SlideShare una empresa de Scribd logo
Estimación.
Intervalos de Confianza para la Media
y para las Proporciones
Algunas secciones han sido tomadas de:
Apuntes de Estadística Inferencial
Instituto Tecnológico de Chiuhuahua
Estimación
El objetivo principal de la estadística inferencial es la estimaciestimacióónn, esto
es que mediante el estudio de una muestra de una población se quiere
generalizar las conclusiones hacia el total de dicha población. Como
vimos en la sección anterior, los estadísticos pueden variar mucho
dentro de sus distribuciones muestrales. Mientras menor sea el error
estándar de un estadístico, más cercanos serán sus valores. El Error
estandard podríamos expresarlo conceptualmente como el error que se
puede cometer al intentar conocer a una poblacipoblacióónn por medio de una
muestramuestra tomada de dicha población.
Existen dos tipos de estimaciones para parámetros; puntualespuntuales y porpor
intervalointervalo.
• Una estimaciestimacióón puntualn puntual es un único valor estadístico y se usa para
estimar un parámetro. El estadístico usado se denomina estimador.
•Una estimaciestimacióón por intervalon por intervalo es un rango, generalmente de ancho
finito, que se espera que contenga el parámetro.
EstimaciEstimacióón por Intervalosn por Intervalos
Un estimado puntual, por ser un sólo número, no proporciona por sí mismo
información alguna sobre la precisión y confiabilidad de la estimación.
Por ejemplo, imagine que se usa la media de una muestra para estimar
(estimador puntual) la resistencia real a la ruptura de toallas de papel de
cierta marca y suponga que = 9322.7.
Debido a la variabilidad de la muestra, casi nunca se tendrá el caso de que
= μ. El estimador puntual nada dice sobre lo cercano que esta de μ. Una
alternativa para reportar el valor del parámetro que se esté estimando es
calcular un intervalo de valores factibles, es decir un llíímite de confianza omite de confianza o
intervalo de confianzaintervalo de confianza (IC).
x
x
x
Un intervalo de confianzaintervalo de confianza se calcula siempre seleccionando primero un
nivel de confianzanivel de confianza, que es una medida del grado de confiabilidad en el
intervalo. Entonces, en el ejemplo anterior, si queremos un nivel de
confianza de 95% diríamos que es posible tener cualquier valor de m
entre 9162.5 y 9482.9.
Un nivel de confianza de 95% implica que 95% de las muestras daría
lugar a un intervalo que incluye m o cualquier otro parámetro que se
esté estimando, y sólo 5% de las muestras producirá un intervalo
erróneo. Cuanto mayor sea el nivel de confianza podremos creer que el
valor del parámetro que se estima está dentro del intervalo.
Todo está muy bien, pero
¿cómo sabemos estos
valores?
Si, por ejemplo, queremos tener un nivel de confianza de 95% (lo
cual es muy común), entonces usamos la distribución normal
estándar y encontramos los valores que incluyen a 95% del área.
0.4
0.3
0.2
0.1
0.0
z
Density
-1.96
0.95
1.960
Distribution Plot
Normal, Mean=0, StDev=1
95% del área.
En el siguiente ejemplo, tomado de una simulación efectuada con
Minitab (Macro GMeanCI, de www.duxbury.com) se “crean” 100
muestras (n = 9) de una población con μ = 80 y σ = 5. Para 95% de
confianza, 95 de los 100 intervalos calculados contienen a μ.
Los intervalos que no contienen al valor de μ están marcados en rojo.
1009080706050403020101
200
150
100
50
0
Interval Number
ConfidenceIntervals
True mean
1009080706050403020101
200
150
100
50
0
Interval Number
ConfidenceIntervals
95% Confidence Intervals for the Mean
Supongamos que la estatura de los niños de 2 años está distribuída
normalmente con una media de 90 cm y una desviación estándar de 36
cm. ¿Cuál sería la distribución muestral de la media para una muestra de
tamaño 9? Recordemos que la media de una distribución muestral de
medias es igual a μ :
m
n
σ
σ =
Para nuestro ejemplo, la distribución muestral de la media tendría una
media de 90 y una desviación estándar de 36/3 = 12. Recordemos que la
desviación estándar de una distribución muestral es igual al error
estándar.
Intervalos de confianza para la media
xμμ =
Y el error estándar
es:
La siguiente figura muestra esta distribución en donde el área
sombreada representa el 95% del total, encontrándose entre los
valores de 66.48 y 113.52. Estos límites fueron calculados añadiendo y
restando 1.96 desviaciones estándar del valor de la media de 90, lo que
equivale al 95% del área bajo una curva normal estándar, es decir:
90 - (1.96 x 12) =
90 - 23.52 = 66.48
90 + (1.96 x 12) =
90 + 23.52 = 113.52
Lo que nos muestra la figura es que 95% de las medias se encontrarían a
no más de 23.52 de la media de 90 (o sea a 1.96 desviaciones estándar).
Ahora si consideramos la probabilidad de que la media de una muestra
aleatoria se encuentre a cierta distancia de la media de la población,
entonces podemos decir que como 95% de la distribución está a 23.5 de
90, la probabilidad de que la media de cualquier muestra esté a 23.52 de
90 es de 0.95.
95% del área.
23.52
