El promedio como variable

aleatoria: error estándar e

intervalo de confianza para la
media de la muestra

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 /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 (etc, etc,...).
 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: -1.96 z: + 0.1.96
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 conc. LH (ng/ml)

Intervalo de confianza para la concentración diurna de LH.

1.96 x 0.11 1.96 x 0.11

0.62 conc. LH (ng/ml)

 Intervalo de confianza de 95% para la media de la
concentración de LH en la población de referencia,
asumiendo que se conoce la varianza de la población:

0.62  0.22

0.22 0.22

0.40 0.62 0.84 conc. LH (ng/ml)