02/12/2011

Análisis de datos y gestión veterinaria

Estimación puntual y por intervalos

Departamento de Producción Animal – Facultad de Veterinaria

Universidad de Córdoba

Córdoba, 30 de Noviembre de 2011

Estimación puntual y por intervalos

Estimación puntual
Características de los estimadores

Estimación por intervalos

I.C. media
I.C. varianza
I.C. proporciones
I.C. diferencia de medias
I.C. diferencia de proporciones
Tamaño muestral

1
 02/12/2011

Estimación puntual y por intervalos

n = 10.000
votantes
N = ?? los estadísticos
se utilizan como
?? = millones de votantes
estimadores
de los
parámetros de
Inferencias. calculamos
la población,
Generalizaciones a estadísticos,
como la edad
como la edad
partir de la muestra a media de los media de los
la población. votantes de la votantes de la
población
muestra

Estimación puntual y por intervalos

Si se calcula un intervalo en el que se tiene

elevada seguridad de que contiene n = al
10.000
verdadero parámetro, se trata votantes
de
estimaciónNpor= ??intervalos
?? = millones de votantes

Si se calcula un único valor

como estimador, se trata de
estimación puntual

2
 02/12/2011

Estimación puntual

La presión arterial de un caballo fue medida 10 veces en una

clínica determinada:
10, 16, 5, 10, 12, 8, 4, 6, 5, 4

Hallar estimaciones puntuales para la media, varianza, desviación

típica, y la proporción para los que la presión fue mayor que 8,5.
1 80 1   782 − 10·82
x=
n
∑ xi =
10
=8 sx2 = 
n −1 
∑ xi2 − nx 2  =
 9
= 15,78

sx = sx2 = 15, 78 = 3,97 x 4

pˆ x = = = 0, 4
n 10

Estimación puntual

Población Estimador Estimación

Media µX X x
Varianza σ X2 S X2 sx2

Desv. típica σX SX sx
Proporción p pˆ X pˆ x

3
 02/12/2011

Estimación puntual

Un estimador es insesgado si la media

de la distribución muestral es el parámetro
desconocido en la población.
0,4 ()
E θˆ = θ
Parámetro
f(estimador)

0,3

0,2

0,1

0
-5 -3 -1 1 3 5
Estimador

Estimación puntual

Un estimador es insesgado si la media

de la distribución muestral es el parámetro
desconocido en la población.

0,4 ()
E θˆ = θ
f(estimador)

0,3 Parámetro
0,2

0,1

0
-5 -3 -1 1 3 5
Estimador

4
 02/12/2011

Estimación puntual

Un estimador es insesgado si la media

de la distribución muestral es el parámetro
desconocido en la población.

()
E θˆ = θ

E ( X ) = µX La desviación típica no es
un estimador insesgado
E ( S X2 ) = σ X2
E ( pˆ X ) = p

Estimación puntual

Un estimador es más eficiente que otro

si su varianza es menor.

( ) ( )
Var θˆ1 < Var θˆ2

Eficiencia relativa

( )
Var θˆ2
Var (θˆ )
1

5
 02/12/2011

Estimación por intervalos

Para determinar la proporción

de botellas de leche
defectuosas, el Dpto. de
Control de Calidad de una
empresa toma una muestra.

n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
pˆ x = 0,1 pˆ x = 0,1

Estimación por intervalos

Para determinar la proporción

de botellas de leche
defectuosas, el Dpto. de
…pero…si n es 100 veces superior,
Control ¿no habrá
de Calidad de una
más confianza?...
empresa toma una muestra.

n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
pˆ x = 0,1 pˆ x = 0,1

6
 02/12/2011

Estimación por intervalos

La estimación
puntual, Para determinar la proporción
posiblemente, La estimación
de botellaspuntual,
de másleche
coincide con la posiblemente, coincide
defectuosas, el Dpto. de
proporción con ladeproporción
Control Calidad de una
empresa toma una muestra.
poblacional
poblacional

n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
pˆ x = 0,1 pˆ x = 0,1

Estimación por intervalos

Para determinar la proporción

de botellas de leche
defectuosas, el Dpto. de
…pero…si n es 100 veces superior,
Control ¿no habrá
de Calidad de una
más confianza?...
empresa toma una muestra.

