Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capítulo 6
Capítulo 6
1
6.2
6.3
6.4
6.5
6.6
6.1
INTRODUCCION
INTERVALO DE CONFIANZA
PARA LA MEDIA DE UNA
POBLACION
DISTRIBUCION t
INTERVALO DE CONFIANZA
PARA LA DIFERENCIA ENTRE
DOS MEDIAS
POBLAC.ONALES
INTERVALO DE CONFIANZA
PARA LA PROPORCION DE
UNA POBLACION
INTERVALO DE CONFIANZA
PARA LA DIFERENCIA ENTRE
LAS PROPORCIONES DE DOS
POBLACIONES
INTRODUCCION
6.7
6.8
6.9
6.10
6.11
DETERMINACION DEL TAMANO
DE LA MUESTRA PARA LA
ESTIMACJON DE LAS MEDIAS
DETERMINACION DEL TAMANO
DE LA MUESTRA PARA LA
ESTIMACION DE LAS
PROPORCIONES ' v
INTERVALO DE CONFIANZA
PARA LA VARIANCIA DE
. POBLACIONES CON
DISTRIBUCION NORMAL
INTERVALQ DE CQNFIANZA
PARA LA RAZON DE LAS
VARIANCIAS DE DOS
POBLACIONES CON
DISTRIBUCION NORMAL
RESUMEN
En s . t ~ capitulo se analiza la estimaci6n, que es la primexa de las dos areas generales
de lainferepcia estadistica. La segunda area general, pr,uebas de hipotesis, se estudia
en el siguiente capitulo.- .
En el capItulo I se define la inferencia estadfstica de la siguiente manera:
DEFINICION
La inferencia estadistica es el proeedimiento por medio
del eual se'llega a eonclusiones aeerea de una poblaci6n
coli base en la inforIllaci6n que se obtiene a partir de una
muestra seleecionadade esa poblaei6n.
EI proceso de estimacion implica calcular, a partir de los datos de una
muestra, alguna estadfstica que se ofrece como una aproximacion del panimetro
correspondiente de la poblacion de la cual fueextraida la muestra.
EI razonamiento en el que se basa la estimacion en el campo de las ciencias
de la salud se apoya en la suposicion de que los trabajadores tengan interes en
150
151 6.1 INTRODUCCION
parametros, como la media y la proporci6n, de varias poblaciones. Si este es el
caso, existe una buena razon por la que se debe confiar en los procedimientos de
la estimacion para obtener informaci6n respecto a dichos parametros: muchas
poblaciones de interes, aunque finitas, son tan grandes que el costo de un estudio
del 100 por ciento seria prohibitivo.
Suponga que al administrador de un gran hospital Ie interesa saber la edad
promedio de los pacientes internados en el transcurso de un ano. Es posible que
considere demasiado laborioso consultar el registro de cada paciente internado
en el transcurso de ese ano y, en consecuencia, decide examinar una muestra de
los registros a partir de la cual sea posible calcular una estimaci6n de la edad
promedio de los pacientes internados en ese ano.
Un medico general puede estar interesado en saber que proporcion de
cierto tipo de individuoS'tratados con un determinadomedicamento presentan
efectos secundarios indeseables. Sin duda, su idea de poblaci6n consiste en todas
aquellas personas que alguna vez han sido 0 seran tratadas con este medicamen
to. Aplazar una conclusion hast a haber observado a la poblaci6n completa podria
tener efectos adversos en el ejercicio de su profesion.
Es,tos dos casos ejemplifican el in teres por estimar la media y la proporcion
. de una poblacion, respectivamente. Otros parametros, cuya estimacion se estudia
en estecapftulo, son la diferencia entre dos medias, entre dos proporciones, la
variancia de la poblaci6n y la razon de dos variancias.
Se encontrara que para cada uno de los parametros estudiados, es posible
calcular dos tipos de estimaci6n: estimaci6n puntual y estimaci6n por
intervalos.
DEFINICION
Una estimaci6n puntual es un solo valor numerico
utilizado para estimar.elpan'imetro correspondiente de la
.poblaci6n.
DEFINICION
Una estimaci6n POT intervalos consta de dos valores
numericos que definen un intervalo que, con un grado
especifico df;': confianza, se considera que incluye al
parametro por estimar.
Estos conceptos se explican en las secciones siguientes.
152 CAPITULO 6 ESTlMACION
Eleccion del estimador adecuado Esconveniente notar que se ha dado el
nombre de estimacion a un solo valor calrulado, La regIa para calrular este valor a
estimaci6n se conoce como estimador. Los estimadores generalmente se presentan
como f6rmulas. Por ejemplo
n
es un estimador de la media. de la poblaci6n, ).t. El valor numerico individual que
resulta de la evaluaci6n de esta f6rmula s.e canoce como estimaci6n del parametro ).t.
En muchos casos, es posible estimar un panimetro por media de mas de un
estimador. Par ejemplo, se puede utilizar la mediana de la muestra para estimar la
media de la poblaci6n. ~ C 6 m o decidirentonces que estimador se debe utilizar para
estimar un parametro en particular? La decisi6n se basa en criterios que reflejan
la "bondad" de los estimadores partirulares. Cuando se miden contra estos crite
rios, algunos estimadores son mejores que otros. Uno de estos criterios es la propie
dad de ser insesgado.
DEFINICION
Se dice queun estimador, por ejemplo T, para el
parametro () es un estimador insesgado de () si E(T) = ().
E(T) significa "el valor esperado de Tn. Para una poblaci6n fmita, E(T) se
obtiene tomando el valor promedio de T calculado a partir de todas las muestras
posibles de un tamafto dado que puedan extraerse de la poblaci6n. Es decir, E(T)=
I-lr. Para una poblaci6n infinita, E(T) se define en terminos del calculo matematico.
En el capitulo anterior se via que la media de la muestra, y la proporci6n de
la muestra, la diferencia entre las medias de dos muestras, la diferencia entre las
proporciones de dos muestras son cada una estimadores insesgados de sus
parametros correspondientes. Esta propiedad qued6 implfcita ruando se dijo que
los parametros eran las medias de lasdistribuciones del muestrc;o correspondien
tes. Por ejemplo, dado que la media de la distribuci6n mliestral de xes igual a ).t,
se sabe que x es un estimador insesgado de ).t. En este libra no se estudian los
otros criterios para un buen estimador. Ellector interesado los encontrara deta
llados en muchos libras de estadfstica matematka.
Poblaciones muestreatlnS y poblaciones objetivo EI investigador en el
area de la salud que utiliza los procedimientos de inferentia estadfstica debe estar
al tanto de las diferencias entre dos tipos depoblaci6n:la poblacion muestreada y la
poblaci6n objetivo.
DEFINICION
La poblacion muestreada es la poblacion de la cual se
extrae una.muestra.
153 6.1 INTRODUCCION
DEFINICION
La poblacion objetivo es la poblacion de la que se
pretende hacer una inferencia.
