Professional Documents
Culture Documents
ESTADISTICA II
PROFESOR WALTER LOPEZ
una poblacin o a un subgrupo racional tomado de un proceso. Ambos mtodos
de muestreo garantizan que la muestra sea insesgada, aunque no eliminan la
variabilidad del muestreo, o error de muestreo, como se explicar en la siguiente
seccin.
Tabla 10
ESTADISTICA II
PROFESOR WALTER LOPEZ
ESTADISTICA II
PROFESOR WALTER LOPEZ
Los valores de los errores estndar de las respectivas medias incluidos en estas
frmulas se calculan con las frmulas dadas, incluida la posibilidad de usar
factores de correccin por finitud cuando corresponda
donde
ESTADISTICA II
PROFESOR WALTER LOPEZ
As, podemos afirmar que el salario promedio semanal de la primera empresa es
mayor que el promedio de la segunda Empresa por un monto de entre $2.23 y
$17.77, con una confianza de 99% en esta estimacin por intervalo. Advirtase
que los - tamaos de las muestras son suficientemente grandes para permitir el
uso de Z para aproximar el valor t.
2) Las muestras son pequeas (n < 30). Si las muestras son grandes, los valores
t pueden ser aproximados por la normal estndar z.
ESTADISTICA II
PROFESOR WALTER LOPEZ
Adems de lo anterior, cuando se usa la distribucin t para definir intervalos de
confianza para la diferencia entre dos medias, no para inferencias sobre slo
una media poblacional, por lo general se requiere del siguiente supuesto
adicional:
ESTADISTICA II
PROFESOR WALTER LOPEZ
ESTADISTICA II
PROFESOR WALTER LOPEZ
Por lo tanto, con una confianza de 95% estimamos la proporcin de todos los
varones de la comunidad que prefieren las navajas del cliente de la empresa con
un valor entre 0.30 y 0.50.
ESTADISTICA II
PROFESOR WALTER LOPEZ
Medias y proporciones
Estimacin de Parmetros
La teora de muestreo puede emplearse para obtener informacin acerca de
muestras obtenidas aleatoriamente de una poblacin conocida. Sin embargo,
desde un punto de vista prctico, suele ser ms importante y ser capaz de inferir
informacin acerca de una poblacin a partir de muestras de ellas. Dichos
problemas son tratados por la inferencia estadstica que utiliza principios de
muestreo. Un problema importante de la inferencia estadstica es la estimacin
de parmetros poblacionales o simplemente parmetros (como la media y la
varianza poblacionales), a partir de los estadsticos mustrales correspondientes
o estadsticos ( como la media y la varianza muestral.
Estimados sin Sesgo
Si la media de la distribucin muestral de un estadstico es igual al parmetro
poblacional correspondiente, el estadstico se denomina estimador sin sesgo del
parmetro; de otra manera, es denominado estimador sesgado. Los valores
correspondientes de dichos estadsticos se llaman estimados sin sesgo o
sesgados, respectivamente.
1.- La media de la distribucin muestral de las medias es x , la media
poblacional. Por lo tanto, la media muestral x es un estimado sin sesgo de la
media poblacional .
ESTADISTICA II
PROFESOR WALTER LOPEZ
2.- La media de la distribucin muestral de las varianzas es :
s2 = ( N-1/ N ) 2
donde 2 es la varianza poblacional y N es el tamao de la muestra .Entonces, la
varianza muestral s2 es un estimado sesgado de la varianza poblacional 2.
Usando la varianza modificada.
2 =( N/ N-1 )s2
Se encuentra que 2 = 2 , de modo que 2 es un estimado sin sesgo de 2 .Sin
embargo es un estimado de .En trminos de esperanza matemtica se poda
decir que un estadstico no esta sesgado si su esperanza es igual al parmetro
poblacional correspondiente. Por lo tanto, x y 2 no estn sesgados , porque E
Estimados Eficientes
Si las distribuciones mustrales de dos estadsticos tienen la misma media o
esperanza matemtica entonces el estadstico con la menor varianza se
denomina estimador eficiente de la media, mientras que el otro estadstico se le
llama estimador ineficiente. Los valores correspondientes de los estadsticos se
conocen, respectivamente, como estimadores eficientes. Si se consideran todos
los estadsticos posibles, cuyas distribuciones mustrales tienen la misma
media, aquel con la menor varianza suele denominarse el mejor o mas eficiente
estimador de dicha media.
