Estimación del tamaño muestral por intervalos

de confianza
• La estimación por intervalos es obtener
intervalos estrechos con alta confiabilidad.
• El intervalo de confianza: esta determinado:
1) 𝑍:𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑
𝜎
2) : 𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟
ξ𝑛
𝜎
±𝑍× : 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎
ξ𝑛
• Margen de error se define como:
𝜎𝑥ҧ
𝑑=𝑍×
ξ𝑛
• ¿Cómo obtenemos a) intervalos estrechos
y b) alta confiabilidad?
1. Fijando Z, es un valor constante, y
2. Aumentando el tamaño, n, de la
muestra, pues σ es una constante.
¿Qué tan grande debe ser la muestra?
• Depende:
 Desviación estándar (σ)

 Grado de confiabilidad (Z)

 Dimensión del margen de error

𝜎
𝑑=𝑍×
ξ𝑛
 𝜎𝑥ҧ
𝐼.𝐶.=95%=𝑥ҧ± 1,96
ξ𝑛
𝜎𝑥ҧ
𝐼.𝐶.= 95% = 𝑥ҧ±𝑍𝛼95%
ξ𝑛
INTERVALO DE CONFIANZA AL 95%


𝜎𝑥ҧ Distancia de 95% de la curva normal 𝜎𝑥ҧ
𝑥ҧ− 1,96 𝜎𝑥ҧ
𝑥ҧ+ 1,96
ξ𝑛 𝑑=𝑍𝛼95% ξ𝑛
ξ𝑛
MARGEN DE ERROR
• Si el muestreo es
• a) con reemplazamiento y/o b) la población
infinita o c) una suficientemente grande como
para ignorar la corrección por población finita:
22
𝜎 𝑍𝜎
𝑑=𝑍× 𝑛= 2
ξ𝑛 𝑑
• Cuando el muestreo es sin reemplazos y una
población finita y pequeña, hay una corrección.

𝜎 𝑁−𝑛 𝑁𝑍2𝜎2
𝑑=𝑍× ඨ 𝑛= 2 2 2
ξ 𝑛 𝑁−1 𝑑 ሺ𝑁−1ሻ+𝑍 𝜎
 TAMAÑO MUESTRAL DE PROPORCIONES
• La muestra es aleatoria y la distribución de p sea normal (+/-
normal.)
• Si el muestreo es con a) reemplazo, b) población infinita o c) grande
que es innecesario el uso de la corrección por población finita:
• La fórmula n es:
2
𝑍 𝑝𝑞
𝑛= 2
𝑑
• Si la corrección por población finita no puede descartarse, la
fórmula adecuada para n es:
𝑁𝑍2𝑝𝑞
𝑛= 2 2
𝑑 ሺ𝑁−1ሻ+𝑍 𝑝𝑞
 Ejemplo 1
 Un nutricionista del departamento de
salud, desea efectuar una encuesta
entre de población de jovenes
adolescentes con el fin de determinar
la ingestión diaria promedio de
proteínas (medidas en gramos, g).
 Busca el consejo de un estadístico con
respecto al tamaño de la muestra que
debería tomar.
 • ¿Qué procedimiento debe seguir el estadístico para

asesorar al nutricionista?

 Debe proporcionar tres elementos de información:

1. la dimensión deseada del intervalo de confianza

2. el nivel de confianza deseado y

3. la magnitud de la varianza de la población.

 Solución
1. Suponga que el nutricionista requiere un intervalo
con una dimensión de aproximadamente 10
gramos:
2. La estimación se deberá encontrar a 5 g de  ().
3. Se desea un margen de error de 5 gramos (±5).
4. Se decide por un coeficiente de confianza de 0,95.
5. Por experiencia previa la desviación estándar de la
población es de 20 g.
 Datos: d = 5, Z = (0,95 = 1,96) y σ = 20
• El siguiente diagrama muestra los datos
 INTERVALO DE CONFIANZA
𝑆
2𝑍
ξ𝑛

