Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Intervalo de Confianza para La Media y Distribucion Z
Intervalo de Confianza para La Media y Distribucion Z
Mario Briones L.
MV, MSc
2005
Estimador puntual
El descriptor de tendencia central
que es la media aritmética o
promedio, ocupa una posición
puntual sobre la recta numérica
x
El promedio como variable
aleatoria
Si una muestra bien tomada sobre
una población dada ha generadoxun
promedio
Una segunda muestra generará
“probablemente” un promedio
nuevo, diferente del anterior
PREGUNTA: alguno de los promedios
es incorrecto?
El promedio como variable
aleatoria
Esto significa que cada vez que se
toma una muestra de tamaño n, el
promedio obtenido puede
considerarse como una observación
perteneciente a una población con
una distribución
Esta distribución tiene media y
varianza 2/n
El error estándar de la
media
La dispersión de la media muestreal para
un tamaño n, fluctua alrededor de con
una desviación estándar igual a s/n
Si la muestra es grande, la distribución de
la media muestreal será
aproximadamente normal, sin importar si
la población de origen de los datos no
tiene distribución normal.
Las probabilidades de la curva normal
aplicadas a la distribución del
promedio
Si la distribución de los promedios
sigue una curva normal, entonces
hay una probabilidad total de
ocurrencia de estos promedios, bajo
la curva normal
Las probabilidades de la curva normal
aplicadas a la distribución del
promedio
100% de probabi-
lidades de todos
los promedios
obtenidos con
muestras
de tamaño n
-3 -2 -1 x +1 +2 +3
Unidades de desviación
Unidades de error estándar
Si la distribución de los promedios sigue una curva
normal, entonces hay una probabilidad total de
ocurrencia de estos promedios, bajo la curva normal
100% de probabi-
lidades de todos
los promedios
obtenidos con
muestras
de tamaño n
-3 -2 -1 x +1 +2 +3
Unidades de desviación
Unidades de error estándar
En resumen:
El promedio de todos los posibles
promedios de infinidad de muestras de
tamaño n, cae exactamente sobre la
media poblacional .
Esto se debe a que la probabilidad de
cada promedio de caer por encima o
por debajo de es exactamente la
misma, aunque la distribución de la
variable original no sea normal y siempre
que el tamaño de la muestra sea grande.
Por lo tanto:
Utilizando las propiedades de la
distribución normal, se puede dar una
magnitud a la probabilidad de ocurrencia
de a partir del promedio calculado.
Primero que nada, esto significa que entre
menos una y más una unidad de error
estándar (cualquiera sea su magnitud) se
encuentra APROXIMADAMENTE, el 68%
de esas probabilidades.
Promedios y error estándar de peso de
terneros al nacimiento en 43 muestras de
tamaño 10 tomadas sobre un total de 530
pesos (con promedio 38.9)
47.0
45.0
Peso al nacimiento (Kg)
43.0
41.0
39.0
37.0
35.0
33.0
19
34
1
10
13
16
22
25
28
31
37
40
43
Muestra
Histograma de frecuencia de los 43
promedios obtenidos con muestras de
tamaño 10
18
16
14
Frecuencia
12
10
8
6
4
2
0
34.8 36.2 37.6 39 40.4 41.8 y
mayor...
Clase
Promedios y error estándar de peso de
terneros al nacimiento en 43 muestras de
tamaño 40 tomadas sobre un total de 530
pesos (con promedio 38.9)
43.0
42.0
Peso al nacimiento (kgs)
41.0
40.0
39.0
38.0
37.0
36.0
19
28
1
10
13
16
22
25
31
34
37
40
43
Muestras
Histograma de frecuencia de los 43
promedios obtenidos con muestras de
tamaño 40
14
12
10
Frecuencia
0
37.6 38.1 38.7 39.3 39.8 40.4 y
mayor...
Clase
68%
-3 -2 -1 x +1 +2 +3
Probabilidades de 95 y 99%
Si queremos cubrir, a partir de
nuestro estimador de la media, un
95% de las probabilidades de incluir,
con el mismo tamaño de muestra, la
media real de la población, tenemos
que dividir en dos un área igual a
0.95. Esto da 0.475.
La probabilidad de la media poblacional es
simétrica alrededor de la media de la
muestra
? ? ? ? ? ?
x
Límites de la curva normal para dejar sólo un
5% de probabilidad de error de no cubrir con
el intervalo de confianza a la media
poblacional
5%
95%
2.5% 2.5%
z: -0.475 z: + 0.475
Probabilidades de 95 y 99%
El valor de z que deja hacia entre
cero y z un 0.475 de las
probabilidades es 1.96. Esto
significa que ± 1.96 unidades de
error estándar a partir del
promedio, se ubica ese 95% de
probabilidades.
El valor respectivo para 99% de
confianza es de 2.58.