n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
pˆ x = 0,1 pˆ x = 0,1

Con una “confianza” del Con una “confianza” del

95%: 0,035 < p < 0,254 95%: 0,086 < p < 0,123

7
 02/12/2011

Estimación por intervalos

Un estimador por intervalos de un

parámetro poblacional es un intervalo en el
que hay una probabilidad determinada de
encontrar dicho parámetro.

n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
pˆ x = 0,1 pˆ x = 0,1

Con una “confianza” del Con una “confianza” del

95%: 0,035 < p < 0,254 95%: 0,086 < p < 0,123

Estimación por intervalos

Un estimador por intervalos de un

parámetro poblacional es un intervalo en el
que hay una probabilidad determinada de
encontrar dicho parámetro.
P ( A < θ < B) = 1−α

1−α nivel de confianza del intervalo

n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
pˆ x = 0,1 pˆ x = 0,1

Con una “confianza” del Con una “confianza” del

95%: 0,035 < p < 0,254 95%: 0,086 < p < 0,123

8
 02/12/2011

Estimación puntual y por intervalos

Estimación puntual
Características de los estimadores

Estimación por intervalos

I.C. media
I.C. varianza
I.C. proporciones
I.C. diferencia de medias
I.C. diferencia de proporciones
Tamaño muestral

I.C. para la media: población normal y

varianza poblacional conocida

X −µ
Z= IC = 1 − α
σ/ n

0,4

0,3

α α
fZ(z)

0,2
2 1−α 2
0,1

0
-5 -3 -1 1 3 5
Z

9
 02/12/2011

I.C. para la media: población normal y

varianza poblacional conocida

X −µ 1 − α = 0,9
Z= IC = 1 − α
σ/ n α = 0,1

0,4

0,3
fZ(z)

0,2
5% 90% 5%
0,1

0
-5 -3 -1 1 3 5
Z

I.C. para la media: población normal y

varianza poblacional conocida

1 − α = 0,9
α = 0,1

µ
El 90% de los intervalos de confianza contendrán la media
poblacional

10
 02/12/2011

I.C. para la media: población normal y

varianza poblacional conocida
zα / 2 = z0,05
X −µ 1 − α = 0,9 P ( Z < 1, 645 ) = Fz (1, 645) = 0,95
Z=
σ/ n α = 0,1
P(−1,645 < Z < 1, 645) = 1 − P( Z > 1, 645) − P( Z < −1,645) = 1 − 0, 05 − 0, 05
0,4

0,3
fZ(z)

0,2

0,1

0
-5 -3
− z0,05
-1 1
z0,05 3 5

P ( Z < −1, 645) = 0, 05 Z P ( Z > 1, 645) = 0, 05

I.C. para la media: población normal y

varianza poblacional conocida
P(−1,645 < Z < 1, 645) = 1 − P( Z > 1, 645) − P( Z < −1,645) = 1 − 0, 05 − 0, 05

 X −µ 
0,90 = P(−1, 645 < Z < 1, 645) = P  −1, 645 < < 1, 645  =
 σ / n 
 −1, 645σ −1, 645σ 
= P < X −µ < =
 n n 
 −1, 645σ −1, 645σ 
= P X − <µ<X + 
 n n 
z α / 2σ z α / 2σ
x− <µ<x+
n n
Intervalo de confianza del
100(1 − α )% α
P ( Z > zα / 2 ) =
2

11
 02/12/2011

I.C. para la media: población normal y

varianza poblacional conocida
Una fábrica produce latas de sardinas. El peso de las latas sigue
una distribución normal, con desviación típica de 15 gr. El
contenido de una muestra de 25 latas pesa 100 gr de media.
Calcular un intervalo de confianza del 95% para el
verdadero peso medio de las latas de sardinas.
100(1-α)=95, por lo que α=0,05
z σ z σ
zα / 2 = z0,025 x − α /2 < µ < x + α / 2
n n
Fz ( z0,025 ) = 1, 96
1,96·1, 2 1,96·1, 2
100 − < µ < 100 + =
25 25