𝑆 20 𝑆
𝑥ҧ+ 𝑍 𝑥ҧ 5 1,96 𝑥ҧ− 𝑍
ξ𝑛 ξ𝑛
𝑍𝑑=𝑍2𝑆2𝑆
𝑛= 2ξ 𝑛
𝑑
MARGEN DE ERROR
1,962202
𝑛= 2 =61,47
5
𝑛 = 62
 Ejemplo 2
• Se debe realizarse un estudio para estimar el peso medio en
el momento del nacimiento de niños cuyas madres son
adictas a la cocaína. Sabiendo que el peso mínimo es 906 g y
el máximo es de 5436 g.
• ¿Qué tamaño debe tener la muestra para estimar esta media
con un margen de error 227 g, con una confianza del 95 %?
• La frase «con un margen de error 227 g» significa que la
diferencia entre la media estimada de  y la media
verdadera de μ es, como máximo, de 227 por arriba de la
media poblacional y por debajo; es decir ±227 g.
• Dado que μ debería pertenecer al intervalo de confianza,
estaría dentro de un intervalo es de una longitud de 454 g.
• Esta situación se ilustra en la siguiente figura.
 𝑍𝑆 𝑍 2 𝑆 2
𝑑 = 𝑛= 2
ξ𝑛 𝑑

𝑑=227

𝑥ҧ− 227 𝑥ҧ 𝑥ҧ+ 227

454
 𝑍2 𝑆 2 (1,96)2𝑆2
𝑛= 2 𝑛= 2
(2 7) ( 2 7)
 ¿Cuánto vale S2?
 Hay varias formas de responder a esta pregunta.
1. Utilizando el estimador de un estudio anterior.
2. Efectuando un pequeño estudio preliminar y utilizar el
valor de S2 hallado para planificar el experimento
mayor.
3. La ley de probabilidad normal garantiza que  estará
el 95 % de las veces dentro de 2 veces la desviación
típica, S, de su . Por lo tanto, el rango de  es
aproximadamente de 4 veces la S. Podemos utilizar el
rango dividido por 4 para aproximar S.
 (1,96)2(1132,5)2
𝑛= 2
=96
(227)

• En base al punto 3, podemos obtener el valor de S,

dividiendo el rango, r =5436-906 = 4530, de pesos
en el momento del nacimiento de estos niños entre
4. S =4530/4 = 1132,5.
 Ejemplo: proporción
• Se planea realizar una encuesta para determinar qué
proporción de familias en cierta área carece de servicios
médicos.
• Se cree que la proporción no puede ser mayor que 0,35.
• Se desea un intervalo de confianza de 95%
• Con d = 0,05.
• ¿De qué tamaño se debe seleccionar la muestra de
familias?
• Solución: Si se omite la corrección por población finita,
se tiene:
 𝑍2𝑝𝑞 ሺ1,96ሻ2ሺ0,35ሻሺ0,65ሻ
𝑛= 2 = 2
= 349,6
𝑑 0,05

𝑛=350
 Tamaño para contrastar medias
• Un investigador está estudiando un fármaco que se utilizará
para reducir el nivel de colesterol en varones adultos de 30 años
o más.
• La variable aleatoria considerada es el cambio en el nivel de
colesterol antes y después de utilizar el fármaco restando según
el orden de lectura, haciendo «antes» menos «después».
• Si el fármaco es eficaz, la diferencia media de las lecturas
deberá ser positiva.
• La hipótesis a comprobar es
H0:  ≤ 0 (el fármaco no es efectivo)
H1:   0 (el fármaco es efectivo en la reducción del nivel de colesterol)
• ¿Qué tamaño deberá tener la muestra a utilizar para realizar el
contraste?
 Error alfa y beta ( y )
1. En el contraste de hipótesis son posibles dos errores.
2. Podríamos rechazar H0 cuando H0 es verdadera, cometiendo así un error de tipo I o
error .
3. En nuestro ejemplo, comercializaríamos un fármaco no eficaz. La probabilidad de
cometer este error puede controlarse acordando prefijar  en algún valor
aceptablemente bajo.
4. Se produce un error de tipo II o error  cuando no rechazamos H0 aunque sepamos que
la hipótesis del investigador es verdadera. En nuestro ejemplo, un error de tipo II no nos
permite reconocer la eficacia del fármaco que se está estudiando.
5. Es evidente que en cualquier contraste de hipótesis, idealmente, ß debería ser
pequeño.
6. Si nuestra teoría de investigación es correcta, queremos saberlo. La probabilidad de que
seamos capaces de detectar una teoría de investigación verdadera se denomina
potencia.
7. Puesto que la potencia es la probabilidad de que podamos comprobar nuestra
investigación cuando tenemos razón, los experimentos se diseñarán de forma que la
potencia sea alta (P>80%.)
8. Para el cálculo, Potencia = 1 - ß. Estas probabilidades se visualizan en la tabla siguiente.
 DECISIONES
ESTADO REAL
Decisión H0 cierta H1 cierta
Error de tipo I Decisión correcta
Rechazar H0 (probabilidad (probabilidad =
= a) Potencia =1- ß)
Decisión Error de tipo II
Aceptar H0
correcta (probabilidad = ß)
No es posible obtener algo por nada
• No es posible obtener algo por nada, incluso en
un diseño estadístico.
• Si  está prefijada en un valor extremadamente
pequeño para minimizar la probabilidad de
cometer un error de tipo I, se paga un precio.
• Alfa y Beta están relacionadas entre sí, de forma
que cuando  disminuye, ß aumenta.
• Esto, a su vez, implica que disminuye la potencia.
• Para mejorar la potencia, debe ajustarse el
tamaño de la muestra elegida de acuerdo con el
nivel elegido.
 𝐻1
𝐻0

