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

E8 decir.de ·la naturaleza de las' poblaciones de las cuales se derivan las observaciones. 9 a Segun la distribucion de probabilidad de la poblacion de origen.645 < -1.Prueba para la igualdad de dos distribucioncs normales independientes . al nivel de significacion del 5% no se puede rechazar la hipotesis nula.Igualdad de varianzas .. a la inferencia estadistica parametrica le corresponde hacer inferencias acerca de los parametres poblacionales.4/7. no existen argumentos para afirmar que los paquetes de harina Maca de la Pirinaca contienen (en promedio) menos que 10 anunciado en sus etiquetas. 11 Test parametricos mas usados . tiene una distribucion de probabilidad distinta a la normal) 10 Inferencia Estadistica Parametrica Hacesuposiciones acerca. b) No Parametrica (la poblacion de origen . 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).Tn Reemplazando en el mismo por los datos del ejercicio se obtiene .que: z ~ (492 .Prueba para la varianza de una poblacion normal .Prueba para la media de una poblacion can distribucion de probabilidad normal con varianza desconocida .6444 el valor calculado del estadistico de prueba no alcanza a caer en zona de rechazo.07) = -1.644 Dado que -1.Ejemplo de Prueba de hipotesis INFERENCIA ESTADISTICA x-m El estadistico que utilizaremos -es: .500) 1(34. Par 10 tanto.

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

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

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

datos apareados..14 8. a.8 10.c·.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).. podemos Ejemplo: Sea una poblaci6n compuesta par 5 unicomics con las siguientes longitudes de cuemo: 6. 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.8 10 6...8 14. En el esquema independiente se compara las respuestas de un grupo con Ias respuestas del otro grupo ..·~'.. 27 6 6 Primer elemento de la muestra 8 6.v~.10 10.. A partir de esta vvarledad" de val 0 res distintos obtenldos parala media rnuestral... a.. resultados distintos).6 5. . 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. a medidas tomadas en un mismo sujeto 0 unidad en dos oportunidades 0 tiempo distintos (disefio pareado 2).-r can reemplazo de ~~'I<... m.14 1--· -- 14 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.10 8..' 10.14..14 6..1-0' 12 6. correlacionadas) cuando sabemos de antemano que una observaciorresta relacionada con la otra. no aleatorios..12 12. son . 8. El numero de observaciones es el numero de pares..·d.8 12. Pueden ser observaciones tomadas al mismo tiempo. .· ..12 8.10 12..6 12. 12 y 14 cm.14 10. estandar Se tienen muestras pareadas (m. • 26 Como los estadisticos son v.. podemos obtenerIa distrlbucion de probahilidadde la rnlsma: la dtstrlbuclcn de lamedia muestral.'j~· : . .14 n 1 . X y la Los parametres poblacionales valoresfijos.10 14. .6 14.12 10. _~ . Las posibfes mueetres ·aleatorias temeito 2 seren en total: 52 = 25. disefio pareado 1.8 8. un va or x eenJilt~ig~.. I -dt ~"'~~:"". (Otro caso talla minima de oeces comercia/ss). equiparadas..Estadisticos Cualquier funci6n de las v..6 8 12 10 10i6 12.. en general..fiiI\~_.12 14 6... entonces hablar de sus distribuciones.· . dependientes.1 -..J I" Segundo~elemento de la muestra Si repetimos este rnismo ..

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

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

11 y varianza r:. .u.) ~uasivarianzas muestrales Primer elemento dela muestra I' I' s: 6 Segundo elemento de 'fa muestra .'J xn se toma a partir de u. es decir Nfl-!.y. probabilidad normal Distribucion muestral de la media Sea X una v. a. y cr/\Jn). N(-u 1 /"" ... .LS~ =200/25 = 8 25 i..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 . menor ·es la varianza.$111ianza (52.21n .r Definamos el estimador cuasivarianza muestral: Solo se distingue de la varianza muestral en dividir entre (n-I) -envez de n. La varianza de la distribucion de Iamedia muestral sera: Si la muestra aleatoria x1' x2' '. que se distribuyeen una poblacion como una distribucion de probabilidad normal con media.na poblaci6n normal con media ~ vananza q:t/1dil ~m. 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. 0): Tomemos una muestra aleatoria de tamafio It de esta poblaci6n normal. .edia muestral tendra distribuci6nJ normal'c~h' -'m-edia . 40 .J) .. 2) = -::.••. 0 seudovarianza s: = n -1L(X n j=l 1 Tendremos ahora que: j - Xi)2 E(s.