= 94,12 < µ < 105,88

I.C. para la media: población normal y

varianza poblacional conocida

La longitud del intervalo de confianza depende de:

1. El número de observaciones de la muestra lo disminuye

2. La varianza lo incrementa
3. La confianza del intervalo lo incrementa

12
 02/12/2011

I.C. para la media: población normal y

varianza poblacional conocida

Si el tamaño muestral es grande,

- Se puede utilizar la varianza muestral como varianza

poblacional
- La población puede desviarse de la distribución normal

Intervalo de confianza del 100(1 − α )%

zα / 2 sx zα / 2 sx
x− <µ<x+
n n

α
P ( Z > zα / 2 ) =
2

I.C. para la media: población normal y

varianza poblacional conocida
Se preguntó a 172 ganaderos sobre sus condiciones de trabajo en
una escala de 1 (muy malas) a 5 (muy buenas). La calificación
media fue de 3,28, con desviación típica de 0,70. Calcular un
intervalo de confianza del 99% para la media poblacional.

100(1-α)=99, por lo que α=0,01

zα / 2 = z0,005 zα /2σ z σ
x− < µ < x + α /2
Fz ( z0,005 ) = 2, 575 n n

2,575·0, 70 2,575·0, 70
4,38 − < µ < 4,38 + =
172 172

= 4, 24 < µ < 4,52

13
 02/12/2011

I.C. para la media: población normal y

varianza poblacional desconocida

Si el tamaño muestral es pequeño, se puede utilizar la

desviación típica muestral como desviación típica
poblacional.

X −µ
t=
sx / n
Esta variable aleatoria no sigue la
distribución normal estándar, sino la
distribución t de Student con (n – 1)
grados de libertad.

I.C. para la media: población normal y

varianza poblacional desconocida
Si el tamaño muestral es pequeño, se puede utilizar la
desviación típica muestral como desviación típica
poblacional.

0,4

X −µ
0,3 t=
sx / n
f(t)

0,2
Esta variable aleatoria no sigue la
0,1
distribución normal estándar, sino la
distribución
0 t de Student con (n – 1)
-7 -4 -1 2 5 8
grados de libertad.
t5

14
 02/12/2011

I.C. para la media: población normal y

varianza poblacional desconocida

Si el tamaño muestral es pequeño, se puede utilizar la

desviación típica muestral como desviación típica
poblacional.

Intervalo de confianza del 100(1 − α )%

tn −1,α /2 sx tn −1,α / 2 sx
x− <µ<x+
n n

α
P (tn −1 > tn −1,α /2 ) =
2

I.C. para la media: población normal y

varianza poblacional desconocida
Se estudió el porcentaje de incremento de censo ganadero (en
UGM) en 17 municipios andaluces, desde el año 2.000 a la
actualidad. La media muestral fue de 0,105 y la d.t. de 0,440.
Calcule un intervalo para la media del 95%, asumiendo la
distribución normal de la población.
100(1-α)=95, por lo que α=0,05
n – 1 = 16
tn −1,α /2 sx tn −1,α / 2 sx
x− <µ<x+
n n
tn −1,α /2 = t16,0,025 = 2,120
2,120·0, 440 2,120·0, 440
0,105 − < µ < 0,105 + =
17 17

= −0,121 < µ < 0,331

15
 02/12/2011

I.C. para proporciones de la población

(muestras grandes)
pˆ x − p
Z=
p (1 − p ) / n

Bastante fiable con n ≥ 40

Intervalo de confianza del 100(1 − α )%

pˆ x (1 − pˆ x ) pˆ x (1 − pˆ x )
pˆ x − zα /2 < p < pˆ x + zα / 2
n n

α
P ( Z > zα / 2 ) =
2

I.C. para proporciones de la población

(muestras grandes)
A una muestra aleatoria de 142 clientes de una clínica veterinaria
se les preguntó por la calidad del servicio. 87 contestaron que
“bueno” o “muy bueno”. Calcule un intervalo de confianza del
95% para todos los clientes.
100(1-α)=95, por lo que α=0,05

zα / 2 = z0,025 = 1, 96 pˆ x (1 − pˆ x ) pˆ x (1 − pˆ x )
pˆ x − zα /2 < p < pˆ x + zα /2
n n

