Professional Documents
Culture Documents
ESTIMACIONES
OBJETIVOS DE LA
UNIDAD
SE ESPERA QUE EL
ALUMNO
SEA CAPAZ DE:
DEFINIR UN ESTIMADOR PUNTUAL.-
DEFINIR NIVEL DE CONFIANZA.-
CONSTRUIR UN INTERVALO DE CONFIANZA PARA
LA MEDIA POBLACIONAL CUANDO SE CONOCE LA
DESVIACIN ESTNDAR DE LA POBLACION.-
CONSTRUIR UN INTERVALO DE CONFIANZA PARA
LA MEDIA POBLACIONAL CUANDO NO SE CONOCE
LA DESVIACION ESTANDAR DE LA POBLACIONAL.-
CONSTRUIR UN INTERVALO DE CONFIANZA PARA
UNA PROPORCION DE LA POBLACION.-
DETERMINAR EL TAMAO DE LA MUESTRA PARA
UN MUESTREO DE ATRIBUTOS Y VARIBALES.-
En todas las Unidades que hemos visto se
encuentran las bases que necesita para entender
la inferencia estadstica y saber como aplicarla
en situaciones prcticas.- En la primera Unidad
centramos su atencin en la Estadstica
Descriptiva, tanto grficas como numricas,
para describir e interpretar conjuntos de
mediciones.- En la Unidad siguiente, aprendi
acerca de las probabilidades y sus
distribuciones - las herramientas bsicas
empleadas para describir poblaciones de
mediciones.- Se enfatiz la importancia de las
distribuciones binomial y normal en aplicaciones
prcticas.-
En la Unidad anterior, se proporcion el eslabn
entre la probabilidad y la inferencia estadstica.-
El teorema central del lmite establece que, aun
cuando las poblaciones muestreadas no sea
normales, las distribuciones muestrales de estos
estadsticos, sern aproximadamente normales
cuando el tamao de la muestra n es grande.-
Estos estadsticos son las herramientas que
usted usa para la estadstica inferencial; hacer
inferencia acerca de una poblacin usando la
informacin contenida en la muestra.-
Hay muchas maneras de tomar decisiones o hacer
predicciones, algunas de naturaleza subjetivas y
otras ms objetivas.- Cun buenas ser su toma
de decisiones o predicciones?.- Aunque podra
sentir que su propia habilidad para tomar
decisiones es bastante buena, la experiencia hace
pensar que este podra no ser el caso.- El trabajo
del Estadstico es proporcionar los mtodos
de inferencia estadstica que sean mejores
y ms confiable que las suposiciones
subjetivas.-
La inferencia estadstica tiene que ver con la toma
de decisiones o la elaboracin de predicciones
acerca de los parmetros, las
medidas numricas descriptivas que
caracterizan a una poblacin.- Tres parmetros
encontrados en Unidades anteriores, son la
media poblacional , la desviacin estndar de
la poblacin y la proporcin binomial p.-
En la inferencia estadstica un problema
prctico es repetido en el marco de una
poblacin con un parmetro especfico.- Por
ejemplo, un metalrgico podra medir los
coeficientes de dilatacin promedio para ambos
tipos de acero y despus comparar sus
valores.-
Los mtodos para hacer inferencia de los
parmetros de la poblacin caen en una de dos
categoras:
b) PRUEBA DE
HIPOTESIS: para tomar
a) ESTIMACION:
una decisin respecto al
para estimar o
valor de un parmetro con
predecir el valor
base en alguna idea
del parmetro.-
preconcebida acerca de
cual podra ser su valor.-
Veamos un ejemplo:
1.- Los circuitos de las computadoras y otros
equipos electrnicos constan de una o ms
tarjetas de circuitos impresos (TCI) y las
computadoras se reparan reemplazando una o
ms tarjetas defectuosas.- En un intento por
encontrar la aplicacin apropiada de un proceso
de enchapado en un lado de la tarjeta, un
supervisor de produccin podra estimar el
espesor promedio de la electrodeposicin de
cobre en la tarjeta al usar muestras durante
varios das de operacin.- Puesto que el no tiene
conocimiento del espesor promedio , antes de
observar el proceso de produccin, el problema
que tiene es de estimacin.-
2.- El dueo de la planta le dice al supervisor, del
ejemplo anterior, que el espesor de la
