Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CartillaS3 PDF
CartillaS3 PDF
ESTADÍSTICA II
AUTOR: Rogelio Alvarado Martínez
ÍNDICE
Acceso rápido
GENERALIDADES DESARROLLO
REFERENCIAS
1.INTRODUCCIÓN
ÍNDICE
Se
pueden
hacer
inferencias
acerca
de
los
parámetros
poblacionales
de
dos
maneras.
Se
3. Tipos
de
estimadores
estiman
los
valores
de
los
parámetros
o
podemos
tomar
decisiones
con
respecto
a
ellos.
El
procedimiento
que
se
utilice
depende
muchas
veces
de
las
circunstancias
que
motivan
la
4. Intervalos
de
confianza
realización
de
inferencias.
Por
ejemplo,
en
empresas
con
producción
masiva
es
imposible
o
al
4.1 Intervalo
de
confianza
para
la
media
poblacional
menos
impráctico
medir
cada
pieza
de
material
que
llega
o
las
propiedades
de
cada
producto
terminado.
En
estos
casos,
las
características
se
estudian
mediante
muestras
de
artículos
4.1.1 Intervalo
para
la
media
de
una
población
normal
y
la
varianza
de
la
extraídos
al
azar
y
los
resultados
se
generalizan
a
toda
la
producción.
población
conocida.
4.1.2 Intervalo
para
la
media
de
una
población
normal,
la
varianza
de
la
Suponga
que
una
fábrica
tiene
dos
incentivos
de
trabajo
para
que
los
empleados
incrementen
la
población
desconocida
y
muestra
pequeña
(n<30).
producción.
Se
hace
un
muestreo
de
los
empleados
y
con
base
en
los
resultados
del
mismo,
se
escoge
el
incentivo
que
da
una
mayor
producción.
Así
es
que
se
desea
tomar
una
decisión
4.1.3 Intervalo
para
la
media
de
una
población
no
normal.
acerca
de
la
diferencia
en
la
producción,
pero
es
necesario
medir
el
riesgo
de
tomar
una
4.2 Intervalos
de
confianza
para
proporciones
de
una
población
(tamaño
de
muestra
decisión
incorrecta
haciendo
que
la
probabilidad
de
que
esto
ocurra
sea
relativamente
grande).
pequeña.
4.2.1 Intervalos
de
confianza
de
la
varianza
de
una
población
que
se
distribuye
Si
se
observa
detenidamente,
en
todo
momento
se
están
haciendo
estimaciones.
Los
gerentes
normal
recurren
a
las
estimaciones
porque
en
la
mayoría
de
casos
deben
tomar
decisiones
racionales
4.2.2 Elección
del
tamaño
de
la
muestra
sin
disponer
de
información
completa
y
con
mucha
incertidumbre
respecto
a
lo
que
les
depara
el
futuro.
4.2.2.1 Tamaño
de
la
muestra
para
estimar
la
media
poblacional
con
distribución
normal
y
varianza
conocida
La
teoría
de
la
probabilidad
constituye
el
fundamento
de
la
inferencia
estadística,
rama
de
la
4.2.2.2 Tamaño
de
la
muestra
para
estimar
la
proporción
poblacional
con
estadística
que
se
ocupa
del
uso
de
los
conceptos
de
la
probabilidad
para
afrontar
la
distribución
normal
incertidumbre
en
la
toma
de
decisiones.
La
inferencia
estadística
se
basa
en
la
estimación,
que
se
tratará
en
esta
lectura
y
en
la
siguiente
sobre
prueba
de
hipótesis,
en
donde
se
harán
inferencias
respecto
a
las
características
de
la
población
a
partir
de
la
información
contenida
en
las
muestras.
RECOMENDACIONES ACADÉMICAS
En
esta
unidad
se
tratarán
algunos
conceptos
relacionados
con
Estimación
y
Determinación
del
tamaño
de
muestra;
de
acuerdo
con
el
material
presentado
se
recomienda
profundizar
en
los
temas
Estimación
por
intervalo
para
la
media
con
varianza
conocida
en
muestras
pequeñas
y
grandes,
Estimación
por
intervalo
para
la
media
con
varianza
desconocida
en
muestras
pequeñas
y
grandes,
Determinación
tamaño
de
muestra
y
Estimación
por
intervalo
para
la
proporción
además
del
Tamaño
de
muestra.
