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

500) 1(34.Prueba para la varianza de una poblacion normal . 11 Test parametricos mas usados .Tn Reemplazando en el mismo por los datos del ejercicio se obtiene . a la inferencia estadistica parametrica le corresponde hacer inferencias acerca de los parametres poblacionales.07) = -1.Prueba para la media de una poblacion can distribucion de probabilidad normal con varianza desconocida .que: z ~ (492 .Prueba para la igualdad de dos distribucioncs normales independientes . no existen argumentos para afirmar que los paquetes de harina Maca de la Pirinaca contienen (en promedio) menos que 10 anunciado en sus etiquetas. tiene una distribucion de probabilidad distinta a la normal) 10 Inferencia Estadistica Parametrica Hacesuposiciones acerca. E8 decir. Considerando que las poblaciones vestan caracterizadas porparametros.Igualdad de varianzas .4/7. Par 10 tanto.Ejemplo de Prueba de hipotesis INFERENCIA ESTADISTICA x-m El estadistico que utilizaremos -es: . 9 a Segun la distribucion de probabilidad de la poblacion de origen.645 < -1. al nivel de significacion del 5% no se puede rechazar la hipotesis nula..de ·la naturaleza de las' poblaciones de las cuales se derivan las observaciones. la inferencia estadistica se c1asifica en: a) Parametrica (la poblacion de origen tiene una distribucion de probabilidad normal). b) No Parametrica (la poblacion de origen .644 Dado que -1.6444 el valor calculado del estadistico de prueba no alcanza a caer en zona de rechazo.

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

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

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

c·..14.10 14.8 8..6 5...·~'. disefio pareado 1. . El numero de observaciones es el numero de pares..1-0' 12 6. podemos obtenerIa distrlbucion de probahilidadde la rnlsma: la dtstrlbuclcn de lamedia muestral. dependientes.-r can reemplazo de ~~'I<..6 14. un va or x eenJilt~ig~.· . • 26 Como los estadisticos son v.10 8. podemos Ejemplo: Sea una poblaci6n compuesta par 5 unicomics con las siguientes longitudes de cuemo: 6.14 6.. 8..12 8.Estadisticos Cualquier funci6n de las v.8 10 6.fiiI\~_.6 12..8 10....6 8 12 10 10i6 12. . I -dt ~"'~~:""..10 10. . (Otro caso talla minima de oeces comercia/ss).. estandar Se tienen muestras pareadas (m..' 10.· . 27 6 6 Primer elemento de la muestra 8 6.1 -. en general. resultados distintos). correlacionadas) cuando sabemos de antemano que una observaciorresta relacionada con la otra. a medidas tomadas en un mismo sujeto 0 unidad en dos oportunidades 0 tiempo distintos (disefio pareado 2). a. .14 1--· -- 14 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.12 12. _~ .14 10. a.v~.14 8..12 14 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..J I" Segundo~elemento de la muestra Si repetimos este rnismo . En el esquema independiente se compara las respuestas de un grupo con Ias respuestas del otro grupo . equiparadas.7~~'''1F~ . A partir de esta vvarledad" de val 0 res distintos obtenldos parala media rnuestral.. datos apareados... no aleatorios.10 12.·d.8 12... Si tomamos una muestra de tamafio n y calculamos la media de esta rnuestra ootenemos . entonces hablar de sus distribuciones.12 10. Pueden ser observaciones tomadas al mismo tiempo.14 n 1 . son . 12 y 14 cm.experimento un gran nurnero de veoes obtendremos una gran cantidad de valores distintos para x. X y la Los parametres poblacionales valoresfijos.. m... Las posibfes mueetres ·aleatorias temeito 2 seren en total: 52 = 25.8 14.. 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).'j~· : ....