electrodeposicin de cobre no debe ser menor
que 0,001 pulgadas para que el proceso est
bajo control.- Para decidir si el proceso esta
bajo control o no, el supervisor podra formular
una prueba.- El podra hipotetizar que el proceso
esta bajo control: asume que el espesor medio
de la electrodeposicin es 0,001 o mayor, y usa
una muestra de varios das de operacin para
decidir si la hiptesis es correcta o no.- El
mtodo de toma de decisiones del supervisor se
llama Prueba de Hiptesis.-
Qu mtodo de inferencia usara?.- Es decir,
debe estimar el parmetro o debe probar una
hiptesis con respecto a su valor?.- La respuesta
es dada por la pregunta prctica planteada, y a
menudo se determina por preferencia personal.-
Puesto que tanto la estimacin como las pruebas
de hiptesis se usan con frecuencia en las
publicaciones de temas cientficos, nosotros
veremos ambos temas.- Estimaciones
en esta Unidad y Pruebas de
Hiptesis en la Unidad siguiente.-
Un problema estadstico que requiere
planificacin, anlisis y la realizacin de
inferencias est incompleto sin una medida de la
bondad de la inferencia.- Es decir, Qu tan
exacta o confiable es el mtodo que utiliz?.- Si
un corredor de bolsa predice que el precio de
una accin ser de 80 dlares el lunes, estar
dispuesto a comprar o vender su accin sin
saber que tan confiable es su prediccin?.- Los
procedimientos estadsticos son importantes
porque proporcionan dos tipos de informacin:
Mtodos para hacer inferencia.-
Una medida numrica de la bondad o
confiabilidad de la inferencia.-
METODOS
DE
ESTIMACION
Todo el mundo hace estimaciones.- Por ejemplo,
cuando usted decide cruzar una calle hace una
estimacin de la velocidad del auto que viene,
que tan cerca est, etc, luego decide si cruza o
no.-
Los Administradores, Contadores, Economistas,
etc, deben hacer estimaciones rpidas.- El
resultado de estas estimaciones pueden afectar
sus organizaciones de manera tan seria como el
resultado de su decisin de cruzar la calle.-
Todos estos profesionales hacen estimaciones
sin preocuparse si son cientficas o no, pero con
las esperanza de que las estimaciones tengan
una semejanza razonable con el resultado.-
Con lo que veremos con este tema,
observaremos que podemos hacer
estimaciones lo ms acertadas posibles,
es decir sin correr grandes riesgos.-
Adems con este tema empezamos a
explicar las posibilidades de hacer
inferencias sobre una poblacin,
basndonos en la informacin contenida
en una muestra aleatoria.- Vamos a
centrar nuestra atencin en
caractersticas especficas o parmetros
de la poblacin.-
Algunos parmetros de inters podran ser la media, la
variancia o la proporcin de la poblacin que
poseen determinados atributos.-
Por ejemplo, podramos hacer inferencia sobre:
ES DECIR
Un estimador de un parmetro
poblacional es una variable aleatoria
que depende de la informacin de la
muestra y cuyas realizaciones
proporcionan aproximaciones al valor
desconocido del parmetro.-
La media de la muestra X puede ser un
estimador de la media de la poblacin , la
proporcin de la muestra p puede ser un
estimador de la proporcin poblacional P.-
a) ESTIMACIN PUNTUAL
b) ESTIMACION POR INTERVALOS
DE CONFIANZA.-
a) ESTIMACION
PUNTUAL
Un estimador puntual de un parmetro
poblacional es una funcin de la muestra que da
como resultado un nico valor.- La
correspondiente realizacin se llama
estimacin puntual.-
En el ejemplo, que vimos antes, el ingreso medio
de las familias, el parmetro que se quiere
estimar es la media poblacional.- El estimador
puntual que se utiliza es la media muestral y la
estimacin resultante fue de 1650$.-
Entonces tenemos la siguiente tabla, para
estimadores puntuales:
Parmetro poblacional Estimador
Media x X
Variancia x Sx
