Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Actualizacin
JEAMMY JULIETH SIERRA HERNNDEZ
(Director Nacional de Curso)
Evaluador
EMERSON CHAPARRO
IBAGU
JUNIO 2012
COMITE DIRECTIVO
Jaime Alberto Leal Afanador
Rector
Gloria Herrera
Vicerrector de Medios y mediaciones Pedaggicos
Inferencia Estadstica
Tercera Versin
Copyright
Universidad Nacional Abierta y a Distancia
ISBN
2012
Unidad de Ciencias Bsicas UNAD
CAMPOS DE
Bsica CRDITOS: 2 TRABAJO INDEPENDIENTE: 72
TIPO
DE
CURSO
Terico CDIGO:100403 ACOMPAAMIENTO
TUTORIAL: 24
FORMACIN
Horas
Horas
OBJETIVO GENERAL:
Que el estudiante comprenda, aplique y desarrolle la teora y las tcnicas de la
inferencia estadstica en diversos campos de su saber formativo, y que dicha
aplicacin se convierta en una herramienta de uso matemtico para la toma de
decisiones sobre hiptesis cuantitativas de datos, basado en la informacin
extrada de una muestra.
OBJETIVOS ESPECFICOS:
Que el estudiante identifique las tcnicas y procedimientos que se
deben emplear para que las muestras sean representativas de la poblacin
que se pretende estudiar, de forma que los errores en la determinacin de
los parmetros de la poblacin objeto de estudio sean mnimos.
Que el estudiante comprenda el comportamiento de una poblacin a
partir del anlisis metdico de una muestra aleatoria de la misma, y que
entienda que la inferencia inductiva de los parmetros estadsticos que
estime sobre dicha muestra, conlleva un error, el cual es posible de ser
cuantificado.
Conocer los criterios tcnicos que hay que tener en cuenta antes
de seleccionar un tamao de muestra.
Identificar el tipo de muestreo de acuerdo a los objetivos del estudio.
Diferenciar y analizar las ventajas y desventajas de la estimacin
por intervalos de confianza y las pruebas de hiptesis.
Determinar la prueba o tcnica apropiada a aplicar en las diferentes
pruebas de hiptesis paramtricas y No paramtricas.
COMPETENCIA GENERAL DE APRENDIZAJE:
Identificar un procedimiento adecuado para seleccionar de una poblacin una
parte de ella, con el fin de obtener resultados confiables y poder generalizar los
resultados obtenidos a toda la poblacin.
Determinar los estadsticos necesarios para el anlisis y solucin de situaciones
que implican conjuntos de datos de su disciplina de formacin, por medio del
UNIDADES DIDCTICAS
INTRODUCCIN ...................................................................................................................................6
UNIDAD UNO:......................................................................................................................................7
MUESTREO, DISTRIBUCIN MUESTRAL E INTERVALOS DE CONFIANZA .............................................7
CAPITULO UNO: PRINCIPIOS DE MUESTREO ................................................................................... 8
Leccin No 1: Conceptos Bsicos .............................................................................................. 10
Leccin No 2: Tipos de muestreo y seleccin de muestra ........................................................ 15
Leccin No 3: Tipos de Seleccin de Muestras ......................................................................... 30
Leccin No 4: Mtodos de Inferencias, Paramtrico y No Paramtrico ................................... 31
Leccin No 5: Estimadores y propiedades de los estimadores ................................................. 34
................................................................................................................................................... 36
CAPITULO DOS: DISTRIBUCIONES MUESTRALES ........................................................................... 37
Leccin No 6: Distribuciones Muestrales .................................................................................. 38
Leccin No 7: Distribucin Muestral de la Media y de la Proporcin ....................................... 40
Leccin No 8: Distribucin Muestral de la proporcin.............................................................. 58
Leccin No 9: Distribucin Muestral de Diferencias de Medias y de la Proporciones .............. 63
Leccin No 10: Tamao de la muestra para estimar la media, la proporcin y el total de la
Poblacin ................................................................................................................................... 67
CAPITULO TRES: INTERVALOS DE CONFIANZA .............................................................................. 74
Leccin No 11: Nociones Fundamentales. ................................................................................ 75
Leccin 12. Intervalos de confianza para medias y diferencias de medias con muestras
pequeas n 30 ..................................................................................................................... 80
Leccin 13. Intervalos de confianza para la media y diferencias de medias muestras grandes
n 30 ...................................................................................................................................... 99
Leccin 14. Intervalos de confianza para la proporcin y diferencias de proporciones (siempre
son muestras grandes) n 30 .............................................................................................. 103
Leccin 15. Intervalos de confianza para la varianza poblacional. ......................................... 105
INTRODUCCIN
UNIDAD UNO:
MUESTREO, DISTRIBUCIN MUESTRAL E INTERVALOS DE CONFIANZA
Objetivo general
Que los estudiantes identifiquen los principios sobre poblacin y
muestra, mtodos de muestreo,
distribucin de muestreo para medias,
el teorema central del lmite, aplicados al clculo de tamaos de muestras
pertinentes.
Objetivos especficos
10
Poblacin Y Muestra
Existe una serie de trminos estadsticos bsicos, que son muy utilizados y se
requiere sean comprendidos para avanzar en otros temas o unidades, en
esta seccin se tratarn los conceptos de poblacin y muestra.
Poblacin Universo: Se considera a todo aquello sobre el que se
desea
hacer
un
estudio estadstico. Segn el nmero de unidades,
elementos o casos que la constituyen, la poblacin puede ser finita o infinita.
Poblacin Finita: Es aquella conformada por un determinado o limitado nmero
de elementos.
Poblacin Infinita: Es aquella conformada por un determinado o limitado
nmero de elementos.
Cuando el nmero de unidades que integra una poblacin es muy grande, se
puede considerar a sta como una poblacin infinita. El investigador define la
11
12
13
es el Parmetro y es el estadstico.
1.2.
14
Entre los motivos que inducen a tomar una muestra aleatoria estn:
Naturaleza Destructiva: Existen casos donde se requiere destruir los
elementos de la muestra para medir la caracterstica, como es el caso de
medir la resistencia de un material, el vaco de un producto enlatado, otros. No
es lgico pensar en destruir todos los elementos de la poblacin, de all que se
tome una muestra.
Imposibilidad Fsica de Medir Todos los Elementos de la Poblacin:
Se sabe que existen poblaciones muy grandes, consideradas infinitas y es
casi imposible conocer todos los elementos de la misma.
Costos: Estudiar todos los elementos de la poblacin es muy costoso, tanto en
tiempo como en dinero, por lo que es ms rentable hacer un estudio Muestra.
