ESTADISTICA I

Unidad V
ESTADÍSTICA INFERENCIAL
Tema: Intervalo de confianza para la media con
muestras pequeñas

Semana 14
 Introducción
Los métodos descritos en la clase anterior con el fin de calcular intervalos de
confianza para la media de una población requieren que el tamaño muestral sea
grande. Cuando éste es pequeño, no hay ningún buen método general para
encontrar intervalos de confianza.
Sin embargo, cuando la población es aproximadamente normal, se puede utilizar
una distribución de probabilidad denominada 𝑡 de Student para calcular los
intervalos de confianza para una media poblacional.
 Distribución t de Student
La distribución t de Student fue descubierta en 1908 por
William Sealy Gossett, un estadístico que trabajó en la
cervecera Guinness, en Dublín, Irlanda. La dirección de
Guinness consideró que el descubrimiento era información
privada y prohibió a Gossett que lo publicara. Aún así, él lo
publicó, usando el seudónimo “Estudiante”.
La distribución t de Student con r grados de libertad es una
distribución simétrica en forma de campana parecida a la
normal. Esta distribución es caracterizada por la función
densidad:
𝑟+1
Γ 1 1
𝑓 𝑡 = 2 , 𝑡∈ℝ
𝑟 𝑟𝜋 (𝑟+1)/2
Γ 𝑡 2
2 1+
𝑟
 Gráfica de la densidad t de Student

Gráficas de la función de
densidad de probabilidad de la
curva t de Student para
diferentes grados de libertad. La
curva normal con media cero y
varianza 1 (curva z) es graficada
para comparar. Las curvas t están
más extendidas que la normal,
pero la cantidad de extensión
adicional disminuye conforme se
aumenta el número de grados de
libertad.
 Distribución muestral de la media para muestras
pequeñas

Sea 𝑋1 , 𝑋2 , … , 𝑋𝑛 una muestra pequeña (por ejemplo 𝑛 < 30) de una población
normal con media 𝜇. Entonces la cantidad
𝑋ത − 𝜇
𝑆/ 𝑛
tiene una distribución 𝑡 de Student con 𝑛 − 1 grados de libertad, denotada por 𝑡𝑛−1 .
Cuando 𝑛 es grande, la distribución de la cantidad 𝑋ത − 𝜇 / 𝑆/ 𝑛 es muy cercana a
la curva normal, de esta forma la curva normal puede usarse en lugar de la 𝑡 de
Student.
 Intervalo de confianza para la media poblacional con
muestras pequeñas
Sea 𝑋1 , 𝑋2 , … , 𝑋𝑛 una muestra aleatoria pequeña de una población normal con media 𝜇.
Entonces un intervalo de confianza de nivel 100 1 − 𝛼 % para 𝜇 es
𝑆
𝜇 = 𝑋ത ± 𝑡(1−𝛼,𝑛−1)
2 𝑛
O en la notación de intervalo cerrado
𝑆 𝑆
ത
𝐼𝐶 𝜇, 1 − 𝛼 = 𝑋 − 𝑡 1−𝛼,𝑛−1 ത
; 𝑋 + 𝑡(1−𝛼,𝑛−1)
2 𝑛 2 𝑛
 No use la estadística 𝑡 de Student si la muestra
contiene datos atípicos

La distribución 𝑡 de Student es adecuada siempre que la muestra provenga de una

población que es más o menos normal. A veces se sabe por experiencia si un proceso
genera datos con una distribución aproximada. Sin embargo, en muchos casos, se debe
decidir si una población es aproximadamente normal examinando la muestra. Una manera
razonable de proceder es construir un diagrama de caja. Si este diagrama no revela una
asimetría fuerte o algún dato atípico, entonces en la mayor parte de los casos la
distribución 𝑡 de Student será confiable.