P = 1-

 
 𝐻1
𝐻0

P = 1-

 
 1 ≠ 0
1. Supongamos que la H0 es incorrecta y 1 ≠ 0.
2. El sentido común indica que es más fácil detectar
una gran diferencia entre μ0 y μ1, que una muy
pequeña.
3. En nuestro ejemplo es más fácil detectar un cambio
medio en el nivel de colesterol de 20 mg/dL que
detectar un cambio de 1 mg/dL.
4. Un experimento diseñado para detectar grandes
diferencias no requerirá una muestra tan grande
como otro diseñado para detectar pequeñas
diferencias.
La variabilidad desempeña un papel importante
1. La variabilidad también desempeña un papel
importante en la elección del tamaño de la
muestra.
2. Es más fácil extraer conclusiones precisas en
relación con las poblaciones estables, que
hacerlo con poblaciones que presentan un
alto grado de variabilidad.
3. Los tamaños de las muestras pueden ser más
pequeños en el primer caso que en el
segundo.
 Considerar tres cosas
• Para elegir un tamaño de muestra apropiada
el investigador/a debe considerar tres cosas.
1. El tamaño deseado del contraste, .
2. La magnitud que se considera importante de
la diferencia entre μ0 y μ1.

3. La varianza de la población muestreada.

 Tablas
1. Se han construido tablas para determinar el tamaño
de muestra adecuado para elegir entre μ0 y algún
valor μ1 alternativo.
2. La siguiente tabla es una de estas tablas.
3. Para utilizarla, debe especificar μ1 el valor alternativo
de μ que reviste importancia práctica.
4. También debe especificar  y β, fijando así la
potencia deseada.
5. Además, debe obtenerse un estimador de la
desviación típica de la población.
6. El ejemplo siguiente ilustra el uso de la Tabla.
 Nivel del contraste
Contraste
de una cola a= 0,005 a= 0,01 a= 0,025 a= 0,05
Contraste
de dos a = 0,001 a= 0,02 a= 0,05 a = 0,1

