Leccion de Estudio

Herramientas Estadísticas 1
Inferencia Estadística:
Estimación
Sesión 10
Notas de clase elaboradas por el Prof. Tomás Minauro L. Lima, esan, ® 2014.
Margen de Error y
Estimación por Intervalo
No se puede esperar que un estimador puntual nos
proporcione el valor exacto del parámetro de la
población.
Un intervalo de estimación, puede calcularse
sumando y restando el margen de error al estimado
puntual.
Estimado puntual +/- Margen de Error.
El propósito de un estimado por intervalo es
proporcionar información sobre cuán cerca está la
estimación puntual del parámetro.
Margen de Error y
Estimación por Intervalo
La forma general de una estimador por intervalo de
una media de población es
X + Margen de Error
x  Margin of Error
Estimación por intervalo de la

media poblacional: s conocido
Para desarrollar una estimación por intervalo de la
media poblacional, el margen de error debe ser
calculado utilizando:
 s desviación estándar poblacional, o
 s desviación estándar muestral.
Rara vez se conoce exactamente s, pero es común
obtener una buena estimación sobre la base de
datos históricos u otra información.

Hay una probabilidad de (1 - ) de que la media
muestral nos de un error menor o igual a Z/2sx
Distribución
muestral
de X
/2 (1-) de los /2

valores de X.
 X
z / 2 s x z / 2 s x

Distribución
[------------------------- X -------------------------]
+ (1-) de Muestral
todos los de X
valores de
/2 X /2
El intervalo
NO incluye X
a  El intervalo
SI incluye a 
[------------------------- X -------------------------]
[------------------------- X -------------------------]
[------------------------- X -------------------------]

s
X  Z / 2
n
donde:
X es la media muestral
(1 -) es el coeficiente de confianza
Z/2 es el valor de Z correspondiente a un área
de /2 en la cola superior de la distribución
normal estándar.
s es la desviación estándar de la población
n es el tamaño de la muestra

Valores de Z/2 para los Niveles de Confianza
más comúnmente usados:
Nivel de  /2 Valor

Confianza de Z/2
90% 10% 5.0% 1.645
95% 5% 2.5% 1.960
99% 1% 0.5% 1.576
Significado de la Confianza
Porque el 90% de los intervalos construidos usando
X + Z/2 sX contienen a la media poblacional, se dice
que tenemos un 90% de confianza en que dicho
intervalo incluye a la media poblacional .
Decimos que este intervalo se ha construido con un
nivel de confianza del 90%.
El valor 0.90 se conoce como el coeficiente de
confianza.
Ejemplo: Discount Sounds

Discount Sounds tiene 260 tiendas de descuento
a lo largo de los Estados Unidos. La
empresa está evaluando la ubicación
potencial de una nueva tienda de la
cadena, basado en parte, en el ingreso
D
anual de las personas en el área de
influencia de la nueva ubicación.
Se tomó una muestra de n = 36 y el promedio
muestral es $41,100. Se cree que la población no
es muy sesgada. La desviación estándar de la
población se sabe que está en 4,500 dólares.
Definir el nivel de confianza más adecuado.

media poblacional: s desconocido
En la mayoría de aplicaciones el valor de la
desviación estándar s no es conocido. En esos casos
se sugiere usar la desviación estándar muestral como
un estimado puntual de la desviación estándar
poblacional.
Este es el caso de s desconocido.
En este caso, el intervalo de confianza estimado para
m se basa en la distribución t – student.
(Vamos a suponer que la población se distribuye
normalmente)
Distribución t
La distribución t es una familia de distribuciones.
Cada distribución t específica depende de un
parámetro llamado grados de libertad.
Grados de libertad se refieren al número de piezas de
información independientes que ingresan en el
cálculo de la desviación estándar de la muestra.
A medida que aumentan los grados de libertad, la
diferencia entre la distribución t y la distribución
normal estándar es menor y menor. Para más de 100
grados de libertad, Z es una buena aproximación de t.
Una distribución t con más grados de libertad tiene
menos dispersión.
Distribución t
Distribución t
Distribución (20 grados
normal de libertad)
estándar
Distribución t
(10 grados
de libertad)
0 Z/t

S
X  t  /2
n
donde:
X es la media muestral
t/2 es el valor de t correspondiente a un área
t-student con (n-1) grados de libertad.
S es la desviación estándar muestral

Ejemplo: Alquileres de Departamentos
Un periodista de un diario local está
escribiendo un artículo sobre el costo
de las viviendas en cierto sector de la
ciudad. Una muestra representativa de 16 apartamentos
en dicho sector, nos da una renta media muestral de
$ 750 por mes y una desviación estándar de $ 55.
Calcularemos un intervalo de confianza para la renta
media por mes para la población. Determinar le nivel de
confianza más adecuado.
En este caso vamos a suponer que esta población se
distribuye normalmente.