Se
recomienda
revisar
las
lecturas
y
las
teleconferencias
en
detalle,
siguiendo
los
ejemplos
con
papel,
lápiz
y
calculadora,
para
la
mejor
comprensión
del
tema,
para
cualquier
duda,
puede
usar
los
canales
de
comunicación
tales
como:
correo,
elluminate
y
chat.
DESARROLLO
TEMATICO
4. Intervalos
de
confianza
ESTIMACIÓN
DE
PARÁMETROS
4.1
Intervalo
de
confianza
para
la
media
poblacional
3. Tipos
de
estimadores
Aquí
se
tendrán
en
cuenta
los
métodos
que
se
utilizan
para
construir
intervalos
de
confianza
para
la
media
poblacional,
en
tres
situaciones
diferentes:
Los
procedimientos
de
estimación
pueden
dividirse
en
dos
tipos,
estimación
puntual
y
estimación
por
intervalo.
Suponga
que
un
vendedor
de
productos
químicos
quiere
estimar
la
1. Cuando
la
población
es
normal
y
la
varianza
de
la
población
es
conocida.
ganancia
media
en
cada
venta
de
un
producto
nuevo.
Se
podría
establecer
la
estimación
2. Cuando
la
población
es
normal
y
la
varianza
de
la
población
es
desconocida.
mediante
un
solo
número,
por
ejemplo,
$95.000
o
se
podría
afirmar
que
la
ganancia
media
está
entre
$90.000
a
$100.000.
El
primer
tipo
se
llama
estimación
puntual,
ya
que
se
puede
asociar
3. Cuando
la
población
no
es
normal.
al
único
número
que
representa
la
estimación.
El
segundo
tipo
se
llama
estimación
por
intervalo.
La
estimación
puntual
utiliza
la
información
de
una
muestra
para
llegar
a
un
solo
número,
que
4.1.1
Intervalo
para
la
media
de
una
población
normal
y
la
varianza
de
la
población
estima
el
parámetro
de
interés.
La
estimación
se
realiza
mediante
un
estimador.
conocida.
Un
estimador
es
una
regla
que
expresa
cómo
calcular
la
estimación,
basándose
en
la
Por
lo
que
se
vio
en
las
distribuciones
muéstrales,
se
sabe
que
la
distribución
muestral
de
𝑿𝑿,
es
información
de
la
muestra
y
se
enuncia
mediante
una
fórmula.
normal
con
media
μ
y
varianza
𝝈𝝈𝟐𝟐𝑿𝑿
Por
ejemplo,
la
media
muestral,
Se
expresa
el
nivel
de
confianza
del
intervalo
como
la
probabilidad
(1
–
α),
donde
α
es
el
nivel
de
significación,
tal
como
la
muestra
la
figura
1:
𝑋𝑋
𝑋𝑋
=
𝑛𝑛
Es
un
estimador
puntual
de
la
media
poblacional
µ
y
explica
cómo
puede
obtenerse
el
valor
numérico
de
la
estimación.
En
forma
similar
la
varianza
muestral:
&
(𝑋𝑋( − 𝑋𝑋
)&
𝑆𝑆 =
𝑛𝑛 − 1
Es
un
estimador
puntual
de
la
varianza
poblacional
𝜎𝜎 & .
La
estimación
por
intervalo
es
una
regla
que
indica
cómo
calcular
dos
números
con
base
en
los
datos
muestrales,
estos
dos
números
tienen
asociada
una
probabilidad
llamada
grado
de
confiabilidad,
la
cual
mide
que
el
verdadero
parámetro
poblacional
se
encuentre
dentro
del
intervalo.
Figura
1.