Confiabilidad del Estudio Muestra: Esta demostrado con soporte matemtico
que una muestra representativa arroja resultados que permiten inferir sobre la
poblacin con una confiabilidad muy alta.
Unidad de observacin: Son los elementos que se miden; es decir, sobre los
que se toman los datos de las variables a medir. En el caso de los hogares, la
unidad de observacin sern las personas y en el caso de las llantas del
automvil, cada una sern las unidades de observacin.
Marco de muestreo: Se considera el referente para identificar las unidades de
observacin, ste NO incluye todos los elementos de la poblacin. Ejemplos de
marcos de muestreo tenemos el directorio telefnico de una ciudad, como
potenciales votantes, el registro de ventas de los ltimos 5 aos en
una compaa comercializadora y muchos otros.
1.3.
15
Muestreo probabilstico
Muestreo No probabilstico
16
17
b)
c)
d)
18
Recibo No.
11
12
13
14
15
16
17
18
19
20
$
$
$
$
$
$
$
$
$
$
Valor $
37.798
33.672
39.607
34.904
36.701
34.001
36.302
48.728
48.706
34.881
Recibo No.
21
22
23
24
25
26
27
28
29
30
$
$
$
$
$
$
$
$
$
$
19
Valor $
44.901
40.155
48.082
32.825
45.915
30.382
41.835
47.227
48.485
45.159
33850
97340
Este nmero no se escoge porque solo se escogen numerous entre
01 y 30. Se sigue buscando y se llega hasta un nmero menor o
igual a 30
Este nmero si se escoge porque es menor a 30.
14756
Se contina y si con la primera columna no se han encontrado los 5 nmeros para
la muestra se pasa a la siguiente.
Cabe notar que el nmero 23913 de la tabla se salta ya que se repite el 23 que se
encontr en 23236
La muestra est conformada por las observaciones que se ubican en la posicin:
14, 23, 09, 11 y 06
20
Tabla 2.
Nmeros aleatorios
Columna
00000
12345
00001
67890
11111
12345
11112
67890
22222
12345
22223
67890
33333
12345
33334
01
02
03
04
49280
61870
43898
62993
33850
35779
07468
25078
30454
51438
00283
08612
86129
84598
85507
81163
98083
78496
56095
71865
07275
97349
97653
20664
79488
89863
20775
91550
12872
76783
02348
05
88924
41657
65923
93912
58555
06
07
08
09
97340
03364
88472
04334
63919
36394
11095
92470
70543
89382
29776
93809
10087
00796
10072
95945
55980
34101
64688
81277
68239
66090
20461
88872
37818
60430
72142
22834
67140
14130
50785
96593
22380
23298
16703
56203
53362
92671
44940
15925
82975
39087
55700
14756
32166
66158
71938
24586
19436
54324
55790
08401
69229
26299
23997
53251
84731
40355
93247
78643
70654
32596
75912
92827
11865
83832
63491
63397
32768
04233
28661
49420
44251
18928
33825
1367512
59208
43189
57070
69662
23236
45794
09893
54382
94750
73751
31888
83246
47651
15130
14225
91499
37089
81718
82455
68514
14523
20048
06546
26926
20505
74598
89923
78305
46427
68479
80336
55058
56788
27686
94598
52551
96297
46162
26940
04877
47182
70297
85157
34135
53140
32979
33340
26575
42050
57600
82341
40881
44104
Rengln
10
11
13
14
15
16
17
18
19
20
21
67890
45091
08078
64647
31708
78822
83554
36858
82949
73742
11100
02340
12860
74697
96644
89439
12250
28707
24
25
36871
23913
50775
48357
30592
63308
57143
16090
17381
51690
68856
54607
25853
72407
26
79348
92074
06873
36085
54641
21440
27973
53673
75593
65157
07456
25626
57054
54421
41373
18130
49502
22255
60103
17972
69593
82578
12478
57175
37622
55564
99659
65411
31065
42547
83613
70457
69889
03426
58869
72937
49464
16364
29571
83792
31
32
91616
78025
11075
73539
80103
14621
07831
39044
59309
47450
13276
03197
26710
12787
33
34
35
27587
16690
70183
67228
20427
58065
80145
04251
65489
10175
64477
31833
12822
73709
82093
86687
73945
16747
65530
92396
10386
36
37
38
90730
10934
82462
35385
93242
30166
15679
13431
79613
99742
24590
47416
50866
02770
13389
78028
48582
75573
80268
00906
05085
39
40
27463
07606
09079
16285
93699
60912
94532
02979
10433
52997
67257
58595
96666
95632
92709
90110
47506
53693
49892
41
46888
69929
75233
52507
32097
37594
67327
42
53638
82433
35766
10853
83161
12639
89160
22795
08141
12640
61427
31672
08289
17239
50082
10067
28437
19666
66948
08814
65581
37841
84393
42581
08792
13257
61973
24450
52351
09268
12847
15890
16602
74692
83281
44546
11091
48438
19177
79896
79821
66628
58599
22
23
27
28
29
30
43
44
45
46
47
48
49
50
47954
20341
54458
27398
90542
72906
77563
63955
51839
17276
52901
10646
53355
26337
34314
66530
23729
16687
85264
35179
05575
46560
96855
28603
10708
68933
34189
92166
00123
23820
15181
25815
35041
55538
73000
47709
49325
68263
59293
Fuente:Web
Paso 3: Indicar segn las posiciones que arroja la tabla de nmeros aleatorios
21
$
$
$
$
$
$
$
$
$
$
Valor $
37.798
33.672
39.607
34.904
36.701
34.001
36.302
48.728
48.706
34.881
No. Recibo
21
22
23
24
25
26
27
28
29
30
$
$
$
$
$
$
$
$
$
$
Valor $
44.901
40.155
48.082
32.825
45.915
30.382
41.835
47.227
48.485
45.159
Este mtodo de seleccin permite que todos los elementos que constituyen la
poblacin tengan la misma posibilidad de ser incluidos en la muestra. Los
elementos se escogen en forma individual y aleatoriamente de la totalidad de
la poblacin. Esta seleccin puede ser sin reemplazamiento, similar a la que
se realiza en la extraccin aleatoria de nmeros en el juego denominado baloto.
Cada elemento que constituye la muestra se selecciona
una sola vez,
denominndose extracciones sin reposicin.