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

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

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

que depende del nivel de confianza asumido. Error al estimar lamedia poblacional (Tolerancia).05 1.S .2.33crx 99 % 0. Error probable de la media. 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 x -1. Es la desviaci6n estandar de la distribucion muestral de la media.645 J a Za - Lie X-128cr.05 1.L6450'-X X+ 1. GRANDES: BILATERALES LDtllTES DE CONFIAl'lZAPARA. N(O.58crx .Supongamos que deseamos tener un nivel de siqnlflcaclon a: .l) Donde: X = Media de la variable = Z Coeficiente de confianza.96o-x X+196cr.10 1. x X-l.58vx X+2.58 x.33crx LSC X +lj28cr:x X+l.645 x.10 1. .28 95% 0. Error de la estima.6450"x X-2. M"lJESTRAS GRAl~ES: UNILATERALES NC 90% 95% a z. Valores criticos (~c) • U x = Errorestandar ZaJ2 P -ZCC/2<a/Fn<ZCC12 ( x-j1 - J =l-a 53 e= de la media.645ax X+2. 90-% 0.645crx 0.x ' '001 2. LIe l - LSC NC 99% 0.01 233 55 56 .

20) 58 Intervalos de corfianza r cant. 5 4. = 10. P{740-~.1a .---.400. .700. varlenza 12345'678 ••• .Supcnqarnos que desearnos. Media muestral tamano rnuestral = 12. Con UJ. esto es en general.'annal en zapatos de las familias de Chongos Bajosestara entre S/. En unestudio de mercado efectuado en Chongos Bajos. (1.779.20 J. La desviacion estandarpoblacional es de S/.20 = 0. Construire interpretar un tntervalode confianza al 0. ~ t---+-l---"--+---I---.. Interpretacicn: Hay 95% de seguridad que el 'intervalo hallado se encuentre dentro del grupo de intervalos que contienen a la verdadera media poblacional (u). no solo para la media.80 < fJ < 779.-I- I' Caso 2.96·lz) = = P(8.96). P(1O+C-1. Se encontr6 en la muestra una media de S/.95 400} J400 (1.. • muestra 59 10.certeza "del 95% A rnedlda . Media rnuestral tarnario muestral = 20. la amplitud del intervalo disminuye.t ':' a 'Gasa 1.95 de la estimacion del gasto media anual en zapatos por familia en el indicado distrito.95 400' p{ 700.96) ~400 400 s u < 740+ } = 0. varianza poblacional "h <.740 par familia.779.que el tamafio muestral aumenta.l • E (700. se realize una encuesta a una muestra compuesta por 400 familias para calcular el gas to poblacional promedio anual en zapatos.u < 10+ 1. el gasto medic>.87 < u < ILl) pobl olon I 0.80.Ejemplo. Evidentemente.96) = 0. 57 .80 y S/.95: 4.