Lo anterior significa que si calculamos repetidamente la media de una
muestra, , y consideramos un intervalo que vaya de
- 23.52 a + 23.52, este intervalo contendrá a la media de la
población 95% de las veces. En general, podemos calcular el intervalo de
confianza con la siguiente fórmula:
x
x x
x z
n
σ
μ = ±
Donde z es el valor de la curva estandar normal para la confianza que se
requiere. En el caso de 95% de confianza:
1 96.x
n
σ
μ = ±
Notar que no es otra
cosa que despejar μ de
la fórmula para el valor
Z de la distribución de
medias
De esta formula se puede observar que tanto el tamaño de la muestra
como el valor de σ se deben conocer. Z se puede obtener de la tabla de
la distribución normal a partir del nivel de confianza establecido.
Como en muchas ocasiones se desconoce σ en esos casos lo correcto es
utilizar otra distribución para muestras (la llamada “t” de student que
veremos en la siguiente sesión) si la población de donde provienen los
datos es normal.
En este caso se puede utilizar una estimación puntual de la desviación
estándar de la población por medio de la desviación estándar de la
muestra, es decir (σ ~ s).
Ejemplos:
1. Se encuentra que la concentración promedio de zinc de una muestra
de 36 cereales es de 2.6 gramos por miligramo. Encuentre los intervalos
de confianza de 95% y 99% para la concentración media de zinc en el
cereal. Suponga que la desviación estándar de la población es 0.3.
Solución:
La estimación puntual de μ es x = 2.6 (el valor de la media de la
muestra). El valor de z para un nivel de confianza del 95% es 1.96, por lo
tanto:
2.5 2.6 2.7
Valores z
Valores reales
Para un nivel de confianza de 99% el valor de z es de 2.575 por lo que el
intervalo será más amplio:
2.47 2.6 2.73Valores reales
Z
2. Los vuelos de una empresa de aviación tienen una duración bimestral
aproximadamente distribuida de forma normal con una desviación
estándar de 40 horas. Si una muestra de 30 vuelos tiene una duración
promedio de 780 horas, encuentre los intervalos de confianza de 96%
para la media de la población de todos los vuelos de esta empresa.
Con un nivel de confianza del 96% se sabe que la duración media de los
vuelos está entre 765 y 795 horas.
Un estimador puntual de la proporción P en un experimento binomial
está dado por la estadística P=X/N, donde X representa el número de
éxitos en N pruebas.
Por tanto, la proporción de la muestra p=x/n se utilizará como
estimador puntual del parámetro P.
Si no se espera que la proporción P desconocida esté demasiado cerca
de 0 ó de 1, se puede establecer un intervalo de confianza para P al
considerar la distribución muestral de proporciones.
Intervalos de confianza para la proporción
1( )
p P
z
P P
n
−
=
−
Considerando el valor z para la distribución de proporciones
Si intentamos despejar el valor de P nos encontramos con que
1( )P P
P p z
n
−
= ±
Pero ¿cómo podemos encontrar P si también está del lado derecho
de la ecuación?
Lo que haremos es aproximar la proporción de la población por la
de la muestra, es decir sustituir P por la proporción de la muestra
p siempre y cuando el tamaño de muestra no sea pequeño.
1( )p p
P p z
n
−
= ±
Cuando n es pequeña y la proporción desconocida P se considera
cercana a 0 ó a 1, el procedimiento del intervalo de confianza que se
establece aquí no es confiable ya que realmente se debería emplear
la distribución binomial, por tanto, no se debe utilizar. Para estar
seguros, se debe requerir que np y n(1-p) sea mayor o igual a 5.
El error de estimación será la diferencia absoluta entre p y P, y
podemos tener el nivel de confianza de que esta diferencia no
excederá el valor de
1( )p p
z
n
−
0.4
0.3
0.2
0.1
0.0
z
Density
-1.64
0.05
1.64
0.05
0
Distribution Plot
Normal, Mean=0, StDev=1
Ejemplos:
1. Un fabricante de reproductores de discos compactos utiliza un
conjunto de pruebas amplias para evaluar la función eléctrica de su
producto. Todos los reproductores de discos compactos deben pasar
todas las pruebas antes de venderse. Una muestra aleatoria de 500
reproductores tiene como resultado 15 que fallan en una o más
pruebas. Encuentre un intervalo de confianza de 90% para la
proporción de los reproductores de discos compactos de la población
que no pasarían todas las pruebas.
Solución:
n=500
p = 15/500 = 0.03
z(0.90) = ±1.645
0 03 1 0 03
0 03 1 645
500
. ( . )
. .P
−
= ±
0.0237 < P < 0.0376
z=1.645 nos da un área de
~0.05 a cada lado, si lo
buscamos en las tablas
encontraríamos el valor
de 0.04998
Ejemplo 2.
En un estudio de 300 accidentes de automóvil en una ciudad
específica, 60 tuvieron consecuencias fatales. Con base en esta
muestra, construya un intervalo del 95% de confianza para
aproximar la proporción de todos los accidentes automovilísticos que
en esa ciudad tienen consecuencias fatales.
Solución:
n = 300
P= 60/300 = 0.20
Z(0.95) = ± 1.96
El intervalo de confianza es entonces:
0.154737 < P < 0.245263
300
)20.01(20.0
96.120.0
−
±=P
0.4
0.3
0.2
0.1
0.0
z
Density
-1.96
0.025
1.96
0.025
0
Distribution Plot
Normal, Mean=0, StDev=1