Representación
del
nivel
de
confianza
Fuente: Elaboración propia
𝑃𝑃 𝑋𝑋 − 𝑍𝑍2 ∙ 𝜎𝜎4
≤
𝜇𝜇
≤ 𝑋𝑋 − 𝑍𝑍2 ∙ 𝜎𝜎4
= 1 − 𝛼𝛼 Con
los
datos
de
la
muestra
se
obtiene
𝑋𝑋
& &
4 @C@,E
𝑋𝑋
=
=
=16,9
= F
Que
se
escribe
en
forma
resumida
como:
Para
una
confiabilidad
o
nivel
de
confianza
del
90%
encontramos
el
valor
𝑍𝑍∝/&
en
la
tabla
de
la
distribución
normal,
para
ello
haremos
lo
siguiente:
𝑋𝑋 ± 𝑍𝑍2 ∙ 𝜎𝜎4
& • Paso
1:
Encontrar
el
nivel
alfa.
Si
se
le
da
el
nivel
alfa
en
la
pregunta
(por
ejemplo,
un
Donde:
nivel
alfa
de
10%),
vaya
al
paso
2.
Para
este
caso
Restamos
el
nivel
de
confianza
del
100%.
Es
decir,
si
tiene
un
nivel
de
confianza
del
90
por
ciento,
entonces
el
100%
-‐
90%
Z
es
el
valor
de
la
tabla
normal
que
deja
por
arriba
o
por
abajo
una
probabilidad
igual
a
𝛼𝛼 /2
que
=
10%.
corresponde
al
nivel
de
confianza
(1 − 𝛼𝛼)
y
𝜎𝜎4
es
el
error
estándar.
• Paso
2:
Divida
la
cantidad
que
se
encontró
en
el
paso
1
en
2
para
obtener
el
nivel
alfa
Recuerde
que
el
error
estándar
se
obtiene
como:
para
una
prueba
de
dos
colas:
10%
/
2
=
5%.
• Paso
3:
Reste
el
paso
2
del
50%:
50%
-‐
5%
=
45%.
<
𝜎𝜎; =
para
población
infinita
o
desconocida
• Paso
4:
Convertir
Paso
3
a
un
decimal
y
encontrar
esa
zona
en
el
centro
de
la
Tabla
Z.
=
< >?= El
más
cercano
de
puntuación
Z
de
45%
(0.45)
se
encuentra
entre
en
Z
=
1,64
y
Z=1,65;
lo
que
𝜎𝜎; =
para
población
finita
o
conocida
haremos
es
sumar
estos
dos
datos
y
dividir
en
dos
el
resultado,
obteniendo
𝑍𝑍∝/& =1,645
= >?@
Ejemplo 1
El
gerente
de
una
fábrica
preocupado
por
la
demora
en
la
producción,
desea
estimar
el
tiempo
promedio
que
gastan
sus
trabajadores
en
ensamblar
una
pieza
determinada.
Por
experiencia
se
sabe
que
el
tiempo
gastado
tiene
distribución
normal
con
desviación
estándar
de
3,38
minutos.
Se
toma
una
muestra
de
seis
obreros
y
se
registra
el
tiempo,
en
minutos,
que
gastan
obteniendo:
Obtener una estimación con un nivel de confianza del 90%.
Figura
3.
Representación
del
nivel
de
confianza
ejemplo
1
𝑋𝑋 ± 𝑍𝑍2 ∙ 𝜎𝜎4
&
3,83
16,9 ± 1,645
6
Con
una
confiabilidad
del
90%,
se
estima
que
el
tiempo
promedio
de
ensamblado
está
entre
14,32
y
19,47
minutos.
Figura
2.
Tabla
Z,
áreas
bajo
la
curva.
4.1.2 Intervalo
para
la
media
de
una
población
normal,
la
varianza
de
la
población
desconocida
y
muestra
pequeña
(n<30).
Fuente: Elaboración propia
Como
se
vio
en
las
distribuciones
muestrales,
utilizamos
S
desviación
estándar
de
la
muestra
como
una
estimación
de
σ
desviación
estándar
poblacional
y
se
trabaja
con
la
distribución
t
student
con
(n-‐1)
grados
de
libertad.
