Cuestionario 3 (Capitulo 9/Walpole & Myers)

1. Como se calcula el IC de la diferencia de medias ( μ1 −μ 2 ) para dos

medias de muestras aleatorias independientes de tamaño n1 y n2 de
2 2
poblaciones con varianzas conocidas ( σ1 y σ2 )
respectivamente

El grado de confianza es exacto cuando las muestras se seleccionan de

poblaciones normales. Para poblaciones no normales el teorema del límite
central permite una buena aproximación para muestras de tamaño
razonable.

2. Como se calcula el IC de la diferencia de medias ( μ1 −μ 2 ) para dos

medias de muestras aleatorias independientes de tamaño n1 y n2 de
2 2
poblaciones con varianzas desconocidas ( σ 1 y σ2 )
respectivamente, pero que se consideran aproximadamente iguales

3. Como se interpreta el intervalo de confianza para dos muestras

4. Como se calcula el IC de la diferencia de medias ( μ1 −μ 2 ) para dos
medias de muestras aleatorias independientes de tamaño pequeño n1
y n2 de poblaciones con varianzas desconocidas y diferentes ( σ 21 y
σ 22 ) respectivamente

5. Porque es importante que los tamaños de muestra sean iguales

cuando se construye un intervalo de confianza
 El procedimiento para construir intervalos de confianza para μ1−μ 2cuando
σ 1 =¿ σ 2 ¿ σ pero ésta se desconoce, requiere suponer que las poblaciones
son normales. Desviaciones ligeras de la suposición de varianzas iguales o
de normalidad no alteran seriamente el grado de confianza en nuestro
intervalo. (En el capítulo 10 se estudia un procedimiento para probar la
igualdad de dos varianzas poblacionales desconocidas con base en la
información que proporcionan las varianzas muestrales). Si las varianzas
de la población son considerablemente diferentes, aún obtenemos
resultados razonables cuando las poblaciones son normales, siempre y
cuando n1 =n2 . Por lo tanto, al planear un experimento se debería hacer
un esfuerzo por igualar el tamaño de las muestras.
6. Explique en que consiste un experimento pareado
Los procedimientos de estimación para la diferencia de dos medias cuando
las muestras no son independientes y las varianzas de las dos poblaciones no
son necesariamente iguales. La situación que se considera aquí tiene que ver
con una condición experimental muy especial, a saber, las observaciones
pareadas. A diferencia de la situación que se describió antes, las condiciones
de las dos poblaciones no se asignan de forma aleatoria a las unidades
experimentales. Más bien, cada unidad experimental homogénea recibe
ambas condiciones de la población; como resultado, cada unidad
experimental tiene un par de observaciones, una para cada población.
7. Como se debe hacer el pareo
Parear observaciones en un experimento es una estrategia que se
puede emplear en muchos campos de aplicación
Al seleccionar unidades experimentales relativamente homogéneas
(dentro de las unidades) y permitir que cada unidad experimente
ambas condiciones de la población, se reduce la varianza del error
experimental efectiva (en este caso σ D2 D). El lector puede visualizar la
i-ésima diferencia del par como
Di= X 1 i−X 2 i .
Como las dos observaciones se toman de la unidad experimental de la
muestra no son independientes y, de hecho,
 Var ( Di )=Var (X 1i −X 2 i)=σ 12 +σ 22−2 Cov( X 1 i−X 2 i )
Entonces, de manera intuitiva, se espera que σ D2 debería reducirse
debido a la similitud en la naturaleza de los “errores” de las dos
observaciones dentro de una unidad experimental, a lo cual se llega
mediante la expresión anterior. En realidad, se espera que, si la unidad
es homogénea, la covarianza sea positiva. Como resultado, la ganancia
en calidad del intervalo de confianza sobre la que se obtuvo sin parear
es mayor cuando hay homogeneidad dentro de las unidades y cuando
las diferencias grandes van de una a otra unidad. Se debería tener en
cuenta que el desempeño del intervalo de confianza dependerá del
error estándar de D , que es, por supuesto, σ D / √ n, donde n es el
número de pares. Como indicamos antes, la intención al parear es
reducir σ D.
8. Como se calcula el intervalo de confianza Ud para observaciones
pareadas

9. Elaborar un cuadro donde haga un resumen de las fórmulas anteriores

de acuerdo a las diferentes situaciones.