Probabilidad y estadstica

Jos Luis Poveda Macas

Ingeniero Fsico
Maestro en Educacin
Intervalos de confianza
Estimaciones para p
Estimaciones para o
2
Distribucin i cuadrada
Estimaciones para proporciones
Las proporciones nos interesan cuando una
poblacin cuenta con varios tipos de clase !
slo nos interesa el porcenta"e de individuos
con una misma caracterstica#
La poblacin es mu! grande$ posiblemente
infinita#
%ambin cuando la estimacin se da en el
conte&to de un e&perimento 'ue sigue la
distribucin binomial#
1. Estimaciones para proporciones
Estimacin de p
(ecordemos 'ue para el muestreo de una proporcin)
Z =
P
`
-p
p 1 -p
n
De nuevo tomamos el lmite de confianza para construir
el intervalo#
P -z
u2
Z z
u2
= 1 -o
*ustitu!endo el valor de +)
P -z
u2

P
`
-p
p 1 -p
n
z
u2
= 1 -o
1. Estimacin de p
Estimacin de
(ealizando las operaciones de la desigualdad)
P P
`
-zu
2
p 1 -p
n
p P
`
+zu
2
p 1 -p
n
= 1 -o
El problema a'u radica en 'ue el valor real de la proporcin p
de la poblacin no se conoce ! est, incluido en los intervalos#
En este caso$ se considera 'ue sustituir p por P
`
es
suficientemente preciso para los efectos de estudio#
Por lo tanto$ la probabilidad ser, dada por)
P P
`
-zu
2
P
`
1 -P
`
n
p P
`
+zu
2
P
`
1 -P
`
n
= 1 -o
1. Estimacin de p
Estimacin de
Para el caso bilateral$ el intervalo de confianza al 1uu 1 - o %
para p es)
p -zu
2
p 1 -p
n
p p +zu
2
p 1 -p
n
Es importante notar 'ue debido a 'ue p es un porcenta"e$ ste
debe estar comprendido entre - ! .#
En caso de 'ue sea un lmite superior)
p p +z
u
p 1 - p
n
Para un lmite inferior:
p - z
u
p 1 - p
n
p
1. Estimacin de p
Estimacin de ) muestras pe'ue/as
Por lo general$ esta estimacin es v,lida para
valores grandes de n# *in embargo$ este
enfo'ue dista de la realidad cuando np !
n 1 -p son menores a .-#
En este caso$ se debera utilizar el enfo'ue
moderno$ donde se 0ace n = n +4 ! p =
X+2
n
*ustitu!endo$ la estimacin bilateral 'ueda)
p -zu
2
p 1 -p
n
p p +zu
2
p 1 -p
n
2. Estimacin de p para muestras pequeas
Estimacin de ) muestras pe'ue/as
El enfo'ue moderno es el m,s adecuado para
todo tipo de estimaciones concernientes a p#
*in embargo$ una gran cantidad de material
a1n utiliza el enfo'ue tradicional2 por lo tanto$
se muestra este enfo'ue a pesar de 'ue
pueda considerarse desactualizado al
respecto#
2. Estimacin de p para muestras pequeas
*eleccin del tama/o de la muestra
3omo P
`
es el estimador puntual de p$ su error de estimacin
puede definirse como) E = p -P
`
Para este caso$ para 'ue dentro del intervalo de confianza el
error no supere el valor E se re'uiere una muestra)
n =
zu
2
F
2
p 1 -p
4o obstante$ generalmente p no se conoce# En este caso$ se
puede apro&imar 0aciendo la siguiente operacin)
n =
zu
2
F
2
p 1 -p
3. Seleccin del tamao de muestra para p
E"emplo
En una muestra aleatoria de 56 soportes para
el cig7e/al de un motor de automvil$ .-
tienen un acabado 'ue es m,s rugoso de lo
'ue las especificaciones permiten# 3alcula el
intervalo de confianza bilateral al 869 para
esta proporcin#
3. Ejemplo
E"emplo