0, 613·0,387 0, 613·0,387
0, 613 − 1,96 < p < 0, 613 + 1, 96
142 142

0,53 < p < 0, 693

16
 02/12/2011

SiI.C. para lanovarianza

la población de una población
sigue una distribución normal, este
procedimiento es
normalmuy poco fiable

(n − 1) sx2
χ 2
n −1 =
σ2
0,1
f(chi-cuadrado)

0,08 α
0,06 2
0,04 α
0,02
1−α 2
0
0 χ v2,1−α /2 10 20 χ v2,α /2 30 40
chi-cuadrado

I.C. para la varianza de una población

normal

(n − 1) sx2
χ 2
n −1 =
σ2

Intervalo de confianza del 100(1 − α )%

(n − 1) sx2 (n − 1) sx2
<σ2 <
χ n2−1,α /2 χ n2−1,1−α /2

α α
P ( χ n2−1 > χ n2−1,α /2 ) = P ( χ n2−1 < χ n2−1,1−α /2 ) =
2 2

17
 02/12/2011

I.C. para la varianza de una población

normal
Una muestra aleatoria de 15 pastillas para el dolor tiene una
desviación típica de 0,8% en la concentración del fármaco. Hallar
un I.C. del 90% para la varianza poblacional.
100(1-α)=90, por lo que α=0,10
χ 2
n −1,α / 2 =χ2
14,0,05 = 23, 68

(n − 1) sx2 (n − 1) sx2
χ 2
=χ 2
= 6, 57 <σ2 <
n −1,1−α /2 14,0,95
χ n2−1,α /2 χ n2−1,1−α /2

14·0, 64 14·0, 64
<σ2 < = 0,378 < σ 2 < 1,364
23, 68 6,57

I.C. media, varianza y proporciones

I.C. media (si la población no es normal, el error asumido es

pequeño)
Si la población es normal y la varianza zα /2
conocida, o si n es grande

Si la población es normal, la varianza tn −1,α /2

desconocida y n es pequeño

I.C. proporciones (fiable si n>40) zα /2

I.C. varianza (si la población no es χ n2−1,α / 2

normal, es poco fiable)
χ n2−1,1−α /2

18
 02/12/2011

I.C. para la diferencia de medias de dos

poblaciones normales
Un ganadero está
considerando el uso de
dos vacunas alternativas
y está interesado en la
diferencia de las
producciones anuales
medias por oveja.

De la población con la vacuna A se extrae

una muestra aleatoria de ni individuos.
De la población con la vacuna B se extrae una
muestra aleatoria de nj individuos.
Se estudia la diferencia de medias de dos muestras independientes
extraídas aleatoriamente de poblaciones normales.

I.C. para la diferencia de medias de dos

poblaciones normales

Un veterinario está considerando la efectividad de un

programa de entrenamiento equino, interesado en la
velocidad de carrera.

De la población se extrae una muestra

aleatoria de n individuos.

Se estudia la diferencia de medias antes y después del

programa de entrenamiento en los mismos sujetos. Estos
sujetos constituyen una muestra, extraída aleatoriamente
de la población normal.

19
 02/12/2011

I.C. para la diferencia de medias de dos

poblaciones normales
Diferencia de medias en muestras independientes
Se estudia la diferencia de medias de dos
muestras independientes extraídas
aleatoriamente de poblaciones normales.

Diferencia de medias con datos pareados

Se estudia la diferencia de medias antes y
después del tratamiento en los mismos
sujetos que constituyen una muestra,
extraída aleatoriamente de la población
normal.

I.C. para la diferencia de medias de dos

poblaciones normales
Diferencia de medias con datos pareados
Se estudia la diferencia de medias antes y
después del tratamiento en los mismos
sujetos que constituyen una muestra,
extraída aleatoriamente de la población
normal.

