Tema 6.

Intervalos de Confianza
Facultad de Psicologa - UAEM Estadstica I

 Cuando se conoce la distribucin que sigue una

Estimacin de Parmetros

poblacin estadstica y se desea determinar el valor de alguno de sus parmetros poblacionales, puede elegirse una muestra representativa de la poblacin y aplicar las frmulas para estimar sus valores estadsticos (por ejemplo la media o la varianza). Este tipo de operacin se denomina estimacin paramtrica. Al realizar una estimacin paramtrica, pueden obtenerse dos tipos de resultados: Estimacin puntual, con un nico valor para el parmetro desconocido. Por ejemplo, estimo que la media de las edades de los estudiantes de la Unimet es de 22 aos. Intervalo de confianza, que ofrece para dicho parmetro un rango de valores comprendidos entre dos lmites. Por ejemplo, estimo que la media de las edades de los estudiantes de la Unimet est entre 21 y 23 aos

 Un estimador puntual es simplemente un

estadstico (media aritmtica, proporcin, varianza) que se emplea para estimar parmetros en la poblacin. Si yo empleo distintas muestras de una misma poblacin para estimar el valor de un parmetro, digamos la media poblacional, cada una de las muestras arrojar una media (muestral) distintaCul de ellas es la mejor? cul se aproxima ms al parmetro poblacional?

Estimadores puntuales

 Dado que los estimadores puntuales pocas veces sern

iguales a los parmetros que tratan de estimar, podemos darnos una mayor libertad en su estimacin mediante el uso de la "estimacin por intervalos" o "intervalos de confianza". Este mtodo determina dos valores (lmites de confianza) entre los que se acepta puede estar el valor del parmetro poblacional P(

x
1

<<

2)

=1-

Donde: 1- = nivel de confianza con que podemos esperar encontrar el parmetro dentro del intervalo. = riesgo de que el intervalo no incluya el parmetro (error)

Estimacin de intervalos

 Como el nivel de confianza me determina la

probabilidad de que el parmetro est incluido en el intervalo, entonces: 0< (1- ) <1 Parece razonable desear un nivel de confianza muy alto pero al mismo tiempo, mientras mayor sea el nivel de confianza, menos preciso ser el intervalo (ser mas amplio) Cmo determinamos el nivel de confianza? Nosotros lo fijamos. Generalmente se trabaja con niveles de confianza de 0.90, 0.95 y 0.99

Nivel de confianza

 Un intervalo de confianza debe caracterizarse por: Contener el parmetro poblacional con una alta probabilidad Tener un ancho relativamente pequeo La confiabilidad de un estimador viene dada por el

conocimiento de su error o de su precisin, as como por la probabilidad de que el verdadero parmetro poblacional est contenido en el intervalo calculado.
Los intervalos de confianza tienen la estructura:

estimacin error de estimacin

Caractersticas de los intervalos

 La frmula para calcular los lmites superior e

inferior de un intervalo de confianza para la media (con una probabilidad ) es:

+ Z /2 (/n)

Y la probabilidad de que la media poblacional est

entre estos lmites es:

x
p [( - Z
/2

(/n) ( +Z /2 (/n)] = 1-

Frmula para el clculo de los lmites

Nivel de confianza rea de la cola 0.90 (90%) 0.95 (95%) 0.99 (99%) 0,050 0,025 0,005

Valor z /2 1,645 1,960 2,576

Valores crticos de z

 Regresamos a nuestra mquina dispensadora de

refrescos. Supongamos que queremos conocer el volumen medio por vaso ().
Tomamos una muestra al azar de 16 vasos servidos

y encontramos un volumen promedio de 8.05 onzas. Tambin sabemos que ste volumen se distribuye normalmente con una desviacin estndar de 0.10 onzas.
Estimamos un intervalo de confianza de 0.95

p [( - Z /2 (/n) ( +Z /2 (/n)] = 1-

Ejemplo

x p [( - Z /2 (/n) x +Z /2 (/n)] = 1- (
[8.05 (1.96)(0.1/16) 8.05 +(1.96)(0.1/16)] = 0.95
[8.05 0.049 8.05 + 0.049] = 0.95 [8.001 8.099] = 0.95 Interpretacin: Tengo 95% de confianza de que este intervalo incluye a la poblacional

Ejemplo

 Dependiendo de la informacin que conozcamos

y del tamao de la muestra empleada, la frmula para la estimacin de intervalos de confianza para la media vara un poco.