Más contenido relacionado

La actualidad más candente

Estimación estadística
Estimación estadísticaEstimación estadística
Estimación estadística
Tahiri Bardales
 
Estadística Probabilidades
Estadística ProbabilidadesEstadística Probabilidades
Estadística Probabilidades
Edwin Lema
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
milit
 
Tarea 10 de probabilidad y estadistica con respuesta
Tarea 10 de probabilidad y estadistica con respuestaTarea 10 de probabilidad y estadistica con respuesta
Tarea 10 de probabilidad y estadistica con respuesta
IPN
 
Distribución gamma y exponencial
Distribución gamma y exponencialDistribución gamma y exponencial
Distribución gamma y exponencial
Luis Alfredo Moctezuma Pascual
 
Distribucion de Poisson
Distribucion de PoissonDistribucion de Poisson
Distribucion de Poisson
roxanaparedes27
 
Pruebas de Bondad de Ajuste. Independencia y Homogenidad. Est ind clase10
Pruebas de Bondad de Ajuste. Independencia y Homogenidad. Est ind clase10Pruebas de Bondad de Ajuste. Independencia y Homogenidad. Est ind clase10
Pruebas de Bondad de Ajuste. Independencia y Homogenidad. Est ind clase10
Universidad Nacional Mayor de San Marcos
 
