FACED-MADE

Métodos Cuantitativos 2

SEMANA No.7
Repaso e Intervalos
de Confianza

En la actualidad la estadística está considerada como la teoría de la información, no

solo como función descriptiva, sino con el objeto básico de hacer estimaciones acerca de los
valores estadísticos de la población o en la comprobación de hipótesis de las características
investigadas.

De esto podemos indicar que la estadística cubre dos aspectos de gran importancia:
En la Estadística Descriptiva a través de la recolección, clasificación, presentación, ya
sea en forma de cuadros o gráficos, la aplicación de medidas como promedios,
desviaciones, etc., y la interpretación y análisis de datos a fin de obtener conclusiones para
tomar decisiones. Se realiza un proceso deductivo de lo general a lo particular.

El segundo aspecto es la Estadístistica Inferencial o Método Inductivo, el cual

mediante investigaciones por muestreo, logra obtener resultados considerados como
estimadores de los parámetros poblaciones.

Por lo que entonces se podría afirmar categóricamente que la tarea más importante
de la estadística es la realización de inferencias acerca de una población objetivo con base
en los resultados obtenidos a través de una muestra.

1. Una Población es el conjunto de todos los elementos de interés en un estudio. Por

ejemplo, la población de las tallas de los varones adultos residentes en la ciudad de
Guatemala en un momento determinado o la población de sucesos muerte o
supervivencia) en todos los pacientes que sufren una enfermedad específica durante
cierto período.

2. Una Muestra es un subconjunto de la población, por lo general de número

proporcionalmente pequeño, seleccionado de forma que sea representativo, hasta cierto
límite, de la población. El ejemplo más conocido de una encuesta por muestreo es tal
vez el sondeo de opinión pública, en el que se entrevista a una pequeña proporción de
la población para un objetivo concreto. En muchas encuestas por muestreo se estudian
aspectos de Contabilidad y Finanzas.

MUESTREO ALEATORIO.- Realizado bajo ciertas condiciones y sometido a ciertos requisitos,

se constituye en un procedimiento práctico, económico y rápido para generalizar
conclusiones obtenidas a través de una muestra, aplicables a toda la población de la que
forma parte, dentro de ciertos límites de confiabilidad, establecidas de antemano.

DEFINICIÓN
Si se extrae una muestra de tamaño n de una población de tamaño N, de tal manera que
toda muestra posible de tamaño n tenga la misma probabilidad de ser seleccionada, la
muestra recibe el nombre de muestra aleatoria simple.

1
FACED-MADE
Métodos Cuantitativos 2

DISTRIBUCIONES MUESTRALES
Corresponde a una distribución de todas las muestras que pueden ser escogidas conforme a
un esquema de muestreo especificado; en general se refiere a un esquema de muestreo
que implique selección al azar y a una función de un número fijo de variables aleatorias
independientes.

ESTIMACIÓN PUNTUAL
Un estimado puntual es un sólo valor numérico basado en datos de una muestra aleatoria
que se utiliza para estimar el valor de un parámetro poblacional.

La Media µ y la Desviación estándar σ de una población

son parámetros, en cambio la media X y la desviación
estándar S de una muestra son valores estadísticos.

CUADRO Nº 01: ESTIMADORES PUNTUALES UTILIZADOS

CON FRECUENCIA.
PARÁMETRO DE LA POBLACIÓN ESTIMADOR
Media Aritmética : µ X
Diferencia de Medias : µ1 − µ2 X1 − X2
Proporción : P p
Diferencia de Proporciones : P1 − P2 ρ1 − ρ 2

Varianza : σ2 S2
Desviación Estándar : σ S
Tamaño :N n
µx = Media de todas las medias muestrales
σx = Desviación estándar de todas las medias muestrales
Μ = Número de Muestras Posibles
⎛M⎞ Μ!
Μ = ⎜⎜ ⎟⎟ = Cuando la Muestra se hace sin reposición.
n
⎝ ⎠ n! (Μ − n ) !
Μ = Μn = Cuando se hace la selección con reposición.

TEOREMA: Dada una población, si extraemos todas las muestras posibles de un mismo
tamaño, entonces la media de la distribución de todas las medidas muestreadas posibles
será igual a la media Poblacional y la varianza de todas las medias muéstrales es igual
a la varianza de la población dividida por el tamaño Muestral.

2
FACED-MADE
Métodos Cuantitativos 2

x
()
µ =E X =µ Usar esta ecuación siempre que:

2 σ2 σ
σ = ⇒ σ = 1) La población sea infinita, o bien
X n X n
2) La población sea finita y también n/N
≤ 0.05

Si no se conoce la desviación estándar de la población, puede estimarse el error estándar de

la medias utilizando la desviación estándar muestral, como estimador de la desviación
estándar de la población.