istribuci6n delestadistico x- Fn za/2 (J' < Ji < x + rn a- za/2 Z(e/ caso Pero si no conocemos la varianza poblacional realista). tendremos mas seguridad de que el pararnetro de interes se halle en los llmites del intervalo.99 01 p(x .. tenemos: _ Calculo de intervalos de confianza (3) Distribucion de poblaci6n desconocida y n > 30 Si n es grande la d.umentala amplitud del intervalo .95 as una distribuci6n normal.si-ln _----=-= sera practicarnente una distri-buci6n normal N(0. tenemos como intervale: x-p . Ju '\112 <u < 10+ 1.48) =0. El intervalo de oonfianza sera: _ x -Tn 0" _ ZaI2 a- < f.. Intervaloal Cuando el tamafio dela muestra es < 30 Y la poblaci6n no es distribuci6n normal. 64 . Media muestral muestral = 12. Supongamas ahara que deseamos que 1 . varianza poblacional 95% = 4.57· ~J _ P (-tal2 < x-p < tall ) = I-a I s/~n 12) ./012 <u < x + }. =P(8. Caso 1. EI problemaes que incrementar la Calculo de intervalos de confianza (2) Poblaci6n normal V desconocemos 0' confianza a..}.87 <u < 11.Intervalos de canfianza. sino una distribuci6n t de Student can n .. para la media (cuando conocemos la varianza poblacional). cant. Media muestral = 10. En tal case.. la distribuci6n muestral del estadlstico: = 10..1).13) = 0. Intervalo al 99% ~ « u <10+2.L < X+TnZaI2 63 Nota: Para n > 30 la distribud6n t de Student es practlcamente una normal. Caso 2.52 ~ f-l < 11.99. tarnario muestral = 12. varianza poblacional = 4.= x-p slFn p( 10 +(-1.96· Ju J v12 = P(8. = I-a " En definitiva.a = 0.t..57).. tamario 11'0 t = ----.tqrados de fibertad.96)· PlIO+C-2.

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

96 )2 ( 30 )2 (10 )2 n = 35 70 • 69 Distribucion muestral de Proporciones Distribuci6n muestral de Proporciones (cont. articulos defectuosos 0 la proporci6n (P) de a1umnos desaprobados a partir de la muestra.) 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.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. = O~95 Z = 1.10 n n- (1 .5 72 71 .96 cr = 5/.30. 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. ~ . sino que queremos investigar Ia proporci6n (11) de . a excepcion de que al extraer las muestras de la poblacion se calcula el estadistico proporcion . el gerente de la vitivinfcola Santiago Querida SA desea determinarel tamafio.a.30 e = 5/.96). Soluci6n Datos: 1 .EjempJo A fin 'de conocer el gasto mensual en lJebidas espirituosas por familia. La distribucion muestral de proporciones es la adecuada para dar respuesta aestas situaciones.10. Se conoce por estudios anteriores la poblacion en estudio tiene un desvio estandar poblacional de 8/. Esta distribucion se genera de igual manera que 1a distribucion muestral de medias.95 (Z = 1.

03-1.. ._ e<"..discos defectuosos que no pasan la prueba en esa poblacion esta entre 0.'03) ) }= 0.90 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 .0237 < P < 0.. Una muestra aleatoria de 500 reproductores tiene como resultado que 15 de estes fallan en una 0 mas pruebas.03~~0.U3~~OO. ~ .03 + 1.' • P{0. Co Ejemplo: y • . 74 Propuesta de soluci6n: n=500 p = 15/500 = 0.0376 Respuesta: Se sabe con un nivel de confianza del 90% que la proporcion de .95 Lcwil es la estimaci6n de intervalo para la proporcion de 1apoblaci6n de trabajadores siadicalizados que planean votar por federarse? 76 . 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.Za.. Si se utiliza un nivel de confianza de 0.~ 7Z" ~ P + Za-} = 1.0237 y 0.645 .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.. :.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. Todos los reproductores de discos compactos deben pasar todas las pruebas antes de venderse...90)_= 1.03} <P< 0.64500.03 z(0.645( ) 0.