b = 0,01 0,05 0,1 0,2 0,5 0,01 0,05 0,1 0,2 0,5 0,01 0,05 0,1 0,2 0,5 0,01 0,05 0,1 0,2 0,5
0,05 0,05
0,10 0,10
0,15 122 0,15
0,20 139 99 70 0,20
0,25 110 90 128 64 139 101 45 0,25
0,30 134 78 115 63 119 90 45 122 97 71 32 0,30
0,35 125 99 58 109 85 47 109 88 67 34 90 72 52 24 0,35
0,40 115 97 77 45 101 85 66 37 117 84 68 51 26 101 70 55 40 19 0,40
0,45 92 77 62 37 110 81 68 53 30 93 67 54 41 21 80 55 44 33 15 0,45
0,50 100 75 63 51 30 90 66 55 43 25 76 54 44 34 18 65 45 36 27 13 0,50
0,55 83 63 53 42 26 75 55 46 36 21 63 45 37 28 15 54 38 30 22 11 0,55
0,60 71 53 45 36 22 63 47 39 31 18 53 38 32 24 13 46 32 26 19 9 0,60
𝜇1 −𝜇0 0,65 61 46 39 31 20 55 41 34 27 16 46 33 27 21 12 39 28 22 17 8 0,65
∆= 0,70 53 40 34 28 17 47 35 30 24 14 40 29 24 19 10 34 24 19 15 8 0,70
𝜎 0,75 47 36 30 25 16 42 31 27 21 13 35 26 21 16 9 30 21 17 13 7 0,75
0,80 41 32 27 22 14 37 28 24 19 12 31 22 19 15 9 27 19 15 12 6 0,80
0,85 37 29 24 20 13 33 25 21 17 11 28 21 17 13 8 24 17 14 11 6 0,85
0,90 34 26 22 18 12 29 23 19 16 10 25 19 16 12 7 21 15 13 10 5 0,90
0,95 31 24 20 17 11 27 21 18 14 9 23 17 14 11 7 19 14 11 9 5 0,95
1,00 28 22 19 16 10 25 19 16 13 9 21 16 13 10 6 18 13 11 8 5 1,00
1,10 24 19 16 14 9 21 16 14 12 8 18 13 11 9 6 15 11 9 7 1,10
1,20 21 16 14 12 8 18 14 12 10 7 15 12 10 8 5 13 10 8 6 1,20
1,30 18 15 13 11 8 16 13 11 9 6 14 10 9 7 11 8 7 6 1,30
1,40 16 13 12 10 7 14 11 10 9 6 12 9 8 7 10 8 7 5 1,40
1,50 15 12 11 9 7 13 10 9 8 6 11 8 7 6 9 7 6 1,50
1,60 13 11 10 8 6 12 10 9 7 5 10 8 7 6 8 6 6 1,60
1,70 12 10 9 8 6 11 9 8 7 9 7 6 5 8 6 5 1,70
1,80 12 10 9 8 6 10 8 7 7 8 7 6 7 6 1,80
1,90 11 9 8 7 6 10 8 7 6 8 6 6 7 5 1,90
2,00 10 8 8 7 5 9 7 7 6 7 6 5 6 2,00
2,10 10 8 7 7 8 7 6 6 7 6 6 2,10
2,20 9 8 7 6 8 7 6 5 7 6 6 2,20
2,30 9 7 7 6 8 6 6 6 5 5 2,30
2,40 8 7 7 6 7 6 6 6 2,40
2,50 8 7 6 6 7 6 6 6 2,50
3,00 7 6 6 5 6 6 5 5 3,00
3,50 6 5 5 5 3,50
4,00 6 4,00
 Ejemplo 1
1. Contrastemos H0: μ > 10 contra H1: μ < 10.
2. Supongamos que es importante detectar una media de 12.
3. Queremos diseñar un experimento de forma que la potencia para
detectar una media de 12 sea del 90%.
4. Supongamos que decidimos prefijar  en 0,05 y que un estimador para
la varianza de la población basada en un estudio piloto es s2 = 16.
5. Para determinar el tamaño adecuado de la muestra observamos la tabla
con ,  y , y donde  = μ1- μ0/s y s representa una estimación de la
desviación típica de la población.
6. En este caso,  = 0,10 y  = 0,5. Estamos realizando un contraste con
cola a la derecha (un solo lado).
7. La Tabla indica que el tamaño de la muestra es 36, se halla localizando
en la tabla los valores deseados de ,  y .
 Nivel del contraste
Contraste
de una cola a= 0,005 a= 0,01 a= 0,025 a= 0,05
Contraste
de dos a= 0,001 a= 0,02 a= 0,05 a = 0,1

