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

. 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.Tn Reemplazando en el mismo por los datos del ejercicio se obtiene .6444 el valor calculado del estadistico de prueba no alcanza a caer en zona de rechazo.Prueba para la igualdad de dos distribucioncs normales independientes .de ·la naturaleza de las' poblaciones de las cuales se derivan las observaciones. E8 decir.Igualdad de varianzas .644 Dado que -1.Prueba para la media de una poblacion can distribucion de probabilidad normal con varianza desconocida . 11 Test parametricos mas usados . Considerando que las poblaciones vestan caracterizadas porparametros. la inferencia estadistica se c1asifica en: a) Parametrica (la poblacion de origen tiene una distribucion de probabilidad normal).645 < -1. tiene una distribucion de probabilidad distinta a la normal) 10 Inferencia Estadistica Parametrica Hacesuposiciones acerca. b) No Parametrica (la poblacion de origen .Ejemplo de Prueba de hipotesis INFERENCIA ESTADISTICA x-m El estadistico que utilizaremos -es: . no existen argumentos para afirmar que los paquetes de harina Maca de la Pirinaca contienen (en promedio) menos que 10 anunciado en sus etiquetas. 9 a Segun la distribucion de probabilidad de la poblacion de origen.que: z ~ (492 .07) = -1. Par 10 tanto.Prueba para la varianza de una poblacion normal .500) 1(34.4/7.

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

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

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

J I" Segundo~elemento de la muestra Si repetimos este rnismo .10 8.· .10 14.8 14.·~'... .. . un va or x eenJilt~ig~. En el esquema independiente se compara las respuestas de un grupo con Ias respuestas del otro grupo .fiiI\~_..14 8. _~ . a.v~.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).. 8. 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..'j~· : .....12 8. podemos obtenerIa distrlbucion de probahilidadde la rnlsma: la dtstrlbuclcn de lamedia muestral. m... A partir de esta vvarledad" de val 0 res distintos obtenldos parala media rnuestral..8 8. 12 y 14 cm. resultados distintos).experimento un gran nurnero de veoes obtendremos una gran cantidad de valores distintos para x.12 12.8 10.8 12.14 n 1 .. Las posibfes mueetres ·aleatorias temeito 2 seren en total: 52 = 25. podemos Ejemplo: Sea una poblaci6n compuesta par 5 unicomics con las siguientes longitudes de cuemo: 6..... son .c·. • 26 Como los estadisticos son v. en general. dependientes..6 8 12 10 10i6 12....' 10.Estadisticos Cualquier funci6n de las v. Si tomamos una muestra de tamafio n y calculamos la media de esta rnuestra ootenemos .·d. (Otro caso talla minima de oeces comercia/ss).10 10.. 27 6 6 Primer elemento de la muestra 8 6. entonces hablar de sus distribuciones. X y la Los parametres poblacionales valoresfijos.12 10..10 12.12 14 6. correlacionadas) cuando sabemos de antemano que una observaciorresta relacionada con la otra.-r can reemplazo de ~~'I<... El numero de observaciones es el numero de pares. a medidas tomadas en un mismo sujeto 0 unidad en dos oportunidades 0 tiempo distintos (disefio pareado 2). a.14 6.8 10 6.14 10. disefio pareado 1. Pueden ser observaciones tomadas al mismo tiempo. datos apareados. . estandar Se tienen muestras pareadas (m. no aleatorios. I -dt ~"'~~:"".14.14 1--· -- 14 14..1-0' 12 6.· .. equiparadas.6 5... .6 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.6 12..1 -.