En otras ocasiones, cada elemento puede ser elegido ms s de una vez en
la misma muestra, como por ejemplo, cuando se selecciona aleatoriamente el
nmero ganador de una lotera, que puede ocurrir ser el mismo nmero; en
estos casos se dice que las extracciones son realizadas con reposicin.
b)
obtener nmeros
aleatorios de
una poblacin
de
1000
22
c)
Para seleccionar una muestra aleatoria simple mediante este mtodo hay que
seguir los siguientes pasos:
1. Para cada elemento de la poblacin se genera un nmero aleatorio entre 0
y 1. Ese nmero aleatorio se llamar r.
2. Se hace un recorrido secuencial de la poblacin y se incluye a la muestra
el nmero aleatorio r si cumple:
Comprobando que no estuviera anteriormente introducida, en el caso de
que est repetida se pasa a la siguiente unidad. Si se introduce la unidad
se vuelve a empezar en el paso 1.
3. El algoritmo termina cuando
d)
23
24
Ejemplo
Poblacin de tutores del CEAD Ibagu - UNAD (ver figura 3). El tamao de la
poblacin 18 tutores (N= 18), la cual est dividida en 3 escuelas o subgrupos
(H=3). Cada escuela es un estrato, y se tiene que son diferentes los perfiles de los
tutores de una escuela a otra pero al interior de cada una son similares sus
profesiones, esto significa que los subgrupos son heterogneos entre s, pero
homogneos dentro de cada uno.
precisa
de
ciertos
subgrupos
para
25
2.
Obtener informacin
comparaciones
hacer
3.
4.
5.
26
Donde
Tamao de la muestra
27
Dnde:
f = Fraccin de muestreo
N= Poblacin
n = Tamao de la muestra
Ejemplo
De una poblacin de 1.000 observaciones, se desea tomar una muestra de 10,
cules seran las observaciones que haran parte de la muestra sistemtica.
La fraccin de muestreo es:
f = Fraccin de muestreo
N= Poblacin
n = Tamao de la muestra
El primer elemento se selecciona aleatoriamente en el intervalo cero a cien,
por ejemplo seleccionando el nmero 25, el segundo elemento que se
selecciona es 125 (25+100), luego el 225 (125+100) y as sucesivamente, hasta
completar la muestra de diez.
28
29
30
3.2.
)
)
31
Ejemplo
Suponga que tenemos N = 4 unidades 1, 2, 3 y 5 en una poblacin
hipottica y
desea seleccionar muestras con reemplazamiento y sin
reemplazamiento de tamao n=2
Para los propsitos de esta seleccin, los valores podran ser el nmero de
las personas que viven en cada una de cuatro unidades habitacionales que
constituyen una poblacin. Se realizar una comparacin entre el muestreo
aleatorio con y sin reemplazamiento para una muestra de tamao n=2.
Primero se listan todas las posibles muestras no ordenadas de tamao n= 2.
Para recordar:
Tabla 4:
Tcnicas de conteo
Muestreo
Con Orden
Con Repeticin
Regla del exponente (o permutaciones
con repeticin)
n
N
Sin Orden
Combinaciones
(
(
(
)
)
Multiplicacin de opciones:
n1 x n2 x n3.
Sin Repeticin
Combinaciones
(de
N
elementos tomados de r en r.
con
)
(
32
Mtodos de
Inferencia
Parmetrico
Estimacin
Pruebas de
Hiptesis
No
Parmetrico
Pruebas No
Parmetricas
33
de
las
pruebas
34
35
36
Ejercicios propuestos
37
Objetivos especficos
38
39
Ejemplo
En la figura a continuacin se tiene que la variable X, es el nmero de prrafos
digitado por minuto, X: 1, 2, 3, 4.
Poblacionalmente se tiene:
Parmetros
E(X)=
2.5
Var (X)=
1.1180
E(x) es el valor esperado de la variable o promedio, y V(x) es la varianza.
( )
( )
)
(
)
)
(
)
40
Ejemplo
Si se quiere escoger una muestra de tamao 3, es decir compuesta por 3
personas y si adems las muestras se toman con reposicin es decir se puede
volver a incluir el individuo. La distribucin muestral ser:
14
12
10
8
6
4
2
0
1,00 1,33 1,67 2,00 2,33 2,67 3,00 3,33 3,67 4,00
Grfico No.2. Histograma de medias muestrales
41
42
su valor de una muestra a otra, por ello, se quiere estudiar la distribucin de todos
los valores posibles de un estadstico. Tales distribuciones sern muy importantes en
el estudio de la estadstica inferencial, porque las inferencias sobre las poblaciones
se harn usando estadsticas muestrales. Como el anlisis de las distribuciones
asociadas con los estadsticos muestrales, podremos juzgar la confiabilidad de un
estadstico muestral como un instrumento para hacer inferencias sobre un parmetro
poblacional desconocido.
Como los valores de un estadstico, tal como x, varan de una muestra aleatoria a
otra, se le puede considerar como una variable aleatoria con su correspondiente
distribucin de frecuencias.
La distribucin de frecuencia de un estadstico muestral se denomina distribucin
muestral. En general, la distribucin muestral de un estadstico es la de todos sus
valores posibles calculados a partir de muestras del mismo tamao.
Profesor
1
2
3
4
5
6
7
Salario $
7000
7000
8000
8000
7000
8000
9000
43
Entonces:
(9
9 9
9 9
699
7 2=
7!
7!
5! 6 7 42 42
=
=
=
=
= 21
(7 2)! 2! (5)! 2!
5! 2!
2!
2
Muestra Prof.
Salario
Media
1y2
7000-7000
Salario
12
3y4
8000-8000
8000
1y3
7000-8000
7500
13
3y5
8000-7000
7500
1y4
7000-8000
7500
14
3y6
8000-8000
8000
1y5
7000-7000
7000
15
3y7
8000-9000
8500
1y6
7000-8000
7500
16
4y5
8000-7000
7500
1y7
7000-9000
8000
17
4y6
8000-8000
8000
2y3
7000-8000
7500
18
4y7
8000-9000
8500
2y4
7000-8000
7500
19
5y6
7000-8000
7500
2y5
7000-7000
7000
20
5y7
7000-9000
8000
10
2y6
7000-8000
7500
21
6y7
8000-9000
8500
11
2y7
7000-9000
8000
Suma Total
162.000
Nmero de medias
Probabilidad
7000
0,1429
7500
0,4285
8000
0,2857
8500
0,1429
Suma
21
1,000
44
45
Ecuacin No.2
Primero se obtiene todas las muestras (todos los subconjuntos) y luego a cada
muestra le calcula la media, finalmente obtendr, tantas medias como muestras
haya, y con esas medias calcula de nuevo un promedio; es decir, se calcula una
media de medias.
6
Note que:
es la media poblacional.
