ESTADISTICA INFERENCIAL 1 UNIDAD 3: PRUEBAS DE HIPOTESIS CON UNA MUESTRA

PRUEBAS DE HIPOTESIS CON UNA MUESTRA

3.1 METODOLOGIA PARA LA PRUEBA DE HIPOTESIS
Dentro del estudio de la inferencia estadística, se describe como se puede tomar una
muestra aleatoria y a partir de esta muestra estimar el valor de un parámetro poblacional
en la cual se puede emplear el método de muestreo y el teorema del valor central lo que
permite explicar cómo a partir de una muestra se puede inferir algo acerca de una
población, lo cual nos lleva a definir y elaborar una distribución de muestreo de medias
muéstrales que nos permite explicar el teorema del límite central y utilizar este teorema
para encontrar las probabilidades de obtener las distintas medias maestrales de una
población.
Pero es necesario tener conocimiento de ciertos datos de la población como la media, la
desviación estándar o la forma de la población, pero a veces no se dispone de esta
información.
En este caso es necesario hacer una estimación puntual que es un valor que se usa para
estimar un valor poblacional. Pero una estimación puntual es un solo valor y se requiere
un intervalo de valores a esto se denomina intervalo de confianza y se espera que dentro
de este intervalo se encuentre el parámetro poblacional buscado. También se utiliza una
estimación mediante un intervalo, el cual es un rango de valores en el que se espera se
encuentre el parámetro poblacional
En nuestro caso se desarrolla un procedimiento para probar la validez de una aseveración
acerca de un parámetro poblacional este método es denominado Prueba de hipótesis
para una muestra.
hipótesis y prueba de hipótesis
Tenemos que empezar por definir que es una hipótesis y que es prueba de hipótesis.
Hipótesis es una aseveración de una población elaborado con el propósito de poner a
prueba, para verificar si la afirmación es razonable se usan datos.
En el análisis estadístico se hace una aseveración, es decir, se plantea una hipótesis,
después se hacen las pruebas para verificar la aseveración o para determinar que no es
verdadera.
Por tanto, la prueba de hipótesis es un procedimiento basado en la evidencia muestral y la
teoría de probabilidad; se emplea para determinar si la hipótesis es una afirmación
razonable.
Prueba de una hipótesis: se realiza mediante un procedimiento sistemático de cinco paso:

Siguiendo este procedimiento sistemático, al llegar al paso cinco se puede o no rechazar

la hipótesis, pero debemos de tener cuidado con esta determinación ya que en la
consideración de estadística no proporciona evidencia de que algo sea verdadero. Esta

1
prueba aporta una clase de prueba más allá de una duda razonable. Analizaremos cada
paso en detalle
Objetivo de la prueba de hipótesis.
El propósito de la prueba de hipótesis no es cuestionar el valor calculado del estadístico
(maestral), sino hacer
Un juicio con respecto a la diferencia entre estadístico de muestra y un valor planteado del
parámetro.
3.- Procedimiento sistemático para una prueba de hipótesis de una muestra
.Paso 1: Plantear la hipótesis nula Ho y la hipótesis alternativa H1.
Cualquier investigación estadística implica la existencia de hipótesis o afirmaciones
acerca de las poblaciones que se estudian.
La hipótesis nula (Ho) se refiere siempre a un valor especificado del parámetro de
población, no a una estadística de muestra. La letra H significa hipótesis y el subíndice
cero no hay diferencia. Por lo general hay un "no" en la hipótesis nula que indica que "no
hay cambio" Podemos rechazar o aceptar Ho.
La hipótesis nula es una afirmación que no se rechaza a menos que los datos maestrales
proporcionen evidencia convincente de que es falsa. El planteamiento de la hipótesis nula
siempre contiene un signo de igualdad con respecto al valor especificado del parámetro.
La hipótesis alternativa (H1) es cualquier hipótesis que difiera de la hipótesis nula. Es una
afirmación que se acepta si los datos maestrales proporcionan evidencia suficiente de que
la hipótesis nula es falsa. Se le conoce también como la hipótesis de investigación. El
planteamiento de la hipótesis alternativa nunca contiene un signo de igualdad con
respecto al valor especificado del parámetro.