Estas dos poblaciones pueden ser las mismas a no. Los pracedimientos de
inferencia estadfstica permiten inferir respecto a las poblaciones muestreadas (siem
pre y cuando se hayan utilizado los metodos de muestreo correctos). Solo cuando
la poblacion objetivo y la poblacion muestreada son las mismas, es posible utilizar
pracedimientos de inferencia estadfstica para llegar a conclusiones acerca de la po
blaci6n objetivo. Si la poblacion muestreada y la poblacion objetivo son diferen
tes, el investigador puede llegar a conclusiones respecto a la poblaci6n objetivo
solo can base en consideraciones no estadisticas.
Par ejemplo, suponga que un investigador quiere estimar la eficacia de un
metoda para tratar la artritis reumatoide. La poblaci6n objetivo esta formada por
todos los pacientes que sufren esta enfermedad, y no es practico extraer una mliestra
de esta poblacion. Sin embargo, el investigador puede extraer una muestra de to
dos los pacientes can artritis reumatoide de alguna clfnica especifica. Estos pacien
tes constituyen la poblacion muestreada y, si se utilizan metodos de muestreo
adecuados, es posible hacer inferencias respecto a esta poblacion muestreada con
base en la informacion de la muestra. Si el investigador qui ere hacer inferencias
acerca de todos los pacientes con artritis reumatoide, debe utilizar metodos no
estadfsticos. Quiza el investigador sepa que la poblaci6n muestreada es similar, can
respecto a todas las caracteristicas importantes, a la poblacion objetivo. Es decir, es
posible que el investigador sepa que edad, sexo, gravedad de enfermedad, tiempo
de evolucion deesta, asf como otras datos, son similares en ambas poblaciones. Y
con base en esteconocimiento el investigador puede extrapolar sus descubrimien
tos ala poblacion objetivo.
En muchos casas, la poblacion muestreada y la poblaci6n objetivo son identi
cas, y cuando esto ocurre, las inferencias en torno a la poblacion objetivo son direc
tas. Sin embargo, el investigador debe estar consciente de que este no siempre es el
caso, a fin de no caer en la trampa de hacer inferencias err6neas respecto a una
poblacion diferente de la que ha sid a muestreada.
Muestras alealarias y na alealarias En los ejemplos y ejercicios de este
libra, se supone que los datos analizados pravienen de muestras aleatorias. La es
tricta validez delos pracedimientos.estadisticos estudiados depende de esta suposi
cion. En muchos casas, en las aplicaciones reales es imposible a impractico utilizar
muestras verdaderamente aleatorias. En experimentos con animales, par ejemplo,
los investigadores frecuentemente utilizan cualquier animal cori el que cuenta el
proveedor a su prapia raza de crianza. Si los investigadores tuvieran que depender
de materialseleccionado al azar, se llevaria a cabo muy poca investigacion de este
tipo. Una vez mas, las consideraciones no estadfsticas deben tamar parte en el
praceso de generalizacion. Los investigadores pueden afirmar que las muestras
realmente utilizadas equivalen a muestras aleatorias simples, dado que no hay ra
154 CAPiTULO 6 ESTIMACIO:"l
zon para creer que el material utilizado no es representativo de la poblacion de la
que se desea hacer inferencias.
En muchos proyectos de investigacion en el area de la salud se utilizan muestras
de conveniencia en lugar de muestras aleatorias. Puede ser que los investigadores
tengan que confiar en voluntarios 0 en personas disponibles como los estudiantes de
su clase. Nuevamente, se debe hacer generalizaciones con base en consideraciones
no estadisticas. Sin embargo, las consecuencias de dichas generalizaciones pueden
ser utiles 0 pueden clasificarse desde erroneas hasta desastrosas.
En algunos casos puede aplicarse aleatoriedad en un experimento aun cuan
do los individuos disponibles no sean seleccionados aleatoriamente de alguna po
blacion bien definida. Al comparar dos tratamientos, por ejemplo, a cada individuo
se Ie puede asignar aleatoriamente uno u otro de los tratamientos. Las inferencias
en tales casos se aplican a los tratamientos y no a los individuos y, en consecuencia,
dichas inferencias son vaUdas. .
6.2 INTERVALO DE CONFIANZAPARA
LI\ MEDIA DE UNA POBLI\CION
Suponga que un grupo de investigadores quiene estimar la media de una poblaci6n
que sigue una distribucion normal. Para ello, extraen una muestra aleatoria de
tamafio n de la poblacion y ca1culan el valor de x, el cual utilizan como una estima
cion puntual de 11. Aunque este estimador de 11 posee todas las cualidades de un
buen estimador, se sabe que, debido a los caprichos del muestreo aleatorio, no se
puede esperar que x sea igual a 11. .
Por 10 tanto, serfa mucho mas significativo estimar 11 mediante un intervalo
que de alguna forma muestre su probable magnitud 11.
DistribuciOn muestral y estimaci6n Para obtener dicha estimacion por
intervalos, se debe aprovechar el conocimiento acerca de las distribuciones
muestrales. En este caso, puesto que el interes esta en la media de la muestra como
estimador de la media de una poblacion, es necesario recordar 10 que se sabe res
pecto a la distribucion muestral de la media de la muestra. .
En el capitulo anterior se aprendio q u ~ si el muestreo se realiza a partir de
una pohlacion con distribucion normal, la distribucion muestral de la media de la
muestra presenta una distribucion normal con una media Ilx' igual a la media de
la poblacion 11 y variancia cr; igual a cro/n. Se podrfa graficar la distribucion muestral
si se supiera en que lugar del eje xse localiza. Con base en el conocimiento adqui
rido acerca de la distribucion normal, en general, se sabe aun mas sobre la distribu
ci6n de xpara estecaso. Por ejemplo, se sabe que sin irilportar d6nde se localizan,
aproximadamente 95por ciento de los valores posibles de que constituyen la
distribuci6n, estan ados desviaciones estandarrespecto a la media. Los dos puntos
que estan ados desviaciones estandar de la media son 1l-2crx' y 1l+2crx' de tal
manera que el intervalo de 11 2cr contendra aproxil11adamente 95 por ciento de
x
los valores posibles de x. Aunque 11 y Ilx son desconocidas, arbitrariamente se
puede poner la distribuci6n muestral de x sobre eleje x.
Dado que se desconoce el valor de 11, la expresion )i 2crx no dice mucho. Sin
embargo, se tiene una estimaci6n puntual de 11, que es x. (Resultaria uti} obtener
un intervalo en tomo a esta estimaci611 puntual de Il? La respuesta es S1. Suponga
6.2 INTERVALO DE CONFIANZA PARA LA MEDIA DE UNAPOBLACION 155
a/2 a/2
,"
FIGUR4 6.2.1 Intervalo de confianza de 95 por dento para !l.
que se forman intervalos a partir de todos los valores posibles de x cakulados a
partir de todas las niuestras posibles de tamafio n de la poblacion de interes. De esa
forma se tendrfa un gran numerode intervalos de la forma x2cr
x
' con amplitu
des todas igtiales a la del intervalo en torno a lall desconocida. Aproximadamente
95 por ciento de estos intervalos tendria centros que caen dentro del intervalo 2cr
x
en torno a 11. Cada uno de estos intervalos que caen dentro de 2cr, en torno a 11
pueden contener ala misma 11. Estas ideas se muestran en la figura 6.2.1. En dicha
figura se observa que xl' XiY x
4
caen dentro del intervalo 2cr, en torno allY, en
consecuencia, los intervalos, 2cr, alrededor de las medias de la muestra induyen el
valor de IJ.. Las medias muestrales y Xs no caen derttro del intervalo 2cr;; en
torno a IJ., y los intervalos de 2cr
x
en torno a ellas n.o incluyen a IJ..