Tamaño adecuado de la muestra:
En la mayoría de los casos, una muestra de 30 es
adecuada y podemos usar en el calculo del intervalo
de confianza la expresión: X + t/2 S / n.
Si la distribución de la población es muy sesgada o
contiene valores extremos, se recomienda una
muestra de 50 o más.
Si la población no se distribuye normalmente, pero
es más o menos simétrica, un tamaño de muestra
tan pequeña como de 15 será suficiente.
Si la población se cree es aproximadamente normal,
se puede usar una muestra de menos de 15.
Tamaño de la muestra para estimar

por intervalo la media poblacional
Sea E = el margen de error deseado.
E es la cantidad que sumamos y restamos de la
estimación puntual para obtener un estimado por
intervalo.
Si seleccionamos un margen de error antes del
muestreo, podemos determinar el tamaño de muestra
necesario para satisfacer dicho margen de error.

Margen de Error
s
E = Z/ 2
n
Tamaño de muestra necesario
(Z / 2 ) 2 s 2
n= 2
E

La fórmula del tamaño de la muestra requiere el valor
de la desviación estándar s de la población.
Si s es desconocido, se puede utilizar en la ecuación.
un valor preliminar o un valor planificado de s.
1. Use una estimación de la desviación estándar de
la población calculada en algún estudio previo.
2. Use un estudio piloto para calcular una desviación
estándar muestral que podrá estimar el valor de s.
3. Use el sentido común o el “best guess” para
asignar un valor de s.

Recordemos que la administración de
Discount Sounds está valuando la posible D
ubicación de un punto de venta, a base
en parte del ingreso medio anual de los
individuos en el área de comercialización
de la nueva ubicación.
Supongamos que el equipo de gestión quiere una
estimación de la media de la población de tal manera
que haya una probabilidad de 0,95 de que el margen
de error de sea de $ 500 o menos.
¿Qué tamaño de muestra necesita para alcanzar la
precisión requerida?

proporción poblacional
La fórmula general para una estimación por
intervalo de una proporción de la población es:
p + Margen de Error
La distribución muestral de p, que es la Binomial,
juega un papel clave en el cálculo del margen de
error de esta estimación por intervalo.
Dicha distribución se puede aproximar por una
distribución normal cuando:
n p > 5 y n (1 - p) > 5.

Aproximación normal de la distribución muestral de p
Distribución
p (1-p)
Muestral de sp =
p n
(1 - ) de
/2 todos los /2
valores de p
p
p
Z/2 sp Z/2 sp

p (1-p)
p + Z/2
n .
donde:
p es la proporción muestral
Z/2 es el valor de Z correspondiente a un área
normal estándar

Ejemplo: Central de Investigación
Política S.A. (CIPSA)
CIPSA se especializa en encuestas de
opinión y, en temporadas electorales,
realiza encuestas diseñadas especial-
mente para mantener informados a
los responsables de las posiciones de sus candidatos.
Usando encuestas personales, preguntan a los electores
sobre sus preferencias.
En una reciente campaña electoral, CIPSA encontró que
220 votantes, de los 500 contactados, están a favor de
un candidato en particular. CIPSA quiere desarrollar un
intervalo de confianza para la proporción de la población
de votantes que favorecen a dicho candidato.
Tamaño de muestra para estimar por

intervalo la proporción poblacional
Margen de Error
p(1- p)
E = Z/2
n .
Tamaño de muestra necesario

Sin embargo, p no se conocerá ni después de obtener la
muestra. Por ello para calcular el tamaño de la muestra
usaremos el estimado preliminar p*.
(Z/2)2 p*(1- p*)
n=
E2 .

Para determinar el valor preliminar p* se puede
elegir entre:
1. Usar un estimado anterior, o
2. Seleccionar una muestra preliminar y usar la
proporción calculada a partir de esta muestra, o
3. Use el sentido común o el “best guess” para
asignar un valor p*, o
4. De lo contrario, use 0.50 como el valor de * p,
que le dará la muestra más grande posible.

Supongamos que CIPSA desea
obtener una estimación con una
probabilidad de 0,99 que la proporción
de la muestra esté a máximo 3% de la
proporción poblacional.
¿Cuán grande debe ser la muestra para cumplir
con la precisión requerida? (Una muestra de
hace un par de semanas dio 0,44 para la
proporción de la muestra.)

Leccion de Estudio

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Leccion de Estudio

Uploaded by

Copyright:

Available Formats

Herramientas Estadísticas 1

Estimación por intervalo de la

Estimación por intervalo de la

/2 (1-) de los /2

Estimación por intervalo de la

Estimación por intervalo de la

Estimación por intervalo de la

Nivel de  /2 Valor

Ejemplo: Discount Sounds

Estimación por intervalo de la

Estimación por intervalo de la

Estimación por intervalo de la

Estimación por intervalo de la

Tamaño de la muestra para estimar

Tamaño de la muestra para estimar

Tamaño de la muestra para estimar

Tamaño de la muestra para estimar

Estimación por intervalo de la

Estimación por intervalo de la

Estimación por intervalo de la

Estimación por intervalo de la

Tamaño de muestra para estimar por

Tamaño de muestra necesario

Tamaño de muestra para estimar por

Tamaño de muestra para estimar por

You might also like