Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIDAD IV:
INFERENCIA ESTADÍSTICA
PRESENTADO POR:
1. Error Típico
EJEMPLO:
EJEMPLO:
Dado que la muestra es grande podemos aplicar el teorema del límite central.
Por lo tanto, la media de la muestra se aproxima a una distribución normal con los
parámetros
Esto es
EJEMPLO:
Solución:
Datos:
A = 7.2 años
A = 0.8 años
B = 0.7 años
nA = 34 tubos
nB = 40 tubos
= ?
TEMA 2. Estimación
Estimación
Para llevar a cabo una estimación, entonces, es necesario primero contar con
una serie de datos. Además, es común que los investigadores se sustenten en un
marco teórico. Por ejemplo, podemos estimar la inflación definiéndola como la
diferencia entre los precios (de la economía) del periodo A y los precios del periodo B.
Entonces, se calcula una variación porcentual entre los datos registrados en ambos
puntos del tiempo.
Estimador
2. Estimador Puntual
EJEMPLO:
X=
∑ X i = 40542 =8108,4=μ
n 5
3. Por Intervalos: para una media y para diferencia entre dos medias.
3.1. Por Intervalos para una media.
X −Z α α X ≤ μ ≤ X +Z α α X
2 2
X ±Z
σX
√n √ N−n
N −1
Si la población es desconocida, el intervalo se define como:
σX
X ±Z
√n
EJEMPLO:
Se recibe un cargamento muy grande de bultos de arroz provenientes de una
importación y se desea estimar el peso promedio (µ) de dichos bultos, para esto se
toma una muestra aleatoria de 100 bultos, que arrojan un peso promedio de X =21.6
kilos. Se sabe por experiencias anteriores, que la desviación estándar de dichos
cargamentos es de σ =5.1 kilos. Se quiere un nivel de confianza en la estimación del
95% (1-α) =0.95
Solución:
La expresión anterior, significa que con una confianza del 95% se estima que el
peso promedio de todo el cargamento fluctúa entre 20,6 y 22,6 kilos.
B. Intervalo de confianza para la media μ de una población con desviación
típica desconocida
X −t n−1 , α α X ≤ μ ≤ X +t n−1 , α α X
2 2
SX
X ±t
√n
EJEMPLO:
100000
1500000 ±1,8125
√ 11
1500000 ±54648.93
1445351,069 ≤ μ ≤ 1554648,93
Luego podemos concluir con un nivel de confianza del 95% que el salario
promedio de la empresa en el área administrativa, está entre $1´445.351,069 y $1
554.648,93.
√ σ ²₁ σ ²₂
+
n ₁ n₂
Para calcular el intervalo de confianza para la diferencia de dos medias se debe
saber si las varianzas poblacionales son conocidas o desconocidas, y en caso de que
sean desconocidas, se debe probar si son iguales o diferentes. Cada uno de estos tres
casos se analizarán por separado.
√ √
2 2
σ ₁ σ ₂ σ ²₁ σ ²₂
X ₁− X ₂−Z + 2 ≤ µ₁−µ ₂ ≤ X ₁−X ₂+Z +
n 1
n n ₁ n₂
EJEMPLO:
construya un intervalo de confianza del 94% para la diferencia real entre las
duraciones de dos marcas de focos, si una muestra de 40 focos tomada al azar de la
primera marca dio una duración media de 418 horas, y una muestra de 50 focos de otra
marca dieron una duración media de 402 horas. Las desviaciones estándares de las
dos poblaciones son de 26 horas y 22 horas, respectivamente.
