DISTRIBUCIONES MUESTRALES

DISTRIBUCIÓN DE MEDIAS MUESTRALES

DISTRIBUCIÓN DE MEDIAS MUESTRALES
ESTADÍSTICA INFERENCIAL PARAMÉTRICA Y NO
PARAMÉTRICA
ESTADÍSTICA INFERENCIAL PARAMÉTRICA Y NO
PARAMÉRICA
Por otro lado, la Estadística No Paramétrica:
1. Está libre de curva, no necesita distribuirse como la curva normal
2. Se basa en frecuencias, porcentajes, modas y rangos
3. Su nivel de medición es ordinal o nominal
DISTRIBUCIÓN DE LA PROPORCIÓN MUESTRAL
Supongamos que queremos estudiar la proporción, p, con que se da una cierta
característica, A , en una población. Para ello procedemos estadísticamente y
realizamos una “MAS” de tamaño n.
Consideramos una variable aleatoria X → B(n; p), donde “p” es la proporción de
“éxitos” en la población
Para tamaños grandes de n, n > 30, la distribución Binomial se aproxima a una
distribución Normal :
DISTRIBUCIÓN DE LA PROPORCIÓN MUESTRAL
Ejemplo:
DISTRIBUCIÓN DE LA PROPORCIÓN MUESTRAL
Ejemplo:
Se quiere probar una terapia de grupo
para dejar de fumar. Para ello se toma
una m.a.s. de 50 fumadores. Se sabe que
las personas que llevan al menos 10 años
fumando tienen más dificultades para
dejar de fumar, y que el 38% de los
fumadores llevan al menos 10 años
fumando. Por ello, se decide separar unos
de otros si entre los fumadores elegidos
más de un 19% llevan más de 10 años
fumando. Obtener la probabilidad de
que se decida separarlos.
ESTIMACIÓN POR INTERVALOS DE CONFIANZA
El intervalo de confianza está determinado por dos valores dentro de los cuales
afirmamos que está el verdadero parámetro con cierta probabilidad. Son unos
límites o margen de variabilidad que damos al valor estimado, para poder afirmar,
bajo un criterio de probabilidad, que el verdadero valor no los rebasará. Es una
expresión del tipo [θ1, θ2] ó θ1 ≤ θ ≤ θ2, donde θ es el parámetro a estimar. Este
intervalo contiene al parámetro estimado con una determinada certeza o nivel de
confianza.
CONCEPTOS
Variabilidad del parámetro: Si no se conoce, puede obtenerse una aproximación en
los datos o en un estudio piloto. También hay métodos para calcular el tamaño de la
muestra que prescinden de este aspecto. Habitualmente se usa como medida de esta
variabilidad la desviación típica poblacional y se denota σ.
Error de la estimación: Es una medida de su precisión que se corresponde con la
amplitud del intervalo de confianza. Cuanta más precisión se desee en la estimación
de un parámetro, más estrecho deberá ser el intervalo de confianza y, por tanto,
menor el error, y más sujetos deberán incluirse en la muestra estudiada. Llamaremos
a esta precisión E, según la fórmula E = θ2 - θ1.
CONCEPTOS
Nivel de confianza: Es la probabilidad de que el verdadero valor del parámetro
estimado en la población se sitúe en el intervalo de confianza obtenido. El nivel de
confianza se denota por (1-α), aunque habitualmente suele expresarse con un
porcentaje ((1-α)·100%). Es habitual tomar como nivel de confianza un 95% o un
99%, que se corresponden con valores α de 0.05 y 0.01, respectivamente.
Valor α: También llamado nivel de significación. Es la probabilidad (en tanto por
uno) de fallar en nuestra estimación, esto es, la diferencia entre la certeza (1) y el
nivel de confianza (1-α). Por ejemplo, en una estimación con un nivel de confianza del
95%, el valor α es (100-95)/100 = 0.05
CONCEPTOS
Valor crítico: Se representa por Zα/2. Es el valor de la abscisa en una determinada
distribución que deja a su derecha un área igual a α/2, siendo 1-α el nivel de
confianza. Normalmente los valores críticos están tabulados o pueden calcularse en
función de la distribución de la población. Por ejemplo, para una distribución normal,
de media 0 y desviación típica 1, el valor crítico para α = 0.05 se calcularía del
siguiente modo: se busca en la tabla de la distribución ese valor (o el más
aproximado), bajo la columna "Área"; se observa que se corresponde con –0.64.
Entonces Zα/2 = 0.64. Si la media o desviación típica de la distribución normal no
coinciden con las de la tabla, se puede realizar el cambio de variable t=(X-μ)/σ
para su cálculo.
ESTIMACIÓN POR
INTERVALOS
Los intervalos de confianza pueden ser unilaterales
o bilaterales:
Llamamos nivel de significación al valor de α .
Representa la probabilidad de equivocarnos al
estimar que el parámetro se encuentra en ese
intervalo de confianza.
Si tras la extracción de una muestra se dice
que "3 es una estimación de la media con un
margen de error de 0.6 y un nivel de
confianza del 99%", podemos interpretar
que el verdadero valor de la media se
encuentra entre 2.7 y 3.3, con una
probabilidad del 99%.
Los valores 2.7 y 3.3 se obtienen restando y
sumando, respectivamente, la mitad del
error, para obtener el intervalo de confianza
según las definiciones dadas.
INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA
DISTRIBUCIÓN NORMAL CON DESVIACIÓN TÍPICA CONOCIDA
INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA
DISTRIBUCIÓN NORMAL CON DESVIACIÓN TÍPICA CONOCIDA
A la expresión se le denomina margen de error y se expresa en %

Tamaño de la muestra Para determinar el tamaño de la muestra, se puede fijar el

error máximo admisible y el nivel de confianza 1-α, a partir de esos datos podemos
despejar n en la fórmula anterior para calcular el tamaño mínimo que debe tener la
muestra para que se cumplan esas condiciones:
INTERVALOS DE CONFIANZA PARA LA MEDIA DE UNA DISTRIBUCIÓN
NORMAL CON DESVIACIÓN TÍPICA CONOCIDA

Ejemplo
Se desea estimar la media del tiempo empleado por un nadador en una prueba
olímpica. Para ello, se cronometran 10 pruebas, obteniéndose una media de 41.5
minutos. Sabiendo por otras pruebas que la desviación típica de esta variable para
este nadador es de 0.3 minutos
a) Obtener un intervalo en el que se encuentre la media del tiempo empleado por el
nadador con un nivel de confianza del 95%.
b) ¿Cuantas pruebas habría que cronometrar para que el margen de error en la
estimación de la media fuese inferior a tres segundos. (Suponemos que la variable
que mide el tiempo del nadador sigue una distribución normal.)