El valor estimado de p se calcula con la frmula)
p =
x
n
=
1u
8S
= u.1176
Es importante verificar 'ue np 1u ! n 1 -p 1u# Para el
primer caso el resultado es .-$ ! para el segundo es :6#
%ambin se podra utilizar el mtodo moderno para calcularlo
sin tener 'ue verificar esto$ !a 'ue da una me"or
apro&imacin al valor real#
Para un intervalo de confianza del 869$ el lmite bilateral es)
p -z
.25
p 1 -p
n
p p +z
.25
p 1 -p
n
El valor de z
0.025
es .#8; ! se ubica en la tabla de la normal#
3. Ejemplo
E"emplo
*ustitu!endo los valores)
u.1176 -1.96
u.1176 u.8824
8S
p
u.1176 +1.96
u.1176 u.8824
8S
Esto da)
u.1176 -u.u68S p u.1176 +u.u68S
Finalmente)
. 491 p . 181
3. Ejemplo
<ctividad =
>n estudio de ?=-$-86 daneses usuarios de telfono celular
encontr 'ue .@6 de ellos desarrollaron c,ncer cerebral o del
sistema nervioso# <ntes de este estudio del uso de telfono
celular$ se encontr 'ue la tasa de ese tipo de c,ncer era de
-#-@?-9 para a'uellos 'ue no usan telfonos celulares#
>tiliza los datos muestrales para construir un intervalo de confianza
del 869para el porcenta"e de usuarios de telfono celular 'ue
desarrollan c,ncer de cerebro o del sistema nervioso#
ALos usuarios de telfono celular parecen tener una tasa de c,ncer
cerebral o del sistema nervioso diferente de la tasa de c,ncer de este
tipo entre a'uellos 'ue no usan telfonos celularesB APor 'uB
A. Actividad
Estimacin de
2
La varianza de una poblacin es una cantidad
complicada de estimar# <un as$ si se conoce la
varianza muestral S
2
$ es posible Cla cual
proviene de la muestra aleatoria
X
1
, X
2
, ., X
n
) 0allar una apro&imacin a la
varianza poblacional o
2
#
Para poder estimarla$ se re'uiere 'ue la
poblacin se comporte de manera normal
Finalmente$ es necesario definir una nueva
distribucin para ello#
4. Estimacin de o
2
Es tambin llamada 30i cuadrada
Es una distribucin 'ue surge de la distribucin
normal#
*e le denota por _
n
2
#
*ea Z
1
, Z
2
, ., Z
n
variables aleatorias normales
independientes$ entonces se dice 'ue X est,
definida mediante)
X = _
n
2
= Z
1
2
+Z
2
2
++Z
n
2
Es una distribucin i cuadrada con n grados de
libertad#
Distribucin i 3uadrada
4. Estimacin de o
2
La densidad de poblacin 'ue la define es)
x =
1
2
n 2 /
I
n
2
x
n 2 / -1
c
-n 2 /
, poro x > u
Donde I
n
2
es la distribucin gamma para el
valor de nD=#
Definicin
4. Estimacin de o
2
Depende de un par,metro n# Este indica los
grados de libertad de la curva#
n es un entero positivo#
3umple con la propiedad aditiva$ es decir$ si X
1
!
X
2
son i 3uadrada con n
1
! n
2
grados de
libertad2 entonces X
1
+X
2
es i 3uadrada con
n
1
+n
2
#
p = n
o = 2n
Propiedades de la i 3uadrada
4. Estimacin de o
2
*obre la gr,fica
La variable aleatoria es no negativa#
La gr,fica es sesgada 0acia la derec0a#
< medida 'ue n - $ la distribucin tiende a la normal#
Para utilizarla$ se re'uiere conocer los puntos crticos de
la distribucin$ los cuales se definen como el valor crtico
de la variable aleatoria Xi cuadrada con n grados de
libertad tal que la probabilidad de que X sea mayor a este
valor es o$ o sea)
P X > _
2
u, n
= _ u Ju

