utilizaremos -es: .Tn Reemplazando en el mismo por los datos del ejercicio se obtiene .Prueba para la varianza de una poblacion normal . E8 decir. 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. al nivel de significacion del 5% no se puede rechazar la hipotesis nula. b) No Parametrica (la poblacion de origen .Prueba para la media de una poblacion can distribucion de probabilidad normal con varianza desconocida .

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

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

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

· . En el esquema independiente se compara las respuestas de un grupo con Ias respuestas del otro grupo . .14 10.. 12 y 14 cm.1-0' 12 6. correlacionadas) cuando sabemos de antemano que una observaciorresta relacionada con la otra.6 12...12 14 6.10 10.12 10...experimento un gran nurnero de veoes obtendremos una gran cantidad de valores distintos para x. (Otro caso talla minima de oeces comercia/ss). 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. no aleatorios. equiparadas. I -dt ~"'~~:"".1 -. . datos apareados.8 8..14 6.....·~'. A partir de esta vvarledad" de val 0 res distintos obtenldos parala media rnuestral.. 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... ..10 12. a medidas tomadas en un mismo sujeto 0 unidad en dos oportunidades 0 tiempo distintos (disefio pareado 2).. a..v~.8 12.J I" Segundo~elemento de la muestra Si repetimos este rnismo ..12 12..fiiI\~_. Pueden ser observaciones tomadas al mismo tiempo.-r can reemplazo de ~~'I<... son .·d... entonces hablar de sus distribuciones.10 14..8 10 6.8 10.14 8..10 8. en general..· . _~ .. ...' 10. a. 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 14. un va or x eenJilt~ig~. estandar Se tienen muestras pareadas (m. 27 6 6 Primer elemento de la muestra 8 6.14.. disefio pareado 1.c·. El numero de observaciones es el numero de pares.14 n 1 . dependientes.14 1--· -- 14 14. Si tomamos una muestra de tamafio n y calculamos la media de esta rnuestra ootenemos . • 26 Como los estadisticos son v. podemos obtenerIa distrlbucion de probahilidadde la rnlsma: la dtstrlbuclcn de lamedia muestral. podemos Ejemplo: Sea una poblaci6n compuesta par 5 unicomics con las siguientes longitudes de cuemo: 6. 8.6 5.6 8 12 10 10i6 12. Las posibfes mueetres ·aleatorias temeito 2 seren en total: 52 = 25.'j~· : . m.12 8.7~~'''1F~ ..8 14.. X y la Los parametres poblacionales valoresfijos.Estadisticos Cualquier funci6n de las v.

X.5 1J25 E(x) 5/25 412. clonal: 1125 E(x)=J. X. a.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. a. a. cada uno can probabiHdad1/S.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 . cada una de elias tiene la misma distribuci6n de probabilidad que la v. X tiene una densidad de probabilidad dlsoreta uniforme.. donde X1 Y X2 son independientes y estan identicamente distribuidas (iid).. a.i= x 31 6+8+1~+12+14 =10 32 6 7 8 9 10 iI 12 13· 14 . Una muestra consta de n 2 observaciones de esa v. . p r·· 4/25 3125 212. 25 es ahorael indice de las posibles rnuestras. X de la pablaci6n puede tamar los valores 6. bidimensional . podemos calcular suesperanza (la media de medias rnuestrales): .. 10. a. eX1' X.. Es decir la v. a.J. y ya conocemos su distribucion.. 10 11 12 13 10 12 14 30 La dlstribuci6n de medias rnuestrales es: Como x es una v. = Medias ·muestrales Primer elemento dela muestra 29 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. . 8. De heche. 12 Y 14.

. ibl as Warianzas .. 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. "0' 25 es el indice d 1 posimes muestras.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. ..n) sera uno de los posibles valores que puede tomar la v. y ya conocemos su distribucion.~ .. . de 02 38 .andose eumple la igua1dad~ se diee que el esti.)2 vananzas muestrales 2: x ' =2 1 . (i=I. a.lOO/25 = 4 25 i=l '. a.J j:o:l X. 2 S'l todas 2 ( las . 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. Begundoelemento E(x) = jL Cu. ~. mador x de pes insesgado. . 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. el valorx. GCwiles su valoresperado? Calculemos posibles: . podemos calcular I~U.Dada una muestra de tamafio n.

