Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADÍSTICA MUESTRAL
79
población. Así, por tanto, si llamamos () al Coeficiente de
Inteligencia medio obtenido en una muestra realizada entre un
grupo de 100 universitarios y llamamos (µ) al Coeficiente de
Inteligencia medio de todos los universitarios españoles, el Error
Muestral (E) de dicha media sería el siguiente:
E = l - µl
80
Obtenemos otra muestra al azar de 500 universitarios, y luego otra
y gran número de ellas. Si al hallar las medias de todas estas
muestras vemos que varían muy poco entre sí, cualquiera de ellas
puede representar a las demás, lo cual quiere decir que nos
podemos fiar de su valor, que tiene alta fiabilidad.
81
El más sencillo es el método aleatorio simple. Consiste en tomar de
una población dada, un número cualquier de individuos
completamente al azar.
82
El Teorema Central del Límite establece que si de una población
normal con media µ y una varianza σ² se extraen reiteradas
muestras al azar, de tamaño N, la distribución de las medias de las
muestras será normal, con una media (µ) y una desviación típica
(σ=σ/ ), es decir, con una varianza (σ²/N).
σ =
83
La distribución muestral de la media se caracteriza, por tanto, por
las siguientes razones:
84
Ejemplo: Supongamos una población con parámetros conocidos. Si
se extraen muestras de esta población, se pueden establecer ciertas
afirmaciones en sentido probabilístico, acerca de las medias de estas
muestras.
µ = µ ; σ =
σ =
85
verosímil del parámetro de la población o al menos entre qué límites
se encuentra tal parámetro.
86
acertar, recíprocamente también podemos decir, conociendo la
media muestral (), que la verdadera media de la población (µ) no
se apartará de la media de la muestra () en más de 1,96 σ con un
95% de probabilidades de acertar.
σ =
σ =
87
Nivel de confianza del 99%
σ =
σ =
88
puede decirse que la verdadera media de la población, con un
riesgo de equivocarnos del 5%, estará comprendida entre la la
media muestral () ± 1,96 σ. Es decir,
89
nula va acompañada de una hipótesis alternativa (H1), la cual
confirma el supuesto contrario de la hipótesis nula. Puesto que cada
una de estas hipótesis afirma lo contrario de la otra, es incompatible
que ambas sean ciertas. Por tanto, si llegamos a la conclusión de
que la hipótesis nula no se cumple, podemos afirmar que se cumple
la hipótesis alternativa. Y viceversa.
90
5.8.2.- Pruebas bilaterales y pruebas unilaterales.
91
rechazados aquellos datos que se aparten tanto del valor central
como 1,65 (Z correspondiente a un área de 0,05) y se rechazarán
con el 95% de probabilidades de acertar.
Valores críticos
de Z para pruebas ±1,28 ±1,65 ±2,33 ±2,58 ±2,88
unilaterales
Valores críticos
de Z para pruebas ±1,65 ±1,96 ±2,58 ±2,81 ±3,08
bilaterales
92
36 euros, manteniendo la misma desviación típica? ¿Qué dirías de la
bondad (representatividad) de esta muestra?
Dado que no hay ninguna razón para pensar en qué sentido puede
ir el eventual sesgo de la muestra, la hipótesis alternativa (H1) que
realizaremos será una prueba bilateral; es decir, en caso de
rechazar (H0), diremos que la muestra proviene de una población
donde la media tiene un valor distinto a 36 euros.
H1 : µ ≠ 36
93
Pasos para el cálculo. En primer lugar, estableceremos la hipótesis
nula (H0). Creemos que la muestra es representativa y afirmamos
que es posible que la media sea tan baja como 34.
H0 : µ ≤ 34
94
ignoramos si cometemos error o no lo cometemos. Lo que sí
podemos hacer es intentar evaluar la posibilidad de cometer error
de un tipo u otro, y diseñar un experimento de modo que dichas
probabilidades de error se reduzcan al máximo.
95
En cualquier de los dos casos, como puede verse, el error (aunque
sea de distinto tipo) es inevitable. Ante esta situación, lo único que
podemos hacer es calcular cuáles son las probabilidades del error
que estamos cometiendo.
96
(b) la elección “dirigida” por parte del investigador hacia aquellos
elementos que por su mayor conocimiento o representatividad en el
problema que se ha de investigar se le antojan ser los más idóneos
y representativos de la población.
97
de error se está dispuesto a tolerar. Por otra parte, también es
necesario que se imponga el nivel de confianza con el que se quiere
trabajar. No es lo mismo, para un determinado margen de error,
trabajar al nivel de confianza del 95% o del 99%.
Así, por tanto, el tamaño de una muestra vendrá dado según sean
las poblaciones y el nivel de confianza deseado.
98
Tamaño muestral en función de proporciones (población finita)
99
100