20
 02/12/2011

I.C. para la diferencia de medias de dos

poblaciones normales
Diferencia de medias con datos pareados

Un veterinario está considerando la efectividad de un

programa de entrenamiento equino para caballos, interesado
en la velocidad de carrera.

Se seleccionan 8 caballos para el programa de

entrenamiento. Se mide la velocidad antes y después del
programa de entrenamiento, que dura 8 semanas.

I.C. para la diferencia de medias de dos

poblaciones normales
Diferencia de medias con datos pareados( µ x − µ y )
Si la distribución poblacional asumida es
normal, se plantea el cálculo de un intervalo de
confianza para la media poblacional

caballo
caballoprepre caballo
caballopostpost diferencias
ii xxi i yyi i di xi2
11 19,4
19,4 19,6
19,6 -0,2 0,04
22 18,8
18,8 17,5
17,5 1,3 1,69
33 20,6
20,6 18,4
18,4 2,2 4,84
44 17,6
17,6 17,5
17,5 0,1 0,01
55 19,2
19,2 18
18 1,2 1,44
66 20,9
20,9 20
20 0,9 0,81
77 18,3
18,3 18,8
18,8 -0,5 0,25
88 20,4
20,4 19,2
19,2 1,2 1,44
sumas

21
 02/12/2011

I.C. para la diferencia de medias de dos

poblaciones normales
Diferencia de medias con datos pareados
caballo pre caballo post diferencias
i xi yi di xi2
1 19,4 19,6 -0,2 0,04
2 18,8 17,5 1,3 1,69
3 20,6 18,4 2,2 4,84
4 17,6 17,5 0,1 0,01
5 19,2 18 1,2 1,44
6 20,9 20 0,9 0,81
7 18,3 18,8 -0,5 0,25
8 20,4 19,2 1,2 1,44
sumas 6,2 10,52
2
1 n 1 1  n 2  1
d= ∑ d = 8·6, 2 = 0, 775 sd2 = ∑ di − nd 2  = 7·10,52 − 8·(0, 775)2  = 0,816
n i =1 n − 1  i =1

I.C. para la diferencia de medias de dos

poblaciones normales
Diferencia de medias con datos pareados

Intervalo de confianza del 100(1 − α )%

tn −1,α / 2 sd tn −1,α / 2 sd
d− < µx − µ y < d +
n n

α
P (tn −1 > tn −1,α /2 ) =
2

22
 02/12/2011

I.C. para la diferencia de medias de dos

poblaciones normales
Diferencia de medias en muestras independientes
Se estudia la diferencia de medias de dos
muestras independientes extraídas
aleatoriamente de poblaciones normales.

varianza conocida varianzas poblacionales

o son iguales
tamaño muestral grande

I.C. para la diferencia de medias de dos

poblaciones normales
Diferencia de medias en muestras independientes
2 muestras aleatorias de 2 poblaciones independientes:
nx observaciones de una población con µ x y σ x2
ny observaciones de una población con µ y y σ y2

X e Y las medias muestrales

E ( X − Y ) = E ( X ) − E (Y ) = µ x − µ y
σ2 σ y2
Var ( X − Y ) = Var ( X ) + Var (Y ) = x +
nx n y
Como su distribución es normal, la variable aleatoria

Z=
( X −Y ) − (µ x − µy )
varianza conocida-
σ x2 σ y2
tamaño muestral +
grande nx ny
tiene una distribución normal estándar

23
 02/12/2011

I.C. para la diferencia de medias de dos

poblaciones normales
Diferencia de medias en muestras independientes
varianza conocida o tamaño muestral grande
Intervalo de confianza del 100(1 − α )%
σ x2 σ y2 σ x2 σ y2
( x − y ) − zα /2 + < µ x − µ y < ( x − y ) + zα /2 +
nx ny nx ny

α
P ( Z > zα / 2 ) =
2

30 observaciones en cada muestra

son, en general, suficientes para
considerar “tamaño muestral grande”