El
intervalo
entonces
queda:
Para
una
confiabilidad
o
nivel
de
confianza
del
95%
encontramos
el
valor
t
en
la
tabla
de
la
distribución
t-‐Student,
para
ello
haremos
lo
siguiente:
𝑋𝑋 ± 𝑡𝑡2 ,=?@ ∙ 𝑆𝑆;
& • Paso
1:
Encontrar
el
nivel
alfa.
Si
se
le
da
el
nivel
alfa
en
la
pregunta
(por
ejemplo,
un
nivel
alfa
de
10%),
vaya
al
paso
2.
Para
este
caso
Restamos
el
nivel
de
confianza
del
Donde
100%.
Es
decir,
si
tiene
un
nivel
de
confianza
del
95
por
ciento,
entonces
el
100%
-‐
95%
=
5%.
𝑡𝑡A,=?@
:
es
el
valor
de
la
t
de
la
distribución
t-‐Student
que
deja
por
arriba
o
por
debajo
una
B • Paso
2:
Divida
la
cantidad
que
se
encontró
en
el
paso
1
en
2
para
obtener
el
nivel
alfa
probabilidad
igual
a
𝛼𝛼 /2
con
(n-‐1)
grados
de
libertad,
para
una
prueba
de
dos
colas:
5%
/
2
=
2.5%
𝑆𝑆;
es
el
error
estándar.
• Paso
3:
Ubique
en
la
columna
1
de
la
tabla,
los
n-‐1
grados
de
libertad,
en
este
caso
da
13.
Luego,
• Paso
4:
Convertir
Paso
2
a
un
decimal
2.5%
(0.025)
y
encontrar
la
intersección
en
la
Tabla
t.,
tal
como
lo
muestra
la
figura
4.
𝑠𝑠
𝑆𝑆; =
𝑛𝑛
s:
desviación
de
la
muestra
Ejemplo 2
Un
supermercado
vende
café
cuya
etiqueta
dice
“40
onzas”.
Ante
los
reclamos
hechos,
el
gerente
toma
una
muestra
de
14
paquetes
y
encuentra
un
peso
promedio
de
34,86
y
una
desviación
estándar
de
4,23.
Con
una
confiabilidad
del
95%,
estimar
el
peso
promedio
de
todos
los
paquetes.
Datos:
Figura
4.
Tabla
t
de
Student,
áreas
bajo
la
curva.
Fuente: Elaboración propia
𝑡𝑡2,=?@ = 𝑡𝑡C.C&S,@T = 2.1604
Dado
que
el
tamaño
de
la
muestra
es
mayor
que
30,
se
puede
utilizar
la
distribución
normal
& como
la
distribución
de
muestreo
y
por
lo
tanto:
luego,
𝑋𝑋 ± 𝑍𝑍2 ∙ 𝜎𝜎4
4,23 &
𝑋𝑋 ± 𝑡𝑡2,=?@ ∙ 𝑆𝑆; = 34,86
± 2,1604 = 34,86 ± 2,44
& 14 Como
el
grado
de
confiabilidad
(1
–
α
)
=
95%
entonces
en
la
distribución
normal
el
valor
de
Z
=
1,96
(ver
pasos
del
ejemplo
1
para
hallar
el
valor
de
Z)
34,86 + 2,44 = 32,42
=
𝑋𝑋 = 21
34,86 − 2,44 = 37,00
n=100
Con
una
confianza
del
95%,
se
puede
decir
que
el
peso
promedio
se
encuentra
entre
32,42
y
s=6
(desviación
estandar)
37,0
onzas.
El
intervalo
queda
entonces:
4.1.3
Intervalo
para
la
media
de
una
población
no
normal.
𝑋𝑋 ± 𝑍𝑍2 ∙ 𝜎𝜎4
&
En
la
lectura
anterior
se
dijo
que
para
poblaciones
no
normales
cuando
n
es
grande
entonces
el
;?V 6
valor
de
𝑍𝑍 =
W
se
distribuye
en
forma
aproximadamente
normal;
también
se
dijo
que
una
21 ± 1,96 = 21 ± 1,18
X 100
muestra
se
considera
grande
si
n
>
30.