FJEl\IPLO 6.2.1
Suponga que un investigador, interesado en obtener una estimacion del nivel prome
dio de alguna enzima en cierta poblacion de seres humano, toma una muestra de 10
individuos, determina elnivel de la enzima en cada uno de elIos, y calcula la media de
la muestra x 22. Ademas, que la variable de interes sigue una distribucion aproxima
damente normal, con una variancia de 45. Se desea estimar el valor de 11.
Solucion: Un intervalo de confianza de aproximadamente 95 por dento para 11
esta dado por:
x2cr,
222 Gi
'/10
22 2(2.1213)
17.76,26.24
156 CAPITULO 6 ESTIMACION
Componentes para la estimaciOn del intervalo Examine la composi
cion para la estimacion del intervalo elaborada en el ejemplo 6.2.1. Este contiene
en su centro la estimacion puntual para 11. Se identifica a 2 como un valor de la
distribucion normal estandar que indica a cuantos errores estandar estan aproxi
madamente 95 por ciento de los valores posibles de x. Este valor de Z se conoce
como coeficiente de confiabilidad. EI ultimo componente, (ix' es el error estandar 0
desviacion estandar, de la distribucion muestral de x. En general, una estimacion
por intervalos se expresa como sigue:
estimador (coeficiente de confiabilidad) x (error estandar) (6.2.1)
En particular, cuando el muestreo se realiza a partir de una distribucion nor
mal con variancia conocida, una estimacion por intervalos para Jl se expresa como:
donde z(l_<1/2) es el valor de Z a la izquierda de donde esta 1 rtJ2 y ala derecha en
que se encuentra rtJ2 del area bajo la curva.
Interpretacion del intervalo de conftaru;a .~ C o m o se interpreta el inter
valo de la ecuacion 6.2.2? En este ejemplo, donde el coeficiente de confiabilidad es
igual a 2, se dice que, al repetirel muestreo, aproximadamente 95 por ciento de los
intervalos construidos mediantela formula 6.2.2 induyen la media de la poblacion.
Esta interpretacion se basa en la probabilidad de ocurrencia de diferentes valores de
x. Es posible generalizar esta interpretacion si se designael area total b<tio la curva
de x, que queda fuera del intervalo Jl 2(ix como ex y eIarea dentro del intervalo
como 1 - ex y dar la siguiente interpretaciOn probabilistica. de la formula 6.2.2.
Interpretaci6n probabilistica
En el muestreo repetido, de una poblaci6n condistribuci6n normal y desviaci6n estdndaf
conocida 100(1- a) por ciento de todos los intervalos de la forma X Z(I_amO'x incluyen
a la larga la media de la poblaci6n 11. .
Ala cantidad 1 - (X, en este caso .95,se Ie conoce como eoeficiente (0 nivel) de
conjianza, y al intervalo XZ(1_"12)(ix se Ie conoce comointervalo de conjianza para Jl.
Cuando (1 ex) =.95, al interv'alo se Ie llama intervalo de confianza de 95 por ciento
para Jl. En este ejemplo, se dice que existe 95 por ciento de confianza ~ que la media
de Ia poblacion este entre 17.76 y 26.24. A esto se Ie llama interpretacion practica de la
formula 6.2.2. En general, se puede expresar de la siguiente manera:
Interpretaci6n practica
Cuando se hace un muestreo a partir de poblaciones que siguen una distribuci6n normal
y con desviaci6n estdndar conocida, existe un 100(1 - a) por ciento de confianza de que
el intervalo calculado xz(l_aI2)O'x' contiene la media de la poblaci6n Jl.
6.2 INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACION 157
En el ejemplo 6.2.1 es preferible, en lugar de 2,un valor mas exacto para z,
1.96, que corresponde al coeficiente de confianza de.95. Los investigadores pue
den utilizar cualquier coeficiente de confianza; los mas utilizados son .90, .95 Y .99,
a los .cuales se asocian factores de confiabilidad, de 1.645, 1.96 Y 2.58, respectiva
mente.
.Precision A la cantidad que se obtiene al multiplicar el factor de confiabilidad
por el error estandar de la media se Ie llama precision de la estimaci6n. Tambien, se
Ie llama margen de error.
EJEMPLO 6.2.2
Un fisioterapeuta desea estimar, con 99 por ciento de confianza, la media de fuerza
maxima de un musculo particular en cierto grupo de individuos. Se inc1ina a supo
ner que los valores de dicha fuerza muestran una distribucion aproximadamente
normal con una variancia de 144. Una muestra de 15 individuos que participaron
en el experimento presento una media de 84.3.
Soluci6n: En latabla D, el valor para z que corresponde a un coeficiente de con
fianza de .99 es 2.58. Este es el coeficiente de confiabilidad. El error
estandar es de ax 12/.fl5 =3.0984. Por 10 tanto, el intervalo de con
fianza de 99 por ciento para es:
84.3 '2,58(3.0984)
84.3 8.0
76.3,92.3
Se dice que se tiene 99 por ciento de confianza de que la media de la
poblacion este entre 76.3 y 92.3, porque al repetirel muestreo, 99 por
ciento de todos los intervalos que pueden construirse en la forma descri
ta, inc1uyen a la media de la poblacion.
Situaciones en las que la variable de interes sigue una distribucion aproximada
mentenormal con una variancia conocida son muy raras, y casi nunca se presentan
en la practica. El prop6sito de los ejemplos anteriores en los que se supone que
existe esta condici6n ideal, fue el de formar las bases teoricas para construir inter
valos de confianza para las medias de la poblacion. En la mayorf;! de los casos
practicos las variables no siguen una distribuci6n aproximadamente normal 0 no se
conocen las variancias de la poblaci6n 0 suceden ambas cosas. En el ejemplo 6.2.3
y en la secci6n 6.3 se explican los procedimientos que se utilizan en situaciones
menos ideales, pero mas comunes.
Muestreo a partir de pobluciunes que no presenlan una distribucion
normal No siempre es posible 0 prudente suponer que la poblaci6n de interes mues
tra una distribuci6n normal. Gracias al teOl"ema del limite central, esto no sera un
problema si se puede seleccionar una muestra 10 suficientemente grande. Se ha dicho
que, para muestras grandes, la distribucion muestral de Xi presenta una distribuci6n
aproximadamente normal sin importar como esta distribuida la poblacion original.