Problemas de determinación de tamaño de la muestra (9)
Problemas de determinación de tamaño de la muestra (9)Problemas de determinación de tamaño de la muestra (9)
Problemas de determinación de tamaño de la muestra (9)
Luz Hernández
 
Tarea 17 de probabilidad y estadistica con respuestas
Tarea 17 de probabilidad y estadistica con respuestasTarea 17 de probabilidad y estadistica con respuestas
Tarea 17 de probabilidad y estadistica con respuestas
IPN
 
Prueba de hipotesis estadistica aplicada a la ingenieria
Prueba de hipotesis estadistica aplicada a la ingenieriaPrueba de hipotesis estadistica aplicada a la ingenieria
Prueba de hipotesis estadistica aplicada a la ingenieria
Hector García Cárdenas
 
Tarea 6 de probabilidad y estadistica con respuestas
Tarea 6 de probabilidad y estadistica con respuestasTarea 6 de probabilidad y estadistica con respuestas
Tarea 6 de probabilidad y estadistica con respuestas
IPN
 
TRABAJO DE DISTRIBUCCION DE PROBABILIDAD
TRABAJO DE DISTRIBUCCION DE PROBABILIDADTRABAJO DE DISTRIBUCCION DE PROBABILIDAD
TRABAJO DE DISTRIBUCCION DE PROBABILIDAD
jorgemogollon49
 
Ejercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables AleatoriasEjercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables Aleatorias
Javiera Huera (Temuco)
 
Capitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de HipótesisCapitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de Hipótesis
ug-dipa
 
Distribucion muestral de proporciones
Distribucion muestral de proporcionesDistribucion muestral de proporciones
Distribucion muestral de proporciones
eraperez
 
Prueba de hipotesis sobre la media con varianza desconocida
Prueba de hipotesis sobre la media con varianza desconocidaPrueba de hipotesis sobre la media con varianza desconocida
Prueba de hipotesis sobre la media con varianza desconocida
Karina Ruiz
 
Tarea 16 de probabilidad y estadistica con respuestas
Tarea 16 de probabilidad y estadistica  con respuestasTarea 16 de probabilidad y estadistica  con respuestas
Tarea 16 de probabilidad y estadistica con respuestas
IPN
 
Prueba de hipotesis para proporciones Est ind clase02
Prueba de hipotesis para proporciones Est ind clase02Prueba de hipotesis para proporciones Est ind clase02
Prueba de hipotesis para proporciones Est ind clase02
Universidad Nacional Mayor de San Marcos
 
Resueltos estimacion
Resueltos estimacionResueltos estimacion
Resueltos estimacion
Keber Quispe Gamboa
 
Sesgo
SesgoSesgo

La actualidad más candente (20)

Estimación estadística
Estimación estadísticaEstimación estadística
Estimación estadística
 
Estadística Probabilidades
Estadística ProbabilidadesEstadística Probabilidades
Estadística Probabilidades
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
 
Tarea 10 de probabilidad y estadistica con respuesta
Tarea 10 de probabilidad y estadistica con respuestaTarea 10 de probabilidad y estadistica con respuesta
Tarea 10 de probabilidad y estadistica con respuesta
 
Distribución gamma y exponencial
Distribución gamma y exponencialDistribución gamma y exponencial
Distribución gamma y exponencial
 
Distribucion de Poisson
Distribucion de PoissonDistribucion de Poisson
Distribucion de Poisson
 
Pruebas de Bondad de Ajuste. Independencia y Homogenidad. Est ind clase10
Pruebas de Bondad de Ajuste. Independencia y Homogenidad. Est ind clase10Pruebas de Bondad de Ajuste. Independencia y Homogenidad. Est ind clase10
Pruebas de Bondad de Ajuste. Independencia y Homogenidad. Est ind clase10
 
Problemas de determinación de tamaño de la muestra (9)
Problemas de determinación de tamaño de la muestra (9)Problemas de determinación de tamaño de la muestra (9)
Problemas de determinación de tamaño de la muestra (9)
 