Entonces
el
intervalo
queda:
21 + 1,8 = 19,82
=
21 − 1,8 = 22,18
𝑋𝑋 ± 𝑍𝑍2 ∙ 𝜎𝜎4
& Ahora,
se
puede
decir
que
la
vida
media
de
los
limpiabrisas
se
estima
entre
19,82
y
22,18
meses
2 2
Si
se
desconoce
σ
se
estima
con
la
varianza
muestral
S
con
una
confiabilidad
del
95%
Ejemplo
3
4.2
Intervalos
de
confianza
para
proporciones
de
una
población
(tamaño
de
muestra
grande).
Un
gran
distribuidor
de
partes
para
automóviles
necesita
una
estimación
de
la
vida
media
que
cabe
esperar
de
los
limpia
brisas
en
condiciones
normales
de
manejo.
La
gerencia
ya
ha
Las
proporciones
poblacionales
se
refieren
a
aquella
parte
de
la
población
que
satisface
cierta
determinado
que
la
desviación
estándar
de
la
vida
de
la
población
es
seis
meses.
Se
selecciona
característica.
Como
es
una
proporción
se
refiere
a
una
fracción,
es
decir,
una
parte
del
total
una
muestra
aleatoria
simple
de
100
limpiabrisas
obteniéndose
una
vida
media
de
21
meses.
que
cumple
con
cierta
condición.
Como
el
distribuidor
utiliza
miles
de
estas
piezas
al
año,
quiere
encontrar
una
estimación
por
intervalo
con
un
nivel
de
confianza
del
95%.
𝑋𝑋
𝑃𝑃 =
𝑃𝑃 1 − 𝑃𝑃 𝑃𝑃 1 − 𝑃𝑃
𝑛𝑛 = 𝑃𝑃 𝑃𝑃 − 𝑍𝑍∝ < 𝑃𝑃 < 𝑃𝑃 + 𝑍𝑍∝
& 𝑛𝑛 & 𝑛𝑛
donde
𝑃𝑃
representa
la
proporción
de
la
muestra,
X
el
número
de
éxitos
y
n
el
número
de
elementos
de
la
muestra.
Usando
el
modelo
de
la
distribución
binomial
tenemos
lo
siguiente:
si
𝑃𝑃
es
la
proporción
de
luego,
si
la
proporción
muestral
observada
es
𝑃𝑃,
se
obtiene
un
intervalo
de
confianza
éxitos
en
una
muestra
de
n
datos
independientes,
para
la
cual
la
probabilidad
de
éxito
es
P,
aproximado
de
la
proporción
de
la
población
al
100(1-‐∝)%
por
medio
de
entonces,
por
el
teorema
del
límite
central
se
tiene
que
la
variable
aleatoria
𝑃𝑃 − 𝑃𝑃 𝑃𝑃 1 − 𝑃𝑃 𝑃𝑃 1 − 𝑃𝑃
𝑍𝑍 =
𝑃𝑃 − 𝑍𝑍∝ < 𝑃𝑃 < 𝑃𝑃 + 𝑍𝑍∝
𝑃𝑃 1 − 𝑃𝑃 & 𝑛𝑛 & 𝑛𝑛
𝑛𝑛
o,
lo
que
es
lo
mismo
es
aproximadamente
una
distribución
normal
estándar.
𝑃𝑃 1 − 𝑃𝑃
Si
no
se
conoce
el
valor
de
P
(la
probabilidad
de
éxito)
este
valor
puede
ser
estimado
por
𝑃𝑃
𝑃𝑃 ± 𝑍𝑍∝ = 𝑃𝑃 ± 𝑀𝑀𝑀𝑀
& 𝑛𝑛
siempre
que
el
tamaño
de
la
muestra
dado
sea
mayor
que
30
(n>30),
así
la
distribución
de
variable
aleatoria,
donde
ME
es
el
margen
de
error
de
este
intervalo
𝑃𝑃 − 𝑃𝑃
𝑍𝑍 =
𝑃𝑃 1 − 𝑃𝑃
𝑃𝑃 1 − 𝑃𝑃 𝑀𝑀𝑀𝑀 = 𝑍𝑍∝
& 𝑛𝑛
𝑛𝑛
Ejemplo
4
es
aproximadamente
una
distribución
normal
estándar.
