Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INGENIERIA INDUSTRIAL
/09/2018
Contenido
Introducción ........................................................................................................................................ 2
Los dos problemas que atiende la estadística inferencial .................................................................. 3
Estimación estadística ......................................................................................................................... 4
Intervalo de confianza ......................................................................................................................... 6
Intervalo de confianza para la media, varianza conocida ................................................................... 6
I de C para media con varianza desconocida ...................................................................................... 8
Intervalo de confianza para una proporción ....................................................................................... 8
I de C para 2 medias con varianza conocida ..................................................................................... 11
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS DISTRIBUCIONES NORMALES,
VARIANZAS DESCONOCIDAS ............................................................................................................. 12
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS DISTRIBUCIONES NORMALES,
VARIANZAS DESCONOCIDAS PERO IGUALES ..................................................................................... 13
Cálculo del Tamaño de la Muestra para Estimar una Media ............................................................ 17
Estimación de la Diferencia entre dos Medias .................................................................................. 22
Bibliografía ........................................................................................................................................ 24
1
Introducción
Este documento tiene como objetivo dar a conocer
los conceptos de la unidad dos de la materia
estadística inferencial impartida en la carrera
ingeniería industrial grupo MI-3 por el maestro
Ramón Bocos.
2
Los dos problemas que atiende la estadística inferencial
Estadística inferencial
Los dos tipos de problemas que resuelven las técnicas estadísticas son: estimación y contraste
de hipótesis. En ambos casos se trata de generalizar la información obtenida en una muestra a
una población. Estas técnicas exigen que la muestra sea aleatoria. En la práctica rara vez se
dispone de muestras aleatorias, por la tanto la situación habitual es la que se esquematiza en
la figura
Entre la muestra con la que se trabaja y la población de interés, o población diana, aparece la
denominada población de muestreo: población (la mayor parte de las veces no definida con
precisión) de la cual nuestra muestra es una muestra aleatoria. En consecuencia la
generalización está amenazada por dos posibles tipos de errores: error aleatorio que es el que
las técnicas estadísticas permiten cuantificar y críticamente dependiente del tamaño muestral,
pero también de la variabilidad de la variable a estudiar y el error sistemático que tiene que
ver con la diferencia entre la población de muestreo y la población diana y que sólo puede ser
controlado por el diseño del estudio.
Tamaño muestral
3
Estimación estadística
Los métodos para hacer inferencias acerca de parámetros poblacionales caen en una
de dos categorías:
• Prueba de hipótesis: Tomar una decisión acerca del valor de un parámetro, con base en
alguna idea preconcebida acerca de cuál podría ser su valor
Un estimador es una regla, generalmente expresada como fórmula, que nos dice cómo
calcular una estimación basada en información de la muestra.
Estimación puntual: Con base en datos muestrales, se calcula un solo número para estimar
el parámetro poblacional. La regla o fórmula que describe este cálculo se denomina
estimador puntual y el número resultante recibe el nombre de estimación puntual.
Estimación de intervalo: Con base en datos muestrales, dos números se calculan para
formar un intervalo dentro del cual se espera esté el parámetro. La regla o fórmula que
describe este cálculo se denomina estimador de intervalo y el par de números resultantes
se llama estimación de intervalo o intervalo de confianza.
Las distribuciones muestrales dan información que se puede usar para seleccionar el
mejor estimador. ¿Qué características serían valiosas? Primero, la distribución muestral
del estimador puntual debe estar centrada sobre el verdadero valor del parámetro a ser
estimado. Esto quiere decir que, el estimador no debe subestimar o sobreestimar de
manera consistente al parámetro de interés. Un estimador como éste se dice que es
insesgado.
4
Estimador por intervalo
Un estimador de intervalo es una regla para calcular dos números, por ejemplo a y b, para
crear un intervalo del que se está completamente seguro que contiene el parámetro de
interés. El concepto de “completamente seguro” significa “con gran probabilidad”.
Medimos esta probabilidad usando el coeficiente de confianza, designado por ;1-a.
5
desviación estándar muestral s. Se considera un tamaño de muestra pequeño cuando es
menor a 30.
Intervalo de confianza
Un intervalo de confianza es una técnica de estimación utilizada
en estadística inferencial que permite acotar un par o varios pares de
valores, dentro de los cuales se encontrará la estimación puntual
buscada (con una determinada probabilidad).
6
𝑥̂ es un estimador puntual razonable de la media desconocida puede obtenerse un
intervalo de confianza del 100 (1-por ciento para al considerar la distribución de
muestreo para la media 𝑥̂
7
I de C para media con varianza desconocida
Con frecuencia debemos de tratar de estimar la media de una población sin conocer la
varianza. Recordemos que si tenemos una muestra aleatoria tomada de una población
normal, entonces la variable aleatoria
T=x¯−μS/n−−√T=x¯−μS/n
Sigue una distribución TT de student con υ=n−1υ=n−1 grados de libertad. Aquí S es la
desviación estándar de la muestra. En el caso que no se conozca la varianza
poblacinal σ2σ2 se puede utilizar la distribución TT para construir un intervalo de confianza
para μμ. El procedimiento es similar que cuando se conoce σ2σ2, sólo se
reemplaza σσ por S y la distribución normal estándar por la distribución T de student. De
esta manera
Si x¯x¯ y s son la media y desviación estándar de una muestra aleatoria de una
población normalde la que se desconoce la varianza σ2σ2, un intervalo de confianza
del 100(1−α)%100(1−α)% para μμ es:
x¯−tα/2sn−−√<μ<x¯−tα/2sn−−√x¯−tα/2sn<μ<x¯−tα/2sn
donde tα/2tα/2 es el valor tt con υ=n−1υ=n−1 grados de libertad que deja un área de α/2α/2 a
la derecha de la distribución TT de student.