10
ESTADISTICA II
PROFESOR WALTER LOPEZ
La distribucin muestral de la media y la mediana tienen la misma media; a
saber la media poblacional. Sin embargo, la varianza de la distribucin muestral
de las medias es mas pequea que la varianza de la distribucin muestral de las
medianas por lo tanto, la media muestral ofrece un estimado ineficiente de esta
De todos los estadsticos que estiman la media poblacional, la media muestral
ofrece el mejor o mas eficiente estimado. En la practica, suelen usarse los
estimados ineficientes debido a la relativa facilidad con que se obtienen algunos
de ellos.
Estimados por Punto y Estimados por Intervalo; su Confiabilidad
El estimado de un parmetro poblacional dado por un solo nmero se denomina
estimado puntual del parmetro. El estimado de un parmetro poblacional dado
por dos nmeros, entre los cuales se considera esta el parmetro, se denomina
estimado por intervalo del parmetro. Los estimados por intervalo indican la
precisin de un estimado y son, por lo tanto preferibles a los estimados por
punto.
Ejemplo: Si se dice que una distancia medida es de 5.28 metros se esta dando
un estimado por punto. Si por otro lado, la distancia es de 5.28 mas menos
0.03metros ( es decir , la distancia esta entre 5.25m y 5.31 m ) , se esta dando
un estimado por intervalo .
La informacin sobre el error o precisin de un estimado se conoce como
confiabilidad.
11
ESTADISTICA II
PROFESOR WALTER LOPEZ
Estimados por Intervalo de Confianza de Parmetros Poblacionales
Sean s y s la media y la desviacin estndar (error estndar), en ese orden, de
la distribucin muestral de un estadstico S. Entonces, si la distribucin muestral
de S es en formas aproximadas a la normal ( lo cual es verdadero para muchos
estadsticos si el tamao de la muestra es N mayor o menor que 30.
12
ESTADISTICA II
PROFESOR WALTER LOPEZ
si el muestreo se realizo sin reempalzamiento de una poblacin de tamao finito
Np . generalmente , la desviacin estndar poblacional es desconocida ; por
consiguiente , para obtener los limites de confianza anteriores, se utiliza la
estimacin muestral o s .Esta mostrara ser satisfactoria cuando N se mayor o
menor que 30 para N menor que 30 , la aproximacin es pobre y se debe usar la
teora de pequeas muestras .
Intervalos de Confianza para Proporciones
Si el estadstico S es la proporcin de xitos en una muestra de tamao,
obtenida de una poblacin binomial en la que p es la proporcin de xitos es
decir la probabilidad de xito, entonces los limites de confianza para p estn
dados por la proporcin de xitos en la muestra de tamao N. Usando los
valores de p obtenidos, ve que los limites de confianza para la proporcin
poblacional estn dados por:
P Zc
Si el muestreo se efectu de una poblacin finita o de una poblacin infinita con
reemplazamiento y estn dados por:
P Zc
Si el muestreo se hizo sin el reemplazamiento de una poblacin de tamao finito
Np. Para calcular estos limites de confianza se puede usar el estimado muestral
P que por lo general, mostrara ser satisfactorio si N es mayor o igual a 30.
13
ESTADISTICA II
PROFESOR WALTER LOPEZ
Intervalos de Confianza para Diferencias y Sumas
Si S1 y S2 son dos estadsticos mustrales con distribuciones de muestreo
aproximadamente normales, entonces los limites de confianza se puede usar
para la diferencia de los parmetros poblacionales correspondientes a S1 y S2
estn dados por:
S1 y S2 zc s1 - s2
Intervalos de Confianza para Desviaciones Estndar
Los limites de confianza para la desviacin estndar de una poblacin
normalmente distribuida, estimados a partir de una muestra con desviacin
estndar s, estn dados por :
S + - Zc s = s Zc /
Para calcular estos limites de confianza se utiliza s o para estimar
Error Probable
Los limites de confianza de 50% de los parmetros poblacionales
correspondientes al estadstico S dados por S + - 0.675 s la cantidad de 0.675 s
es conocida como error probable de la estimacin.
7. Estadistica inferencial: Prueba de Hiptesis= introduccin, tipos de
error, prueba de hiptesis en una poblacin y dos poblaciones.
14
ESTADISTICA II
PROFESOR WALTER LOPEZ
Pruebas de hiptesis
15
ESTADISTICA II
PROFESOR WALTER LOPEZ
al azar, dado que un supuesto particular sobre el valor del parmetro poblacional
asociado sea en efecto correcto. El mtodo de intervalos de confianza se basa
en la observacin de si el valor supuesto de un parmetro poblacional est
incluido en el rango de valores que define a un intervalo de confianza para ese
parmetro.