3.2 HIPOTESIS NULA Y ALTERNATIVA

Una hipótesis estadística es una proposición o supuesto sobre los parámetros de una o
más poblaciones.

Suponga que se tiene interés en la rapidez de combustión de un agente propulsor sólido

utilizado en los sistemas de salida de emergencia para la tripulación de aeronaves. El
interés se centra sobre la rapidez de combustión promedio. De manera específica, el
interés recae en decir si la rapidez de combustión promedio es o no 50 cm/s. Esto puede
expresarse de manera formal como

Ho; = 50 cm/s

H1; 50 cm/s

La proposición Ho; = 50 cm/s, se conoce como hipótesis nula, mientras que la

proposición H1; 50 cm/s, recibe el nombre de hipótesis alternativa. Puesto que la
hipótesis alternativa especifica valores de que pueden ser mayores o menores que 50
cm/s, también se conoce como hipótesis alternativa bilateral. En algunas situaciones, lo
que se desea es formular una hipótesis alternativa unilateral, como en

Ho; = 50 cm/s Ho; = 50 cm/s

H1; < 50 cm/s H1; > 50 cm/s

Es importante recordar que las hipótesis siempre son proposiciones sobre la población o
distribución bajo estudio, no proposiciones sobre la muestra. Por lo general, el valor del
parámetro de la población especificado en la hipótesis nula se determina en una de tres
maneras diferentes:

1. Puede ser resultado de la experiencia pasada o del conocimiento del proceso,

entonces el objetivo de la prueba de hipótesis usualmente es determinar si ha
cambiado el valor del parámetro.
2. Puede obtenerse a partir de alguna teoría o modelo que se relaciona con el
proceso bajo estudio. En este caso, el objetivo de la prueba de hipótesis es
verificar la teoría o modelo.
3. Cuando el valor del parámetro proviene de consideraciones externas, tales como
las especificaciones de diseño o ingeniería, o de obligaciones contractuales. En
esta situación, el objetivo usual de la prueba de hipótesis es probar el
cumplimiento de las especificaciones.

Un procedimiento que conduce a una decisión sobre una hipótesis en particular recibe el
nombre de prueba de hipótesis. Los procedimientos de prueba de hipótesis dependen del
empleo de la información contenida en la muestra aleatoria de la población de interés. Si
esta información es consistente con la hipótesis, se concluye que ésta es verdadera; sin
embargo si esta información es inconsistente con la hipótesis, se concluye que esta es
falsa. Debe hacerse hincapié en que la verdad o falsedad de una hipótesis en particular
nunca puede conocerse con certidumbre, a menos que pueda examinarse a toda la
población. Usualmente esto es imposible en muchas situaciones prácticas. Por tanto, es
necesario desarrollar un procedimiento de prueba de hipótesis teniendo en cuenta la
probabilidad de llegar a una conclusión equivocada.

La hipótesis nula, representada por Ho, es la afirmación sobre una o más características
de poblaciones que al inicio se supone cierta (es decir, la "creencia a priori").

La hipótesis alternativa, representada por H1, es la afirmación contradictoria a Ho, y ésta

es la hipótesis del investigador.

La hipótesis nula se rechaza en favor de la hipótesis alternativa, sólo si la evidencia

muestral sugiere que Ho es falsa. Si la muestra no contradice decididamente a H o, se
continúa creyendo en la validez de la hipótesis nula. Entonces, las dos conclusiones
posibles de un análisis por prueba de hipótesis son rechazar Ho o no rechazar Ho.