Tarea 17 de probabilidad y estadistica con respuestas
Tarea 17 de probabilidad y estadistica con respuestasTarea 17 de probabilidad y estadistica con respuestas
Tarea 17 de probabilidad y estadistica con respuestas
 
Prueba de hipotesis estadistica aplicada a la ingenieria
Prueba de hipotesis estadistica aplicada a la ingenieriaPrueba de hipotesis estadistica aplicada a la ingenieria
Prueba de hipotesis estadistica aplicada a la ingenieria
 
Tarea 6 de probabilidad y estadistica con respuestas
Tarea 6 de probabilidad y estadistica con respuestasTarea 6 de probabilidad y estadistica con respuestas
Tarea 6 de probabilidad y estadistica con respuestas
 
TRABAJO DE DISTRIBUCCION DE PROBABILIDAD
TRABAJO DE DISTRIBUCCION DE PROBABILIDADTRABAJO DE DISTRIBUCCION DE PROBABILIDAD
TRABAJO DE DISTRIBUCCION DE PROBABILIDAD
 
Ejercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables AleatoriasEjercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables Aleatorias
 
Capitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de HipótesisCapitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de Hipótesis
 
Distribucion muestral de proporciones
Distribucion muestral de proporcionesDistribucion muestral de proporciones
Distribucion muestral de proporciones
 
Prueba de hipotesis sobre la media con varianza desconocida
Prueba de hipotesis sobre la media con varianza desconocidaPrueba de hipotesis sobre la media con varianza desconocida
Prueba de hipotesis sobre la media con varianza desconocida
 
Tarea 16 de probabilidad y estadistica con respuestas
Tarea 16 de probabilidad y estadistica  con respuestasTarea 16 de probabilidad y estadistica  con respuestas
Tarea 16 de probabilidad y estadistica con respuestas
 
Prueba de hipotesis para proporciones Est ind clase02
Prueba de hipotesis para proporciones Est ind clase02Prueba de hipotesis para proporciones Est ind clase02
Prueba de hipotesis para proporciones Est ind clase02
 
Resueltos estimacion
Resueltos estimacionResueltos estimacion
Resueltos estimacion
 
Sesgo
SesgoSesgo
Sesgo
 

Similar a Estimación.intervalos de confianza para la media y para las proporciones

Estimacion. limites o intervalos de confianza para la media y para las propor...
Estimacion. limites o intervalos de confianza para la media y para las propor...Estimacion. limites o intervalos de confianza para la media y para las propor...
Estimacion. limites o intervalos de confianza para la media y para las propor...
eraperez
 
Intervalos de confianza (7)
Intervalos de confianza (7)Intervalos de confianza (7)
Intervalos de confianza (7)
Luz Hernández
 
Intervalo de confianza
Intervalo de confianzaIntervalo de confianza
Intervalo de confianza
laura ochoa
 
Intervalo de confianza, equipo
Intervalo de confianza, equipoIntervalo de confianza, equipo
Intervalo de confianza, equipo
gueste5eaac
 
Intervalo de confianza, equipo
Intervalo de confianza, equipoIntervalo de confianza, equipo
Intervalo de confianza, equipo
gueste5eaac
 
Intervalo de confianza
Intervalo de confianzaIntervalo de confianza
Intervalo de confianza
laura ochoa
 
Intervalo de confianza, equipo
Intervalo de confianza, equipoIntervalo de confianza, equipo
Intervalo de confianza, equipo
gueste5eaac
 
Tarea7 intervalosdeconfianza-10
Tarea7 intervalosdeconfianza-10Tarea7 intervalosdeconfianza-10
Tarea7 intervalosdeconfianza-10
CUR
 
Intervalos Confianza
Intervalos ConfianzaIntervalos Confianza
Intervalos Confianza
Azucena Agüero Torres
 
Intervalos Confianza
 Intervalos Confianza Intervalos Confianza
Intervalos Confianza
Azucena Agüero Torres
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
PaToDoMunos
 
estadistica tema estimaciones en los resultados
estadistica tema  estimaciones en los resultadosestadistica tema  estimaciones en los resultados
estadistica tema estimaciones en los resultados
dmevaleriano
 