46
Error Muestral
Cualquier medida conlleva algn error. Si se usa la media para medir, estimar, la
media poblacional , entonces la media muestral, como medida, conlleva algn
error. Por ejemplo, supongamos que se ha obtenido una muestra aleatoria de
tamao 25 de una poblacin con media
; si la media de la muestra es
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
7000
7500
7500
7000
7500
8000
7500
7500
7000
7500
8000
8000
7500
8000
8500
7500
8000
8500
7500
8000
8500
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
7714,3
-714,3
-214,3
-214,3
-714,3
-214,3
285,7
-214,3
-214,3
-714,3
-214,3
285,7
285,7
-214,3
285,7
785,7
-214,3
285,7
785,7
-214,3
285,7
785,7
Dnde:
:
9.
.
.
9.
6
Varianza
Desviacin
47
48
Ecuacin No.4
Ecuacin No.5
49
Ms adelante se ver que, estas dos concepciones hacen parte de los principios
del teorema del lmite central. Para lo cual se desarrollan dos ejemplos, uno de
muestreo con reemplazamiento y otro sin reemplazamiento.
si
Es la poblacin
infinita?
No
Se muestrea
con sustitucin?
si
No
si
Es N 20n?
50
Entonces:
Presenta una
Hay que destacar tres aspectos importantes del teorema central de lmite.
Primer principio:
Si el tamao de la muestra n es suficientemente grande, la distribucin muestral
de las medias ser ms o menos normal. Esto se cumple ya sea que la poblacin
est o no distribuida normalmente. Esto es, el teorema se verifica, ya sea que la
poblacin est distribuida en forma normal, o bien sea sesgada o uniforme.
Segundo principio:
Como se mostr con anterioridad, la media de la poblacin, , y la media de todas
las medias muestrales posibles,
51
1
N
x
i 1
1 2 3 4 5
3 Promedio de aos de experiencia por empleado.
5
1
N
(x )
i 1
1
(1 3) 2 (2 3) 2 ... (5 3) 2 1.999
5
10
Reemplazando: C2
N n ! xn!
5 2! x2! 3!2! 3! x2
Se tiene 10 muestras posibles de tamao dos. Las posibles muestras se indican a
continuacin:
Tabla 9:
Distribucin de las medias muestrales
Muestra
1-2
13
14
15
23
Media Muestral
1.5
2.0
2.5
3.0
2.5
Muestra
24
25
3 4
3 5
4-5
Media Muestral
3.0
3.5
3.5
4.0
4.5
52
1.5 2.0 2.5 3.0 2.5 3.0 3.5 3.5 4.0 4.5
3
10
X 1.5 3 2.0 3
4.5 3.0
10
0.7499
X 0.7499 0.8660
Observemos que la desviacin estndar de la poblacin (1.4142) es diferente a la
desviacin estndar de la distribucin muestral de medias (0.8660), y una forma
de corregir esta diferencia es mediante la siguiente igualdad:
N n
N 1
Ecuacin No.6
Dnde:
n
N
N n
Factor de correccin para poblaciones finitas.
N 1
53
1,4142 5 2
0,8660
5 1
2
El segundo principio del teorema central del lmite para poblaciones finitas se
expresa: La desviacin estndar de la distribucin muestral de medias es igual al
factor de correccin poblacional multiplicada por la relacin entre la desviacin
estndar poblacional y la raz cuadrada del tamao de la muestra. Dicho principio
queda demostrado con la relacin anterior.
Ejemplo: Muestreo con Reemplazamiento
No. muestra
14
15
16
17
18
19
20
21
22
23
24
25
Muestra
3-4
3-5
4-1
4-2
4-3
4-4
4-5
5-1
5-2
5-3
5-4
5-5
Media muestral
3.5
4.0
2.5
3.0
3.5
4.0
4.5
3.0
3.5
4.0
4.5
5.0
54
1.0
25
1.41421356
2
Para transformar una variable normal general en una normal estndar (este
proceso se llama tipificar) se debe:
X~N( ,
~ N(0,1)
Ejemplo
a) Probabilidad acumulada en el valor 0,67: la respuesta es 0,7486
b) Probabilidad acumulada en el valor 1,35: la respuesta es 0,9115
c) Probabilidad acumulada en el valor 2,19: la respuesta es 0,98574
La dcima del valor buscado (por ejemplo en 0.67, es 0.6) le indica el valor a
buscar en la primera columna; luego use la centsima para ubicarse en la primera
fila (por el ejemplo en 0.67, es 7); finalmente la interseccin de esas dos hileras es
la probabilidad buscada.
55
As mismo, las medias muestrales se distribuyen como una normal, por tanto, se
puede calcular la probabilidad del comportamiento del estadstico, en este caso la
media de la muestral, de la siguiente manera:
Poblaciones infinitas (o no se conoce):
Ecuacin No.7
Ecuacin No.8
Ejemplo
Clculo de Probabilidades. Distribucin de medias
Poblaciones infinitas (o no se conoce)
La altura media de los alumnos de un plantel de secundaria es de 1,50 mts. Y su
desviacin tpica es de 0,25 mts. Determinar la probabilidad de que en una
muestra de 36 alumnos, la media sea superior a 1,60 mts.
P( X > 1,60) = ?
Se estandariza la variable (aplicar ecuacin 3):
2,40
0,25
0,25 0,25
6
36
56
Entonces
Ejemplo
Clculo de Probabilidades. Distribucin de medias
Poblaciones finitas y muestreo con reemplazo
Una empresa elctrica fabrica focos que tienen una duracin que se distribuye
aproximadamente en forma normal, con media de 800 horas y desviacin
estndar de 40 horas. Encuentre la probabilidad de que una muestra aleatoria de
16 focos tenga una vida promedio de menos de 775 horas.
Se estandariza la media muestral (se aplica la ecuacin 4):
57
es equivalente:
58
observar a continuacin:
Entonces:
No importa que distribucin tenga la poblacin, pero la distribucin muestral de
medias a partir de esa poblacin, tiene una distribucin normal
59
Ahora bien, se debe tener en cuenta que cuando se hace anlisis de una
caracterstica cualitativa o atributo, se emplea la proporcin de xitos y no el
nmero de xitos como en la distribucin binomial.
Una distribucin es una distribucin total de xitos en las muestras, mientras que
una distribucin de proporciones es la distribucin de un promedio (media) de los
xitos.
Ejemplo
Construccin de la distribucin de las proporciones muestrales.
Suponga que se cuenta con un lote de 12 piezas, el cual tiene 4 artculos
defectuosos. Se van a seleccionar 5 artculos al azar de ese lote sin reemplazo.
Genere la distribucin muestral de proporciones para el nmero de piezas
defectuosas.