Para ilustrar los conceptos generales, considere el problema de la rapidez de combustión

del agente propulsor presentado con anterioridad. La hipótesis nula es que la rapidez
promedio de combustión es 50 cm/s, mientras que la hipótesis alternativa es que ésta no
es igual a 50 cm/s. Esto es, se desea probar:

Ho; = 50 cm/s

H1; 50 cm/s

Supóngase que se realiza una prueba sobre una muestra de 10 especímenes, y que se
observa cual es la rapidez de combustión promedio muestral. La media muestral es un
estimador de la media verdadera de la población. Un valor de la media muestral que
este próximo al valor hipotético = 50 cm/s es una evidencia de que el verdadero valor
de la media es realmente 50 cm/s; esto es, tal evidencia apoya la hipótesis nula H o. Por
otra parte, una media muestral muy diferente de 50 cm/s constituye una evidencia que
apoya la hipótesis alternativa H1. Por tanto, en este caso, la media muestral es el
estadístico de prueba.

La media muestral puede tomar muchos valores diferentes. Supóngase que si 48.5
51.5, entonces no se rechaza la hipótesis nula Ho; = 50 cm/s, y que si <48.5 ó
>51.5, entonces se acepta la hipótesis alternativa H1; 50 cm/s.

Los valores de que son menores que 48.5 o mayores que 51.5 constituyen la región
crítica de la prueba, mientras que todos los valores que están en el intervalo 48.5
51.5 forman la región de aceptación. Las fronteras entre las regiones críticas y de
aceptación reciben el nombre de valores críticos. La costumbre es establecer
conclusiones con respecto a la hipótesis nula Ho. Por tanto, se rechaza Ho en favor de H1
si el estadístico de prueba cae en la región crítica, de lo contrario, no se rechaza Ho.

Este procedimiento de decisión puede conducir a una de dos conclusiones erróneas. Por
ejemplo, es posible que el valor verdadero de la rapidez promedio de combustión del
agente propulsor sea igual a 50 cm/s. Sin embargo, para todos los especímenes bajo
prueba, bien puede observarse un valor del estadístico de prueba que cae en la región
crítica. En este caso, la hipótesis nula H o será rechazada en favor de la alternativa
H1cuando, de hecho, Ho en realidad es verdadera. Este tipo de conclusión equivocada se
conoce como error tipo I.

3.3 ERROR TIPO I Y ERROR TIPO II

El error tipo I se define como el rechazo de la hipótesis nula Ho cuando ésta es verdadera.
También es conocido como ó nivel de significancia.

Si tuviéramos un nivel de confianza del 95% entonces el nivel de significancia sería del
5%. Análogamente si se tiene un nivel de confianza del 90% entonces el nivel de
significancia sería del 10%.

Ahora supóngase que la verdadera rapidez promedio de combustión es diferente de 50

cm/s, aunque la media muestral caiga dentro de la región de aceptación. En este caso
se acepta Ho cuando ésta es falsa. Este tipo de conclusión recibe el nombre de error tipo
II.

El error tipo II ó error se define como la aceptación de la hipótesis nula cuando ésta es
falsa.

Por tanto, al probar cualquier hipótesis estadística, existen cuatro situaciones diferentes
que determinan si la decisión final es correcta o errónea.

Decisión Ho es verdadera Ho es falsa

Aceptar Ho No hay error Error tipo II ó

Rechazar Ho Error tipo I ó No hay error

1. Los errores tipo I y tipo II están relacionados. Una disminución en la probabilidad

de uno por lo general tiene como resultado un aumento en la probabilidad del otro.
2. El tamaño de la región crítica, y por tanto la probabilidad de cometer un error tipo I,
siempre se puede reducir al ajustar el o los valores críticos.
3. Un aumento en el tamaño muestral n reducirá y de forma simultánea.
4. Si la hipótesis nula es falsa, es un máximo cuando el valor real del parámetro se
aproxima al hipotético. Entre más grande sea la distancia entre el valor real y el
valor hipotético, será menor

3.4 PRUEBAS DE HIPÓTESIS Z PARA LA MEDIA (DESVIACIÓN ESTÁNDAR

POBLACIONAL CONOCIDA)

Cuando se van a realizar pruebas de hipótesis relativas a la media poblacional m se debe

saber si la varianza poblacional s es conocida o desconocida, ya que la distribución
subyacente al estadístico de prueba será la normal estándar si la varianza es conocida, y
la distribución t en caso contrario.