Desviacin estndar x sx
Proporcin P p
Veamos un ejemplo.-
10 16 5 10 12 8 4 6 5 4
x - n X 782 - 10 * 64
S = ---------------------------- = --------------------------- = 15.7
n - 1 9
Para la desviacin estndar la estimacin puntual ser
Sx = S = 15,78 = 3.97
Finalmente, en la muestra, el nmero de
valores para los cuales la ganancia por
accin es mayor que 8,5 son cuatro.- Por
lo tanto nuestra estimacin puntual de la
proporcin poblacional es:
x 4
p = = = 0.40
n 10
En un situacin practica podra haber varios estadsticos
disponibles como estimadores puntuales para un
parmetro poblacional.- Para decidir cual es la mejor
opcin, necesita saber como se comporta el estimador
en el muestreo repetido, descrito por su distribucin
muestral.-
A manera de analoga, piense en disparar un revolver a
un blanco.- El parmetro de inters es el centro del
blanco en el que dispara las balas.- Cada bala representa
una sola estimacin de la muestra, disparada por el
revolver, la cual representa al estimador.- Suponga que
su amigo dispara un solo tiro y da en el centro del
blanco.- su conclusin es que el es un tirador
excelente?.- se pondra de pie al lado del blanco
mientras el hace un segundo disparo? Probablemente
no, porque no tiene ninguna medida del desempeo en
ensayos repetidos.-
El siempre da en el blanco, o es constante para dar muy
alto o muy bajo?.- sus tiros se agrupan muy cercanos al
blanco o por lo general salen desviados del blanco por un
amplio margen?.- En la figura siguiente aparecen varias
configuraciones del blanco.-
Consistente
arriba del blanco
Fuera del blanco
Consistente por un amplio
abajo del blanco margen
Mejor puntera
Las distribuciones muestrales proporcionan informacin
til para seleccionar el mejor estimador.- Qu
caractersticas seran valiosas?.- Primero, la
distribucin muestral del estimador puntual debe
estar centrada en el valor verdadero del
parmetro por estimar.- Es decir, el estimador no
debe subestimar o sobreestimar regularmente el
parmetro de inters.- Se dice que tal estimador es no
sesgado.-
Estimador 0,08
0,07 Estimador
no
0,06
sesgado sesgado
Densidad
0,05
0,04
0,03
0,02
0,01
0,00
0 10 20 30 40
X
Grfica de distribucin
0,04
Estimador
Estimador con
con 0,03 variancia
variancia menor
Densidad
mayor
0,02
0,01
0,00
-50 -25 0 25 50 75 100
X
1.96 SE 1.96 SE
Estimador
Margen Margen
muestral
de de
error error
SE = S
n
Para estimar la proporcin poblacional P de una
poblacin binomial, el estimador puntual p = x/n es
no sesgado con error estndar estimado como:
pq
SE = n
pq
1,96 n
S 3.5
1,96 SE = 1,96 = 1,96 = 0.97
n 50
Pq 0,45 * 0,55
1,96 SE = 1,96 = 1,96 = 0.10
n 100
60
50
40
30
20
10
1
9 10 11 12 13 14 15 16 17
C1
Controlando Determinacin
Principio e Para
Para medias el ancho de los
Interpretacin Proporciones
poblacionales de un tamaos
de poblacionales
intervalo muestrales
los I de C
Muestras
pequeas Cambio del
tamao Para
muestral estimar
proporcin
El Gerente Comercial puede seleccionar una muestra
aleatoria de 100 clientes y decidir que la media
poblacional, gasto promedio por cliente est en algn
sitio entre 200 y 500 $.-
Se podra calcular un
Intervalo de Confianza
Estos niveles de
para cualquier nivel
confianza se
que se deseara denominan
COEFICIENTES
DE CONFIANZA
Las estimaciones Sin embargo, no hay
por intervalo manera de saber que
gozan de ciertas tan grande es el error
ventajas sobre de muestreo.-
las estimaciones
puntuales.-
Debido al error
de muestreo
Por lo tanto, los INTERVALOS
probablemente
DE CONFIANZA, se utilizan para
X no ser igual explicar esta discrepancia
a .- desconocida
EL FUNDAMENTO DE
UN
INTERVALO DE
CONFIANZA
Un I de C tiene un lmite inferior de
confianza (LIC) y un lmite superior de
confianza (LSC)
2 x
=?