Ajustes en la frmula del IC

 Caso 1:

Intervalo de confianza para la media poblacional (varianza conocida) p [( - Z /2 (/n) ( +Z /2 (/n)] = 1- x x

Caso 2:

Intervalo de confianza para la media poblacional (varianza desconocida) p [( - Z /2 (S/n) ( +Z /2 (S/n)] = 1- x x

Frmulas del IC para la media

Problema: Se sabe que la edad de las asistentes en todos los preescolares de Cuernavaca es una variable con distribucin normal. Sin embargo, se desea estimar la edad promedio de estas trabajadoras. Para este fin, se considera una muestra aleatoria de 35 asistentes, arrojando una media de 22 aos y una desviacin estndar de 4,5 aos. Determine un intervalo de confianza del 95% para media de las edades de las asistentes de todos los preescolares de Cuernavaca.

Otro ejemplo

Corresponde al caso 2: Intervalo de confianza para la media poblacional (varianza desconocida)

x
p [(

- Z /2 (S/n) (

+Z /2 (S/n)] = 1-

p [ 22- 1.96 ( 4.5/ 35 22 - 1.96 ( 4.5/ 35 ] = 0.95 p [ 22 -1.49 22 +1.49 ] = 0.95 P ( 20.51 23.49) = 0.95 Con un 95% de confianza podemos esperar que la edad media de las asistentes de preescolares en Cuernavaca se encuentra entre 20.51 y 23.49 aos.

Otro ejemplo

 Cuando la inferencia sobre el tamao de la media

poblacional se basa en una muestra pequea (menor que 30) y se desconoce la varianza poblacional, la distribucin de la media muestral ya no es normal, sino que sigue la distribucin t de Student.
Caso 3:

Intervalo de confianza para la media poblacional (varianza desconocida y n <30) p [( - t /2 (S/n) (

+t /2 (S/n)] = 1-

Frmula del IC para Caso 3

1.

Al igual que la distribucin Z, es una distribucin continua

2. La distribucin t tiene una media de cero, es simtrica respecto de la media y se extiende de - a + la varianza de t para > 2. Cuando los grados de libertad son suficientemente grandes la varianza de la distribucin t tiende a 1.

3. Tiene forma acampanada y simtrica. La distribucin t difiere de la de Z en que la varianza de t no es igual a 1 como en la de Z, sino que depende del tamao de la de muestra y siempre es mayor a uno. nicamente cuando el tamao de la muestra tiende a infinito las dos distribuciones sern las mismas.

4. No hay una distribucin t, sino una "familia" de distribuciones t. todas con la misma media cero, pero con su respectiva desviacin estndar diferente de acuerdo con el tamao de la muestra n. Existe una distribucin t para una muestra de 20, otra para una muestra de 22, y as sucesivamente.

5. La distribucin t es ms ancha y ms plana en el centro que la distribucin normal estndar como resultado de ello se tiene una mayor variabilidad en las medias de muestra calculadas a partir de muestras ms pequeas. Sin embargo, a medida que aumenta el tamao de la muestra, la distribucin t se aproxima a la distribucin normal estndar.

La Distribucin t

 Otra diferencia con la distribucin normal, es que

la forma de la distribucin t de student depende de un parmetro llamado grados de libertad. El nmero de grados de libertad es igual al tamao de la muestra (nmero de observaciones independientes) menos 1. gl= = n 1
La frmula para el clculo del estadstico t es: t

..La distribucin t

 Un productor de focos quiere estimar la vida media

de los focos (por experiencia sabe que esta vida se distribuye normalmente). Para construir un IC del 90%, el productor prueba 9 focos. Obtiene una media de 8200 min y S= 470 min. N-1= 9-1= 8 gl y 1- =0.90 t /2 =1,860 (segn tabla) x + t /2 (s/n) = 8200 + (1.860)(420/9)

= 8200 + (1.860)(140)
p[ 7939.6 8460.4] = 0.90

Ejemplo

Ejercicios adicionales de IC Ejercicio 1 para

Como investigador de mercadotecnia, ud.

encuentra que el nmero medio de barras de pan consumidas a la semana por una familia es de 5.3 barras, con una desviacin estndar de 1.5 barras. Estos datos estn basados en una muestra de 200 familias. Estime el IC del promedio de barras de pan a un 95% de confianza

Ejercicio 1 para
IC

x =p [(x - Z /2 (s/n) ( +Z /2 s/n)] = 1- =5.3 (1.96)(1.5/200) 5.3 +(1.96)(1.5/200) =5.3 (1.96)(0.1061) 5.3 +(0.1061) =5.3 0.2080 5.3 +0.2080
=p (5.092 5.508) = 0.95

 En un esfuerzo por establecer un tiempo

estndar para realizar cierta tarea, un ingeniero de produccin selecciona 16 empleados experimentados para realizarla. La media es de 13 minutos, con una desviacin estndar de 3 minutos. El ingeniero desea construir un intervalo de confianza del 95% para el tiempo medio necesario para realizar tal tarea