(j . La excongresista Susy Diaz desea determinar su popularidad enel Cofio Norte.80) Tamafio de la muestra para proporciones p 2000 Z =1.96 P {O. desea tener un grado de confianza de 0.:: (0.894 p 0.80-1. Ademas. ~De cuantos electores debe ser la muestra? 80 79 .-00894) ~ P{O.818} 1t~ a.80 +1.80)(1.95.80 .00894) }= 0. Se sabe que en las elecciones congresales del afio 2011 recibio 40% de los votos en el indicado sector. que su suma es igual ala unidad: p + q = 1.0.95 a)% Interpretacion: p : Probabilidad deexito p(l-p) : Variancia e : error (%) Hay 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.= 0 .5. y el porcentaje con' el vque se rechazo la hipotesis es la varlabilidad negativa.Soluci6n: p -= 20. entonces los valores soup = q = 0. E1 porcentaje con que se acepto tal hip6tesis se denomina variabilidad positiva ysedenota por p. Susy establece que la proporci6n de electores que 1a apoyaran debe calcularse dentro del 2% -de 1aproporcion de la poblacion de dicho sector.96(0.00 1600 = 0. es deck. 00. denotada por q.existir antecedentes sobre la investigaci6n (no hay otras 0 no se pudo aplicar 'una prueba previa).96(0.95 de confianza que el intervalo calculado pertenece al grupo de intervalos que contienen a la verdadera proporcion poblacion~. cuaado sehabla de la maxima variabilidad. en el caso de no .782:S1t~0. ademas. Hay que considerar que p y q son complementarios. se duda queeste porcentaje haya variado significativamente.95 donde: Z : Valor tabular para un nivel de confianza 100(1- =0.

~' ~ del los "t-:''::'.. ._...--'-~___.__~ II I (1.96 f5= 0.96)2 (0.' .Solucion Datos: 1 ..a = 0..' El error estandar de La estimacion sufre un ajuste.:--. cuando se trata de una poblaci6n finite. ejemplos: estrellas. ij4 ..60) (0..40 e = 0. Si se quiere calcularel error estandar de la media. • 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.. poblacion moscas. • Representatividad: 94% • -Fecha de..95 Z = 1. rror +/. ' " . de la poblaci6n.05 (5%) se omite el ajuste.02)2 • Nivel de cobertura: 118 distritos de 36 provincias pertenecientes a 9 departamentos. _ _--" N-""":.02 Ficha tecnica de una encuesta realizada por El Logo Feroz • Muestra: 1 515 personas • Margen de e.. ya la las de a N-n 83 N es el tamafio de Ia poblacion.2. se..40)(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... .79% • Nivel de confianza: 95% n = . Si la proporcion nINes menor a 0.. hojas -en un bosque. Nose puede tomar cantidad limite con precasion.~~~" ">'" . aplicacion: Entre el 25 y ~O de JunIO.

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.34} = 0.u ~ 471. INTERPRETACION." P { 428.95 para detenninar la contribucion media anual. 75.Ajuste para poblaciones finitas . Establece un intervalo de confianza al 0.95 Como la muestra es mayor a 5%.66 ~. Una muestra de 50 trabajadores revelo que 18 cuentan con una experiencia previa en otra empresa similar. con una desviaci6n estandar de Sf. Una encuesta a 40 familias revel6 que la contribuci6n media anual a obras cornunitarias es de Sf.450.. Establece un intervale de confianza de 0. 87 N-n N-l . Hay 0.05 se omite el ajuste.. Ejemplo 2 Hay 300 rrabajadores en la empresa periodistica La Hora de la Beldad.95 de confianza que el intervale elaborado pertenezca al gT'JPO de intervalos que contieaea a la verdadera media poblacional.95 pam la proporcion de trabajadores conexperieacia en otra empress. (Yp = p(l-p) n N-n N-l 85 • Si la proporcion n!N es menor a 0. S6 Como la muestra es mayor a 5% de N procede el ajuste. procede el ajuste . Solucion.