Pero ms all del mtodo de prueba de hiptesis que se use, debe hacerse
notar que si un valor hipottico no se rechaza, y por lo tanto se acepta, ello no
constituye una "prueba" de que sea correcto. La aceptacin de un valor
supuesto de un parmetro indica simplemente que se trata de un valor verosmil,
con base en el valor observado de la estadstica muestral.
Ejemplo
16
ESTADISTICA II
PROFESOR WALTER LOPEZ
tomando una muestra de n = 36 y calculando la media muestral. El auditor
desea rechazar el valor supuesto de $260.00 slo si es claramente contradicho
por la media muestral, caso ste en el que el valor hipottico recibira el
beneficio de la duda en el procedimiento de prueba. Las hiptesis nula y
alternativa de esta prueba son H0 : = $260.00 y H1 :
$260.00.
17
ESTADISTICA II
PROFESOR WALTER LOPEZ
decisiones y las posibles consecuencias de las decisiones tomadas en pruebas
de hiptesis.
18
ESTADISTICA II
PROFESOR WALTER LOPEZ
determina el valor de la media muestral. Si el valor crtico fue establecido como
un valor z, la media muestral se convierte a un valor z.
Una prueba bilateral se aplica cuando nos interesa una posible desviacin en
cualquier direccin respecto del valor hipottico de la media. La frmula que se
emplea para establecer los valores crticos de la media muestral es similar a la
frmula para determinar los lmites de confianza para la estimacin de la media
de la poblacin, excepto que el valor hipottico de la media poblacional es en
19
ESTADISTICA II
PROFESOR WALTER LOPEZ
este caso el punto de referencia, en lugar de la media muestral. Los valores
crticos de la media muestral para una prueba de dos extremos, de acuerdo con
el hecho de si se conoce o no, son
20
ESTADISTICA II
PROFESOR WALTER LOPEZ
para establecer los lmites crticos, dado que, por efecto de la distribucin normal
estndar, una proporcin de 0.05 del rea permanece en las dos colas, lo que
corresponde a la = 0.05 especificada.
Fig. 4
21
ESTADISTICA II
PROFESOR WALTER LOPEZ
Fig. 5
22
ESTADISTICA II
PROFESOR WALTER LOPEZ
Una prueba unilateral resulta apropiada cuando nos interesan posibles
desviaciones slo en una direccin respecto del valor hipottico de la media.
Podra ocurrir que al auditor del ejemplo no le interesara que el promedio real de
la totalidad de las cuentas por cobrar exceda de $260.00, sino slo que pudiera
ser inferior a $260.00. As, si el auditor le concede el beneficio de la duda al
supuesto establecido de que la media real es de al menos $260.00, las hiptesis
nula y alternativa son
En una prueba unilateral slo existe una regin de rechazo, de modo que la
prueba del ejemplo anterior es una prueba de la cola inferior. La regin de
rechazo de una prueba unilateral se encuentra siempre en la cola que
representa el sustento de la hiptesis alternativa. Como en el caso de una
prueba bilateral, el valor crtico puede determinarse para la media como tal o en
trminos de un valor z. Sin embargo, los valores crticos para pruebas
unilaterales se diferencian de aquellos para pruebas bilaterales, porque la
proporcin de rea dada se halla en su totalidad en una de las colas de la
distribucin. En la tabla 11 se presentan los valores de z necesarios para
23
ESTADISTICA II
PROFESOR WALTER LOPEZ
pruebas unilaterales y bilaterales. La frmula general para establecer el valor
crtico de la media muestral para una prueba unilateral, segn si a se conoce o
no, es
24
ESTADISTICA II
PROFESOR WALTER LOPEZ
La probabilidad mxima del error tipo I siempre es igual al nivel de significancia
empleado en la prueba de la hiptesis nula. Esto es as a causa de que, por
definicin, la proporcin de rea en la regin de rechazo es igual a la proporcin
de los resultados muestrales que ocurriran en esa regin en caso de que la
hiptesis nula sea cierta.
La probabilidad del error tipo II suele indicarse con la letra griega (beta). La
nica manera en que se te puede determinar es respecto de un valor especiffico
incluido en el rango de la hiptesis alternativa.