Las diferentes hipótesis que se pueden presentar son las siguientes:

1) Ho: m = m0 H1: m > m0

2) Ho: m = m0 H1: m < m0

3) Ho: m = m0 H1: m ¹ m0

Las pruebas de hipótesis para la media se basan en el estadístico dado por la media
muestral cuya distribución tiende a la distribución normal (m, s
/n) para muestras grandes.

Prueba de hipótesis para la media con varianza conocida

Cuando la varianza s
Es conocida, las pruebas de hipótesis se basan en el hecho de que la variable aleatoria Z
definida como, se distribuye normalmente con media cero y varianza unitaria.

Para el caso de las hipótesis Ho: m = m0 contra H1: m > m0 vimos, al analizar las mejores
pruebas, que la mejor región crítica de tamaño a consistía en rechazar H0 si la media
muestral era mayor o igual que una constante c dada por. Por lo tanto, una vez tomada la
muestra y obtenidos los valores x1, x2,…, xn, se calcula la media muestral dada por:

y los criterios de decisión serían los siguientes:

a) Rechace Ho: m = m0 si ³ c, donde. b) Calcule el “estadístico de prueba” y rechace Ho:

m = m0 si Z ³ Za. c) Calcule el “estadístico de prueba” y estime P como el área en la
distribución normal estándar a la derecha del valor Z calculado, y rechace Ho: m = m0 si P
< a.

Para el caso de las hipótesis Ho: m = m0 contra H1: m < m0 la mejor región crítica de
tamaño a consiste en rechazar H0 si la media muestral es menor o igual que una
constante c dada por. Por lo tanto, una vez tomada la muestra y obtenidos los valores x1,
x2,…, xn, se calcula la media muestral, y los criterios de decisión sería los siguientes:

a) Rechace Ho: m = m0 si £ c, donde. b) Calcule el “estadístico de prueba” y rechace Ho:

m = m0 si Z £ Z1-a. Como Za = -Z1-a se rechaza Ho si Z £ -Za o equivalentemente, si êZ
ê³ Z a. c) Calcule el “estadístico de prueba” y estime P como el área en la distribución
normal estándar a la izquierda del valor Z calculado, y rechace Ho: m = m0 si P < a.

Por último, si las hipótesis fueran Ho:m = m0 contra H1:m ¹ m0 la mejor región crítica de
tamaño a (aunque no es uniformemente más potente como en el caso de las dos
anteriores) consiste en rechazar H0 si la media muestral es menor o igual que una
constante c1 ó mayor igual que otra constante c2. Por lo tanto, una vez tomada la muestra
y obtenidos los valores x1, x2,…, xn, se calcula la media muestral, y los criterios de
decisión serían los siguientes:

a) Rechace Ho: m = m0 si £ c1 ó ³ c2, donde y. b) Calcule el “estadístico de prueba” y

rechace Ho: m = m0 si Z £ -Za/2 ó Z ³ Za/2, ó simplemente, si êZ ê³ Z a/2. c) Calcule el
“estadístico de prueba” y estime P como el área en la distribución normal estándar a la
izquierda del valor Z calculado si Z es negativo, o a la derecha del valor de Z si Z es
positivo, y rechace Ho: m = m0 si P < a. También P se puede calcular como el área a
derecha del valor absoluto de Z. En resumen, el estadístico de prueba se basa en:

Ejemplo. Un inspector de pesos y medidas visita una planta de empacado para verificar
que el peso neto de las cajas sea el indicado en la etiqueta. El gerente de la planta
asegura al inspector que el peso promedio de cada caja es de 750 gramos con una
desviación estándar de 5 gr. El inspector selecciona, al azar, 100 cajas y encuentra que el
peso promedio es de 748 gr. Bajo estas condiciones y usando un nivel de significancia de
0.05,¿Qué actitud debe tomar el inspector?.