Paso 1: Proporcin Poblacional
Por lo que podemos decir que el 33% de las piezas de este lote estn
defectuosas.
60
1
2
3
4
5
Total
Proporcin de
artculos
defectuoso
4
3
2
1
0
Nmero de
maneras en las que
se puede obtener la
muestra
4/5=0.8
3/5=0.6
2/5=0.4
1/5=0.2
0/5=0
792
8C1*4C4=8
8C2*4C3=112
8C3*4C2=336
8C4*4C1=280
8C5*4C0=56
( 6
6)
6)
61
( 6
9
6
.
Ecuacin No.9
( )( )
Este valor no coincide con el de 0.1681, ya que nos falta agregar el factor de
correccin para una poblacin finita y un muestreo sin reemplazo:
Ecuacin No.10
( )( )
62
Ecuacin No.11
si se cumple con
Ejemplo
Clculo de Probabilidades. Distribucin de proporciones muestrales
Cuarenta y seis por ciento de los sindicatos del pas estn en contra de comerciar
con la China Continental; Cul es la probabilidad de que en una encuesta a 100
sindicatos muestre que ms del 52% tengan la misma posicin?
P = 0,46
pP
PQ
n
p = 0,52
n = 100
0,52 0,46
0,460,54
100
P(p>0,52) = ?
0,06
0,2484
100
1,21
63
64
As que:
Ecuacin No.12
Ecuacin No.13
Ecuacin No.14
Ejemplo
Clculo de
muestrales
Probabilidades.
Distribucin
de
diferencia
de
medias
x = 20
y = 25
x= 6
y = 5,5
n1 = 10
P( x y > 0) = ?
0 20 25
36 30,25
10
9
0 5
3,6 3,36
5
6,96
1,90
n2 = 9
9.2.
65
66
P , siendo: P1 P1Q1 y P2 P2 Q2 .
2
El error estndar de las diferencias entre las dos medias proporcionales estar
dada por:
P1Q1 P2 Q2
n1
n2
P P
1
p1 q1 p 2 q 2
n1
n2
s P1 P2
P P P P P1 P2
1
p1 p 2 P P p1 p2 P1 P2
P1Q1 P2 Q2
n1
n2
p1 q1 p 2 q 2
n1
n2
cuando n1 y n 2 > 30
Ejemplo
Clculo de Probabilidades. Distribucin de diferencia de proporciones muestrales
n1 = 200
n 2 = 100
P1 = 0,14
P2 = 0,20
67
p1 p2 = 8% = 0,08
Z
0,08 0,06
0140,86 0,20,8
200
100
0,14
2,98
0,047
de la
poblacin: 2
B Z (1 / 2)
n N 1
Ecuacin No.15
Despejando n, se obtiene:
Z (21 / 2) 2 N
( N 1) B 2 Z 2 2
Ecuacin No.16
68
Ejemplo
Un Banco desea identificar el promedio de cuentas por cobrar, estudios previos
han determinado que la variacin de las cuentas est en $1.000. El Banco cuenta
con 1.400 clientes activos. Si el lmite de error de estimacin es de $50 Cul
debe ser el tamao de la muestra a un nivel de significancia del 5%?
Se trata de una poblacin finita. Por teora la amplitud de variacin es 4 veces la
desviacin tpica: A = 4 entonces: = A/4 = 1.000/4 = 250
Z(1-/2) = Z0,975 = 1,96
Z (21 / 2) 2 N
89,93
2
2
2
(1400 1)(50) (1,96) (250)
3'497.500 240.100
En las condiciones dadas, la muestra debe ser de n = 90 cuentas.
10.1.2.
B Z (1 / 2)
2
n
Ecuacin No.17
Entonces:
Z (21 / 2) 2
B2
Ecuacin No.18
Ejemplo
En un estudio sobre el tamao de las manos para el diseo de guantes, se
estableci que la longitud de estas sigue una distribucin normal. Por datos
conocidos se sabe que la desviacin tpica es de 1,5 cm. Cul ser el tamao de
69
Z (1 / 2) 2
B2
(1,96) 2 (1,5) 2
34,57
(0,5) 2
p * q N n
B Z (1 / 2)
n 1 N
Ecuacin No.19
Despejando n se obtiene:
Z (21 / 2 ) p * qN NB 2
n
NB 2 Z (21 / 2 ) p * q
Ecuacin No.20
70
Ejemplo
En una ciudad se desea realizar una encuesta para determinar la proporcin de
habitantes que estn de acuerdo con el consumo de cigarrillo. La ciudad tiene
7.500 habitantes y por estudios previos se ha determinado que de cada 100
habitantes, 15 estn de acuerdo. Cul debe ser el tamao de la muestra para
estimar la proporcin poblacional P; con un lmite de error de estimacin de 0,05 y
un nivel de significancia del 5%.
Por los datos:
15
p
0,15 Luego
100
q 1 0,15 0,85
Z (21 / 2 ) p * qN NB 2 (1,96) 2 (0,15)(0,85)(7.500) (7.500)(0,05) 2
n
NB 2 Z (21 / 2 ) p * q
(7.500)(0,05) 2 (1,96) 2 (0,15)(0,85)
n
2
2
(7.500)(0,05) (1,96) (0,15)(0,85)
18,75 0,4898
3673,53 18,75
3692,28
191,908
18,75 0,4898
19,2398
Por consiguiente se debe tomar una muestra de 192 habitantes para estimar la
proporcin poblacional, con un lmite de error de 0,05 y un nivel de confianza de
95%.
Ejemplo
En una compaa de 3.500 empleados, se desea saber la proporcin de
empleados que estn a favor de la organizacin de un Sindicato. El investigador
tomo una muestra de 400 empleados fruto del clculo respectivo; adems, asume
un nivel del 5%. Por ser una compaa relativamente nueva, NO hay datos al
respecto. De qu valor fue tomado el error de estimacin del muestreo?
Inicialmente por no conocer proporciones anteriores, entonces se asume un
fenmeno dudoso, as p = 0,5 luego q = 0,5. Conocemos el tamao de la
poblacin y de la muestra. Debemos despejar B de la ecuacin del tamao
muestral.