Haremos
uso
de
este
resultado
para
obtener
los
intervalos
de
confianza
de
la
proporción
de
la
población,
En
una
muestra
aleatoria
de
95
empresas
manufactureras,
67
han
indicado
que
su
empresa
ha
obtenido
la
certificación
ISO
en
los
dos
últimos
años.
Halle
el
intervalo
de
confianza
al
99%
de
la
proporción
poblacional
de
empresas
que
han
recibido
la
certificación
en
los
dos
últimos
años.
𝑃𝑃 − 𝑃𝑃
1−∝= 𝑃𝑃 −𝑍𝑍∝ < 𝑍𝑍 < 𝑍𝑍∝ = 𝑃𝑃 −𝑍𝑍∝ < < 𝑍𝑍∝
& & & &
𝑃𝑃 1 − 𝑃𝑃
𝑛𝑛
Solución
𝑃𝑃 1 − 𝑃𝑃 𝑃𝑃 1 − 𝑃𝑃
= 𝑃𝑃 −𝑍𝑍∝ < 𝑃𝑃 − 𝑃𝑃 < 𝑍𝑍∝
La
proporción
muestral
está
dada
por:
& 𝑛𝑛 & 𝑛𝑛
𝑋𝑋 67
𝑃𝑃 = =
𝑛𝑛 95
Para
una
confiabilidad
o
nivel
de
confianza
del
99%
encontramos
el
valor
Z
en
la
tabla
de
la
distribución
normal,
para
ello
haremos
lo
siguiente:
• Paso
1:
Encontrar
el
nivel
alfa.
Si
se
le
da
el
nivel
alfa
en
la
pregunta
(por
ejemplo,
un
nivel
alfa
de
10%),
vaya
al
paso
2.
Para
este
caso
Restamos
el
nivel
de
confianza
del
100%.
Es
decir,
si
tiene
un
nivel
de
confianza
del
90
por
ciento,
entonces
el
100%
-‐
99%
=
1%.
• Paso
2:
Divida
la
cantidad
que
se
encontró
en
el
paso
1
en
2
para
obtener
el
nivel
alfa
para
una
prueba
de
dos
colas:
1%
/
2
=
0,5%
• Paso
3:
Reste
el
paso
2
del
50%:
50%
-‐
0,5%
=
49,5%
• Paso
4:
Convertir
Paso
3
a
un
decimal
y
encontrar
esa
zona
en
el
centro
de
la
Tabla
Z.
El
más
cercano
de
puntuación
Z
de
49,5%
(0.495)
se
encuentra
entre
en
Z
=
2,57
y
Z=2,58;
lo
que
haremos
es
sumar
estos
dos
datos
y
dividir
en
dos
el
resultado,
obteniendo
𝑍𝑍∝/& =2,575
Hallemos
el
intervalo
de
confianza
χn2−1,α
es
el
valor
que
satisface
que
P ⎛⎜ χn2−1 > χn2−1,α ⎞ α
y
2
χ n −1,1−α
es
el
valor
para
el
cual
⎟ =
2 ⎝ 2 ⎠ 2 2
α
P ⎛⎜ χn2−1 < χn2−1,1−α ⎞⎟ = .
𝑃𝑃 1 − 𝑃𝑃 𝑃𝑃 1 − 𝑃𝑃 ⎠ 2
𝑃𝑃 − 𝑍𝑍∝ < 𝑃𝑃 < 𝑃𝑃 + 𝑍𝑍∝
⎝ 2
& 𝑛𝑛 & 𝑛𝑛
Ejemplo
5
67 67 67 67
67 1− 67 1− El
director
de
control
de
calidad
de
una
empresa
química
ha
extraído
una
muestra
aleatoria
de
− 2,58 ∙ 95 95 < 𝑃𝑃 < + 2,58 ∙ 95 95
veinte
sacos
de
fertilizante
de
100
kilos
para
estimar
la
varianza
de
los
kilos
de
impurezas.