158 CAPiTULO 6 ESTIMACION
EJEMPLO 6.2.3
Un equipo de investigadores esta interesado en la puntualidad de los pacientes en las
citas concertadas. En un estudio de flqjo depacientes en los consultorios de medicos
generales se encontr6 que una muestra de 35 pacientes llegaba 17.2 minutos tarde a
las citas, en promedio. Una investigaci6n previa habia demostrado que la desviaci6n
estandar era de 8 minutos aproximadamente. Se tuvo la sensaci6n de que la distribu
ci6n de la poblaci6n no era normal. ~ C u a l es el intervalo de confianza de 90 por
ciento para 11, que es el promedio real de impuntualidad en las citas?
Soluci6n: Dado que el tamafio de la muestra es bastante grande (mayor que 30) y
se conoce la desviaci6n estandar de la poblaci6n, la situaci6n se aproxi
rna al teorema del limite central y se supone que la distribuci6n muestral
de xpresenta una distribud6n aproximadamente normal. AI consultar
la tabla D se encuentra que el coeficiente de confiabilidad que correspon
de a uri coeficiente de confianza de .90se aproxima a 1.645 si se interpola.
El error estandar es de C5;z 8/-/35 1.3522, de modo que el intervalo
de confianza de 90 por ciento para 11 es
17.2 1.645(1:3522)
17.2 2.2
15.0, 19.4.
Con frecuencia, cuando la muestra es 10 suficientemente grande para aplicar el
teorema dellfmite central, la variancia de la poblacion se desconoce. En ese caso, se
sustituye esta variancia conla de la muestra en la f6rmula para construir el interva
10 de confianza para la media de la poblacion.
Andlisispor computadora Cuando se requiere de los intervalos de confianza,
. se economiza una buena cantidad de tiempo mediante el uso de una computadora, la
cual puede ser programada para construir los intervalos de datos no procesados.
EJEMPLO 6.2.4
Los siguientes datos corresponden a los valores de la actividad (micromoles por
minuto por gramo de tejido) de cierta enzima medida en el tejido gastrico normal
de 35 pacientes con carcinoma gastrico. .
.::;60 1.189 .614 .788 .273 2.464 .571
1.827 .537 .374 .449 .262 .448 .971
.372 .898 .411 .348 1.925 .550 .622
.610 .319 .406 .413 .767 .385 .674
.521 .603 . 533 .662 1.177 .307
1.499 .
Mediante el uso del paquete de software para computadora MINITAB, se preten
de construirun intervalo de confianza de 95 por ciento para la media de la pobla
cion. Suponga que la variancia de la poblaci6n es iguala .36. No es necesario
suponer que la poblaci6n muestreada de val ores sigue una distribuci6n normal
porque el tamafio de la muestra es losuficientemente grande par:a aplicar el teore
rna del limite central.
159 6.2 INTERV ALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACION
Caja de dialogo: Comandos de la sesi6n:
Stat> Basic Statistics> 1-Sample z MTB > ZINTERVAl 95 .6 C1
Teclear Cl en Variables. Se1ecdonar Confidence interval
y teclear 95 en la caja de texto. Teclear.6 en Sigma. Clic
OK. .
Resultados:
Confidence Intervals
The assumed sigma = 0.600
Variable
MicMoles
N
35
Mean
0.718
StDev
0.511
SE Mean
0.101
95.0 % C.r.
(0.519, 0.917)
FIGURA6.2.2 Procedimiento del paquete MINITAB para construir un intrevalo de con
fianza de 95 por ciento para la media de la poblacion, ejemplo 6.2.4.
Solucion: Se introducen los datos en lacolumna 1 y se procede como se muestra
en la figura 6.2.2. Estas instrucdones indican a la computadora que
e1 factor de confiabilidad es z, que se necesita unintervalo de con
fianza de 95 por dento, que la desviaci6n estandarde la poblaci6n es
de .6, y que los datos estan en la columna 1. El resultado indica que la
media de la muestra es .718, la desviad6n estanda.r es .511 y e1 error
estandar de la media, a/f,;" es .6/.J35 .101.
Se tiene 95 pordento de confianza de que la media de la pobla
ci6n se encuentra entre .519y ;917. .
Puede obtenerse los intervalos de confianza a traves de otros paquetes de sofuvare.
Por ejemplo, SAS, puede construir intervalos de confianza a traves de PROC MEANS
o PROC UNIVARIATE.
Otras eslimaciones de La tendencia central Tal como se ha visto, la me
dia es muy sensible a los val ores extremos, es dedr, aquellos que se desvfan conside
rablemente de la mayorfa de las mediciones en el con junto de datos. A dichos valores
se les conoce como sesgos. Tambien se puede apreciar que lamediana, que no es
sensible a las mediciones extremas, algunas veces se utiliza en lugar de la media
como medida de tendenda central cuando los sesgos estan presentes. Por la mis
rna raz6n, quiza se prefiera el uso de la mediana de la muestra comoestimador de
la r.nediana de la poblaci6n cuando se requiere realizar inferencias acerca de la
tendenda central de la poblaci6n. No solamente se utiliza la mediana de la muestra
160 CAPITULO 6 ESTlMACION
como una estimacion puntual para la mediana de la poblacion, sino que tambien es
posible construir un intervalo de confianza para la mediana de la poblacion. En
esta obra no se proporciona la formula, pero esta se puede encontrar en la obra de
Rice (1).
Media ajustada Los estimadores que son insensibles a los sesgos se Haman
estimadores eficaces. Otra medida y estimador eficaz de tendencia central es la media
ajustada. Para un conjunto de datos que contiene n mediciones se calcula el 1000;
por ciento de la media ajustada como sigue:
1. Ordenar las mediciones.
2. Descartar las medici ones mas pequeiias y mas grandes que 100a por ciento
de las mediciones. El valor recomendado para a esta entre .1 y .2.
3. Calcular la media aritmetica de las mediciones restantes.
Observe que la mediana podrfa considerarse como 50 por ciento de la media ajus
tada. Se debe recordar que la media ajustada para el conjunto de datos es una de las
medidas descriptivas que puede calcular MINITAB.
FJERCICIOS
Construya para cada uno de los siguientes ejercicios los intervalos de confianza al 90, 95 Y 99
por ciento para la media de la poblacion y establezca para cada uno la interpretacion
probabilistica y practica. Indique cualinterpretacion puede ser mas aderuada para utilizar
ruando se trata sobre intervalos de confianza con alguien que no conoce de estadfstica y
establezca eI razonamientode por que se eUgi6. Explique por que los tres intervalos no
tjenen la misma amplitud. Indique cual de los tres intervalos es preferible como estimador
de la media de la poblacion, y establezca el razonamiento de la elecci6n.
6.2.1 Se pretende estimar el numero promedio de latidos del coraz6n por minuto para cierta
poblaci6n. Se encontr6 que el numero promedio de latidos por minuto para 49 personas era
de YO. Considere que esos 49 pacientes constituyen una muestra aleatoria y que la poblacion
sigue una distribucion normal, con una desviaci6n estandar de 10.