Ejercicio 2 para

 Como n< 30 uso t

s= 3; n= 16 ; g.l.= n-1=15 (segn tabla) t /2 = 2.131

IC =

x = 13 min; x

+ t /2 (s/n) = 13 + (2.131)(3/16) = 13 + (2.131)(0.75) = 13 + 1.5983

p( 11.4 14.6) = 0.95

Ejercicio 2 para

 En este caso, interesa construir un intervalo de

confianza para una proporcin o un porcentaje poblacional (por ejemplo, el porcentaje de personas con hipertensin, fumadoras, etc.)
Si el tamao muestral n es grande, el Teorema

Central del Lmite nos asegura que:

IC para proporciones

 Para muestras grandes (p*n 5 q*n 5) el IC para

proporciones viene dado por:

p[ p^-Z /2 (p*q/n) (p^+Z /2 (p*q/n)] = 1- Adems, si conocemos N y n/N>0.1, hay que aplicar

el factor de correccin para poblaciones finitas:

p[ p^-Z /2 (p*q/n-)(N-n/N-1) (p^+Z /2 (p*q/n)(N-n/N-1) ] =1-

IC para proporciones

 Se quiere la opinin de los habitantes de una

zona donde se planea abrir una refinera petrolera. De una lista de electores se selecciona al azar una muestra de n=100 personas y se obtiene que 58 personas estn en contra. Cul es el IC a 99% para la proporcin de personas que se oponen?

Ejemplo IC para proporciones

 p=0.58 q=0.42
Reviso que n es suficientemente grande (para poder

usar distribucin normal): p*n>5 y veo que s se cumple (0.58 *100 = 58).
p[ p^-Z /2 (p*q/n) (p^+Z /2 (p*q/n)] = 1-
= 0.58(2.575)(0.58*0.42/100) 0.58 (2.575)(0.58*0.42/100) = p[ 0.58(2.575)(0.0494) 0.58 2.575)(0.0494)] = 0.99 = p[ 0.58 0.1272 0.58 + 0.1272] = 0.99 = p[0.4528 0.7072] = 0.99

Ejemplo IC para proporciones

Otro ejemplo IC para proporciones

Debido al incremento en los costos de viaje, se

sugiere que se amplen las facilidades de recreacin en la ciudad. De una lista de 2101 ciudadanos se selecciona al azar a 400 personas y 240 estaban a favor de la propuesta. Construya un IC del 95% para la proporcin de ciudadanos que estaran a favor de la expansin de los parques

 Como me dan N, verifico si n/N > 0.1? 400/2101=

0.19 --> si uso factor de correccin p=240/400 = 0.60 y q= 0.40 verifico tambin que n es suficientemente grande: p* n 5? q*n 5? Lo verifico: 0.40 * 400=160 (puedo usar Z)
p[ p^-Z /2 (p*q/n-)(N-n/N-1) (p^+Z /2(p*q/n)(N-n/N-1) ] = 1-

p[ 0.6(1.96)(0.6*0.4/400)(2101- 400/2100) 0.6 (1.96)(0.6*0.4/400)(2101- 400/2100)] = 0.95 p (0.5568 0.6432) = 0.95

Otro ejemplo IC para proporciones

 Ya habamos sealado que los intervalos de

confianza tienen la estructura: estimacin error de estimacin:

x+

Z /2 (/n)

E= Z /2 (/n)

Para tener un alto grado de confianza y de precisin

en las estimaciones con intervalos de confianza, es necesario que el tamao de la muestra sea lo suficientemente grande para producir errores de estimacin pequeos e intervalos de confianza precisos. Algo ms: Tamao de la muestra para

IC

 El tamao de la muestra lo podemos determinar

entonces a partir de esta expresin: E= Z /2 (/n) n = Z /2 . / E n = [Z /2 . / E] 2

El tamao es un nmero entero positivo. Si al

aplicar la frmula nos sale una solucin con decimales, el tamao de la muestra se redondea.

Tamao de la muestra para IC

 Se desea realizar una investigacin para estimar el

peso medio de los recin nacidos de madres fumadoras. Se admite un error mximo de 50 grs, con una confianza del 95%. Si por estudios anteriores se sabe que la desviacin estndar del peso medio de estos recin nacidos es de 400 grs, qu tamao mnimo de muestra se necesita en la investigacin? Datos: E= 50; = 400; Z /2 = 1.96

Ejemplo tamao de la muestra

Ejemplo tamao de muestra

n = [Z /2 . / E] 2

n = [1.96 . 400 /50] 2 n= 245.86 246

 Para el clculo del tamao de muestra para

intervalos de confianza de una proporcin poblacional usamos la siguiente expresin:

n = p . q . (Z

) 2 / (E) 2 /2

Tamao de la muestra para IC con proporciones