Promedios e intervalos de confiaza de 95%
para la media de la población, con muestras
de tamaño 40
44.0
Peso de nacimiento (kgs)
43.0
42.0
41.0
40.0
39.0
38.0
37.0
36.0
35.0
13
17
21
25
29
33
37
41
1
muestras
Estimación de intervalo: el
error estándar de la media
Para conocer cuanta es la distancia hacia
arriba o hacia debajo de la media,
expresada en las unidades de medición de
la variable, sólo es necesario multiplicar el
error estándar (que está expresado en
unidades de la variable) por el valor de z
que define la probabilidad (ZP). La siguiente
expresión se aplica CUANDO DE CONOCE
LA VARIANZA DE LA POBLACION:
x zP x /n
EJEMPLO: Los datos siguientes corresponden a los niveles
de Hormona Luteinizante (LH) en nanogramos por ml de
suero de 5 ovejas administradas con Naloxona a las 20
semanas de edad, durante la noche y el día
diurno nocturno
0.72 0.68
0.51 0.48
1.01 0.72
0.49 0.40
0.37 0.41
promedio 0.62 promedio 0.538
desv. est. 0.25 desv. est. 0.15
error est. 0.11 error est. 0.07
Intervalo de confianza para la concentración diurna de LH.
1.96(/n) 1.96(/n)
0.62 0.22
0.22 0.22
Distribución t
Distribución para 200, 50
normal y 10 grados
de libertad
Relación entre la estadística
y la cerveza...¿!?
William Sealy Gosset fue el hijo mayor del coronel
Frederic Gosset, R.E. Nació en Canterbury en el año
de 1876 y falleció el 16 de octubre de 1937.
Se educó en Winchester, en donde más tarde fue
profesor, y en el New College de Oxford en donde
estudió química y matemáticas.
En 1899 se inició en trabajos en el departamento de
fermentación de la compañía cervecera de los
Sres. Guinness en Dublin. No se sabe con exactitud
en qué momento empezó a interesarse Gosset en la
estadística, sin embargo en ese época se empezaron a
usar métodos científicos y determinaciones de
laboratorio para técnicas de fermentación, por lo que
es muy posible que siendo Gosset el de mayor
inclinación matemática del departamento de
fermentación recibiera las preguntas que le hacían
sus colegas sobre los métodos estadísticos en uso y
sobre la masa de datos que se colectaban
Su principal herramienta y con la que inició sus estudios
fueron los libros "Teoría de errores de observaciones" de
G.B.Airy y "El método de mínimos cuadrados" de
M. Merriman. Se sabe que ya en 1903 él calculaba el
error probable. Las circunstancias en las que se llevan a
cabo los procesos de fermentación en la producción de
cerveza, con materiales variables, susceptibilidad a
cambio de temperaturas y necesariamente series
pequeñas de experimentos, son tales que pronto
demostraron a Gosset las limitaciones de la teoría de
muestras grandes y le enfatizaron la necesidad de un
método correcto para el tratamiento de muestras
pequeñas. No fue entonces un accidente, sino más bien
las circunstancias de su trabajo, las que dirigieron a
Gosset hacia este problema, y lo condujeron al
descubrimiento de la distribución de la desviación estándar
muestral, lo cual dio origen a lo que en su forma moderna
se conoce como la prueba t.
Debido a que los
administradores de
la empresa Guiness
no autorizaron al
Mr. Gosset a
publicar los
trabajos, él utilizó el
seudónimo Student.
Distribución de t de Student
Si se observa la tabla de t, se puede
notar que cuando el tamaño de la
muestra es infinito, la probabilidad
es igual que en la tabla de
distribución normal, por ejemplo,
1.96 para la probabilidad de 95%.
Distribución de t de student
INTERVALO DE CONFIANZA PARA
LA MEDIA CUANDO NO SE CONOCE
LA VARIANZA.
diurno nocturno
0.72 0.68
0.51 0.48
1.01 0.72
0.49 0.40
0.37 0.41
promedio 0.62 promedio 0.538
desv. est. 0.25 desv. est. 0.15
error est. 0.11 error est. 0.07
Intervalo de confianza para la concentración diurna de LH.
2.78(s/n) 2.78(s/n)
0.62 0.31
0.31 0.31
x zP x /n
x tP-Gl x s/n
DETERMINACION DEL TAMAÑO DE
LA MUESTRA NECESARIO PARA
DESCRIBIR APROPIADAMENTE UNA
POBLACION
x zP x /n
Al querer determinar a priori un tamaño de
muestra para un error predeterminado,
n= 4s2/L2
n= 6.6s2/L2
Ejemplo: asumiendo que la desviación estándar de la población de
los valores de LH diurna después de la inyección de naloxona
es igual a 0.25, los tamaños apropiados de muestra para
diferentes magnitudes de error (con 95% de confianza)
son los siguientes:
Error n
± 0.10 4 x (0.25)2/(0.10)2= 25
± 0.15 4 x (0.25)2/(0.15)2= 11