2
o, n
= o
Para 0allarlos usaremos tablas#
4. Estimacin de o
2
Fr,fica
La gr,fica cambia dependiendo del n1mero de
grados de libertad 'ue tenga el par,metro#
4. Estimacin de o
2
Estimacin de
2
*e puede demostrar 'ue para una poblacin normal$ la
distribucin de muestreo est, dado por)
n -1 S
2
o
2
Primero sustitu!amos la varianza muestral por su frmula)
n -1 S
2
o
2
=
_ X

-X

2 n
=1
o
2
F"ense 'ue el n-1 desaparece para eliminar el de la frmula#
*abemos 'ue la media es la misma para la poblacin)
_ X

-p
2 n
=1
o
2
4oten 'ue lo anterior es b,sicamente una variable aleatoria
normal est,ndar e independiente#
4. Estimacin de o
2
Estimacin de
2
<0ora consideremos lo siguiente#
X

-p
2
n
=1
= X

-X

+ X

-p
2
n
=1
= X

-X

2
n
=1
+ X

-p
2
n
=1
+2 X

-X

-p
n
=1
X

-X

2
n
=1
+n X

-p
2
Por consiguiente)
_ X

-p
2 n
=1
o
2
=
_ X

-X

2 n
=1
o
2
+
X

-p
2
o
2
n
_ X

-p
2 n
=1
o
2
=
n -1 S
2
o
2
+
X

-p
2
o
2
n
4. Estimacin de o
2
Estimacin de
2
De lo anterior se ve 'ue$ como X

est, distribuido
normalmente con media p ! varianza o
2
n / $ la cantidad del
segundo sumando est, distribuida como _
1
2
#
<dem,s$ la sumatoria sabemos 'ue esta distribuida como
_
n
2
. G$ en la i cuadrada$ tanto la media como la varianza son
independientes# Por eso podemos utilizar la propiedad de
aditividad de la i cuadrada para llegar a 'ue la distribucin
para _
n-1
2
es)
n -1 S
2
o
2
4. Estimacin de o
2
Estimacin de
2
El intervalo bilateral estara conformado de la siguiente
manera)
P _
2
1-
u
2
,n-1
X _
2
u
2
,n-1
= 1 -o
El valor no es el mismo para ambos puesto 'ue la gr,fica no
es simtrica#
*ustitu!endo por la distribucin)
P _
2
1-
u
2
,n-1

n -1 S
2
o
2
_
2
u
2
,n-1
= 1 -o
3omo lo 'ue nos interesa es la varianza$ recolocamos las
variables$ de tal forma 'ue el intervalo 'ueda)
P
n -1 S
2
_
2
u
2
,n-1
o
2

n -1 S
2
_
2
1-
u
2
,n-1
= 1 -o
4. Estimacin de o
2
Estimacin de
2
Finalmente$ el resultado bilateral para la varianza es)
n -1 x
2

2
u
2
,n-1
o
2

n -1 x
2

2
1-
u
2
,n-1
En el caso unilateral inferior)
n -1 x
2

2
u,n-1
o
2
En el caso unilateral superior)
o
2

n -1 x
2

2
1-u,n-1
4. Estimacin de o
2
E"emplo
5. Ejemplo
>n fabricante de detergente l'uido est, interesado en la
uniformidad de la m,'uina utilizada para llenar las botellas#
*e re'uiere 'ue la desviacin est,ndar del proceso de llenado
sea menor de -#.6 onzas de l'uido2 de otro modo$ e&iste un
porcenta"e ma!or del deseable de botellas con un contenido
menor de detergente#
*i la distribucin es apro&imadamente normal para una
muestra aleatoria de =- botellas con varianza muestral
s
2
= u.u1SS$ Ala evidencia apo!a 'ue el proceso es correctoB
3alcula para un intervalo de confianza del 869#
E"emplo
En este caso se desea estimar la desviacin est,ndar$ para
ello$ estimaremos primero la varianza ! supondremos 'ue el
resultado es v,lido para la desviacin est,ndar#
*e nos pide un lmite superior$ puesto 'ue no se 'uiere 'ue la
diferencia sea ma!or a un cierto valor# Entonces$ utilizando la
distribucin i cuadrada)
o
2

n -1 s
2
_
2
0.95,19
El valor de la i cuadrada debe ubicarse en una tabla especial$
tomando en cuenta ambos valores dados# Ha! tablas 'ue
miden la cola iz'uierda$ ! tablas 'ue miden la cola derec0a#
El valor para _
2
0.95,19
= 1u.12
5. Ejemplo
E"emplo
*ustitu!endo los valores)
o
2

19 u.u1SS
1u.12
o
2
u.u287
Este valor es la varianza$ por lo tanto$ se le saca la raz)
o u.169
(etomando lo dic0o en el problema$ se puede ver 'ue no cae
dentro del valor del intervalo$ por lo tanto$ con el 869 de
confianza se puede afirmar 'ue los datos no apo!an 'ue la
desviacin est,ndar del proceso sea menor a -#.6#
5. Ejemplo
<ctividad =
En la siguiente lista se inclu!en cantidades de plomo medidas
en el aire Cen microgramos por metro c1bico o IgDm
@
J# El
est,ndar de calidad del aire para el plomo es .#6 IgDm
@
# Las
mediciones 'ue se presentan se registraron en das
posteriores a los ata'ues terroristas del .. de septiembre#
>tiliza los valores dados para construir un intervalo de
confianza del 869 para la desviacin est,ndar de las
cantidades de plomo en el aire# AHa! algo en este con"unto de
datos 'ue sugiera 'ue el intervalo de confianza no es mu!
buenoB
6#?-$ .#.-$ -#?=$ -#:@$ -#?5$ .#.-
5. Ejemplo