Calculemas para el ejemplo anterior todas \as medias muestrales pasibles de tamano n = 2: _ Xi =2 1( Xl + X2 6 6 ) donde i = 1.8 3125 2125 o = _!_ 25 ~>= i=l I 250 = 10 25 Observa que colncide con la media po bl a. X de la pablaci6n puede tamar los valores 6. bidimensional . podemos calcular suesperanza (la media de medias rnuestrales): . a. 25 es ahorael indice de las posibles rnuestras. cada una de elias tiene la misma distribuci6n de probabilidad que la v. 12 Y 14.... X tiene una densidad de probabilidad dlsoreta uniforme. a. . y ya conocemos su distribucion. 10. Una muestra consta de n 2 observaciones de esa v.5 1J25 E(x) 5/25 412.i= x 31 6+8+1~+12+14 =10 32 6 7 8 9 10 iI 12 13· 14 . eX1' X. a. X.En el ejernplo la v. = Medias ·muestrales Primer elemento dela muestra 29 x. a..J. . clonal: 1125 E(x)=J.. Es decir la v.t 6 Segundo elemento dela muestra 8 7 10 8 9 12 9 14 10 11 8 10 12 14 7 8 9 8 10 11 I 1 9 10 11 12 13 . 10 11 12 13 10 12 14 30 La dlstribuci6n de medias rnuestrales es: Como x es una v. Podemos interpretarla como una v. donde X1 Y X2 son independientes y estan identicamente distribuidas (iid). a. X. a. De heche. 8. p r·· 4/25 3125 212. cada uno can probabiHdad1/S.

a.. de 02 38 .n) sera uno de los posibles valores que puede tomar la v.. (i=I.. .le donde i = 1..)2 vananzas muestrales 2: x ' =2 1 . "0' 25 es el indice d 1 posimes muestras.~ . podemos calcular I~U. mador x de pes insesgado. y ya conocemos su distribucion. ~. a. el valorx. GCwiles su valoresperado? Calculemos posibles: . 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. 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~.J j:o:l X. 2 S'l todas 2 ( las .muestrales Primer elemento dela rnuestra ~=1 33 s· l 2. ibl as Warianzas .lOO/25 = 4 25 i=l '.Dada una muestra de tamafio n.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. . 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.

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

normal conla misma media .n 1. Es decir. sobre el intervalo 150 -190. . ~ 40 -en nada a unadistribucion y desviacion tlpica. Ver siguiente diapositiva. si bien sabemas que lamedia es fJ. 41 42 Veamos aparecer la distribuci6n normal a partir de una poblaclon de distribuci6n de probabilidad unitorme so. no posea distribucion normal.. . • Para cada grupo de 10 obtsnemos una nueva medici6n.Astribuci6n muestral de la media (cant. a..traria. la media muestral. La forma de la distribuci6n muestral de la media TAMBIEN tlende a ser normal. la media de la distribucion muestral de medias sera u y la"varianza de la distribucion muestral de medias sera (j2 / n Distribuci6n muestral de la media (cant. {a distribuci6n muestral se acercara mas y mas ala distribuci6n normal (media f1 y varianza a2ln) a medida que se aumente el tamano de cada muestra. .:::::> . En concreto. Para el caso en que la distribuci6n subyacente sea arb. Como-es de esperar la media es cercanaa 170..~ . ) . los 'objetos' que resumen la informacion de una muestra..) Aunque una v. • Repitamos 91 proceso un nurnero elevado de veces y pmtarnos la distribuci6n de la nueva v.b1e'Original que era 170.----------. ciertosestadisticos estimadores calculados sobre muestras -elegidas al azar poseen una distribuci6n normal..:::::·1:~j:':::::. posib lemente tengan distribuci6n normal. Como ilustracion veamos .. • Observa que las nuevas cantidades estan mas -0 menos cerca de la media dela varia. EI histograma no se pareee •A continuacion elegimos aleatoriarnente tresqrupos/muestras de tamafio 10 observaciones de la pob1aci6n unltorrne . y la varianza es (Y2 .73 J} 1~9··.~ ~ r.de la diapositiva anteriory calculamos el prornedio. tengan las distribuci6n que tengan nuestros datos. o' .. una variable que presenta valores distribuidos mas 0 rnenos unitormernente . a.