Z (21 / 2 ) p * qN NB 2
n
Despejando B:
NB 2 Z (21 / 2 ) p * q
B
2
B2
Z (21 / 2) p * qN Z (21 / 2) p * qn
71
nN N
0,002132
400 * 3.500 3.500
1'396.500
B 0,002132 0,04617
Z 2 2
E2
2 2 30.000
1.500 2
2. un auditor desea tener un nivel de confianza del 95%, para que la verdadera
proporcin de error no exceda del 2%. Si la poblacin es muy grande, Qu
tamao tendr la muestra que va a tomarse, si el auditor estima que la proporcin
de error es del 5%?
n=
Z 2 PQ
E2
2 2 0,050,95
=
0,02 2
475 cuentas
no
n
1 o
N
no
n=
n
1 o
N
Z 2 2
E2
donde:
no
donde:
Z 2 PQ
no
E2
En variables
En proporciones
72
N n
B Z (1 / 2) N 2
n N 1
2
Ecuacin No.21
Despejando n se obtiene:
Z (21 / 2) N 3 2
( N 1) B 2 Z (21 / 2) 2 N 2
Ecuacin No.22
Ejemplo
Una compaa que hace estudios a nivel social, desea estimar el total de ingresos
de una poblacin de 3.000 habitantes que tiene ingresos. Por estudios previos se
sabe que la varianza poblacional para los ingresos es de $40.000 Cuntas
personas se deben tomar como muestra, si se asume un lmite de error de
estimacin de $100.000 y un nivel de confianza del 95%?
Los datos:
N = 3.000
2 = 40.000
B = 100.000
Entonces:
n
Z (21 / 2) N 3 2
( N 1) B 2 Z (21 / 2) 2 N 2
4,148928 X 1015
2,9225 X 1015
7,281
3,9999 X 1014 1,382976 X 1012 4,01372976 X 1014
73
Ecuacin No.23
Ecuacin No.24
Ecuacin No.25
Tamaos Desiguales:
(
Ecuacin No.26
74
75
76
11. Estimacin.
El objetivo principal de la estadstica inferencial es la estimacin, esto es que
mediante el estudio de una muestra de una poblacin se quiere generalizar las
conclusiones al total de la misma. Como vimos en la seccin anterior, los
estadsticos varan mucho dentro de sus distribuciones muestrales, y mientras
menor sea el error estndar de un estadstico, ms cercanos sern unos de otros
sus valores.
ESTIMACION
Puntual:
Por intervalos:
77
ESTIMACIN PUNTUAL
Una estimacin puntual es un nico valor estadstico y se usa para
estimar un parmetro. El estadstico usado se denomina estimador
Media
poblacional
Proporcin
Total
poblacional
De
proporciones
Diferencias de
medias
78
MARGEN DE ERROR
Se conoce la varianza
Poblacional
Si
Estadstico
Media
( )
No
(
INTERVALOS DE
CONFIANZA
DOS
POBLACIONES
UNA POBLACIN
MUESTRAS
GRANDES n
>=30
MUESTRAS
PEQUEAS
n<30
Media
Proporcin
VARIANZA
Media
MUESTRAS
GRANDES n>=30
Diferencia de
proporciones
MUESTRAS
PEQUEAS n<30
Diferencia de
medias
Diferencia de
medias
79
0.200
0.150
0.100
0.050
0.025
0.010
Test unilateral
0.842
1.036
1.282
1.645
1.960
2.326
Potencia
(1-)
Zb
0.01
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
0.99
0.95
0.90
0.85
0.80
0.75
0.70
0.65
0.60
0.55
0.50
2.326
1.645
1.282
1.036
0.842
0.674
0.524
0.385
0.253
0.126
0.000
Test bilateral
1.282
1.440
1.645
1.960
2.240
2.576
Intervalo de
Intervalo de confianza
Intervalo de
confianza para la
para la diferencia de
confianza para la
media
medias
proporcin
80
x3, xn
son elegidas
Entonces, queda claro que cuando las muestras son pequeas la distribucin
muestral es la distribucin t. Esta se caracteriza porque es ms puntual que la
distribucin normal, reuniendo mayor proporcin de casos en los extremos de la
curva a diferencia de la distribucin normal.
La distribucin t a medida que el tamao de la muestra "n" aumenta, tal
distribucin t se va pareciendo ms a la normal, de tal modo que cuando n > 30
no existen diferencias entre la distribucin normal y la distribucin t. Entonces,
cuando n < 30 existe una curva diferente para cada valor de "n".
Grados de libertad.
Nmeros de elementos en una muestra que pueden variar despus de haber
seleccionado cierto nmero de ellas. Supngase que existen dos elementos en
una muestra y se conoce la media. Se tiene libertad para especificar slo uno de
los dos valores, ya que el otro queda determinado automticamente; queda claro
que el total de los dos valores es dos veces la media.
Ejemplo
Si la media es de $ 6 pesos es posible elegir slo un valor. Si se elige $ 4 pesos el
otro valor es $ 8, ya que $ 4 + $ 8 = 12 /2 = $ 6. As que hay un grado de libertad
en este ejemplo. Se podra haber determinado mediante n - 1 = 2 - 1 = 1 grados
de libertad. Si n=4, entonces hay 3 grados de libertad, lo que se obtiene mediante
n - 1 = 4 1 = 3.
81
12.
S
X t
n
Ecuacin No.27
82
0,45
0,4
Probabilidad
0,35
0,3
Grados de
Libertad n-1 =
10 - 1= 9
0,25
0,2
0,15
0,1
0,05
1 0,95
/2 0,025
/2 0,025
0
-2,69
+2,69
Valor estadstico t
6 (
Se interpreta que las cajas de atn tienen un promedio de peso entre 181.85 y
186.14 gramos con un nivel de confianza del 95% y expresado matemticamente
es: (
6 )
9
83
12.1.
Cuando las varianzas son desconocidas, se debe realizar previamente una prueba
estadstica para verificar si stas son iguales o diferentes. Para realizarlo debemos
hacer uso de la distribucin F, bien sea mediante el clculo de la probabilidad de
que la muestra tomada provenga de dos poblaciones con varianzas iguales, o
mediante el uso de un intervalo de confianza para la relacin de dos varianzas,
segn se estudiar ms adelante.
INTERVALO PARA LA
DIFERENCIA DE MEDIAS
(varianza desconocida
SI.
Aplicar la frmula:
NO.
Usar frmula de intervalo
para la diferencia de medias
pero con varianzas
desiguales
84
2.1
5.3
1.4
4.6
Sin Tratamiento
1.9
0.5
2.8
3.1
Con un nivel de significancia del 0.05 pruebe que las varianzas son iguales.
Datos:
Con tratamiento Sin tratamiento
s= 1.97
n=5
s = 1.1672
n=4
Estadstico de prueba: F
0.9
85
Regla de decisin:
Si 0.10
Fc
15.1 no hay evidencia para decir que las varianzas NO son iguales,
9
6
Decisin y Justificacin:
Como 2.85 esta entre los dos valores de Ho no se rechaza , y se concluye con
un = 0.05 que existe suficiente evidencia para decir que las varianza de las
poblaciones son iguales.