6.2.2 Se pretende estimar la concentraci6n media de bilirrubina indirecta en el suero en nmos de
cuatro dias de nacidos. La media para una muestra de 16 ninos es de 5.98 mg/lOO cc. Con
siderese que la concentraci6n de bilirrubina en los ninos de cuatro dfas de nacidos sigue una
distribucion aproximadamente normal con una desviaci6n estandar de 3.5 mg/IOO cc.
6.2.3 En un estudio acerca de la duraci6n de la hospitalizacion dirigido por vados hospitales en
cooperacion, se extrajo una muestra aleatoria de 64 individuos con ulcera peptica de la lista
de todos los pacientes con esa enfermedad internados alguna vez en los hospitales partici
pantes. Se determin6 para cada uno de eUos el tiempo de hospitalizaci6n. Se encontr6 que la
duraci6n media de hospitalizaci6n fue de 8.25 dfas y se sabe que la desviaci6n estandar de
la poblaci6n es de tres dfas.
6.2.4 Una muestrade 100 hombres adultos aparentemente sanos, de 25 anos de edad, muestra
una presi6n sist61ica sangufnea media de 125. Considere que la desviaci6n estandar de la
poblaci6n es de 15.
161 6.3 DISTRIBUCI6N
6.2.5 Algunos estudios acerca de la enfermedad Alzheimer (EA)han mostrado un incremento en
la producci6n de 14C0
2
en pacientes con ese padecimiento. Durante un estudio, se obtuvie
ron los siguientes valores de 14C0
2
a partir de 16 biopsias de neocorteza de pacientes con la
enfermedad (EA):
1009 1280 1180 12551547 2352 1956 1080
1776 1767 1680 2050 1452 2857 3100 1621
Considereseque la poblaci6n sigue una distribuci6n normal con una desviaci6n estandar de 350.
6.3 DISTRIBUCION t
En la seccion 6.2 se describe un procedimiento para obtener un intervalo de con
fianza para la media de una poblaci6n. EI procedimiento requiere del conodmiento
de la varianda de la poblacion de la que se extrae la muestra. Puede parecer un
tanto extrafio que se tenga conocimiento de lavariancia de la poblacion y no se
conozca elvalor de la media de la poblacion. De hecho, es comun, en situacio
nes como las que se han presentado, que se deSconozca tanto la variancia como la
media de la poblacion. Esta situacionpresenta un problema respecto a la construc
cion delos intervalos de confianza. Por ejemplo, aun cuando la estadfstica
x J1
Z=---
cr/.,Jn
presenta una distribudon normal cuando la poblacion tambien tiene una distribuci6n
normal y sigue una distribuci6n aproximadamente normal cuando n es muy grande,
independientemenle de la forma funcional de la poblacion, no se puede hacer uso de
este hecho porque cr se desconoce. Sin embargo, no todo esrn perdido y la soluci6n
mas logica para este problema es utilizar la desviacion estandar de muestra
s = ~ L ( X i - x)2/(n-l)
para sustituir cr. Por ejemplo, cuando el tamafio de la muestra es mayor que 30, la
confianza en s como una aproximacion de cr es por 10 general sustancial, por 10 que
se justifica la utilizacion de la teorfa de la distribudon normal para construir un
intervalo de confianza para la media de la poblacion. En tal caso, se procede como
se indica en la seccion 6.2.
Cuando se tienen muestras pequefias es imprescindible encontrar otro proce
dimiento para construir intervalos de confianza.
Como resultado del trabajo de Gosset (2), escrito bajo el seudonimo de
"Student", se dispone de otra alternativa, conocida como distribuci6n t de Student,
con frecuenda abreviada como distribuci6n t.
La cantidad
sigue esta distribucion.
162 CAPiTULO 6 ESTIMACION
Propiedades de la distribucion t La distribuci6n t tiene las siguientes pro
piedades:
1. Tiene una media de O.
2. Es simetrica con respecto a la media.
3. En general, tiene una variancia mayor que 1, pero esta tiende a I a medida
que aumenta el tamaiio de la muestra. Para df> 2, la variancia de la distribu
ci6n t es dfl(df - 2), donde df representa los grados de libertad. En forma
alterna, puesto que df n - 1 para n > 3, se puede escribir la variancia de la
distribuci6n t como (n l)/(n 3).
4. La variable t va de - hasta + 00. DO
5. La distribuci6n t es realmente una familia de distribuciones, puesto que hay
una distribuci6n diferente por cada valor de la muestra de n - 1, que es el
divisor que se utiliza para ca1cular S2. Recuerde que n - 1 representa los grados
de libertad. En la figura 6.3.1 se muestran las distribuciones t correspondien
tes a algunos valores de los grados de libertad.
6. Comparada con la distribuci6n normal, la.distribuci6n t es menos espigada
en el centro y tiene colas mas largas. En la figura 6.3.2 se com para la distribu
ci6n t con la distribuci6n normal.
7. La distribuci6n t se aproxima ala distribuci6n normal a medida que n - 1 se
aproxima al infinito.
La distribuci6n t, al igual quela distribuci6n normal estandar, se ha tabulado
ampliamente. Una de estas tablas es la tabla E del apendice. Tal como se puede
apreciar, se debe tomar en cuenta eLcoeficiente de confianza y los grados de liber
tad cuando se utiliza la tabla de la distribuci6n t.
FIGUR"- 6.3.1 Distribuci6n t para diferentes grados de libertad.
-----
163 6.3 DISTRIBUCION
__ Distribucion normal
- - - Dislribucion I
x
FIGURA 6.3.2 Comparaci6n de las distribuciones normal yt.
Es posible utilizar el paquete MINITAB paragraficar la distribuci6n t (para
grados espedficos de libertad) y otras distribuciones. Despues de asignar el eje
horizontal y las siguientes direcciones en el cuadro de Set Patterned Data, seleccio
ne del menu "Calc" y despues "Probability Distributions". Utilice el cuadro de dia
logo Plot para generar la grafica.
Inlervalos de conJiQll%ia qllR uJilban fa dislribucion t El procedimien to
general para construir interval os de confianza no se ve afectado por la necesidad
de utilizar la distribuci6n t en lugar de la distribuci6n normal estandar. Aun es
necesario usar la relaci6n expresada por:
estimador (coeficiente de confiabiIidad) x (error estandar)
Lo que es diferente es el origen del coeficiente de confiabilidad. Este se obtiene a
partir de la tabla de la distribucion t en lugar de la tabla de la distribuci6n normal
estandar. Para ser mas especfficos, cuando se obtienen muestras a partir de una distribu
cion normal cuya desviaci6n estdndi17; a; se desconoce, ell OO( 1 - a) por ciento del intervalo
de confianza para la media de la poblaci6n, J1, estd dado por:
(6.3.1)
Es importante aclarar que el requisito para el uso valido de la distribucion t es que
la muestra debe ser extrafda de una poblad6n con distribucion normal. Sin embar
go, la experiencia ha demostrado que se pueden tolerar desviaciones moderadas
de esterequisito. Como consecuencia, la distribucion t se utiliza incluso cuando se
sabe que la poblaci6n original se desvia de la normalidad. L<.l mayorfa de los inves
tigadores requieren que, al menos, pueda sostenerse el supuesto de una distribu
d6n de poblacion en forma de montfculo.