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

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

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

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

Error al estimar lamedia poblacional (Tolerancia). N(O. Error probable de la media.05 1.58crx .01 233 55 56 .2.S . x X-l.10 1.645 J a Za - Lie X-128cr.33crx LSC X +lj28cr:x X+l.58vx X+2.645 x.58 x. 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. Es la desviaci6n estandar de la distribucion muestral de la media. Valores criticos (~c) • U x = Errorestandar ZaJ2 P -ZCC/2<a/Fn<ZCC12 ( x-j1 - J =l-a 53 e= de la media.x ' '001 2. GRANDES: BILATERALES LDtllTES DE CONFIAl'lZAPARA. M"lJESTRAS GRAl~ES: UNILATERALES NC 90% 95% a z. . LIe l - LSC NC 99% 0.L6450'-X X+ 1.96 x -1.10 1.645ax X+2.645crx 0.05 1. que depende del nivel de confianza asumido.33crx 99 % 0.6450"x X-2.l) Donde: X = Media de la variable = Z Coeficiente de confianza. Error de la estima.Supongamos que deseamos tener un nivel de siqnlflcaclon a: .28 95% 0.96o-x X+196cr.

P(1O+C-1. el gasto medic>. 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+ } = 0.96) = 0.95 400} J400 (1.95 de la estimacion del gasto media anual en zapatos por familia en el indicado distrito. esto es en general. Se encontr6 en la muestra una media de S/.l • E (700.Ejemplo. Media muestral tamano rnuestral = 12.700.---. 5 4.. • muestra 59 10. En unestudio de mercado efectuado en Chongos Bajos.96·lz) = = P(8.779.t ':' a 'Gasa 1. varianza poblacional "h <.u < 10+ 1.20 = 0. = 10.400.certeza "del 95% A rnedlda . no solo para la media. P{740-~.Supcnqarnos que desearnos.'annal en zapatos de las familias de Chongos Bajosestara entre S/.96).87 < u < ILl) pobl olon I 0.779.-I- I' Caso 2.95: 4. 57 .740 par familia. Evidentemente.. varlenza 12345'678 ••• . Construire interpretar un tntervalode confianza al 0. ~ t---+-l---"--+---I---.80. Con UJ. La desviacion estandarpoblacional es de S/.20 J.95 400' p{ 700. Interpretacicn: Hay 95% de seguridad que el 'intervalo hallado se encuentre dentro del grupo de intervalos que contienen a la verdadera media poblacional (u).80 < fJ < 779. .1a .80 y S/.20) 58 Intervalos de corfianza r cant. (1. Media rnuestral tarnario muestral = 20.que el tamafio muestral aumenta.

varianza poblacional = 4./012 <u < x + }.13) = 0.52 ~ f-l < 11. tendremos mas seguridad de que el pararnetro de interes se halle en los llmites del intervalo.umentala amplitud del intervalo .si-ln _----=-= sera practicarnente una distri-buci6n normal N(0....87 <u < 11. tarnario muestral = 12..L < X+TnZaI2 63 Nota: Para n > 30 la distribud6n t de Student es practlcamente una normal. = I-a " En definitiva.. El intervalo de oonfianza sera: _ x -Tn 0" _ ZaI2 a- < f. tenemos: _ Calculo de intervalos de confianza (3) Distribucion de poblaci6n desconocida y n > 30 Si n es grande la d. 64 . =P(8. Supongamas ahara que deseamos que 1 . la distribuci6n muestral del estadlstico: = 10..}. Media muestral muestral = 12.96· Ju J v12 = P(8..Intervalos de canfianza.57· ~J _ P (-tal2 < x-p < tall ) = I-a I s/~n 12) . para la media (cuando conocemos la varianza poblacional).99. Media muestral = 10. Intervaloal Cuando el tamafio dela muestra es < 30 Y la poblaci6n no es distribuci6n normal. varianza poblacional 95% = 4. tamario 11'0 t = ----.99 01 p(x . sino una distribuci6n t de Student can n . tenemos como intervale: x-p .. Intervalo al 99% ~ « u <10+2. En tal case.a = 0.istribuci6n delestadistico x- Fn za/2 (J' < Ji < x + rn a- za/2 Z(e/ caso Pero si no conocemos la varianza poblacional realista).= x-p slFn p( 10 +(-1.57).95 as una distribuci6n normal.tqrados de fibertad. Ju '\112 <u < 10+ 1. Caso 2.1).t. EI problemaes que incrementar la Calculo de intervalos de confianza (2) Poblaci6n normal V desconocemos 0' confianza a.48) =0.96)· PlIO+C-2. Caso 1. cant.