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

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

$111ianza (52.1 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 . es decir Nfl-!.21n .11 y varianza r:. . 0): Tomemos una muestra aleatoria de tamafio It de esta poblaci6n normal. N(-u 1 /"" . La varianza de la distribucion de Iamedia muestral sera: Si la muestra aleatoria x1' x2' '. 0 seudovarianza s: = n -1L(X n j=l 1 Tendremos ahora que: j - Xi)2 E(s.u. y cr/\Jn). 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.••..LS~ =200/25 = 8 25 i.y. a... que se distribuyeen una poblacion como una distribucion de probabilidad normal con media.'J xn se toma a partir de u..na poblaci6n normal con media ~ vananza q:t/1dil ~m. probabilidad normal Distribucion muestral de la media Sea X una v.) ~uasivarianzas muestrales Primer elemento dela muestra I' I' s: 6 Segundo elemento de 'fa muestra .J) . . .r Definamos el estimador cuasivarianza muestral: Solo se distingue de la varianza muestral en dividir entre (n-I) -envez de n.edia muestral tendra distribuci6nJ normal'c~h' -'m-edia . 2) = -::. menor ·es la varianza. 40 .

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

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

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

05 1.645 J a Za - Lie X-128cr.96o-x X+196cr. Error al estimar lamedia poblacional (Tolerancia).33crx LSC X +lj28cr:x X+l.Supongamos que deseamos tener un nivel de siqnlflcaclon a: .58vx X+2. 90-% 0.58 x.33crx 99 % 0.645ax X+2. N(O.2.96 x -1. Error probable de la media.01 233 55 56 .645 x.10 1.L6450'-X X+ 1. .x ' '001 2.S .6450"x X-2.58crx . GRANDES: BILATERALES LDtllTES DE CONFIAl'lZAPARA.10 1. M"lJESTRAS GRAl~ES: UNILATERALES NC 90% 95% a z.645crx 0. 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. x X-l. que depende del nivel de confianza asumido. Es la desviaci6n estandar de la distribucion muestral de la media.l) Donde: X = Media de la variable = Z Coeficiente de confianza.05 1. LIe l - LSC NC 99% 0.28 95% 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.

96) = 0.400.que el tamafio muestral aumenta. 57 . esto es en general. = 10.96) ~400 400 s u < 740+ } = 0. Interpretacicn: Hay 95% de seguridad que el 'intervalo hallado se encuentre dentro del grupo de intervalos que contienen a la verdadera media poblacional (u).'annal en zapatos de las familias de Chongos Bajosestara entre S/. 5 4. varianza poblacional "h <.779.Supcnqarnos que desearnos.87 < u < ILl) pobl olon I 0.95: 4.certeza "del 95% A rnedlda .20 = 0. Se encontr6 en la muestra una media de S/. • muestra 59 10. P(1O+C-1. la amplitud del intervalo disminuye. En unestudio de mercado efectuado en Chongos Bajos.96). Evidentemente. ~ t---+-l---"--+---I---.u < 10+ 1. Construire interpretar un tntervalode confianza al 0.96·lz) = = P(8.Ejemplo..t ':' a 'Gasa 1.95 de la estimacion del gasto media anual en zapatos por familia en el indicado distrito. varlenza 12345'678 ••• . .---. La desviacion estandarpoblacional es de S/.1a .95 400} J400 (1.700.20 J.95 400' p{ 700. no solo para la media.l • E (700. el gasto medic>. Media muestral tamano rnuestral = 12. (1.779.80.-I- I' Caso 2.740 par familia. Media rnuestral tarnario muestral = 20.80 < fJ < 779.20) 58 Intervalos de corfianza r cant. Con UJ. P{740-~..80 y S/. se realize una encuesta a una muestra compuesta por 400 familias para calcular el gas to poblacional promedio anual en zapatos.