Solución. Este problema lo podemos plantear como una prueba de hipótesis del siguiente
tipo:
1) Ho: m = m0 = 750 H1: m < m0 (hay preocupación si el peso medio es inferior al
especificado)

Con n = 100, a = 0.05, s = 5 gramos. Se tiene que Z0.05 = 1.645. Por lo tanto, la región
crítica está dada por = 750 - 1.645 x 5/10 =749.18. Por lo tanto como la media muestral es
748 gramos, se rechaza la hipótesis de que el promedio de cada caja sea 750 gramos.
Por lo tanto, deben tomarse las medias necesarias para corregir esta situación, que va en
contra de los intereses del consumidor. Usando los otros criterios de aceptación tenemos
que Z = - 4.0 y el valor P es aproximadamente cero (P = 0.0).

3.5 PRUEBAS DE PROPORCIONES

Proporción: La fracción, porción relativa o porcentaje que expresa la parte de la población

o muestra que tiene u atributo particular de interés.

Concepto de proporción.
n = tamaño de la muestra
x = número de éxitos en la muestra

Las pruebas de hipótesis a partir de proporciones se realizan casi en la misma forma

utilizada cuando nos referimos a las medias, cuando se cumplen las suposiciones
necesarias para cada caso. Pueden utilizarse pruebas unilaterales o bilaterales
dependiendo de la situación particular.

La proporción de una población

Las hipótesis se enuncian de manera similar al caso de la media.

Ho: p = p0

H1: p ¹ p0

En caso de que la muestra sea grande n>30, el estadígrafo de prueba es:

Se distribuye normal estándar.

Regla de decisión: se determina de acuerdo a la hipótesis alternativa (si es bilateral o

unilateral), lo cual puedes fácilmente hacerlo auxiliándote de la tabla 4.4.1.

En el caso de muestras pequeñas se utiliza la distribución Binomial. No lo abordaremos

por ser complicado y poco frecuente su uso.

Diferencia entre las proporciones de dos poblaciones

La situación más frecuente es suponer que existen diferencias entre las proporciones de
dos poblaciones, para ello suelen enunciarse las hipótesis de forma similar al caso de las
medias:
Ho: p1 = p2 Þ p1 - p2 = 0

H1: p1 ¹ p2

Puede la hipótesis alternativa enunciarse unilateralmente.

El estadígrafo de prueba para el caso de muestras independientes:

Siendo a1 y a2, el número de sujetos con la característica objeto de estudio en las

muestras 1 y 2 respectivamente, es decir, en vez de calcular la varianza para cada
muestra, se calcula una p conjunta para ambas muestras bajo el supuesto que no hay
diferencias entre ambas proporciones y así se obtiene la varianza conjunta. Recuerda que
q = 1-p.
Está de más que te diga que este estadígrafo se distribuye normal estándar.
La regla de decisión se determina de manera similar a los casos ya vistos anteriormente.
El objetivo de la prueba es comparar estas dos proporciones, como estimadores

H1: p1 ¹ p2

Recuerda que la H1 también puede plantearse de forma unilateral.

Si la Ho es cierta entonces b - c =0 y el estadígrafo de prueba es:

Observaciones:

Las pruebas de hipótesis se realizan sobre los parámetros poblacionales desconocidos,

es decir, sólo tiene sentido realizarlas cuando se estudia una muestra de la población
objeto y deseamos hacer inferencias hacia el total poblacional. Si estudiaste al total de los
elementos de tú población objeto (definida de acuerdo a los objetivos de tú investigación),
no tiene sentido realizar PH ni otro tipo de inferencia.

Antes de realizar una prueba de hipótesis, debes revisar cuidadosamente las

características de los datos (naturaleza de las variables), la forma de selección de la
muestra y su tamaño, en fin, valorar el cumplimiento de los supuestos necesarios para
aplicar la prueba adecuada a cada caso. Fijando el nivel de significación antes de realizar
la prueba y no después de obtener el resultado, al igual que debes valorar seriamente si
debes enunciar el problema de forma bilateral o unilateral antes de realizar la prueba.
Violar el cumplimiento de los supuestos implica que la prueba pierda potencia, pudiendo
no encontrarse diferencias cuando realmente las hay o lo contrario.