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

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

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. :.03 + 1.0237 < P < 0.0237 y 0.~ 7Z" ~ P + Za-} = 1.0376 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.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 .'03) ) }= 0.03 z(0.90 0.. Co Ejemplo: y • .03-1.90)_= 1. .645( ) 0.645 .. Una muestra aleatoria de 500 reproductores tiene como resultado que 15 de estes fallan en una 0 mas pruebas. ~ . Si se utiliza un nivel de confianza de 0.95 Lcwil es la estimaci6n de intervalo para la proporcion de 1apoblaci6n de trabajadores siadicalizados que planean votar por federarse? 76 .._ e<"..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.0376 Respuesta: Se sabe con un nivel de confianza del 90% que la proporcion de .64500. 74 Propuesta de soluci6n: n=500 p = 15/500 = 0.03~~0.' • P{0.discos defectuosos que no pasan la prueba en esa poblacion esta entre 0.Za.. Todos los reproductores de discos compactos deben pasar todas las pruebas antes de venderse..03} <P< 0.U3~~OO...

95 de confianza que el intervalo calculado pertenece al grupo de intervalos que contienen a la verdadera proporcion poblacion~.5. 00. en el caso de no . " 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.80 +1.80)(1.-00894) ~ P{O.894 p 0.96(0.existir antecedentes sobre la investigaci6n (no hay otras 0 no se pudo aplicar 'una prueba previa).Soluci6n: p -= 20. y el porcentaje con' el vque se rechazo la hipotesis es la varlabilidad negativa. desea tener un grado de confianza de 0.782:S1t~0. es deck.95 donde: Z : Valor tabular para un nivel de confianza 100(1- =0. E1 porcentaje con que se acepto tal hip6tesis se denomina variabilidad positiva ysedenota por p.:: (0. se duda queeste porcentaje haya variado significativamente.95 a)% Interpretacion: p : Probabilidad deexito p(l-p) : Variancia e : error (%) Hay 0.80 . cuaado sehabla de la maxima variabilidad. ~De cuantos electores debe ser la muestra? 80 79 .00894) }= 0.00 1600 = 0. ademas. La excongresista Susy Diaz desea determinar su popularidad enel Cofio Norte.= 0 .0.95. entonces los valores soup = q = 0. Susy establece que la proporci6n de electores que 1a apoyaran debe calcularse dentro del 2% -de 1aproporcion de la poblacion de dicho sector.80-1.80) Tamafio de la muestra para proporciones p 2000 Z =1. que su suma es igual ala unidad: p + q = 1.818} 1t~ a. (j . denotada por q. Ademas. Se sabe que en las elecciones congresales del afio 2011 recibio 40% de los votos en el indicado sector.96(0. Hay que considerar que p y q son complementarios.

se. cuando se trata de una poblaci6n finite... .--'-~___. ' " .' .__~ II I (1.2. _ _--" N-""":. 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.._.02)2 • Nivel de cobertura: 118 distritos de 36 provincias pertenecientes a 9 departamentos. Nose puede tomar cantidad limite con precasion.. poblacion moscas.05 (5%) se omite el ajuste.' El error estandar de La estimacion sufre un ajuste. Si se quiere calcularel error estandar de la media.. aplicacion: Entre el 25 y ~O de JunIO.40 e = 0..~~~" ">'" .79% • Nivel de confianza: 95% n = . rror +/. hojas -en un bosque.. • Representatividad: 94% • -Fecha de. ejemplos: estrellas..~' ~ del los "t-:''::'.. .60) (0. Si la proporcion nINes menor a 0...:--.. ij4 . de la poblaci6n.96 f5= 0.40)(0.96)2 (0.02 Ficha tecnica de una encuesta realizada por El Logo Feroz • Muestra: 1 515 personas • Margen de e... • 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.a = 0.Solucion Datos: 1 . ya la las de a N-n 83 N es el tamafio de Ia poblacion.95 Z = 1.

95 pam la proporcion de trabajadores conexperieacia en otra empress.Ajuste para poblaciones finitas ..66 ~. Establece un intervalo de confianza al 0. Hay 0. procede el ajuste . INTERPRETACION. S6 Como la muestra es mayor a 5% de N procede el ajuste. (Yp = p(l-p) n N-n N-l 85 • Si la proporcion n!N es menor a 0.95 Como la muestra es mayor a 5%." P { 428.34} = 0.u ~ 471. 87 N-n N-l . con una desviaci6n estandar de Sf. Solucion. 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.95 de confianza que el intervale elaborado pertenezca al gT'JPO de intervalos que contieaea a la verdadera media poblacional.95 para detenninar la contribucion media anual. Una muestra de 50 trabajadores revelo que 18 cuentan con una experiencia previa en otra empresa similar. Una encuesta a 40 familias revel6 que la contribuci6n media anual a obras cornunitarias es de Sf.05 se omite el ajuste.450. Ejemplo 2 Hay 300 rrabajadores en la empresa periodistica La Hora de la Beldad.. Establece un intervale de confianza de 0. 75.