. Caso 2. cant./012 <u < x + }. 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. 64 .96)· PlIO+C-2.. =P(8. tamario 11'0 t = ----. sino una distribuci6n t de Student can n .95 as una distribuci6n normal..= x-p slFn p( 10 +(-1. Ju '\112 <u < 10+ 1. Media muestral muestral = 12. varianza poblacional = 4. En tal case.umentala amplitud del intervalo . Intervaloal Cuando el tamafio dela muestra es < 30 Y la poblaci6n no es distribuci6n normal.57· ~J _ P (-tal2 < x-p < tall ) = I-a I s/~n 12) .tqrados de fibertad.istribuci6n delestadistico x- Fn za/2 (J' < Ji < x + rn a- za/2 Z(e/ caso Pero si no conocemos la varianza poblacional realista).99 01 p(x . tarnario muestral = 12.13) = 0.si-ln _----=-= sera practicarnente una distri-buci6n normal N(0. Media muestral = 10. Intervalo al 99% ~ « u <10+2... tendremos mas seguridad de que el pararnetro de interes se halle en los llmites del intervalo.87 <u < 11.99.. Caso 1.a = 0.Intervalos de canfianza. la distribuci6n muestral del estadlstico: = 10.1).L < X+TnZaI2 63 Nota: Para n > 30 la distribud6n t de Student es practlcamente una normal. varianza poblacional 95% = 4.}.48) =0.96· Ju J v12 = P(8. tenemos como intervale: x-p .t.. Supongamas ahara que deseamos que 1 . El intervalo de oonfianza sera: _ x -Tn 0" _ ZaI2 a- < f.57). tenemos: _ Calculo de intervalos de confianza (3) Distribucion de poblaci6n desconocida y n > 30 Si n es grande la d.52 ~ f-l < 11. = I-a " En definitiva.

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

a excepcion de que al extraer las muestras de la poblacion se calcula el estadistico proporcion .30 e = 5/.30. Esta distribucion se genera de igual manera que 1a distribucion muestral de medias.EjempJo A fin 'de conocer el gasto mensual en lJebidas espirituosas por familia.95 (Z = 1. La distribucion muestral de proporciones es la adecuada para dar respuesta aestas situaciones. Se conoce por estudios anteriores la poblacion en estudio tiene un desvio estandar poblacional 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.5 72 71 .10.96 cr = 5/.96). articulos defectuosos 0 la proporci6n (P) de a1umnos desaprobados a partir de la muestra. = O~95 Z = 1. entonces se puede usar el valor maximo p= q= 0. El gerente busca un tamafio de muestra que le permita estimar el nivel de gasto con un error de estimaci6n de ± 8/. Si no se tiene el valor de p. el gerente de la vitivinfcola Santiago Querida SA desea determinarel tamafio.10 n n- (1 . ~ . Soluci6n Datos: 1 .) Existen ocasiones en las cuales no estamos interesados en 1a media de 1a muestra. de la muestra que le proporcione un nivel de confianza de' 0. sino que queremos investigar Ia proporci6n (11) de .a.96 )2 ( 30 )2 (10 )2 n = 35 70 • 69 Distribucion muestral de Proporciones Distribuci6n muestral de Proporciones (cont.

90)_= 1.645 .64500.Za... .95 Lcwil es la estimaci6n de intervalo para la proporcion de 1apoblaci6n de trabajadores siadicalizados que planean votar por federarse? 76 .0237 y 0.645( ) 0.03 + 1. 74 Propuesta de soluci6n: n=500 p = 15/500 = 0.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 .'03) ) }= 0.03-1..90 0. Co Ejemplo: y • . :.03 z(0. Todos los reproductores de discos compactos deben pasar todas las pruebas antes de venderse.. Si se utiliza un nivel de confianza de 0._ e<"..03~~0.~ 7Z" ~ P + Za-} = 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 .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} <P< 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.' • P{0.0237 < P < 0.discos defectuosos que no pasan la prueba en esa poblacion esta entre 0. Una muestra aleatoria de 500 reproductores tiene como resultado que 15 de estes fallan en una 0 mas pruebas.U3~~OO. ~ ..