86
Ecuacin No.28
Donde
es un estimador combinado de
, mejor que
por separado, y
Ecuacin No.29
]
Ecuacin No.30
87
Teorema. Si , ,
y
son las medias y las varianzas de dos muestras
aleatorias de tamaos n1 y n2, respectivamente, tomadas de dos poblaciones
normales e independientes con varianzas desconocidas pero iguales, entonces un
intervalo de confianza del 100(1- )% para la diferencia entre medias 1 - 2 es:
Ecuacin No.31
Marca A
10
3,1
0,5
Marca B
8
2,7
0,7
88
Debido a que la diferencia real puede ser nula, ya que el intervalo construido
contiene al cero, no se puede concluir que existe una diferencia en el contenido de
nicotina de las dos marcas de cigarrillos.
Ejercicio propuesto
El gerente de una refinera piensa modificar el proceso para producir gasolina a
partir de petrleo crudo. El gerente har la modificacin slo si la gasolina
promedio que se obtiene por este nuevo proceso (expresada como un porcentaje
del crudo) aumenta su valor con respecto al proceso en uso. Con base en
experimentos de laboratorio y mediante el empleo de dos muestras aleatorias de
tamao 12, una para cada proceso, la cantidad de gasolina promedio del proceso
en uso es de 24.6 con una desviacin estndar de 2.3, y para el proceso
propuesto fue de 28.2 con una desviacin estndar de 2.7. El gerente piensa que
los resultados proporcionados por los dos procesos son variables aleatorias
independientes normalmente distribuidas con varianzas iguales. Con base en esta
evidencia, debe adoptarse el nuevo proceso?
12.2.
89
V: grados de libertad
Donde V es:
90
Ecuacin No.32
Ejemplo
Un fabricante de monitores prueba dos diseos de microcircuitos para determinar si
producen un flujo de corriente equivalente. El departamento de ingeniera ha obtenido los
datos siguientes:
2
Diseo 1
n1 = 16
s1 = 10
Diseo 2
n2 = 10
s2 = 40
Estadstico de prueba:
F
La sugerencia que se hace es que el numerador sea el de valor mayor . En este
caso la desviacin ms grande corresponde a la muestra Diseo 2.
Entonces los grados de libertad GL1= 10-1 = 9 y GL2 = 16-1=15.
91
Decisin y Justificacin:
Como 4 es mayor que 3.12, esta en la zona de rechazo, se concluye con un =
0.05 no existe suficiente evidencia para decir que las varianza de las poblaciones
son iguales, por tanto se suponen varianzas diferentes.
Segunda fase: intervalo de confianza
Para poder buscar el valor de t en la tabla, se necesita saber el valor de los grados
de libertad:
(
[
[
)
]
Este valor se redondea al prximo menor que sera 11. Entonces los grados de
libertad son 11.
92
Ver la tabla t-student en los Contenidos del curso, Anexo: Tablas estadsticas.
Recuerde que si el nivel de significancia es 0,05 debe ubicarse directamente en la
columna 0,05 con 11 grados de libertad, ya que siempre un intervalo de confianza
supone una distribucin a dos colas y el Excel por defecto supone distribucin a
dos colas con la funcin =DISTR.T.INV, por tanto, no es necesario dividir el alfa en
dos.
En el caso de las pruebas de hiptesis se pueden dar pruebas a una o dos colas,
por ello cuando se utilice la tabla t-student del anexo si la prueba tiene un alfa de
0,05 y es a una cola, usted deber ubicar la columna 0,10 ( es decir multiplica por
dos el alfa antes de ver en la tabla).
Estadstico de prueba
Se aplica el estadstico de prueba para la diferencia de medias con varianzas desiguales:
( )
Justificacin y decisin:
Como 0.1395 esta entre 2.201 y 2.201, no se rechaza la hiptesis de que las
diferencia de medias es cero. Se concluye con un = 0.05, que no existe
diferencia significativa en el flujo de corriente promedio entre los dos diseos.
93
. )
. )
12.3.
94
Tamao de la muestra =
Cuasi varianza =
Media muestral =
Nivel de confianza =
Poblacin1 Poblacin2
16
10
10
40
24,2
23,9
0,95
2,063898562
3,835257238
-3,535257238
4,135257238
Intervalos unilaterales
to =
1,71088208
Radio =
3,179261327
Cota inferior =
-2,879261327
Cota superior =
3,479261327
Estadstico tabulado
to =DISTR.T.INV(2*(1-0,95);16+10-2)
Radio
Recordar:
12.4.
95
Ejemplo
Usar los datos del ejemplo del fabricante de monitores que prueba dos diseos de
microcircuitos para determinar si producen un flujo de corriente equivalente, pero en este
caso construir un intervalo unilateral para diferencia de medias con varianzas
desconocidad pero desiguales.
Caso de varianzas poblacionales desconocidas y desiguales
Intervalo bilateral
Intervalos unilaterales
Cuasivarianza1/Cuasivarianza2=
0,25
Grados de libertad=
11
to =
2,20098516
to =
1,795884819
Radio del intervalo =
4,733397564
Radio =
3,862196338
Lmite infer.=
-4,433397564
Cota inferior =
-3,562196338
Lmite super.=
5,033397564
Cota superior =
4,162196338
Estadstico tabulado
to =DISTR.T.INV(2*(1-0,95);GL)
Radio
12.5.
96
97
Dada la muestra aleatoria se calculan los siguientes estadsticos que servirn para
estimar la media y la varianza de la diferencia,
y
, respectivamente:
98
Es:
Ecuacin No.33
Se est investigando la utilidad de dos lenguajes de diseo para mejorar las tareas
de programacin. Se le ha pedido a 12 programadores expertos, familiarizados
con los dos lenguajes, que codifiquen una funcin estndar con ambos lenguajes,
y se registra el tiempo requerido, en minutos, para realizar estas dos tareas. Los
datos obtenidos son los siguientes:
99
Dado que la diferencia puede ser cero, se concluye que no hay evidencia para
rechazar la hiptesis de que ambos lenguajes requieren el mismo tiempo de
programacin, y por lo tanto no hay preferencia por ninguno de los dos lenguajes.
2.
13.1.