25
ESTADISTICA II
PROFESOR WALTER LOPEZ
3) identifiquemos la probabilidad de error tipo I asociada con el uso del valor
crtico calculado en el paso anterior como base para la regla de decisin,
La solucin completa es
3)
4)
26
ESTADISTICA II
PROFESOR WALTER LOPEZ
En la figura 6 se ilustra el mtodo seguido en el ultimo ejemplo. En general, el
valor crtico de la media determinado en relacin con la hiptesis nula se
"reduce" y se emplea como el valor crtico en relacin con la hiptesis alternativa
especfica. El problema ilustra la determinacin de la probabilidad del error tipo II
en una prueba bilateral.
Fig. 6
ESTADISTICA II
PROFESOR WALTER LOPEZ
distribucin normal de probabilidad. Ntese que es aplicable a cualquier prueba
de este tipo, porque los valores del eje horizontal han sido enunciados en
unidades del error estndar de la media. Para cualesquiera valores a la
izquierda de la probabilidad de aceptacin indica la probabilidad del error tipo
II. A la derecha de , las probabilidades indican la aceptacin correcta de la
hiptesis nula. Tal como lo indican las lneas punteadas, cuando = , la
probabilidad de aceptar la hiptesis nula es 1- o, en este caso, 1 - 0.05 =
0.95.
Fig. 7
Estimacin para una y dos poblaciones
NOTACIN GENERAL
A la hiptesis nula la denotamos por "H0:" y despus escribimos la afirmacin
que supone la nula. Por ejemplo, escribimos:
28
ESTADISTICA II
PROFESOR WALTER LOPEZ
H0: mu = 236
29
ESTADISTICA II
PROFESOR WALTER LOPEZ
H0: mu = mu0
Estadstica de prueba:
zc = [ X-barra - mu0 ] / [ sigma / raiz(n)]
Regin Crtica:
Alternativa
Regin Crtica
zc < -z
zc > z
30
ESTADISTICA II
PROFESOR WALTER LOPEZ
Hay que tener en cuenta que en el caso n <= 30 la prueba es vlida slo
si la poblacin de la que se extrae la muestra es normal. A esta prueba se
le llama: prueba t de una media
(2) PRUEBA z DE UNA PROPORCIN.
Hiptesis Nula:
H0: p = p0
Estadstica de prueba :
zc = [ p - p0 ] / [ raiz( {p0(1 - p0)} / n ) ]
Regin Crtica:
Alternativa
Regin Crtica
H1: p < p0
zc < -z
H1: p > p0
zc > z
H1: p <> p0
31
ESTADISTICA II
PROFESOR WALTER LOPEZ
o
32
ESTADISTICA II
PROFESOR WALTER LOPEZ
de empaque para un producto, en trminos de los costos y beneficios
asociados.
En trminos de parmetros, estudiamos:
33
ESTADISTICA II
PROFESOR WALTER LOPEZ
Estadstica
Muestra 1
Muestra 2
Tamao
n1
n2
Media
X-barra1
X-barra2
Desv. Estndar
s1
s2
Proporcin
p1
PRUEBAS COMUNES (con dos muestras)
p1
Alternativa
Regin Crtica
zc < -z
zc > z
34
ESTADISTICA II
PROFESOR WALTER LOPEZ
Esta prueba supone que sabemos el valor de las desviaciones estndares de
ambas poblaciones.
En el saln hacemos ejemplos de como funciona. Si Ud. no puede asistir al
saln,consulte un texto en la seccin: prueba de diferencia de dos medias
EN CASO DE NO CONOCER LAS DESVIACIONES ESTNDARES.
Si tenemos muestras grandes: n1 > 30 y n2 > 30, hacemos la misma prueba,
pero al calcular la estadstica de prueba usamos s1 y s2.
Si tenemos muestras pequeas, hacemos la siguiente prueba.
(4) PRUEBA t DE DIFERENCIA DE DOS MEDIAS.
Hiptesis Nula:
H0: mu1 = mu2
Estadstica de prueba:
tc = [ X-barra1 - X-barra2 ] / [ s raiz{ 1 / n1 + 1 / n2 } ]
donde la s del denominador se calcula as
s = raiz[ { (n1 - 1)(s1)^2 + (n2 - 1)(s2)^2 } / {n1 + n2 - 2} ]
Para calcular esta tc, le sugiero que proceda as:
ESTADISTICA II
PROFESOR WALTER LOPEZ
o
Regin Crtica:
Alternativa
Regin Crtica
tc < -t
tc > t
Esta prueba se usa cuando las muestras son pequeas y suponemos que las
desviaciones estndares de las poblaciones son iguales. En este curso no
estudiamos qu hacer si las dos desviaciones estndares de las poblaciones
son diferentes y las muestras son pequeas.
Para usar la tabla t el nmero de grados de libertad es: n1 + n2 - 2.
36