95 donde: Z : Valor tabular para un nivel de confianza 100(1- =0.818} 1t~ a.96(0. es deck. que su suma es igual ala unidad: p + q = 1. La excongresista Susy Diaz desea determinar su popularidad enel Cofio Norte. se duda queeste porcentaje haya variado significativamente. 00.existir antecedentes sobre la investigaci6n (no hay otras 0 no se pudo aplicar 'una prueba previa). Susy establece que la proporci6n de electores que 1a apoyaran debe calcularse dentro del 2% -de 1aproporcion de la poblacion de dicho sector. Ademas.80-1. ~De cuantos electores debe ser la muestra? 80 79 .96(0. (j .782:S1t~0.95 de confianza que el intervalo calculado pertenece al grupo de intervalos que contienen a la verdadera proporcion poblacion~.:: (0. E1 porcentaje con que se acepto tal hip6tesis se denomina variabilidad positiva ysedenota por p.Soluci6n: p -= 20.00 1600 = 0. entonces los valores soup = q = 0.00894) }= 0.80 .0.= 0 . denotada por q. ademas. en el caso de no . Hay que considerar que p y q son complementarios.-00894) ~ P{O.95 a)% Interpretacion: p : Probabilidad deexito p(l-p) : Variancia e : error (%) Hay 0.894 p 0. y el porcentaje con' el vque se rechazo la hipotesis es la varlabilidad negativa. Se sabe que en las elecciones congresales del afio 2011 recibio 40% de los votos en el indicado sector. desea tener un grado de confianza de 0.80)(1. " 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. cuaado sehabla de la maxima variabilidad.5.80 +1.80) Tamafio de la muestra para proporciones p 2000 Z =1.96 P {O.95.

...02)2 • Nivel de cobertura: 118 distritos de 36 provincias pertenecientes a 9 departamentos.. .40 e = 0. ij4 . rror +/. ya la las de a N-n 83 N es el tamafio de Ia poblacion..' El error estandar de La estimacion sufre un ajuste. poblacion moscas. se.96 f5= 0. aplicacion: Entre el 25 y ~O de JunIO.a = 0.95 Z = 1...40)(0. Si la proporcion nINes menor a 0. • Representatividad: 94% • -Fecha de. 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...05 (5%) se omite el ajuste. hojas -en un bosque. Nose puede tomar cantidad limite con precasion...' .96)2 (0. 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. . _ _--" N-""":. Si se quiere calcularel error estandar de la media.Solucion Datos: 1 .02 Ficha tecnica de una encuesta realizada por El Logo Feroz • Muestra: 1 515 personas • Margen de e. ' " .60) (0..:--. de la poblaci6n.~' ~ del los "t-:''::'.79% • Nivel de confianza: 95% n = ..--'-~___.__~ II I (1.2. cuando se trata de una poblaci6n finite.~~~" ">'" ..

S6 Como la muestra es mayor a 5% de N procede el ajuste.66 ~." P { 428.95 pam la proporcion de trabajadores conexperieacia en otra empress.Ajuste para poblaciones finitas . 87 N-n N-l . Hay 0.95 para detenninar la contribucion media anual. Establece un intervale de confianza de 0. Una encuesta a 40 familias revel6 que la contribuci6n media anual a obras cornunitarias es de Sf.05 se omite el ajuste. con una desviaci6n estandar de Sf..450. 75.95 Como la muestra es mayor a 5%. Establece un intervalo de confianza al 0.u ~ 471.95 de confianza que el intervale elaborado pertenezca al gT'JPO de intervalos que contieaea a la verdadera media poblacional.. Solucion.34} = 0. (Yp = p(l-p) n N-n N-l 85 • Si la proporcion n!N es menor a 0. 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. Ejemplo 2 Hay 300 rrabajadores en la empresa periodistica La Hora de la Beldad. INTERPRETACION. procede el ajuste . Una muestra de 50 trabajadores revelo que 18 cuentan con una experiencia previa en otra empresa similar.