EJEMPLO 6.3.1
Maureen McCauley (A-I) realiz6 un estudio paraevaluar los efectos de un conjunto
de instrucciones de mecanica en ellugar de labores sobre el desempeno laboral de
obrerosjovenes recientemente contratados. Se utilizaron dos grupos de individuos
elegidos aleatoriamente; uno de los grupos para aplicar el experimento y el otro
164 CAPITULO 6 ESTlMACI6N
como grupo de control. EI grupo con el que se experimento recibio una hora de
capacitacion impartida por un terapeuta ocupacional. EI grupo de control no reci
bio esta capacitacion. Para evaluar el esfuerzo de cada obrero para levan tar, bajar,
jalar y transportar objetos dentro del entorno laboral, se utilizo una lista de cotejo
para la evaluacion de trabajo mecanico que inclufa criterios de referencia. Una
tarea bien hecha recibio una calificacion de 1. EI grupo de control, formado por 15
individuos, alcanzo una calificacion media de 11.53 en la evaluacion, con una des
viacion estandar de 3.681. Se supone que el grupo de control se comporto como
una muestra aleatoria extraida de una poblacion similar de individuos. Se pretende
utilizar los datos de la muestra para estimar la calificacion media para la poblacion.
Soluci6n: Se puede utilizar la media de la muestra, 11.53, como una estimacion
puntualde la media de la poblacion, sin embargo, debido a que se desco
noce la desviacion estandar de la poblacion, se debe considerar que los
valores siguen una distribucion aproximadamente normal antes de cons
truir los intervalos de confianza para /l. Se considera que esta suposicion
es razonable y que se necesita un intervalo de confianza de o r cien
to; el estimador es i y el error estandar es s / -r;; 681/ "15 =.9504.
Ahora, es necesario conocer el coeficiente de confiabilidad, el valor de t
asodado al coeficiente de confianza de .95 y a los n 1 = 14 grados de
libertad. Puesto que el intervalo de confianza de 95 por ciento deja .05
del area bajo la curva de t para dividirse en dos colas iguales, se necesita
el valor de tala derecha del cual esta el .025 del area. Este valor se
localiza en la tabla E, enla columna encabezada por t.
975
Este es el valor
para tala izquierda delcual esta .975 del area bajo la curva. EI area a la
derechade este valor es igual al .025 deseado. Ahora, sobre la columna de
grados de libertad se localiza el numero 14. EI valor para t se encuentra en
la interseccion del renglon con la etiqueta 14 y la columna con la etiqueta
t.
975
Se encuentra que este valqr para t, que representa al coeficiente de
confiabilidad, es 2.1448. Finalmente, el intervalo de confianza de 95 por
ciento se construye como sigue:
11.53 2.1448(.9504)
11.53 2.04
9.49, 13.57.
Este intervalo puede interpretarse con ambos puntos de vista: probabiHstico y
practico. Puede asegurarse, en un 95 por dento, que 1a media, /l, correcta de la
poblacion se encuentra entre 9.49 y 13.57, porque al repetir el muestreo, 95 por
dento de los intervalos construidos deigual manera incluyen a /l.
Decidir entre z :r t Cuando se obtiene un intervalo de confianza para la
media de una poblacion, se debe decidir si se utiliza un valor de z6 de t como factor
de confiabilidad. Para hacer una elecci6n adecuada, se debe considerar el tamafto de
la muestra, si la poblacion muestreada sigue una distribucion normal y si la varian cia
de la poblacion es conocida. La figura 6.3.3 muestra un diagrama de flujo que se
puede utilizar para decidir rapidamente si el factor de confiabilidad debe ser Z 0 t.
EJERCICIOS 165
EJERCICIOS
Sa aplica al leorema dellfmile central
FIGURA 6.3.3 Diagrama de flujo para deddir entre utililizar z y t cuando se hagan
inferencias respecto a las medias de la poblaci6n. (*Para utilizar un procedimiento no
parametrico vease el capitulo 13.)
Analisis par computadara Si el proposito es construir un intervalo de con
fianza con el programa MINITAB para la media de la poblacion cuando el estadfs
tico t es el factor de confiabilidad adecuado, el comando se inicia con la palabra
TINTERVAL. Seleccione en Windows I-Sample t desde el menu de Basic Statistics.
6.3.1 Utilice la distribud6n t para encontrar el factor de confiabilidad para el intervalo de confian
za basado en los siguientes coeficientes de confianza y tamafiosde las muestras.
a b c d
Coefidente de confianza .95 .99 .90 .95
Tamafio de la muestra 15 24 8 30
6.3.2 En una investigacion acerca de la dependencia del flujo y volumen de todo el sistema respi
ratorio en un grupo de pacientes con enfermedad obstructiva pulmonar cronica, conectados
a respiradores artificiales, Tantucci et ai. (A-2) registraron los siguientes valores de linea de
166 CAPITULO 6 ESTIMACION
base del flUjD continuo. inspiratDriD (Us): .90, .97, 1.03,1.10, 1.04, 1.00. CDnsidere que una
muestra aleatDria simple esta cDnfDrmada pDr seis individuDs a partir de una pDblacion que.
sigue una distribuci6n nDrmal, CDn individuDs CDn la misma enfermedad.
a) es la estimaci6n puntual de la media de la pDblaci6n?
b) es la desviacion estandar de la muestra?
c) es la estimacion del error estandar para la media de la muestra?
d) CDnstruya un intervalD de cDnfianza de 95 pDr ciento para el flUjD mediD cDntinuD inspi
ratDriD de la pDblaci6n.
e) es la precision de la estimacion?
f) Explique la interpretaci6n prDbabilistica para este intervalD de confianza.
g) Explique la interpretacion practica para este intervalD de cDnfianza.
6.3.3 LlDyd y MaillDux (A-3) informaron IDS siguientes datDs acerca del peso. de la glandula pituitaria
en una muestra de cuatrD ratas de Wistar Furth:
media = 9.0 mg, error estandar para la media = .3
FUEJ;.'TE: Ricardo V Lloyd y Joe Mailloux, "Analysis ofS
100 Protein Positive Folliculo Stellate Cells in Rat Pituitary
Tissues", AmericanJournal ofPathology, 133, 338-346.
a) es la desviadon estandar de la muestra?
b) CDnstruya un intervalD de confianza de 95 pDr ciento para el peso medio de la glandula
pituitaria para una pDblacion similar de ratas.
c) supDsiciDnes se necesitan para que sea validD el intervalo de cDnfianza del inciso b?
d) interpretacion puede ser la mas indicada cuandD se trata sDbre intervalos de con
fianzacon alguien que no. sabe de estadfstica? Explique pDrque es la mas cDnveniente.
e) 5i fuera necesario elabDrar un intervalD de cDnfianza de 90 pDr cientD para la media de la
pDblaci6n, intervalD de cDnfianza serta mayDr 0. menor que el intervalD de 95 pDr dentD?