Solución:
Tenemos que:
X ₁=418
X ₂=402
σ ₁=26
σ ₂=22
n ₁=40
n ₂=50
Z=1.88
El intervalo de confianza es, entonces:
X ₁− X ₂−Z
√ σ 2₁ σ2₂
n
1
+ 2 ≤ µ₁−µ ₂ ≤ X ₁−X ₂+Z
n √σ ²₁ σ ²₂
+
n ₁ n₂
√ √
2 2 2 2
26 22 26 22
(418−402)−1.88 + ≤ µ ₁−µ ₂≤( 418−402)+1.88 +
40 50 40 50
TEOREMA. Si X₁, X₂, S²₁, S²₂ son las medias y las varianzas de dos muestras
aleatorias de tamaños n₁, n₂, respectivamente, tomadas de dos poblaciones normales e
independientes con varianzas desconocidas pero iguales, entonces un intervalo de
confianza para la diferencia entre medias µ₁−µ ₂ es:
X ₁− X ₂−t Sₚ
√ 1 1
1
n n
+ 2 ≤ µ ₁−µ ₂ ≤ X ₁−X ₂+ t Sₚ
1
√+
n₁ n₂
1
EJEMPLO:
MARCA A MARCA B
nᵢ 10 8
Xᵢ 3.1 2.7
Sᵢ 0.5 0.7
Solución. Como las varianzas son iguales, calculamos S ² ₚ que está dado por
El intervalo de confianza del 95% está dado por (t (0.025, g.l.16) = 2.21):
X ₁− X ₂−t Sₚ
√ 1 1
1
n n
+ 2 ≤ µ ₁−µ ₂ ≤ X ₁−X ₂+ t Sₚ
n
1
₁
+
√n
1
₂
3.1−2.7−2.21(0.596)
√ 1 1
+ ≤ µ ₁−µ ₂≤ 3.1−2.7+2.21 ( 0.596 )
10 8
+
√
1 1
10 8
√ S ²₁ S ²₂
+
n ₁ n₂
c) El intervalo de confianza está dado por el siguiente teorema, basado en la
distribución t con n grados de libertad.
TEOREMA. Si X₁, X₂, S²₁, S²₂ son las medias y las varianzas de dos muestras
aleatorias de tamaños n₁, n₂, respectivamente, tomadas de dos poblaciones normales e
independientes con varianzas desconocidas y diferentes, entonces un intervalo de
confianza para la diferencia entre medias µ₁−µ ₂ es (nuevamente para el caso de
muestras pequeñas):
X ₁− X ₂−t
√ S ²₁ S ²₂
n
1
√
+ 2 ≤ µ ₁−µ ₂ ≤ X ₁−X ₂+ t
n
S ²₁ S ²₂
+
n₁ n₂
2 2
S ₁ S ₂
( + )
n₁ n₂
v=
[( ) ] [( ) ]
S2 ₁ S2 ₂
² ²
n₁ n₂
+
(n ₁−1) (n ₂−1)
El caso de que supongamos que las varianzas son iguales, siendo que no lo son,
nos produce un error mayor que puede ser considerable por lo que una sugerencia es
usar varianzas diferentes como regla general.
PROBLEMA:
n Media S
12 443.3 24.8
Cierto metal se produce, por lo común, mediante un
12 451.4 14.9
proceso estándar. Se desarrolla un nuevo proceso en el
que se añade una aleación a la producción del metal. Los
fabricantes se encuentran interesados en estimar la verdadera diferencia entre las
tensiones de ruptura de los metales producidos por los dos procesos. Para cada metal
se seleccionan 12 ejemplares y cada uno de estos se somete a una tensión hasta que
se rompe.
2 2
S ₁ S ₂
( + )
n₁ n₂
v= =18
[ ][ ]
( Sn ₁₁ ) ² + ( Sn ₂₂ ) ²
2 2
(n ₁−1) (n ₂−1)
95% de confianza
t ₁=2.10 ,t ₂=−2.10
X ₁− X ₂−t
√ S ²₁ S ²₂
n 1
+ 2 ≤ µ ₁−µ ₂ ≤ X ₁−X ₂+ t
n √S ²₁ S ²₂
+
n₁ n₂
Por lo tanto:
√ √
2 2
14.9 24.8 14.9² 24.8²
(451.4−443.3)−2.10 + ≤ µ₁−µ ₂ ≤(451.4−443.3)+2.10 +
12 12 12 12
t ₁=2.88 ,t ₂=−2.88
√ √
2 2
14.9 24.8 14.9² 24.8²
(451.4−443.3)−2.88 + ≤ µ₁−µ ₂ ≤(451.4−443.3)+2.88 +
12 12 12 12