b = 0,01 0,05 0,1 0,2 0,5 0,01 0,05 0,1 0,2 0,5 0,01 0,05 0,1 0,2 0,5 0,01 0,05 0,1 0,2 0,5
0,05 0,05
0,10 0,10
0,15 122 0,15
0,20 139 99 70 0,20
0,25 110 90 128 64 139 101 45 0,25
 = 0,05 0,30 134 78 115 63 119 90 45 122 97 71 32 0,30
0,35 125 99 58 109 85 47 109 88 67 34 90 72 52 24 0,35
 = 0,10 0,40 115 97 77 45 101 85 66 37 117 84 68 51 26 101 70 55 40 19 0,40
 = 0,5 0,45 92 77 62 37 110 81 68 53 30 93 67 54 41 21 80 55 44 33 15 0,45
0,50 100 75 63 51 30 90 66 55 43 25 76 54 44 34 18 65 45 36 27 13 0,50
0,55 83 63 53 42 26 75 55 46 36 21 63 45 37 28 15 54 38 30 22 11 0,55
0,60 71 53 45 36 22 63 47 39 31 18 53 38 32 24 13 46 32 26 19 9 0,60
𝜇1 −𝜇0 0,65 61 46 39 31 20 55 41 34 27 16 46 33 27 21 12 39 28 22 17 8 0,65
∆= 0,70 53 40 34 28 17 47 35 30 24 14 40 29 24 19 10 34 24 19 15 8 0,70
𝜎 0,75 47 36 30 25 16 42 31 27 21 13 35 26 21 16 9 30 21 17 13 7 0,75
0,80 41 32 27 22 14 37 28 24 19 12 31 22 19 15 9 27 19 15 12 6 0,80
0,85 37 29 24 20 13 33 25 21 17 11 28 21 17 13 8 24 17 14 11 6 0,85
0,90 34 26 22 18 12 29 23 19 16 10 25 19 16 12 7 21 15 13 10 5 0,90
0,95 31 24 20 17 11 27 21 18 14 9 23 17 14 11 7 19 14 11 9 5 0,95
1,00 28 22 19 16 10 25 19 16 13 9 21 16 13 10 6 18 13 11 8 5 1,00
1,10 24 19 16 14 9 21 16 14 12 8 18 13 11 9 6 15 11 9 7 1,10
1,20 21 16 14 12 8 18 14 12 10 7 15 12 10 8 5 13 10 8 6 1,20
1,30 18 15 13 11 8 16 13 11 9 6 14 10 9 7 11 8 7 6 1,30
1,40 16 13 12 10 7 14 11 10 9 6 12 9 8 7 10 8 7 5 1,40
1,50 15 12 11 9 7 13 10 9 8 6 11 8 7 6 9 7 6 1,50
1,60 13 11 10 8 6 12 10 9 7 5 10 8 7 6 8 6 6 1,60
1,70 12 10 9 8 6 11 9 8 7 9 7 6 5 8 6 5 1,70
1,80 12 10 9 8 6 10 8 7 7 8 7 6 7 6 1,80
1,90 11 9 8 7 6 10 8 7 6 8 6 6 7 5 1,90
2,00 10 8 8 7 5 9 7 7 6 7 6 5 6 2,00
2,10 10 8 7 7 8 7 6 6 7 6 6 2,10
2,20 9 8 7 6 8 7 6 5 7 6 6 2,20
2,30 9 7 7 6 8 6 6 6 5 5 2,30
2,40 8 7 7 6 7 6 6 6 2,40
2,50 8 7 6 6 7 6 6 6 2,50
3,00 7 6 6 5 6 6 5 5 3,00
3,50 6 5 5 5 3,50
4,00 6 4,00
 Ejemplo 2
1. El ejemplo de los fármacos descrito anteriormente; puesto que no queremos
arriesgarnos a comercializar un fármaco ineficaz, fijemos  en 0,01.
2. Desde un punto de vista práctico, se decide que no merece la pena comercializar
el fármaco a menos que el descenso de la media en el nivel de colesterol sea al
menos de 20 mg/dL.
3. Dado que un cambio de esta magnitud sería una contribución importante al
tratamiento del colesterol alto, desearíamos ser capaces de detectar una
diferencia de este tamaño.
4. Diseñemos el estudio de forma que nuestra potencia sea de 0,95 (β = 0,05). Se
sabe que la desviación típica de las lecturas de este grupo de edad es 30 y tiene
una media de 220.
5. Para determinar el tamaño de la muestra correcto buscamos en la tabla de
tamaño muestral con  = 0,01, β = 0,05 y  = 200 – 220/30 = 0,67.
6. Obsérvese que = 0,67 no aparece en la lista. Puesto que es más seguro tener una
muestra bastante grande en lugar de tener una demasiado pequeña, adoptamos
un criterio conservador utilizando n = 41 ( = 0.65) en lugar de n = 35 ( = 0.70).
 Nivel del contraste
Contraste
de una cola a= 0,005 a= 0,01 a= 0,025 a= 0,05
Contraste
de dos a= 0,001 a= 0,02 a= 0,05 a = 0,1