I.C. para la diferencia de medias de dos

poblaciones normales
Para una muestra aleatoria de 96 cabras no vacunadas, el número
medio de días con mamitis fue de 2,15 y la d.t. muestral fue de
2,09 días al año. Para una muestra aleatoria independiente de 206
cabras vacunadas, el número de días con mamitis fue de 1,69, con
d.t. 1,91. Hallar un I.C. del 99% para la diferencia de
medias.
100(1-α)=99, por lo que α=0,01 zα /2 = z0,005 = 2,575

2 2
sx2 s y s2 s
( x − y ) − zα /2 + < µ x − µ y < ( x − y ) + zα / 2 x + y
nx n y nx n y

2, 092 1,912 2, 09 2 1,912

( 2,15 − 1, 69 ) − 2, 575 + < µ x − µ y < ( 2,15 − 1, 69 ) + 2,575 + =
96 206 96 206
= −0,19 < µ x − µ y < 1,11

24
 02/12/2011

I.C. para la diferencia de medias de dos

poblaciones normales
Diferencia de medias en muestras independientes
Se estudia la diferencia de medias de dos
muestras independientes extraídas
aleatoriamente de poblaciones normales.

varianza conocida varianzas poblacionales

o son iguales
tamaño muestral grande

I.C. para la diferencia de medias de dos

poblaciones normales
Diferencia de medias en muestras independientes
Se estudia la diferencia de medias de dos
muestras independientes extraídas
aleatoriamente de poblaciones normales.

varianzas poblacionales
son iguales

25
 02/12/2011

I.C. para la diferencia de medias de dos

poblaciones normales
Diferencia de medias en muestras independientes
2 muestras aleatorias de 2 poblaciones independientes:
nx observaciones de una población con µ x
n y observaciones de una población con µ y
µ común desconocida

Var ( X − Y ) = Var ( X ) + Var (Y ) =

σ2
+
σ2
= ( nx − 1) sx2 + ( ny − 1) s y2
nx ny s =
2

 n + ny
=σ2  x


(n x + ny − 2 )
 nx n y
 
varianzas poblacionales
( X −Y ) −(µ − µy ) ( X son − ( µx − µ y )
− Y )iguales
Z=
x
t=
 nx + n y 
σ 2  
n + ny
 nx ny 
s x
nx n y

I.C. para la diferencia de medias de dos

poblaciones normales
Diferencia de medias en muestras independientes
varianzas poblacionales son iguales
Intervalo de confianza del 100(1 − α )%
nx + n y nx + n y
( x − y ) − tn +n −2,α /2 s < µ x − µ y < ( x − y ) + tnx + ny − 2,α /2 s
x y
nx n y nx n y

( nx − 1) sx2 + ( ny − 1) s y2
s =
2

(n x + ny − 2 )

α
P (tnx + ny −2 > tnx + ny − 2,α / 2 ) =
2

26
 02/12/2011

I.C. para la diferencia de medias de dos

poblaciones normales
Se estudió el crecimiento anual de los ingresos de 6 clínicas
veterinarias que contaban con pajarería, siendo de media
9,972+7,470. La media de dicho crecimiento en otra muestra
aleatoria de 9 clínicas sin pajarería fue de 2,098+10,834.
Asumiendo normalidad en las poblaciones, hallar un I.C. del
90% para la diferencia de medias.
100(1-α)=90, por lo que α=0,1 tnx + ny − 2,α /2 = t13,0,05 = 1, 771

( nx − 1) sx2 + ( n y − 1) s y2 5·(7, 470) 2 + 8·(10,834) 2

s2 = = = 93, 693
nx + n y − 2 13
nx + n y nx + n y
( x − y ) − tn + n −2,α / 2 s < µ x − µ y < ( x − y ) + tnx + ny − 2,α /2 s
x y
nx n y nx n y
6+9 6+9
( 9,972 − 2, 098 ) − 1, 771·9, 680 < µ x − µ y < ( 9, 972 − 2, 098 ) + 1, 771·9, 680 =
54 54
= −1,161 < µ x − µ y < 16,909

I.C. para la diferencia entre dos

proporciones poblacionales
(muestras grandes)
Muestras grandes significa al menos 40 observaciones