Cuando la población es aproximadamente normal y la varianza poblacional 𝜎 2 es conocida

no se usa la curva t de Student, por que no se está aproximando a 𝜎 con 𝑆. En su lugar, se
utiliza la tabla z. En este caso el intervalo es
𝜎
ത
𝜇 = 𝑋 ± 𝑍1−𝛼/2
𝑛
 EJEMPLO 1
El artículo “Direct Strut-and-Tie Model for Prestressed Deep Beams” (K. Tan, K. Tong y C. Tang, en Journal of
Structural Engineering, 2001:1076-1084) presenta mediciones de la fuerza nominal de corte (en kN) para una
muestra de 15 vigas de concreto. Los resultados son
580 400 428 825 850 875 920 550

575 750 636 360 590 735 950

¿Es adecuado utilizar la estadística 𝑡 de Student para construir un intervalo de confianza de 99% para la
media de la fuerza de corte? Si es así, construya el intervalo de confianza. Si no, explique por qué.
Solución:
 EJEMPLO 2
El artículo “Direct Strut-and-Tie Model for Prestressed Deep Beams” (K. Tan, K. Tong y C. Tang, en Journal of
Structural Engineering, 2001:1076-1084) , la fuerza comprensiva cilíndrica (en Mpa) fue medida para 11 vigas.
Los resultados fueron
38.43 38.43 38.39 38.83 38.45 38.35 38.43 38.31 38.32 38.48 38.50

¿Es adecuado utilizar la estadística 𝑡 de Student para construir un intervalo de confianza de 95% para la
media de la fuerza comprensiva cilíndrica? Si es así, construya el intervalo de confianza. Si no, explique por
qué.
Solución:
 EJEMPLO 3
El artículo “Ozone for Removal of Acute Toxicity from Logyard Run-off” (M.
Zenaitis y S. Duff, en Ozone Science and Engineering, 2002:83-90) presenta
análisis químicos del agua que escurre de aserraderos en la Columbia
Británica. Incluye seis mediciones de pH para seis muestras de agua: 5.9,
5.0, 6.5, 5.6, 5.9, 6.5. Suponiendo que éstas sean una muestra aleatoria de
las muestras de agua de una población aproximadamente normal,
encuentre un intervalo de confianza de 95% para la media del pH.
Solución:
 EJEMPLO 4
Una química hizo ocho mediciones independientes del punto de fusión del
tungsteno. Obtuvo una media muestral de 3410.14°C y una desviación estándar
muestral de 1.018°C.
a) Determine un intervalo de confianza de 98% para el punto de fusión del
tungsteno.
b) Si las ocho mediciones hubieran sido 3409.76, 3409.80, 3412.66, 3409.79,
3409.76, 3409.77, 3409.80 y 3409.78 ¿sería válido el intervalo de confianza
que se encuentra en el inciso a)? Explique.
Solución:
 Conclusión
• Si la muestra es grande 𝑛 ≥ 30, y la varianza poblacional 𝜎 2 es conocida entonces
𝜎
ത
𝜇 = 𝑋 ± 𝑍1−𝛼/2
𝑛
• Si la muestra es grande 𝑛 ≥ 30, y la varianza poblacional 𝜎 2 es desconocida entonces
𝑆
ത
𝜇 = 𝑋 ± 𝑍1−𝛼/2
𝑛
• Si la muestra es pequeña 𝑛 < 30, y la población es aproximadamente normal con varianza
poblacional 𝜎 2 conocida entonces
𝜎
𝜇 = 𝑋ത ± 𝑍1−𝛼/2
𝑛
• Si la muestra es pequeña 𝑛 < 30, y la población es aproximadamente normal con varianza
poblacional 𝜎 2 desconocida entonces
𝑆
ത
𝜇 = 𝑋 ± 𝑡(1−𝛼,𝑛−1)
2 𝑛
• Si la muestra es pequeña 𝑛 < 30 y no sabemos nada de la población, peor aún, la muestra presenta
datos atípicos, entonces no tenemos manera de conseguir un interval de confianza, a menos que
descubramos la distribución de la población.
Bibliografía