3.6 SELECCIÓN DEL TAMAÑO DE MUESTRA PARA ESTIMAR LA MEDIA

POBLACIONAL

A la hora de determinar el tamaño que debe alcanzar una muestra hay que tomar en
cuenta varios factores: el tipo de muestreo, el parámetro a estimar, el error muestral
admisible, la varianza poblacional y el nivel de confianza. Por ello antes de presentar
algunos casos sencillos de cálculo del tamaño muestral delimitemos estos factores.
Parámetro. Son las medidas o datos que se obtienen sobre la población.

Estadístico. Los datos o medidas que se obtienen sobre una muestra y por lo tanto una
estimación de los parámetros.

Error Muestral, de estimación o estándar. Es la diferencia entre un estadístico y su

parámetro correspondiente. Es una medida de la variabilidad de las estimaciones de
muestras repetidas en torno al valor de la población, nos da una noción clara de hasta
dónde y con qué probabilidad una estimación basada en una muestra se aleja del valor
que se hubiera obtenido por medio de un censo completo. Siempre se comete un error,
pero la naturaleza de la investigación nos indicará hasta qué medida podemos cometerlo
(los resultados se someten a error muestral e intervalos de confianza que varían muestra
a muestra). Varía según se calcule al principio o al final. Un estadístico será más preciso
en cuanto y tanto su error es más pequeño. Podríamos decir que es la desviación de la
distribución muestral de un estadístico y su fiabilidad.

Nivel de Confianza. Probabilidad de que la estimación efectuada se ajuste a la realidad.

Cualquier información que queremos recoger está distribuida según una ley de
probabilidad (Gauss o Student), así llamamos nivel de confianza a la probabilidad de que
el intervalo construido en torno a un estadístico capte el verdadero valor del parámetro.

Varianza Poblacional. Cuando una población es más homogénea la varianza es menor y

el número de entrevistas necesarias para construir un modelo reducido del universo, o de
la población, será más pequeño. Generalmente es un valor desconocido y hay que
estimarlo a partir de datos de estudios previos.

3.1.- SELECCIÓN DEL TAMAÑO DE MUESTRA PARA ESTIMAR LA MEDIA DE LA

POBLACIÓN

Veamos los pasos necesarios para determinar el tamaño de una muestra empleando el
muestreo aleatorio simple. Para ello es necesario partir de dos supuestos: en primer lugar
el nivel de confianza al que queremos trabajar; en segundo lugar, cual es el error máximo
que estamos dispuestos a admitir en nuestra estimación. Así pues los pasos a seguir son:

1.- Obtener el tamaño muestral imaginando que :

Dónde:

: z correspondiente al nivel de confianza elegido

: varianza poblacional
e: error máximo

2.- Comprobar si se cumple

si esta condición se cumple el proceso termina aquí, y ese es el tamaño adecuado que
debemos muestrear.

Si n s cumple, pasamos a tercera fase:

o e
una
3. Obten e tamaño de la según siguient fórmul
- er l e a:
muestra la

Ejemplo: La Consejería de Trabajo planea un estudio con el interés de conocer el

promedio de horas semanales trabajadas por las mujeres del servicio doméstico. La
muestra será extraída de una población de 10000 mujeres que figuran en los registros de
la Seguridad Social y de las cuales se conoce a través de un estudio piloto que su
varianza es de 9.648. Trabajando con un nivel de confianza de 0.95 y estando dispuestos
a admitir un error máximo de 0,1, ¿cuál debe ser el tamaño muestral que empleemos?.

Buscamos en las tablas de la curva normal el valor de que corresponde con el nivel de
confianza elegido: = ±1.96 y seguimos los pasos propuestos arriba.

1.