E ( pˆ x − pˆ y ) = E ( pˆ x ) − E ( pˆ y ) = px − p y

px (1 − px ) p y (1 − p y )
Var ( pˆ x − pˆ y ) = Var ( pˆ x ) + Var ( pˆ y ) = +
nx ny

Z=
( pˆ x − pˆ y ) − ( px − p y )
pˆ x (1 − pˆ x ) pˆ y (1 − pˆ y )
+
nx ny

27
 02/12/2011

I.C. para la diferencia entre dos

proporciones poblacionales
(muestras grandes)
Muestras grandes significa al menos 40 observaciones

Intervalo de confianza del 100(1 − α )%

pˆ x (1 − pˆ x ) pˆ y (1 − pˆ y ) pˆ x (1 − pˆ x ) pˆ y (1 − pˆ y )
( pˆ x − pˆ y ) − zα /2
nx
+
ny
< px − p y < ( pˆ x − pˆ y ) − zα / 2
nx
+
ny

α
P ( Z > zα /2 ) =
2

I.C. para la diferencia entre dos

proporciones poblaciones
(muestras grandes)
Se extrajeron dos muestras aleatorias independientes de
estudiantes de veterinaria. De 120 hombres, 107 esperaban
trabajar como veterinarios en un máximo de 10 años. De 141
mujeres, 73 tenían la misma esperanza. Hallar un I.C. del 95%
para la diferencia de proporciones.
100(1-α)=95, por lo que α=0,05 zα /2 = z0,025 = 1,96

pˆ x (1 − pˆ x ) pˆ y (1 − pˆ y ) pˆ x (1 − pˆ x ) pˆ y (1 − pˆ y )
( pˆ x − pˆ y ) − zα /2
nx
+
ny
< px − p y < ( pˆ x − pˆ y ) − zα / 2
nx
+
ny

α
0,892·0,108 0,518·0, 482 0,892·0,108 0,518·0, 482
( 0,892 − 0,518) − 1,96 + < pˆ x − pˆ y < ( 0,892 − 0,518 ) + 1,96 + =
120 141 120 141
= 0, 275 < pˆ x − pˆ y < 0, 473

28
 02/12/2011

I.C. diferencia de medias o proporciones

I.C. diferencia de medias

Población normal, muestra aleatoria, tn −1,α /2
datos pareados

Población normal, muestras aleatorias e

independientes, varianza conocida o n>30
zα /2
Población normal, muestras aleatorias e tnx + ny −2,α /2
independientes, igualdad de varianzas

I.C. diferencia de proporciones

(muestras aleatorias e independientes, zα /2
n>40)

Tamaño de la muestra

Proporción poblacional

Varianza conocida

Varianza desconocida

29
 02/12/2011

Tamaño de la muestra

Proporción poblacional

Intervalo de confianza del 100(1 − α )%

pˆ x (1 − pˆ x ) pˆ x (1 − pˆ x )
pˆ x − zα /2 < p < pˆ x + zα /2
n n

pˆ x (1 − pˆ x )
L = zα /2 pˆ x (1 − pˆ x ) ≤ 0, 25
n

0, 25 0,5 zα /2
L* = zα /2 =
n n

Tamaño de la muestra

Proporción poblacional

Intervalo de confianza del 100(1 − α )%

0, 25zα2 /2
n=
L2*

30
 02/12/2011

Tamaño de la muestra

Proporción poblacional

Varianza conocida

Varianza desconocida

Tamaño de la muestra

Varianza conocida

Intervalo de confianza del 100(1 − α )%

zα /2 zα / 2
x− <µ<x+
n n

zα /2σ
L=
n

31
 02/12/2011

Tamaño de la muestra

Varianza conocida

Intervalo de confianza del 100(1 − α )%

zα /2σ
n=
L2

α
P ( Z > zα / 2 ) =
2

Tamaño de la muestra

Proporción poblacional

Varianza conocida

Varianza desconocida

32
 02/12/2011

Tamaño de la muestra

Varianza desconocida
Intervalo de confianza del 100(1 − α )%

zα / 2σ estimaciones de la
n= varianza
L2

α
P ( Z > zα /2 ) =
2

33