Encuentra un intervale de confianza de 96% sobre la difereocia promedio real para los motores A Y B. Sup6n qu las desviaciones estandar poblacionale s n 6 y 8 p' los motores A y B respectivamente. para. .' P{0. A Y B.06788\ 300-1 } == 0. 0.x:2 .} = l-a 300-50)::.96)(0.48165} == 0.. unestimador puntual de la diferencia entre III Y 112 esta dado por el estadistico Xl .36-(1.36(1. de las medias muestrales.06788)( 300-50J .' tr S 0. 300-1 . una de cada poblacion. 91 Se lleva a cabo un experimento en que se comparan dos tipos de motores. ~ I p=-=O.36 18 50 1(036)(1-0.. obtener una estimacion par intervalo de III .95 P{O... 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.. "< 0"- p =0.95 de confianza que el intervalo construido pertenezca al grupo de intervalos que contienen a ala verdadera proporcion poblacional.96)(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.. Se realizan50 experimentos con el motor tipo A Y 75 con ~l otor tipo B.95 I INTERPRETACION: Hay 0. de tamaiio nl Y n2' Y se calcula 1a diferencia x: ~ X2 . respectivamente.)""" p'+Z""p( J:-_n. IT::.23835::. Se mideel rendirniento en km por galen de gasolina.36) O"p =~ 50.112 ' se seleccionan dos muestras aleatorias independientes.06788 Estimaci6n de la diferencia entre dos medias poblacionales Si se tienen dos poblaciones con medias III YIl2 Y varianzas 0/ Y (3/. La gasolina que se utiliza y m las de mas condiciones se mantienen constantes. Ejemplo Distribuclen muestral de diferencia de medias n .. 90 P{P-Z""p( J:-_n.

1B . En este caso sera la media .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.._".JlA siempre es mayor que cero) 3.~.IlA < 8. Se eleva al cuadrado la ecuacion y se despeja n ya que nj es igual a n2' En esta ecuacion se pueden presentar dos casos: 95 96 . Can un nivel de confianza del 96% la diferencia del rendimiento promedio esta entre 3.43 y 8. ----<'_ Tamafio de la muestra para 'estimar la diferencia de medias poblacionales Ie + a) Lostamafios de muestra son izuales.43 < J.' • 94 Tamafio de la muestra para estimar la diferencia de medias Jloblacionales El error esta dado por: ". debido a que los dos valores del intervalo son positivos (~B . del motor B menos la media del motor A.57 93 . Respuesta. menor.05. Esto quiere decir que el motor B da mas rendimiento promedio que el motor A... El valor de z para un nivel de confianza del 96% es de 2. .

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

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

can una probabilidad de 0. .defectuosos comparado con el metodo existente.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 2 puede ser mayor 0 menor que cer'QJ' • j . (P 1 ..04. PI = 75/1500 = .645.a~.95 l.Propuesta de solucion: Sean PlY P2 las proporciones reales de defectuosos para los procesos actual y nuevo. muestrear dosrp:~rg~~os. a fin de comparar las proporciones de consumidores que prefieren la comida coagelada de la compafiia can los productos de sU'S competidores..creer que el nuevo procedimiento producira una disminucion significativa en la proporcion de artieulos . 105 Respuesta: Como el intervale contiene el valor de cera. 108 .05 Y pz = 80/2000 = 0.04.P2 < 0.. Z para un nivel de confianza del 90% es de 1. I y II.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. no hay razon para .0017 < PI . respectivamente.0217 0. 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.

(x n -1 1=1 2 0/ A.1-aI2 109 P{4. ...O-) Estimador: Se sabe EjempJo: El mimero de ventas realizadas durante 10 dias presenta una varianza de 9. Datos: S2 s.(j2 1-6.919 s 9(9)} = 0.Intervalo de confianza para las varianzas Poblacion = N(f-L. .90 INTERPRETACION: Hay 0.n-l i _X)2 (n -1)s2 02 * = =9 p{ Intervalo de confianza: n a = 10 = 0.90..10 9(9) :S.7875 S.90 de confianza que el intervale hallado se encuentre dentro del grupo de intervalos que contienen a la verdadera varianza poblacional. 24. 2 %n-l..aI2 <0"< 2 (n-l)s. ~ Xn-l. Establecer un intervale de confianza para la vananza poblacional (J2) al-O. (J'2 S.325 (n-l)s._l_f.3609}= 0.90 3..

Sign up to vote on this title
UsefulNot useful