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

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

01 233 55 56 .645 x. M"lJESTRAS GRAl~ES: UNILATERALES NC 90% 95% a z. GRANDES: BILATERALES LDtllTES DE CONFIAl'lZAPARA. Es la distancia 0 separacion entre unextremo del intervalo y el centro del mismo: e= Z ax • 54 LLWTES DE CONFIANZA PARA l\fUESTRA.96o-x X+196cr. 90-% 0.28 95% 0.Supongamos que deseamos tener un nivel de siqnlflcaclon a: .2.l) Donde: X = Media de la variable = Z Coeficiente de confianza.10 1. que depende del nivel de confianza asumido.33crx LSC X +lj28cr:x X+l.L6450'-X X+ 1.33crx 99 % 0. Valores criticos (~c) • U x = Errorestandar ZaJ2 P -ZCC/2<a/Fn<ZCC12 ( x-j1 - J =l-a 53 e= de la media.6450"x X-2.S . Es la desviaci6n estandar de la distribucion muestral de la media.58 x.58vx X+2. N(O. Error de la estima.645crx 0.645ax X+2.10 1.x ' '001 2.96 x -1. Error probable de la media.05 1.58crx .05 1. . Error al estimar lamedia poblacional (Tolerancia). x X-l. LIe l - LSC NC 99% 0.645 J a Za - Lie X-128cr.

95: 4.l • E (700.1a . no solo para la media.95 400' p{ 700.. 5 4. La desviacion estandarpoblacional es de S/.'annal en zapatos de las familias de Chongos Bajosestara entre S/.95 400} J400 (1.---.-I- I' Caso 2. Se encontr6 en la muestra una media de S/. = 10.certeza "del 95% A rnedlda . (1..95 de la estimacion del gasto media anual en zapatos por familia en el indicado distrito. Con UJ.80.96).20 J.740 par familia. P(1O+C-1. P{740-~.400.96) = 0. esto es en general.que el tamafio muestral aumenta. varianza poblacional "h <. Interpretacicn: Hay 95% de seguridad que el 'intervalo hallado se encuentre dentro del grupo de intervalos que contienen a la verdadera media poblacional (u).20 = 0.Supcnqarnos que desearnos.96·lz) = = P(8.t ':' a 'Gasa 1.779.20) 58 Intervalos de corfianza r cant.779. Construire interpretar un tntervalode confianza al 0. la amplitud del intervalo disminuye. 57 . el gasto medic>.87 < u < ILl) pobl olon I 0.700. En unestudio de mercado efectuado en Chongos Bajos. varlenza 12345'678 ••• . . Media rnuestral tarnario muestral = 20.96) ~400 400 s u < 740+ } = 0.u < 10+ 1.Ejemplo. ~ t---+-l---"--+---I---.80 y S/.80 < fJ < 779. Media muestral tamano rnuestral = 12. • muestra 59 10. se realize una encuesta a una muestra compuesta por 400 familias para calcular el gas to poblacional promedio anual en zapatos. Evidentemente.

sino una distribuci6n t de Student can n . la distribuci6n muestral del estadlstico: = 10.99 01 p(x .}.L < X+TnZaI2 63 Nota: Para n > 30 la distribud6n t de Student es practlcamente una normal.99. =P(8.istribuci6n delestadistico x- Fn za/2 (J' < Ji < x + rn a- za/2 Z(e/ caso Pero si no conocemos la varianza poblacional realista).tqrados de fibertad. cant...umentala amplitud del intervalo . Caso 2. tamario 11'0 t = ----. tenemos: _ Calculo de intervalos de confianza (3) Distribucion de poblaci6n desconocida y n > 30 Si n es grande la d. Intervaloal Cuando el tamafio dela muestra es < 30 Y la poblaci6n no es distribuci6n normal./012 <u < x + }.96· Ju J v12 = P(8. EI problemaes que incrementar la Calculo de intervalos de confianza (2) Poblaci6n normal V desconocemos 0' confianza a. Caso 1.Intervalos de canfianza. Media muestral = 10. Intervalo al 99% ~ « u <10+2.95 as una distribuci6n normal.. tendremos mas seguridad de que el pararnetro de interes se halle en los llmites del intervalo. 64 .87 <u < 11. = I-a " En definitiva.= x-p slFn p( 10 +(-1.13) = 0. varianza poblacional 95% = 4. El intervalo de oonfianza sera: _ x -Tn 0" _ ZaI2 a- < f.48) =0. tenemos como intervale: x-p .. En tal case. Media muestral muestral = 12.52 ~ f-l < 11.a = 0.57· ~J _ P (-tal2 < x-p < tall ) = I-a I s/~n 12) . varianza poblacional = 4.. tarnario muestral = 12.si-ln _----=-= sera practicarnente una distri-buci6n normal N(0..57)..t.1). Ju '\112 <u < 10+ 1. Supongamas ahara que deseamos que 1 .96)· PlIO+C-2.. para la media (cuando conocemos la varianza poblacional).