para.95 de confianza que el intervalo construido pertenezca al grupo de intervalos que contienen a ala verdadera proporcion poblacional.112 ' se seleccionan dos muestras aleatorias independientes..)""" p'+Z""p( J:-_n. Se realizan50 experimentos con el motor tipo A Y 75 con ~l otor tipo B. Por 10 tanto. :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..36-(1. obtener una estimacion par intervalo de III . IT::. . 91 Se lleva a cabo un experimento en que se comparan dos tipos de motores.. Se mideel rendirniento en km por galen de gasolina.06788\ 300-1 } == 0.' tr S 0. ~ I p=-=O. 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.95 I INTERPRETACION: Hay 0.. 300-1 .36 18 50 1(036)(1-0.x:2 .06788)( 300-50J ..96)(0. La gasolina que se utiliza y m las de mas condiciones se mantienen constantes. 90 P{P-Z""p( J:-_n. A Y B. respectivamente.23835::.' P{0. de las medias muestrales.95 P{O.. Encuentra un intervale de confianza de 96% sobre la difereocia promedio real para los motores A Y B.} = l-a 300-50)::. Ejemplo Distribuclen muestral de diferencia de medias n . "< 0"- p =0.96)(0. unestimador puntual de la diferencia entre III Y 112 esta dado por el estadistico Xl . Sup6n qu las desviaciones estandar poblacionale s n 6 y 8 p' los motores A y B respectivamente.48165} == 0. una de cada poblacion. 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/.36) O"p =~ 50.36(1.. 0.

._".IlA < 8. menor. ----<'_ Tamafio de la muestra para 'estimar la diferencia de medias poblacionales Ie + a) Lostamafios de muestra son izuales.)7 km par galen a favor del motor B.1B .. 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 .. En este caso sera la media . .43 < J.JlA siempre es mayor que cero) 3.' • 94 Tamafio de la muestra para estimar la diferencia de medias Jloblacionales El error esta dado por: ".57 93 . El valor de z para un nivel de confianza del 96% es de 2.05.43 y 8. debido a que los dos valores del intervalo son positivos (~B . Esto quiere decir que el motor B da mas rendimiento promedio que el motor A.~. Can un nivel de confianza del 96% la diferencia del rendimiento promedio esta entre 3. 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 . del motor B menos la media del motor A.

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

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

95 l. 108 .04.P 2 puede ser mayor 0 menor que cer'QJ' • j . Z para un nivel de confianza del 90% es de 1.creer que el nuevo procedimiento producira una disminucion significativa en la proporcion de artieulos . 105 Respuesta: Como el intervale contiene el valor de cera.P2 < 0.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 0.0017 < PI ...0217 0. no hay razon para . PI = 75/1500 = .. 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.a~.Propuesta de solucion: Sean PlY P2 las proporciones reales de defectuosos para los procesos actual y nuevo. I y II.defectuosos comparado con el metodo existente. respectivamente. muestrear dosrp:~rg~~os.645.05 Y pz = 80/2000 = 0.1 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 fin de comparar las proporciones de consumidores que prefieren la comida coagelada de la compafiia can los productos de sU'S competidores. (P 1 .04.0. . can una probabilidad de 0.

.1-aI2 109 P{4.O-) Estimador: Se sabe EjempJo: El mimero de ventas realizadas durante 10 dias presenta una varianza de 9. .10 9(9) :S.90 de confianza que el intervale hallado se encuentre dentro del grupo de intervalos que contienen a la verdadera varianza poblacional._l_f. Establecer un intervale de confianza para la vananza poblacional (J2) al-O..n-l i _X)2 (n -1)s2 02 * = =9 p{ Intervalo de confianza: n a = 10 = 0.Intervalo de confianza para las varianzas Poblacion = N(f-L. ~ Xn-l. 2 %n-l. 24.3609}= 0.919 s 9(9)} = 0.90 3.aI2 <0"< 2 (n-l)s. Datos: S2 s.7875 S.90. (J'2 S...(x n -1 1=1 2 0/ A.90 INTERPRETACION: Hay 0..325 (n-l)s. .(j2 1-6.

Sign up to vote on this title
UsefulNot useful