b = 0,01 0,05 0,1 0,2 0,5 0,01 0,05 0,1 0,2 0,5 0,01 0,05 0,1 0,2 0,5 0,01 0,05 0,1 0,2 0,5
0,05 0,05
0,10 0,10
0,15 122 0,15
0,20 139 99 70 0,20
0,25 110 90 128 64 139 101 45 0,25
 = 0, 1 0,30 134 78 115 63 119 90 45 122 97 71 32 0,30
β = 0, 5 0,35 125 99 58 109 85 47 109 88 67 34 90 72 52 24 0,35
 = 0,67 0,40 115 97 77 45 101 85 66 37 117 84 68 51 26 101 70 55 40 19 0,40
0,45 92 77 62 37 110 81 68 53 30 93 67 54 41 21 80 55 44 33 15 0,45
0,50 100 75 63 51 30 90 66 55 43 25 76 54 44 34 18 65 45 36 27 13 0,50
0,55 83 63 53 42 26 75 55 46 36 21 63 45 37 28 15 54 38 30 22 11 0,55
0,60 71 53 45 36 22 63 47 39 31 18 53 38 32 24 13 46 32 26 19 9 0,60
𝜇1 −𝜇0 0,65 61 46 39 31 20 55 41 34 27 16 46 33 27 21 12 39 28 22 17 8 0,65
∆= 0,70 53 40 34 28 17 47 35 30 24 14 40 29 24 19 10 34 24 19 15 8 0,70
𝜎 0,75 47 36 30 25 16 42 31 27 21 13 35 26 21 16 9 30 21 17 13 7 0,75
0,80 41 32 27 22 14 37 28 24 19 12 31 22 19 15 9 27 19 15 12 6 0,80
0,85 37 29 24 20 13 33 25 21 17 11 28 21 17 13 8 24 17 14 11 6 0,85
0,90 34 26 22 18 12 29 23 19 16 10 25 19 16 12 7 21 15 13 10 5 0,90
0,95 31 24 20 17 11 27 21 18 14 9 23 17 14 11 7 19 14 11 9 5 0,95
1,00 28 22 19 16 10 25 19 16 13 9 21 16 13 10 6 18 13 11 8 5 1,00
1,10 24 19 16 14 9 21 16 14 12 8 18 13 11 9 6 15 11 9 7 1,10
1,20 21 16 14 12 8 18 14 12 10 7 15 12 10 8 5 13 10 8 6 1,20
1,30 18 15 13 11 8 16 13 11 9 6 14 10 9 7 11 8 7 6 1,30
1,40 16 13 12 10 7 14 11 10 9 6 12 9 8 7 10 8 7 5 1,40
1,50 15 12 11 9 7 13 10 9 8 6 11 8 7 6 9 7 6 1,50
1,60 13 11 10 8 6 12 10 9 7 5 10 8 7 6 8 6 6 1,60
1,70 12 10 9 8 6 11 9 8 7 9 7 6 5 8 6 5 1,70
1,80 12 10 9 8 6 10 8 7 7 8 7 6 7 6 1,80
1,90 11 9 8 7 6 10 8 7 6 8 6 6 7 5 1,90
2,00 10 8 8 7 5 9 7 7 6 7 6 5 6 2,00
2,10 10 8 7 7 8 7 6 6 7 6 6 2,10
2,20 9 8 7 6 8 7 6 5 7 6 6 2,20
2,30 9 7 7 6 8 6 6 6 5 5 2,30
2,40 8 7 7 6 7 6 6 6 2,40
2,50 8 7 6 6 7 6 6 6 2,50
3,00 7 6 6 5 6 6 5 5 3,00
3,50 6 5 5 5 3,50
4,00 6 4,00
 Mensaje simple
1. Los experimentos no planificados a menudo son
experimentos mal realizados.
2. Los tamaños muestrales deben elegirse
cuidadosamente y, en general, las muestras pequeñas
producen una potencia pequeña.
3. Desde el principio, los experimentos basados en
muestras pequeñas están generalmente condenados
al fracaso, a menos que la diferencia entre μ0 y μ1 sea
muy grande.
4. Las muestras pequeñas simplemente no pueden
detectar las reducidas, pero a veces importantes,
diferencias entre μ0 y μ1.