Explique su respuesta sin construir realmente el intervalD de cDnfianza.
f) 5i [uera necesariD considerar un intervalo de CDnfianza de 99 pDr cientDpara lamedia de
la poblacion, intervalo de cDnfianza serra mayDr 0 menDr que el intervalD de 95 pDr
dentD? Explique su respuesta sin cDnstruir realmentt; el intervalD de cDnfianza.
6.3.4 Kaminski y Rechberger (A-4) encontrarDn en un estudio sDbre la preeclampsia que la media
de la presi6n sistolica sangufnea en 10 mujeres sanas y que no estan embarazadas es de 119,
CDn una desviacion estandar de 2.1.
a) 2Cual es el errDr estandar estimadD para la media?
b) CDnstruya un intervalD de confianza de 99 pDr cientD para la media de la poblaci6n a
partir de la cual puede considerarse que IDS 10 individuos conforman una muestra aleatoria.
c) es la precisi6n estimada?
d) consideraciones deben hacerse para comprobar la validez del intervalo de confiahza?
6.3.5 Unamuestra de 16'nifias de 10 afiDS pesan en promediD 71.5, con una desviacion estandar
de 12libras. CDnsidere el calculD de intervalDs de cDnfianza de 90,95 y 99 pDr ciento para I-L
167 6.4 INTERVALO DE CONFIANZA PARA LA DIFERENCIA ENTRE DOS MEDIAS
6.3.6 Una muestra aleatoria simple conformada por 16 individuos aparentemente sanos presenta
los siguientes valores de arsenico eliminado en la orina (miligramos por dfa).
Individuo Valor Individuo Valor
1 .007 9 .012
2 .030 10 .006
3 .025 11 .010
4 .008 12 .032
5 .030 13 .006
6 .038 14 .009
7 .007 15 .014
8 .005 16 .011
Elabore un intervalo de confianza de 95 por ciento para la media de la poblaci6n.
6.4 INTERVALO DE CONFIANZA PARA
LA DIFERENCIA ENTRE DOS MEDIAS
POBLACIONALES
En ocasiones se presentan casos en los que se desea estimar 1a diferencia entre 1a
media de dos poblaciones. A partir de cada poblacion se extrae una muestra aleatoria
independiente y de los datos de cada una se calculan las medias muestrales XI y x
2
'
respectivamente. En el capitulo anterior se dijo que el estimador XI - x
2
ofrece
una estimacion insesgada de la diferencia entre las medias de las poblaciones, III
11 2 La variancia del estimador es ( c r ~ / n
l
) + c r ~ /n
2
). Tambien se menciono que,
seglin las condiciones, la distribucion muestral de XI - x
2
puede presentar una
distribution al menos aproximadamente normal, de modo que en muchos casos se
utiliza la teorfa adecuada para las distribuciones normales en el calculo de un inter
valo de confianza para III - 11
2
Cuando se conocen las variancias de la poblacion,
el intervalo de confianza del 100(1 - ex) por ciento para III - 112 esta dado por
(6.4.1)
El anal isis del intervalo de confianza para la diferencia entre las medias poblacionales
ofrece informacion util para decidir si es 0 no probable que las medias de las dos
poblaciones sean iguales. Cuando el intervalo no incluye al cero, se dice que el
intervalo ofrece evidencia de que las dos poblaciones tienen medias diferentes.
Cuando el intervalo incluye al cero, se dice que las poblaciones pueden tener me
dias iguales.
Esto se ilustra a continuacion, para el caso donde el muestreo se realiza a
partir de una distribucion normal.
168 CAPITULO 6 ESTlMACI6N
E;JEMPLO 6.4.1
A un equipo de investigacion Ie interesa conocer la diferencia entre las concentracio
nes de acido urico en pacientes con y sin el sfndrome de Down. En un gran hospital
para el tratamiento de pacientes con retardo mental, una muestra de 12 individuos
con el sindrome presenta una media de XI = 4.5 mgll00 mL En un hospital general
se encontro que una muestra de 15 individuos normales de la misma edad y sexo
presenta un nivel medio de x
2
= 3.4. Si es razonable suponer que las dos poblaciones
de valores muestran una distribucion normal y sus variancias son iguales a 1 y 1.5,
calcule el intervalo de confianza de 95 por ciento para ~ l - ~ 2 '
Soluci6n: Para una estimacion puntual de III 112 se udliza Xl X
2
= 4.5 3.4
1.1. EI coeficiente de confiabilidad que corresponde a .95, localizado en
la tabla D, es 1.96. EI error estandar es
Por 10 tanto, el intervalo de confianza de 95 por ciento es
1.1 1.96(.4282)
1.1.84
.26, 1.94
Se dice que se dene una confianza de 95 por ciento de que la dife
rencia real, 11
1
- 112' este entre .26 y 1.94, porque en muestreos repetidos
95 por ciento de los intervalos construidos de esa manera incluiria la
diferencia entre las medias reales.
Puesto que el intervalo no incluye al cero, se concluye que las dos
poblaciones tienen diferentes medias.
Muestreo a partir de poblaciones que no signen una distribuci6n
ItOrmal La construccion de un intervalo de confianza para la diferencia entre las
medias de dos poblaciones, cuando el muestreo se realiza a partir de poblaciones no
normales, se lleva a cabo en la forma descrita en el ejemplo 6.4.1 si las muestras n
l
y n
2
son grandes. Una vez mas, este es un resultado del teorema del limite central.
Si se desconocen las variancias de la poblacion, se utili zan las variancias de las
muestras para estimarlas.
IUEMPLO 6.4.2
Motivados por d conocimiento de la existencia de una gran cantidad de textos
polemicos que sugieren que el estres, la ansiedad y la depresion son dafiinos para el
sistema inmunologico, Gormanet ai. (4-5) condujeron un estudio en el que se con
sider6 a individuos varoneshomosexuales, algunos con VIH (virus de inmunodefi
ciencia humana) positivo y otros con VIH negativo. Los datos fueron registrados
con una amplia v<J.riedad de mediciones medicas, inmunologicas, psiquiatricas y
neurol6gicas, una de las cuales corresponde al numero de celulas CD4+ en la san
6.4 INTERV ALO DE CONFIANZA PAHALA DIFERENCIA ENTRE DOS MEDIAS 169
gre. El numero promedio de celulas CD4+ para112 individuos con infecci6n por
VIR fue de 401.8 con una desviaci6n estandar de 226.4. Para los 75 individuos sin
la infecci6n por VIR, la media y la desviaci6n estandar fueron de 828.2 y 274.9,
respectivamente. Se pretende elaborar un intervalo de confianza de 99 por ciento
para la diferencia de las medias de las poblaciones.