Se
ha
95 95 95 95
observado
que
la
varianza
muestral
es
de
6.62.
Determine
el
intervalo
de
confianza
al
95%
de
la
0,71 − 0,12 < 𝑃𝑃 < 0,71 + 0,12
varianza
poblacional
de
los
kilos
de
impurezas.
Si
se
tiene
una
muestra
aleatoria
de
tamaño
n
cuyas
observaciones
son
extraídas
de
una
población
que
se
distribuye
normal
con
varianza
𝜎𝜎 &
desconocida
y
la
varianza
muestral
es
𝑆𝑆 & ,
entonces
un
intervalo
de
confianza
para
la
varianza
poblacional
con
un
nivel
de
confianza
de
100 1 − 𝛼𝛼 %
es
(n − 1)s 2 (n − 1)s 2
<σ2 <
χ n2−1,α χ n2−1,1−α
2 2
La variable aleatoria,
&
(𝑛𝑛 − 1)𝑆𝑆 &
𝜒𝜒=?@ =
𝜎𝜎 &
sigue
una
distribución
ji-‐cuadrado
con
(n-‐1)
grados
de
libertad.
Este
resultado
constituye
la
base
para
hallar
intervalos
de
confianza
de
la
varianza
poblacional
cuando
se
extrae
una
muestra
de
una
población
que
sigue
una
distribución
normal.
Figura
6.
Tabla
chi
cuadrado
(𝝌𝝌𝟐𝟐 ),
áreas
bajo
la
curva,
ejemplo
5
parte
1
Figura 7. Tabla chi cuadrado (𝝌𝝌𝟐𝟐 ), áreas bajo la curva, ejemplo 5 parte 2
& &
𝜒𝜒@^,C.C&S = 32,85
𝜒𝜒@^,C.^aS = 8.91
Luego
el
intervalo
de
confianza
es
(n 2− 1)s < σ 2 < (n2− 1)s
2 2
& &
𝛼𝛼
𝑃𝑃 𝜒𝜒=?@ < 𝜒𝜒=?@,@?2/& =
(20 − 1)6.62 (20 − 1)6.62
2 <σ2 <
32.85 8.91
& &
𝑃𝑃 𝜒𝜒@^ < 𝜒𝜒@^,C.^aS = 0,025
3.8289 < σ 2 < 14.1167
de
acuerdo
a
los
valores
de
la
tabla
chi
cuadrado
𝜒𝜒
&
En
otras
palabras,
la
varianza
poblacional
o
la
varianza
en
kilos
de
impurezas
se
encuentra
entre
3.83
y
14.12
kilos.
Es
posible
que
cuando
realicemos
una
estimación
por
intervalo
observemos
que
el
tamaño
de
La
política
de
gobierno
en
asuntos
internos
ha
recibido
un
índice
de
aprobación
del
65%
en
una
éste
es
demasiado
grande.
Por
ende,
si
ampliamos
el
tamaño
de
la
muestra
es
posible
que
encuesta
reciente.
Se
ha
dicho
que
el
margen
de
error
era
de
0.035.
¿De
qué
tamaño
era
la
encontremos
intervalos
de
confianza
más
pequeños
que
nos
ayuden
a
establecer
conclusiones
muestra
utilizada
para
hacer
esta
encuesta
si
suponemos
que
el
nivel
de
confianza
era
del
95%?
más
precisas
y
cercanas
al
valor
de
los
parámetros
poblacionales.
Solución
Para
esto,
es
necesario
elaborar
un
proceso
que
nos
permita
establecer
el
tamaño
más
adecuado
de
la
muestra.
Dicho
tamaño
de
muestra
se
obtiene
utilizando
el
margen
de
error.