LIC1 X1 LSC1
LIC2 X2 LSC2
LIC3 X3 LSC3
LIC4 X4 LSC4
LIC5 X5 LSC5
La figura anterior, muestra cinco de estas medias
muestrales posibles.- Si la muestra da X1, un intervalo
que se extiende dos errores estndar por encima y por
debajo de X1 todava incluye el valor desconocido de la
media poblacional.- De igual forma si la muestra hubiese
dado una media X2, el intervalo resultante tambin
incluira la media poblacional.- Vale la pena destacar que
solo X3 y X5, quedan tan lejos de la media poblacional
que un intervalo de 2 errores estndar no incluye la
media poblacional.-
X Z/2 x
1-
Z
- z/2 0 z/2
X -
P ( - Z/2 < Z < Z /2 ) ; pero Z =
/n
1 - = 90 % Z = 1,645
1 - = 95 % Z = 1,96
1 - = 99 % Z = 2,58
Veamos un ejemplo y expliquemos.-
X Z/2 x
650
x = = = 65
n 100
Entonces,
1672,60
1672,60 1927,40
INTERPRETACION
DE UN
INTERVALO DE
CONFIANZA
El empresario puede interpretar los resultados de su
Intervalo de Confianza de dos formas.-
1 - Coeficiente de Confianza
SE LLAMA VALOR
X Z/2 s x
S
Donde S x =
n
Veamos un ejemplo:
X Z/2 sx
220,30
16320 2,58 * =
50
16239,62
16320 80,38 =
16400,38
16258,94
16320 61,06 =
16381,06
X Z/2 x
350,0
1600 1,96 * =
9
1371,33
1600 228,67 =
1828,67
Distribucin t
X
P ( - t n-1; /2 < < + t n 1; /2) = 1-
S/n
S S
X - t n-1; /2 < < X + t n 1; /2
n n
Al ensayar un nuevo mtodo de produccin, se
seleccionaron 18 empleados al azar y se les pidi lo
probaran.- La tasa de produccin promedio muestral
para los 18 empleados fue de 80 partes por hora y la
desviacin estndar muestral fue de 10 partes por hora.-
Determine intervalos de confianza del 90 y 95% de la
tasa de produccin promedio poblacional con el nuevo
mtodo, suponiendo que la poblacin tiene una
distribucin normal de probabilidades.-
SOLUCION
75,90
80 4,10 =
84,10
75,03
80 4,97 =
84,97
60
50
40
30
20
10
1
14 15 16 17 18 19 20 21 22 23
MPG
En la grafica de probabilidad no se observa nada
que indique la ausencia de normalidad.-
Media del
Error
Var N Media estndar Desv.Est. Varianza Mnimo Mediana
MPG 24 18,679 0,346 1,695 2,874 14,500 18,650
Media del
Error
N Media Desv.Est. estndar IC de 90%
24 18,679 1,695 0,346 (18,086; 19,272)
si Se conoce no La poblacin es no
si
normal
Se
Usar S si no
conoce
en lugar
de
Usar S
en lugar
de
Use Z Utilizo
Estadstica
Use Z No
Use Z Use t Paramtrica
INTERVALO DE
CONFIANZA
PARA LA
PROPORCION POBLACIONAL
(Muestras grandes)
Supongamos que estamos interesados en la proporcin
de miembros de la poblacin que poseen un
determinado atributo.- Por ejemplo, una empresa puede
estar interesados en cuantos de sus clientes pagan con
tarjeta en relacin a los que pagan en efectivo; un
empresario puede estar interesado en que proporcin
sus productos son no defectuosos en relacin a los
defectuosos, etc.-
En cada uno de estos casos, existen solo dos posibles
resultados.- Por tanto, la preocupacin se concentra en