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

CP =xJn en donde xes el numero de exitos u observaciones de interes y n el tamafio de la muestra)en lugar del estadistico media.30. Soluci6n Datos: 1 . = O~95 Z = 1. a excepcion de que al extraer las muestras de la poblacion se calcula el estadistico proporcion .a. el gerente de la vitivinfcola Santiago Querida SA desea determinarel tamafio. Se conoce por estudios anteriores la poblacion en estudio tiene un desvio estandar poblacional de 8/. sino que queremos investigar Ia proporci6n (11) de .EjempJo A fin 'de conocer el gasto mensual en lJebidas espirituosas por familia.95 (Z = 1.96 cr = 5/. La distribucion muestral de proporciones es la adecuada para dar respuesta aestas situaciones. Si no se tiene el valor de p.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. entonces se puede usar el valor maximo p= q= 0. 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. El gerente busca un tamafio de muestra que le permita estimar el nivel de gasto con un error de estimaci6n de ± 8/.10.5 72 71 .96). ~ .) Existen ocasiones en las cuales no estamos interesados en 1a media de 1a muestra.10 n n- (1 .30 e = 5/.

74 Propuesta de soluci6n: n=500 p = 15/500 = 0._ e<".03 z(0. Si se utiliza un nivel de confianza de 0.Za.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. Encuentra un intervale de confianza de 90% para la proporcion de los reproductores de discos compactos de la produccion que no pasan todas la~ pruebas.90)_= 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 . .'03) ) }= 0.03 + 1.03-1..' • P{0.645 ..~ 7Z" ~ P + Za-} = 1. Una muestra aleatoria de 500 reproductores tiene como resultado que 15 de estes fallan en una 0 mas pruebas.03~~0. Todos los reproductores de discos compactos deben pasar todas las pruebas antes de venderse..90 0.U3~~OO. ~ .discos defectuosos que no pasan la prueba en esa poblacion esta entre 0..645( ) 0.0376 Respuesta: Se sabe con un nivel de confianza del 90% que la proporcion de .0237 y 0..64500.0237 < P < 0.95 Lcwil es la estimaci6n de intervalo para la proporcion de 1apoblaci6n de trabajadores siadicalizados que planean votar por federarse? 76 .. Co Ejemplo: y • .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.

80 +1.782:S1t~0.Soluci6n: p -= 20.95 a)% Interpretacion: p : Probabilidad deexito p(l-p) : Variancia e : error (%) Hay 0.00894) }= 0. Ademas. " 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. ~De cuantos electores debe ser la muestra? 80 79 . que su suma es igual ala unidad: p + q = 1. Se sabe que en las elecciones congresales del afio 2011 recibio 40% de los votos en el indicado sector. es deck.95 donde: Z : Valor tabular para un nivel de confianza 100(1- =0. Susy establece que la proporci6n de electores que 1a apoyaran debe calcularse dentro del 2% -de 1aproporcion de la poblacion de dicho sector. y el porcentaje con' el vque se rechazo la hipotesis es la varlabilidad negativa.96(0.894 p 0.96 P {O. se duda queeste porcentaje haya variado significativamente. La excongresista Susy Diaz desea determinar su popularidad enel Cofio Norte.818} 1t~ a.80) Tamafio de la muestra para proporciones p 2000 Z =1.:: (0.existir antecedentes sobre la investigaci6n (no hay otras 0 no se pudo aplicar 'una prueba previa). entonces los valores soup = q = 0. cuaado sehabla de la maxima variabilidad. ademas. denotada por q.80-1.80)(1.0.80 . 00.5. Hay que considerar que p y q son complementarios. E1 porcentaje con que se acepto tal hip6tesis se denomina variabilidad positiva ysedenota por p.-00894) ~ P{O.= 0 .00 1600 = 0.95. (j .96(0. desea tener un grado de confianza de 0.95 de confianza que el intervalo calculado pertenece al grupo de intervalos que contienen a la verdadera proporcion poblacion~. en el caso de no .