Organicemos
la
información
dada:
Veamos:
pˆ = 0.65
Tamaño
de
la
muestra
para
estimar
la
media
poblacional
con
distribución
normal
y
ME
=
0,035
varianza
conocida
Determinamos
el
valor
de
alfa:
Dado
que
el
margen
de
error,
que
denotaremos
e
es
igual
a
e σ
= Z x
n
para
determinar
el
valor
Para
una
confiabilidad
o
nivel
de
confianza
del
95%
encontramos
el
valor
Z
en
la
tabla
de
la
de
n
sólo
necesitamos
despejarlo:
distribución
normal,
para
ello
haremos
lo
siguiente:
Z 2 σ x2
n= • Paso
1:
Encontrar
el
nivel
alfa.
Si
se
le
da
el
nivel
alfa
en
la
pregunta
(por
ejemplo,
un
e 2
nivel
alfa
de
10%),
vaya
al
paso
2.
Para
este
caso
Restamos
el
nivel
de
confianza
del
100%.
Es
decir,
si
tiene
un
nivel
de
confianza
del
90
por
ciento,
entonces
el
100%
-‐
95%
=
Téngase
en
cuenta
que
los
datos
dados
deben
ser
el
margen
de
error
y
la
varianza
poblacional.
5%.
• Paso
2:
Divida
la
cantidad
que
se
encontró
en
el
paso
1
en
2
para
obtener
el
nivel
alfa
Tamaño
de
la
muestra
para
estimar
la
proporción
poblacional
con
distribución
para
una
prueba
de
dos
colas:
5%
/
2
=
2,5%
normal
• Paso
3:
Reste
el
paso
2
del
50%:
50%
-‐
2,5%
=
47,5%
Al
igual
que
en
el
caso
anterior,
dado
que
el
margen
de
error,
que
denotaremos
ME
es
igual
a
• Paso
4:
Convertir
Paso
3
a
un
decimal
y
encontrar
esa
zona
en
el
centro
de
la
Tabla
Z.
𝑃𝑃 1 − 𝑃𝑃 El
más
cercano
de
puntuación
Z
de
47,5%
(0.475)
se
encuentre
entre
en
𝑍𝑍∝/& =1,96
𝑀𝑀𝑀𝑀 = 𝑍𝑍∝
& 𝑛𝑛
Téngase en cuenta que los datos dados deben ser el margen de error y la varianza poblacional.
REFERENCIAS
• GUTIERREZ,
H.
y.
(2005).
Control
estadístico
de
Calidad
y
Seis
Sigma.
McGrawHill.
• FREUND
John
E.,
M.
I.
(2000).
Estadística
Matemática
con
aplicaciones
(6
ed.).
Prentice
Hall.
• WALPOLE
Ronal
E.,
M.
R.
(1998).
Probabilidad
y
Estadística
para
Ingenieros
(6
ed.).
Prentice
Hall.
• KENNET,
R.
S.
(2000).
Estadística
Industrial
Moderna.
Thomsom.
• Paul,
N.
(1988).
Estadística
para
los
Negocios
y
la
Economía
(4
ed.).
Prentice
Hall.
• C
MONTGOMERY,
D.
C.
(2002).
Probabilidad
y
Estadística
aplicadas
a
la
Ingeniería
(2
ed.).
Limusa
Wiley.
Fuente: Elaboración propia Figura 6. Tabla chi cuadrado (χ2), áreas bajo la curva, ejemplo 5 parte 1
Luego, Figura 7. Tabla chi cuadrado (χ2), áreas bajo la curva, ejemplo 5 parte 2
& Figura
8.
Tabla
Z,
áreas
bajo
la
curva
-‐
ejemplo
6
𝑍𝑍2/& 𝑃𝑃 1 − 𝑃𝑃
𝑛𝑛 =
𝑀𝑀𝑀𝑀 &
&
1,96 0,65 1 − 0,65
𝑛𝑛 = = 713.44 ≈ 714
0,035 &
El
tamaño
de
la
muestra
utilizada
para
hacer
esta
encuesta
con
un
nivel
de
confianza
del
95%
es
de
714.