la proporcin de respuestas que quedan dentro de uno
de estos dos resultado.-
Situndonos en el marco de la distribucin binomial, p
representa la proporcin de xitos en n intentos
independientes, cada uno con probabilidad de xito p
En secciones anteriores vimos que si n es grande en
general, n * p mayor que 0,05 y n * p * (1 p) mayor que
0,05, la distribucin de las proporciones muestrales ser
normal, por lo tanto podemos usar Z para el Intervalo de
Confianza.- Sabemos que el error estndar de la
distribucin muestral de las proporciones muestrales
es:
P ( 1 P)
p =
n
LA MEDIA
POBLACIONAL LA
PROPORCION
POBLACIONAL
DETERMINACION DEL TAMAO DE LA MUESTRA
PARA LA MEDIA.-
X -
Z =
n
Donde Z es el valor crtico correspondiente a un rea de
( 1 - ) / 2 desde el centro de una distribucin normal
estndar.-
Si se multiplica ambos lados de la ecuacin por / n se
tiene:
Z = X -
n
Z
E = Z n=
n E
De acuerdo con la frmula de n, para determinar el
tamao de la muestra, deben conocerse los tres
factores siguientes:
a) El intervalo de confianza deseado, que determina el
valor de Z o valor crtico en la distribucin normal
estndar.-
b) El error de muestreo E aceptable.-
c) La desviacin estndar .-
a)
1,96 25 3,8416 * 625
n = =
5,0 25
n = 96,04 97 facturas
Veamos un ejemplo.- El propietario de un gran centro
de esqu de los Estados Unidos esta considerando
comprar una mquina para hacer nieve y ayudar a la
madre naturaleza a proporcionarle una base apropiada
para los fanticos esquiadores.- Si el promedio de
nevadas parece insuficientes, piensa que la mquina
debera pagarse sola muy pronto.- Planea estimar las
pulgadas promedio de nieve que caen el rea, pero no
tiene idea que tan grande tiene que ser la muestra.- Solo
sabe que desea un 99% de confianza en sus hallazgos y
que el error no debe exceder de 1 pulgada.- El propietario
le promete abonos gratuitos.- Usted puede ayudarlo?.-
Solucin
Usted comienza con una muestra piloto grande n 30,
que en el estudio produce una desviacin estndar de
3,5 pulgadas.- Entonces:
Z 2,58 3,5
n = = = 81,5 82
E 1,0
p - P
Z=
P * (1 -P)
n
Donde Z es el valor crtico que corresponde a un rea de
(1 )/ 2 desde el centro de una distribucin normal
estndar.-
Al multiplicar ambos lados por el denominador, nos
queda:
P * (1 -P)
Z = ( p - P)
n
P * (1 -P)
E = Z *
n
Al despejar n de nuestra frmula anterior nos queda:
Z * P (1 P)
n =
E
n = Z * P (1 P)
E
n = 1,96 * 0,50 * 0,50 = 2401 ciudadanos
0,02
Rpta: n = 422,7
LIMITES DE CONFIANZA
UNILATERALES
Los intervalos de confianza que hemos visto hasta ahora,
se denomina intervalos de confianza bilaterales, porque
producen un lmite inferior y un lmite superior para el
parmetro de inters.-
No obstante, algunas veces el experimentador solo est
interesado en uno de esos lmites, es decir, necesita un
lmite superior (o quizs el lmite inferior) para el