2.- Comprobamos que no se cumple , pues en este caso

10000 < 3706 (3706 - 1); 10000 < 13730730

3.-

Si deseamos estimar una media: debemos saber:

El nivel de confianza o seguridad (1-a ). El nivel de confianza prefijado da lugar a un

coeficiente (Za ). Para una seguridad del 95% = 1.96; para una seguridad del 99% = 2.58.

La precisión con que se desea estimar el parámetro (2 * d es la amplitud del intervalo de

confianza).
Una idea de la varianza S2 de la distribución de la variable cuantitativa que se supone
existe en la población.
Ejemplo: Si deseamos conocer la media de la glucemia basal de una población, con una
seguridad del 95 % y una precisión de ± 3 mg/dl y tenemos información por un estudio
piloto o revisión bibliográfica que la varianza es de 250 mg/dl

Si la población es finita, como previamente se señaló, es decir conocemos el total de la

población y desearíamos saber cuántos del total tendríamos que estudiar, la respuesta
sería:

Ejemplo: De una población de 1 176 adolescentes de una ciudad X se desea conocer la

aceptación por los programas humorísticos televisivos y para ello se desea tomar una
muestra por lo que se necesita saber la cantidad de adolescentes que deben entrevistar
para tener una información adecuada con error estándar menor de 0.015 al 90 % de
confiabilidad.
Solución:

=1
176

= 0,015

por lo que
Es decir para realizar la investigación se necesita una muestra de al menos 298
adolescentes.

3.7 SELECCIÓN DEL TAMAÑO DE MUESTRA PARA ESTIMAR LA PROPORCION

POBLACIONAL

Para calcular el tamaño de muestra para la estimación de proporciones poblacionales

hemos de tener en cuenta los mismos factores que en el caso de la media. La fórmula
que nos permitirá determinar el tamaño muestral es la siguiente:

Donde

: z correspondiente al nivel de confianza elegido

P: proporción de una categoría de la variable

e: error máximo

N: tamaño de la población

Siguiendo con el estudio planteado en el punto anterior, supongamos que tratamos de

estimar la proporción de mujeres que trabajan diariamente 10 horas o más. De un estudio
piloto se dedujo que P=0.30, fijamos el nivel de confianza en 0.95 y el error máximo 0.02.

Ejemplo: ¿A cuántas personas tendríamos que estudiar para conocer la prevalencia de

diabetes?

Seguridad = 95%; Precisión = 3%: Proporción esperada = asumamos que puede ser
próxima al 5%; si no tuviésemos ninguna idea de dicha proporción utilizaríamos el valor p
= 0,5 (50%) que maximiza el tamaño muestral:

Dónde:

Za 2 = 1.962 (ya que la seguridad es del 95%)

p = proporción esperada (en este caso 5% = 0.05)
q = 1 – p (en este caso 1 – 0.05 = 0.95)
d = precisión (en este caso deseamos un 3%)

Si la población es finita, es decir conocemos el total de la población y deseásemos saber

cuántos del total tendremos que estudiar la respuesta seria:
dónde:

N = Total de la población

Za2 = 1.962 (si la seguridad es del 95%)

p = proporción esperada (en este caso 5% = 0.05)

q = 1 – p (en este caso 1-0.05 = 0.95)

d = precisión (en este caso deseamos un 3%).

¿A cuántas personas tendría que estudiar de una población de 15.000 habitantes para
conocer la prevalencia de diabetes?

Seguridad = 95%; Precisión = 3%; proporción esperada = asumamos que puede ser
próxima al 5% ; si no tuviese ninguna idea de dicha proporción utilizaríamos el valor p =
0.5 (50%) que maximiza el tamaño muestral.

Según diferentes seguridades el coeficiente de Za varía, así:

Si la seguridad Za fuese del 90% el coeficiente sería 1.645
Si la seguridad Za fuese del 95% el coeficiente sería 1.96
Si la seguridad Za fuese del 97.5% el coeficiente sería 2.24
Si la seguridad Za fuese del 99% el coeficiente sería 2.576