ESTIMACIÓN DE PARÁMETROS POR INTERVALOS DE CONFIANZA.
Un intervalo de confianza es una técnica de estimación utilizada en inferencia
estadística que permite acotar un par o varios pares de valores, dentro de los cuales se encontrará la estimación puntual buscada (con una determinada probabilidad). Un intervalo de confianza nos va a permitir calcular dos valores alrededor de una media muestral (uno superior y otro inferior). Estos valores van a acotar un rango dentro del cual, con una determinada probabilidad, se va a localizar el parámetro poblacional.
Intervalo de confianza de la media de una población
Un intervalo de confianza es un rango de valores, derivado de los estadísticos de la muestra, que posiblemente incluya el valor de un parámetro de población desconocido. Debido a su naturaleza aleatoria, es poco probable que dos muestras de una población en particular produzcan intervalos de confianza idénticos. Sin embargo, si usted repitiera muchas veces su muestra, un determinado porcentaje de los intervalos de confianza resultantes incluiría el parámetro de población desconocido.
TEOREMA DEL LIMITE CENTRAL.
Es una teoría estadística que establece que, dada una muestra suficientemente grande de la población, la distribución de las medias muestrales seguirá una distribución normal.
TAMAÑO DE LA MUESTRA PARA ESTIMAR LA PROPORCION.
El tamaño de la muestra se le conoce como aquel número determinado de
sujetos o cosas que componen la muestra extraída de una población, necesarios para que los datos obtenidos sean representativos de la población.
Objetivos de la determinación del tamaño adecuado de una muestra.
Estimar un parámetro determinado con el nivel de confianza deseado.
Detectar una determinada diferencia, si realmente existe, entre los grupos de estudio con un mínimo de garantía. Reducir costes o aumentar la rapidez del estudio. Los datos que tenemos que incluir en la fórmula para calcular el número de sujetos necesarios de la muestra (N) son: Zα/2: valor de Z correspondiente al riesgo α fijado. El riesgo α fijado suele ser 0,05 y Zα/2 de 1,96. P: Valor de la proporción que se supone existe en la población. i: Precisión con que se desea estimar el parámetro ( es la amplitud del intervalo de confianza).
VENTAJAS Y DESVENTAJAS DE LA DISTRIBUCIÓN NORMAL RESPECTO A
LA DISTRIBUCIÓN “t” DE STUDENT. La prueba t-Student se fundamenta en dos premisas; la primera: en la distribución de normalidad, y la segunda: en que las muestras sean independientes.
1. Es necesario mencionar que la distribución t-test es similar a la distribución
de Gauss cuando las muestras > 30.
2. El poder estadístico tiene mayor magnitud cuando las condiciones que se
necesitan lo cumplen ambas muestras, independientemente del tamaño.
3. La prueba original demostró que existe una curva que describe el
comportamiento de la diferencia de medias y permite calcular el área bajo la curva que representa la probabilidad de la diferencia entre ellas.