parmetro de inters.-
Cuando la distribucin muestral de un estimador puntual
es aproximadamente normal, es posible usar el mismo
argumento que hemos visto al principio de intervalos de
confianza, solo que usaremos cuando la muestra es
suficientemente grande, Z.- Entonces:
Limite inferior del Intervalo:
fx
0 Z
EJERCICIO PARA HACER EN CLASE
Repta: 10,3806
EJERCICIOS
GENERALES
1.- Se extrajo una muestra aleatoria de 172
estudiantes de Contabilidad y se les pidi que
evaluaran una determinada condicin de trabajo
en una escala de 1 (no importante) a 5
(extremadamente importante).- La seguridad en
el trabajo recibi una calificacin media de 4,38
con una desviacin estndar muestral de 0,70.-
Calcular y explicar un intervalo de confianza del
99 por ciento para la media poblacional.-
6 4 6 8 7 7 6 3 3 8
7 8 7 5 9 5 8 4 3 8
4 4 8 4 5 6 2 5 9 9
9 9 5 9 7 8 3 10 8 9
10 5 8 6 4 5 4 8 4 8
0 1 1 2 1 0 2 3 2 1
2 0 0 2 0 1 1 3 4 0
3 0 2 0 2 0 3 1 0 2
6,0 6,3 6,4 6,0 7,6 6,6 6,2 7,0 6,5 6,8
5,8 7,2 6,5 7,2 6,0 7,0 5,7 6,2 7,3 6,2
5.3 6.7 6.0 8.6 7.7 6.9 7.8 7.3 6.8 7.6 6.2 7.6 6.9 5.8
7.2 6.5 5.5 7.1 7.2 6.0 7.6 7.0 6.6 6.5 7.1
Resp. a) b) c) 99,38 %
d)
20.- Existen varios medicamentos para tratar la diabetes.-
Un experto en ventas de una importante compaa
farmacutica necesita una estimacin del numero de
nuevas prescripciones de su nuevo medicamento
contra la diabetes que se hicieron durante un
determinado mes.-El numero de nuevas prescripciones
en una muestra aleatoria de 10 distritos de ventas es:
210 240 190 275 290 265 312 284 261 243
a) Halle un intervalo de confianza al 90% del numero
medio de prescripciones de este nuevo medicamento
en todos los distritos de ventas,. Indique los
supuestos.-
b) Calcule la amplitud de los intervalos de confianza al 95
y 98 %.-
Resp: a) 95.96% b)
INTERVALOS DE
CONFIANZA
PARA
DOS MEDIAS
POBLACIONALES
Veremos en este caso mtodos basados en intervalos de confianza
para estimar algunos parmetros de dos poblaciones.- Un
importante problema en la inferencia estadstica es la comparacin
de dos medias de poblaciones que siguen una distribucin normal
o la comparacin de dos proporciones de grandes poblaciones.-
Por ejemplo:
4950625 5640625
Sx1 - x2 = 50 + 50 = 902,08
El intervalo de confianza ser:
2206 1,96 (460,2445)
2206 902,08
(1303,92 a 3108,08)
(n1- 1) S1 + (n2- 1) S2
Sp =
(n1 + n2 2)
Sp Sp
Sx 1 - x2 = +
n1 n2
El intervalo de confianza de 100 (1 ) por ciento para la
diferencia 1 - 2 esta dada por
(x1 - x2) t1 - /2 Sx 1 - x2
Veamos un ejemplo:
Un estudio tuvo como objetivo determinar los efectos del
ejercicio por un tiempo prolongado en los ejecutivos de
una empresa inscriptos en un programa supervisado de
acondicionamiento fsico.- Se registraron datos de 13
individuos (el grupo deportista) que voluntariamente se
inscribieron al programa y que permanecieron activos por