Aproximación asintótica
8
que, trasladada a la frecuencia relativa, resulta
que sigue una distribución N(0, 1), y añadiendo una corrección por continuidad al pasar
de una variable discreta a una continua, se obtiene el intervalo de confianza asintótico:
donde zα/2 es el valor de una distribución Normal estándar que deja a su derecha una
probabilidad de α/2 para un intervalo de confianza de (1 − α) · 100 %. Las condiciones
generalmente aceptadas para considerar válida la aproximación asintótica anterior son:
Intervalo exacto
9
donde Fα/2,a,b es el valor de una distribución F de Fisher-Snedecor con a y b grados de
libertad que deja a su derecha una probabilidad de α/2 para un intervalo de confianza
de (1 − α) · 100 %.
Dada una variable aleatoria con distribución Normal N(μ; σ), el objetivo es la construcción
de un intervalo de confianza para el parámetro σ, basado en una muestra de tamaño n de
la variable.
Donde χ2α/2 es el valor de una distribución ji-cuadrado con n − 1 grados de libertad que
deja a su derecha una probabilidad de α/2.
10
Tamaño de muestra: 10
11
El nivel de confianza 1-α es exacto cuando las poblaciones son normales.
En esta sección se verá el caso en donde se tienen dos poblaciones con medias y
varianzas desconocidas, y se desea encontrar un intervalo de confianza para la
diferencia de dos medias Si los tamaños de muestras n1 y n2 son
mayores que 30, entonces, puede emplearse el intervalo de confianza de
la distribución normal. Sin embargo, cuando se toman muestras
pequeñas se supone que las poblaciones de interés están distribuidas de
manera normal, y los intervalos de confianza se basan en la distribución
t.
12
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE
DOS DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS PERO
IGUALES
en donde:
Ejemplos:
Solución:
13
El estimador combinado de la desviación estándar es:
14
Intervalo de confianza para la diferencia de dos proporciones con datos
independientes
15
donde el símbolo zα/2 es el mismo valor crítico que antes, prob(Z > zα/2) =
α/2, y corresponde a un intervalo de confianza 1 − α %.
16
El estadístico pivote utilizado es
17
P( ) = Nivel de confianza. Con el propósito de determinar n. El
error máximo de estimación esta dado por:
Ejemplos:
Solución:
18
Cálculo del Tamaño de la Muestra para Estimar una Proporción
Se desea saber que tan grande se requiere que sea una muestra para
asegurar que el error al estimar P sea menor que una cantidad
específica .
19
muestras. El nivel de confianza que se utilizará es del 95% con un error
de estimación de 0.30.
p n
0.10 3.84
0.20 6.82
0.30 8.96
0.40 10.24
0.50 10.67
0.60 10.24
0.70 8.96
20
0.80 6.82
0.90 3.84
Ejemplos:
Solución:
21
Por lo tanto si basamos nuestra estimación de P sobre una muestra
aleatoria de tamaño 2090, se puede tener una confianza de 95% de que
nuestra proporción muestral no diferirá de la proporción real por más de
0.02.
Ejemplos:
22
el motor tipo B. La gasolina que se utiliza y las demás condiciones
se mantienen constantes. El rendimiento promedio de gasolina
para el motor A es de 36 millas por galón y el promedio para el
motor B es 24 millas por galón. Encuentre un intervalo de confianza
de 96% sobre la diferencia promedio real para los motores A y B.
Suponga que las desviaciones estándar poblacionales son 6 y 8
para los motores A y B respectivamente.
Solución:
3.43< B- A<8.57
23
Bibliografía
Los dos problemas que atiende la estadística inferencial
http://www.hrc.es/bioest/Introducion.html
Estimación estadística
https://sites.google.com/site/tallerdebioestadistica/estimacion
Intervalos de confianza
http://economipedia.com/definiciones/intervalo-de-confianza.html
http://rstudio-pubs-
static.s3.amazonaws.com/308667_7cffe2c4ce4f4900ad53a12c1a5a0732.html
I de C para la proporción pi
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo8/B0C8m1t11.
htm
I de C para la varianza
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo8/B0C8m1t10.
htm
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap03d.html
24
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo11/B0C11m1t
14.htm
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo8/B0C8m1t17.
htm
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap01d.html#u01calcul
oestimarproporcion
07 Intervalo de confianza
https://www.youtube.com/watch?v=2wugQGs1GNY
https://www.youtube.com/watch?v=VQJpcYPfEI
25