Soluci6n: No hay informaci6n con respecto a la forma de la distribuci6n de las
celulas CD4+. Sin embargo, como el tamafto de las muestras es grande,
el teorema del limite central asegura que la distribuci6n muestral de las
diferencias entre las medias de la muestra siguen una distribuci6n aproxi
madamente normal, independientemente de que la distribuci6n de la
variable en las poblaciones no siga una distribuci6n normal. Se puede
utilizar este hecho para justificar el uso de la estadistica z como factor
de confiabilidad en la construcci6n del intervalo de confianza. Tampoco
hay informaci6n acerca de las desviaciones estandar, por 10 que puede
emplearse las desviaciones estandar de las muestras para estimarlas. La
estimaci6n puntual para la diferencia entre las medias de las poblacio
nes es la diferencia entre las medias de las muestras, 828.2 - 401.8 =
426.4. En la tabla D se encuentra que el factor de confiabilidad es 2.58.
La estimaci6n del error estandar es .
s __ = 274.9
2
+ 226.4
2
=38.2786
Xl-X, 75 112
Por la ecuaci6n 6.4.1 el intervalo de confianza de 99 por ciento para la diferencia
entre las medias de la poblaci6n es
426.4 2.58(38.2786)
327.6, 525.2
Se tiene la seguridad de 99 por ciento de que el promedio de celulas
CD4+ en varones con VIR positivo difieren de la media para los varo
nes con VIR negativo por 327.6 a 525.2.
Distribuci6n t y la diferencia entre las medias Cuando no se conocen
las variancias y se pretende estimar la diferencia entre las medias de dos poblacio
nes con un intervalo de confianza, es posible utilizar la distribuci6n t para suminis
trar el factor de confiabilidad si se conocen ciertas suposiciones: se debe saber, 0
suponer de buena fe, que las dos poblaciones muestreadas siguen una distribuci6n
normal. Respecto a las variancias de las poblaciones, se debe distinguir entre dos
situaciones: 1) la situaci6n en la que las variancias son iguales y 2) la situaci6n en la
que no 10 son. A continuaci6n se consideranambas sitp.aciones por separado.
Varianciaspoblacifmales iguales Si la suposici6n sobre igualdad de las
variancias de las poblaciones esta justificada, las dos variancias de las muestras
calculadas a partir de las muestras independientes pueden considerarse como esti
maciones de 10 mismo, es decir, la variancia comun. Parece 16gico, entonces, apro
vechar este hecho en el anal isis en cuesti6n. Esto es precisamente 10 que se hace
para establecer una estimaci6n conjunta para la variancia comun. Esta variancia se
obtiene mediante el caIculo promedio ponderado de las dos variancias de las mues
170 CAPITULO 6 ESTlMACI6N
tras. Cada variancia de la muestra es ponderada con base en sus grados de libertad.
Si los tamafios de las muestras son iguales, este promedio ponderado es la media
aritmetica de las variancias de las dos muestras. Si el tamano de las dos muestras es
distinto, el promedio ponderado aprovecha la informacion adicional proporcionada
por la muestra mayor. La estimacion con junta se obtiene con la fOrmula:
S2 = (nl _1)SI2 +(n2 l ) s ~
p (6.4.2)
+n
2
-2 n
l
Asf la estimacion del error estandar esta dada por:
(6.4.3)
y el intervalo de confianza de 100(1 a) por ciento para III 112 esta dada por:
(6.4.4)
El nfunero de grados de libertad utilizado para determinar el valor de t que se usa
para construir el intervalo es n
1
+ n
2
2, que es el denominador de la ecuacion
6.4.2. Este intervalo se interpreta en la forma habitual.
Los metodos que pueden emplearse para tomar la decision acerca de la igual
dad de las variancias de las poblaciones se estudian en la seccion 6.10 y 7.8.
EJEMPLO 6.4.3
Uno de los estudios de Stone et al. (A-6) tuvo como objetivo determinar los efectos
del ejercicio por un tiempo prolongado en los ejecutivos de una compania inscritos en
un programa supervisado de acondicionamiento fisico. Se registraron datos de 13
individuos (el grupo deportista) que voluntariamente se inscribieron el programa y
que permanecieron activos por 13 anos en promedio, y de 17 individuos (el segun
do grupo, el sedentario) que decidieron no inscribirse. Entre los datos que se regis
traron acerca de los individuos esta el mlmero maximo de sentadillas realizadas en
30 segundos. El grupo deportista obtuvo una media y una desviacion estandar de
21.0 y 4.9, respectivamente. La media y la desviacion estandar para el grupo seden
tario fueron 12.1 y 5.6, respectivamente. Se considera que las dos poblaciones de
medici ones de acondicionamiento muscular siguen una distribuci6n aproxirnada
mente normal, y que las variancias para ambas poblacionesson iguales. Se preten
de elaborar un intervalo de confianza de 95 por ciento para Ja diferencia entre las
medias de !as poblaciones representadas por las dos muestras.
Soluci6n: Primero, se utiliza la ecuaci6n 6.4.2 para ca.lcular la estimaci6n conjunta
de la variancia comtin de las poblaciones.
(13-1)(4.9
2
)+(17 1)(5.6
2
) =28.21
13+17-2
Cuando se consulta la tabla E con 13 + 17 - 2= 28 grados de libertad y
el nivel de confianza de .95, se encuentra que eLfactor de confiabilidad
es 2.0484. Con la ecuacion 6.4.4 se calcula el intervalo de confianza de
6.4 INTERVALO DE CONFIANZA PARA LA DIFERENCIA ENTRE DOS MEDIAS 171
95 por ciento para la diferencia entre las medias de las poblaciones de la
siguiente manera:
28.21 28.21
(21.0-12.1)2.0484 --+-
13 17
8.9 4.0085
4.9,12.9
Se tiene una confianza de 95 por ciento de que la diferencia entre las
medias de las poblaciones estan entre 4.9 y 12.9. Se puede decir esto
porque se sabe quesi se repite el amilisis muchfsimas veces y se calculan
los intervalos de confianza de la misma manera, cerca de 95 por ciento
de los intervalos de confianza induiran la diferencia entre las medias de
las poblaciones.
Debido a que los intervalos no induyen al cero,se conduye que las
medias de las poblaciones son diferentes.
Variancias poblacionales distintas Cuando no se puede conduir que las
variancias de dos poblaciones de interes son iguales, aun ruando pueda suponerse
que las dos poblaciones presentan distribuciones normales, no es adecuado utilizar la
distribucion t como se acaba de describir para construir los intervalos de confianza.
Una solucion al problema de variancias distintas fue propuesta por Behrens
(3) y posteriormente fue verificada y generalizada por Fisher (4, 5). Neyman (6),
Scheffe (7, 8) Y Welch (9, 10) tambien proponen soluciones. EI problema es analiza
do en detalle por Cochran (11).
EI problema gira en tomo al hecho de que la cantidad
no sigue una distribuci6n t con nj + n 2 grados de libertad ruando las variancias
2