S2 S
S2 = ⇒ S =
X n X n

EJEMPLO: Un auditor en el hospital Carrión toma una muestra aleatoria de tamaño n = 16 de un

conjunto de N = 100 cuentas por cobrar. No se conoce la desviación estándar de los montos de
las cuentas por cobrar para el total de las 100 cuentas. Sin embargo, la desviación estándar de la
muestra es S = $ 57 dólares.
Determinar el valor del error estándar para la distribución Muestral de la
media.

Datos: n 16
= = 0,16
N 100
N = 100
n no es menor que 0,05 N es decir:
n = 16 16 > 0,05 (100) esto implica que para calcular
S=$ 57 SX se tiene que utilizar el factor de corrección
SX = ? para poblaciones finitas.

S N−n 57 100 − 16 57 84
SX = = =
n N −1 16 100 − 1 4 99

SX = 14,25 0,8484 = 14,25(0,9211) ⇒ SX = 13,13 dólares

El error estándar de la media ofrece la base principal para la inferencia estadística con
respecto a la media de una población desconocida. Un teorema de la estadística que
conduce a la utilidad del error estándar de la media es: El Teorema del Límite Central.

3
FACED-MADE
Métodos Cuantitativos 2

TEOREMA DEL LIMITE CENTRAL.- Al seleccionar muestras aleatorias

simples de tamaño n de una población, la distribución muestral de la media de
la muestra x se puede aproximar a la forma de una DISTRIBUCIÓN
NORMAL DE PROBABILIDADES, cuando el tamaño de la muestra es
grande, n ≥ 30 , entonces:
X−µ
Z= X = X−µ = X−µ
σ
X
σ2 n σ n

EJEMPLO 1: Un auditor toma una muestra aleatoria de tamaño 36 de una población de

1000 cuentas por cobrar, el valor promedio de las cuentas por cobrar de la
población es µ = $2 600 con una desviación estándar poblacional de
σ = $450 , ¿Cuál es la probabilidad de que la media muestral sea inferior a $
2500 dólares?
SOLUCIÓN:
E(x ) = µ = $2 600 σ = $450
σ 450 450
σX = = = = 75
n 36 6
Como n < 0,05 N; no se necesita el factor de corrección
x − µ 2500 − 2600
z= = = − 1.33
σ/ n 75

P⎛⎜ x < 2500 / µ = 2600, σ = 75 ⎞⎟ = P(Z ≤ −1,33 )

⎝ X ⎠

P(Z ≤ −1,33) = 0,5000 - 0,4082 = 0,0918

0,05

0,4082

X
250 260
0 0 Z
-1,33 0

4
FACED-MADE
Métodos Cuantitativos 2

EJEMPLO 2: En una población grande de seres humanos, los ingresos económicos

sigue una distribución aproximadamente normal con una media de 185.6 dólares y una
desviación estándar de 12.7 dólares. ¿Cuál es la probabilidad de que una muestra
aleatoria de tamaño 10 de esta población tenga un promedio de ingresos
mayor que 190 dólares?
SOLUCIÓN:
µ = $ 185.8
σ = $ 12.7
x − u 190 − 185.6
Z= =
∂/ n 4.0161
4.4
Z= = 1.09
4.0161
190 − 185.6
p( x > 190) = P( Z > )
4.0161
4 .4
= P( Z > ) = P ( Z > 1.09)
4.0161
= 0.5 − A(1.09)

= 0.5 - 0.36214 = 0.13786

0,05

0.3621
4

185.6 190
Z
0 1.0
9

5
FACED-MADE
Métodos Cuantitativos 2

INTERVALOS DE CONFIANZA PARA LA MEDIA

σ σ
1) X - Zσ X ≤ µ ≤ X + Zσ X ó X- Z ≤µ≤ X+Z
n n
S S
2) X - ZS X ≤ µ ≤ X + ZS X ó X- Z ≤µ≤ X+Z
n n

Los intervalos de confianza más utilizados son de 90%, 95% y 99%

EJEMPLO: En una semana determinada, se elige al azar una Muestra de 300 pacientes
de un número muy grande de ellos que asisten al hospital Daniel Alcides
Carrión. Los pacientes realizan un pago por admisión y se encuentran que el
promedio de pago es de X = S/. 1800 con una desviación estándar muestral
de S = S/. 140.
Hallar el pago promedio por admisión para todos los pacientes con
una estimación por intervalo que permita tener una confianza del
95% de que en ese intervalo incluya el valor de la media Poblacional.
SOLUCIÓN
n = 300 ⎛ 140 ⎞ ⎛ 140 ⎞
1800 −1,96⎜ ⎟ ≤ µ ≤ 1800 + 1,96⎜ ⎟
⎝ 300 ⎠ ⎝ 300 ⎠
x = S/.1800
1800 −1,96(8,0829) ≤ µ≤ 1800 +1,96(8,0829)
S = S/. 140
con 95% Z = 1,96 S/. 1784,16 ≤ µ ≤ S/. 1815,84