13 aos en promedio, y de 17 individuos (el segundo
grupo, el sedentario) que decidieron no inscribirse.- Entre
los datos que se registraron acerca de los individuos est
el nmero mximo de sentadillas realizadas en 30
segundos.-
El grupo deportista obtuvo una media y una desviacin
estndar de 21,0 y 4,9 respectivamente.- La media y la
desviacin estndar para el grupo sedentario fue de 12,1 y
5,6 respectivamente.-
Se considera que las dos poblaciones de mediciones de
acondicionamiento fsico muscular sigue una distribucin
normal y que las variancias para ambas poblaciones son
iguales.- Se pretende elaborar un intervalo de confianza
del 95% para la diferencias entre las medias de las
poblaciones representadas por las dos muestras.-
Solucin
28,21 28,21
(21,0 - 12,1) 2,0484 + 17
13
8,9 4,0085
4,9 a 12,9
Se tiene una confianza del 95% de que la diferencia entre
las medias de las poblaciones estn entre 4,9 y 12,9.-
Debido a que el intervalo no incluye al cero, se puede
concluir que las medias de las poblaciones son
diferentes.-
EJERICICIO PARA HACER EN CLASE
Media del
Error
N Media Desv. Est. estndar
C1 10 133,3 14,8 4,7
C2 8 94,0 11,4 4,0
Donde w1 = S1 / n1 w2 = S2 / n2 t1 = t1 /2 para n1 1
grados de libertad y t2 = t1 /2 para n2 1 grados de
libertad.-
Un intervalo de confianza aproximado del 100(1- ) por
ciento para 1 - 2 esta dado por:
S1 S2
(x1 - x2) t1 /2 +
n1 n2
Veamos un ejemplo:
Retomemos el ejemplo visto oportunamente para
variancias iguales.- Los investigadores tambin
informaron los siguientes datos de las mediciones
referentes a todas las calificaciones del
acondicionamiento muscular logradas por los individuos:
Muestra n Media Desviacin
estndar
Grupo deportistas 13 4,5 0,3
Grupo sedentarios 17 3,7 1,0
0,139784
= = 2,1261
0,065747
0,3 1,0
( 4,5 - 4,7) 2,1261 +
13 17
Media del
Error
Muestra N Media Desv.Est. estndar
1 16 290,0 15,0 3,8
2 11 250,0 50,0 15
p1 (1 - p1) p2 (1 - p2)
Sp1 - p2 = +
n1 n2
p1 (1 - p1) p2 (1 - p2)
(p1 - p2) Z /2 +
n1 n2
VEAMOS UN EJEMPLO
Muestra X N Muestra p
1 107 120 0,891667
2 78 141 0,553191
(xi - ) (xi - )
= =8 y S = = 10
N N-1
S 0 + 2 + +2 + 0 200
E(S) = = = =8
25 25 25
S 2 + 8 + +2 100
E(S) = = = = 10
10 10 10
k=6
k=4
S (n 1)
/2 < < 1 - /2
(n 1)S (n 1)S
> >
/2 1 - /2
(n 1)S (n 1)S
< <
/2 1 - /2
Veamos un ejemplo:
Una muestra aleatoria de pastillas para el dolor de cabeza
tienen una desviacin estndar de 0,8% en la
concentracin de ingredientes activos.- Hallar un intervalo
de confianza del 90% para la variancia poblacional.-
Solucin
Mos que n = 15 S = 0,8 = 0,64
Dado que el intervalo requerido es del 90%, entonces =
0,10, tenemos que:
n 1: /2 = 14; 0,05 = 23,685
n 1;1 - /2 = 14; 0,95 = 6,571
El intervalo de confianza ser:
14 (0,64) < < 14 (0,64)
23,685 6,571
Por lo que,
0,378 < < 1,364
11 (0,391868) 11 (0,391868)
< <
21,920 3,816