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

" P { 428. Establece un intervale de confianza de 0. Establece un intervalo de confianza al 0. Solucion. (Yp = p(l-p) n N-n N-l 85 • Si la proporcion n!N es menor a 0.05 se omite el ajuste.u ~ 471.95 de confianza que el intervale elaborado pertenezca al gT'JPO de intervalos que contieaea a la verdadera media poblacional.66 ~. 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.450. procede el ajuste . Hay 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.95 Como la muestra es mayor a 5%.Ajuste para poblaciones finitas . INTERPRETACION. Ejemplo 2 Hay 300 rrabajadores en la empresa periodistica La Hora de la Beldad. 87 N-n N-l .34} = 0.95 pam la proporcion de trabajadores conexperieacia en otra empress. S6 Como la muestra es mayor a 5% de N procede el ajuste. con una desviaci6n estandar de Sf.. 75.95 para detenninar la contribucion media anual.

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. 90 P{P-Z""p( J:-_n.96)(0. una de cada poblacion..)""" p'+Z""p( J:-_n. 91 Se lleva a cabo un experimento en que se comparan dos tipos de motores.06788)( 300-50J .' tr S 0.. ~ I p=-=O...95 P{O.36-(1.06788 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. .95 I INTERPRETACION: Hay 0. Sup6n qu las desviaciones estandar poblacionale s n 6 y 8 p' los motores A y B respectivamente. 0. respectivamente.36 18 50 1(036)(1-0. 300-1 . Por 10 tanto. Se mideel rendirniento en km por galen de gasolina. unestimador puntual de la diferencia entre III Y 112 esta dado por el estadistico Xl .. Se realizan50 experimentos con el motor tipo A Y 75 con ~l otor tipo B. obtener una estimacion par intervalo de III .48165} == 0..x:2 .. para. Ejemplo Distribuclen muestral de diferencia de medias n .} = l-a 300-50)::.' P{0.23835::. Encuentra un intervale de confianza de 96% sobre la difereocia promedio real para los motores A Y B. IT::.95 de confianza que el intervalo construido pertenezca al grupo de intervalos que contienen a ala verdadera proporcion poblacional.06788\ 300-1 } == 0. de tamaiio nl Y n2' Y se calcula 1a diferencia x: ~ X2 .96)(0. :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. de las medias muestrales. A Y B.36(1.112 ' se seleccionan dos muestras aleatorias independientes. "< 0"- p =0.36) O"p =~ 50.

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

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

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

. Z para un nivel de confianza del 90% es de 1.04.0.0217 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. PI = 75/1500 = .P2 < 0.Propuesta de solucion: Sean PlY P2 las proporciones reales de defectuosos para los procesos actual y nuevo. 108 . I y II.defectuosos comparado con el metodo existente..0017 < PI . 105 Respuesta: Como el intervale contiene el valor de cera. no hay razon para . 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 .04.05 Y pz = 80/2000 = 0..95 l. respectivamente.04.P 2 puede ser mayor 0 menor que cer'QJ' • j . 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. muestrear dosrp:~rg~~os.a~.645.1 Tamaiio de muestra para diferencia de proporciones Solucion: La compafiia de productos alimenticios La Buena Muerte contrat6 a una empresa de investigacion de mercadoteGniapar. (P 1 . can una probabilidad de 0..

~ Xn-l.90 INTERPRETACION: Hay 0. .O-) Estimador: Se sabe EjempJo: El mimero de ventas realizadas durante 10 dias presenta una varianza de 9.325 (n-l)s. ..919 s 9(9)} = 0.90.10 9(9) :S.3609}= 0.1-aI2 109 P{4.. (J'2 S.n-l i _X)2 (n -1)s2 02 * = =9 p{ Intervalo de confianza: n a = 10 = 0..(j2 1-6. Establecer un intervale de confianza para la vananza poblacional (J2) al-O.aI2 <0"< 2 (n-l)s.90 de confianza que el intervale hallado se encuentre dentro del grupo de intervalos que contienen a la verdadera varianza poblacional. 24.7875 S. 2 %n-l._l_f..Intervalo de confianza para las varianzas Poblacion = N(f-L.(x n -1 1=1 2 0/ A. Datos: S2 s..90 3.

Sign up to vote on this title
UsefulNot useful