obtener una estimacion par intervalo de III .06788\ 300-1 } == 0.23835::. una de cada poblacion.. "< 0"- p =0. de las medias muestrales. unestimador puntual de la diferencia entre III Y 112 esta dado por el estadistico Xl .} = l-a 300-50)::. de tamaiio nl Y n2' Y se calcula 1a diferencia x: ~ X2 ..95 P{O..96)(0...x:2 ..95 I INTERPRETACION: Hay 0. . La gasolina que se utiliza y m las de mas condiciones se mantienen constantes.48165} == 0. Ejemplo Distribuclen muestral de diferencia de medias n . 300-1 .36(1. Sup6n qu las desviaciones estandar poblacionale s n 6 y 8 p' los motores A y B respectivamente.96)(0. para.36-(1. Se realizan50 experimentos con el motor tipo A Y 75 con ~l otor tipo B.' P{0.112 ' se seleccionan dos muestras aleatorias independientes. Encuentra un intervale de confianza de 96% sobre la difereocia promedio real para los motores A Y B.)""" p'+Z""p( J:-_n. A Y B. 90 P{P-Z""p( J:-_n. IT::. Se mideel rendirniento en km por galen de gasolina. 0. ~ I p=-=O.36) O"p =~ 50.36 18 50 1(036)(1-0. Por 10 tanto.95 de confianza que el intervalo construido pertenezca al grupo de intervalos que contienen a ala verdadera proporcion poblacional.06788)( 300-50J . respectivamente. 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.' tr S 0. 91 Se lleva a cabo un experimento en que se comparan dos tipos de motores.06788 Estimaci6n de la diferencia entre dos medias poblacionales Si se tienen dos poblaciones con medias III YIl2 Y varianzas 0/ Y (3/.. :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.

Esto quiere decir que el motor B da mas rendimiento promedio que el motor A.. del motor B menos la media del motor A. ----<'_ Tamafio de la muestra para 'estimar la diferencia de medias poblacionales Ie + a) Lostamafios de muestra son izuales. En este caso sera la media . 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. Respuesta. El valor de z para un nivel de confianza del 96% es de 2.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 y 8. .1B . debido a que los dos valores del intervalo son positivos (~B .JlA siempre es mayor que cero) 3.05. menor.57 93 .IlA < 8. Can un nivel de confianza del 96% la diferencia del rendimiento promedio esta entre 3._".' • 94 Tamafio de la muestra para estimar la diferencia de medias Jloblacionales El error esta dado por: ".43 < J.

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

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

No hay informacion previa acerca de la magnitud de las proporciones PlY P 2' Se quiere estimar la diferencia con un error maximo de 0.0217 0.645. 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.0017 < PI .0. PI = 75/1500 = . respectivamente.Propuesta de solucion: Sean PlY P2 las proporciones reales de defectuosos para los procesos actual y nuevo. muestrear dosrp:~rg~~os.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. (P 1 .P 2 puede ser mayor 0 menor que cer'QJ' • j .defectuosos comparado con el metodo existente.05 Y pz = 80/2000 = 0.P2 < 0. no hay razon para .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 0.04..04.creer que el nuevo procedimiento producira una disminucion significativa en la proporcion de artieulos .95 l.. ..a~. Z para un nivel de confianza del 90% es de 1. 108 . I y II. can una probabilidad de 0.

(x n -1 1=1 2 0/ A. .90 3..O-) Estimador: Se sabe EjempJo: El mimero de ventas realizadas durante 10 dias presenta una varianza de 9.(j2 1-6. Establecer un intervale de confianza para la vananza poblacional (J2) al-O..7875 S.1-aI2 109 P{4. . ~ Xn-l.90 INTERPRETACION: Hay 0.325 (n-l)s. (J'2 S.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)} = 0.90.. 2 %n-l._l_f. 24.n-l i _X)2 (n -1)s2 02 * = =9 p{ Intervalo de confianza: n a = 10 = 0..3609}= 0. Datos: S2 s.Intervalo de confianza para las varianzas Poblacion = N(f-L..10 9(9) :S.aI2 <0"< 2 (n-l)s.

Sign up to vote on this title
UsefulNot useful