100
Ecuacin No.34
Ejemplo
Suponga por ejemplo que Ud. est dispuesto a aceptar un riesgo de error de
0.05 ; entonces 1 0.95 , luego se trata de un intervalo de confianza del
nivel 0.95. Dado que esta probabilidad se distribuye simtricamente a los dos
lados de la media, se obtiene 0.475 a cada lado. Ahora bien, el valor de Z
asociado a una probabilidad de 0.475 es de 1.96 (de acuerdo a la tabla de la
distribucin normal) a la derecha de la media y de 1.96 a la izquierda, como se
puede apreciar en la siguiente grfica:
Intervalo de confianza para grandes muestras
; X 1.96
X 1.96
n
n
101
X 1.96
n
Si la poblacin es finita o si se muestrea sin reemplazamiento una poblacin finita,
la relacin es la siguiente:
N n
X Z
n N 1
Ecuacin No.35
Recuerde que Z depende del nivel de confianza que se fije y que si la desviacin
estndar poblacional es desconocida, se utiliza como estima la desviacin
muestral (S).
Podr darse cuenta las semejanzas con los procedimientos utilizados para las
pruebas de hiptesis, vistas anteriormente para pruebas unilaterales y bilaterales.
Ejemplo
El contenido de protenas de una muestra de 100 pollos criados en una
determinada granja dio una media de 20.2 gramos con una desviacin estndar
de 1.14 gramos. Obtener el intervalo de confianza del 99% para el contenido
medio de protena de todos los pollos de la granja.
Como el intervalo de confianza se distribuye simtricamente a los dos lados de la
media, en este caso a cada lado le corresponde una probabilidad de 0.495 (0.99/2
= 0.495). El valor de Z asociado a una probabilidad de 0.795 es 2.58.
El intervalo para la media ser:
1.14
X Z
20.2 2.58
20.2 0.294
n
100
El contenido medio de protena de toda la poblacin de pollos de la granja est
dentro de un intervalo de 19.91 y 20.49 gramos con un nivel de confianza del 99%,
y se expresa de la siguiente forma:
102
Ejemplo
Se toma una muestra al azar de 40 vasos de kumis de un lote de 500, dieron un
promedio de 76 caloras por cada 100 gramos con una desviacin estndar 2.9
caloras. Obtener el intervalo de confianza del 95% para el contenido medio de
caloras para todo el lote.
Ntese que se trata de una poblacin finita y muestreo sin reemplazamiento. El
valor de Z asociado a un nivel de confianza del 95% es 1.96 (0.95/2 = 0.475) de
acuerdo a la tabla de la distribucin normal.
El intervalo de confianza en este caso est dado por:
N n
2.9 500 40
X Z
76
76 0.87
499
n N 1
40
Por tanto el contenido medio de caloras del lote esta dentro del intervalo de 75.13
y 76.87 caloras con un 95% de nivel de confianza, y expresado matemticamente
es:
13.2.
12
n1
22
n2
Ecuacin No.36
103
X1 X 2 Z
12
n1
22
n2
0.082 0.062
50
40
14.
Las proporciones.
PZ
PQ
n
Ecuacin No.37
PZ
PQ
N n
N 1
Ecuacin No.38
104
Ejemplo
De un lote de 500 frascos de jugo se extrae una muestra de 50 frascos de los
cuales 43 cumplen con las especificaciones exigidas y 7 fueron rechazados. Hallar
el intervalo de confianza del 95% para la proporcin de frascos de jugo aceptados
del lote de estudio.
Para un nivel de confianza de 95% el valor de Z = 1.96 (tabla de distribucin
normal)
Aplicando la frmula se tiene:
PZ
PQ
n
N n
43
1.96
N 1
50
0.86 1.96
43501 4350
50
500 50
500 1
(0.86)(0.14) 450
50
499
Con un nivel de confianza del 95% la proporcin de frascos aceptados fue de 0.77
y 0.95, es decir el nivel de aceptacin est entre 380 y 480 frascos de lujo de un
lote de 500 frascos
14.2.
P1 P2 Z
p1q1 p2 q2
n1
n2
Ecuacin No.39
105
P1 P2 Z
p1q1 p2 q2
380 333
500 500 450 450
2.58
n1
n2
500 450
500
450
(0.76)(0.24 (0.74)(0.26)
0.02 0.073
500
450
Por lo cual es de esperar con un nivel de confianza del 99% que la verdadera
diferencia de proporcin de venta de los quesos A y B se encuentre entre 0.053 y
0.093. La diferencia de proporcin negativa del lmite inferior del intervalo indica
que en esta regin la diferencia est a favor del queso B cuya proporcin de venta
es menor en las muestras estudiadas.
106
estn entre 02.975 y 02.025 . Significa esto que existe una probabilidad del 95% de
obtener un valor de 2 tal que:
02.975
n 1S 2
02.025
Esta ecuacin define un estimado de intervalo, porque el 95% de todos los valores
posibles de
n 1S 2
1 0,95
2(0,975) =8,90
38
36
34
32
30
28
26
24
22
20
18
16
14
/2 =0,025
12
10
/2= 0,025
0,001
0,08
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0
2(0,025) =32,85
2
0.975
n 1S 2
n 1S 2
02.975
n 1S 2
02.025
107
n 1S 2
02.025
n 1S 2
02.025
n 1S 2
02.975
20 10.0025 2 20 10.0025
32,8523
8,90655
n 1S 2
2
n 1S 2
21
2
Ecuacin No.40
108
EJERCICIOS COMPLEMENTARIOS
1. Una investigacin efectuada a 400 familias de clase medias, revel que un
62% de sus ingresos anuales son utilizados para servicios de salud.
Determinar los lmites de confianza del 99%
109
REFERENTES
110
111
Sitios Web
http://ice.unizar.es/uzinnova/jornadas/pdf/95.pdf
http://www.fcnym.unlp.edu.ar/catedras/estadistica/programa2002.html#2
http://aprendeenlinea.udea.edu.co/lms/moodle/mod/resource/view.php?inpopup=tr
ue&id=3
http://aprendeenlinea.udea.edu.co/portal/
http://egkafati.bligoo.com/content/view/182409/Del_como_y_porque_ensenar_esta
distica.html
http://metro40.edv.uniovi.es/metroweb/charlas/Estadistica.pdf
http://www.uned.es/experto-metodos-avanzados/
http://aprendeenlinea.udea.edu.co/lms/moodle/course/view.php?id=322
http://server2.southlink.com.ar/vap/PROBABILIDAD.htm
http://es.wikipedia.org/wiki/Probabilidad
http://www.terra.es/personal2/jpb00000/pprobjunio99.htm
http://www.fvet.edu.uy/estadis/probabilidad.htm
http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html
http://www.aulafacil.com/CursoEstadistica/CursoEstadistica.htm
http://www.uantof.cl/facultades/csbasicas/Matematicas/academicos/emartinez/Esta
distica/index.html