Estimación estadística
Estimación estadísticaEstimación estadística
Estimación estadística
Mariely Sanz Cerezo
 
tema 4.pdf
tema 4.pdftema 4.pdf
tema 4.pdf
PatriciaChipana1
 
utt
uttutt
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
Khriiz Rmz
 
Blog teoria intervalo de confianza
Blog teoria intervalo de confianzaBlog teoria intervalo de confianza
Blog teoria intervalo de confianza
Sujey Yulim Mendez Espino
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
zooneerborre
 
Presentación1
Presentación1Presentación1
Presentación1
Azucena Avila Hernandez
 
000000p
000000p000000p
000000p
alejandro
 

Similar a Estimación.intervalos de confianza para la media y para las proporciones (20)

Estimacion. limites o intervalos de confianza para la media y para las propor...
Estimacion. limites o intervalos de confianza para la media y para las propor...Estimacion. limites o intervalos de confianza para la media y para las propor...
Estimacion. limites o intervalos de confianza para la media y para las propor...
 
Intervalos de confianza (7)
Intervalos de confianza (7)Intervalos de confianza (7)
Intervalos de confianza (7)
 
Intervalo de confianza
Intervalo de confianzaIntervalo de confianza
Intervalo de confianza
 
Intervalo de confianza, equipo
Intervalo de confianza, equipoIntervalo de confianza, equipo
Intervalo de confianza, equipo
 
Intervalo de confianza, equipo
Intervalo de confianza, equipoIntervalo de confianza, equipo
Intervalo de confianza, equipo
 
Intervalo de confianza
Intervalo de confianzaIntervalo de confianza
Intervalo de confianza
 
Intervalo de confianza, equipo
Intervalo de confianza, equipoIntervalo de confianza, equipo
Intervalo de confianza, equipo
 
Tarea7 intervalosdeconfianza-10
Tarea7 intervalosdeconfianza-10Tarea7 intervalosdeconfianza-10
Tarea7 intervalosdeconfianza-10
 
Intervalos Confianza
Intervalos ConfianzaIntervalos Confianza
Intervalos Confianza
 
Intervalos Confianza
 Intervalos Confianza Intervalos Confianza
Intervalos Confianza
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
 
estadistica tema estimaciones en los resultados
estadistica tema  estimaciones en los resultadosestadistica tema  estimaciones en los resultados
estadistica tema estimaciones en los resultados
 
Estimación estadística
Estimación estadísticaEstimación estadística
Estimación estadística
 
tema 4.pdf
tema 4.pdftema 4.pdf
tema 4.pdf
 
utt
uttutt
utt
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
 
Blog teoria intervalo de confianza
Blog teoria intervalo de confianzaBlog teoria intervalo de confianza
Blog teoria intervalo de confianza
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
 
Presentación1
Presentación1Presentación1
Presentación1
 
000000p
000000p000000p
000000p
 

Último

Aspidiphorus perexiguus,es una especie de coleóptero de la familia Sphindidae.
Aspidiphorus perexiguus,es una especie de coleóptero de la familia Sphindidae.Aspidiphorus perexiguus,es una especie de coleóptero de la familia Sphindidae.
Aspidiphorus perexiguus,es una especie de coleóptero de la familia Sphindidae.
MarleneUrriola
 
Interpretación de Fenómenos Físicos de la materia.pptx
Interpretación de Fenómenos Físicos de la materia.pptxInterpretación de Fenómenos Físicos de la materia.pptx
Interpretación de Fenómenos Físicos de la materia.pptx
LorenaGutierrez600157
 
Abraham ibn Ezinformacioncabalista rá al libro de Job.pdf
Abraham ibn Ezinformacioncabalista rá al libro de Job.pdfAbraham ibn Ezinformacioncabalista rá al libro de Job.pdf
Abraham ibn Ezinformacioncabalista rá al libro de Job.pdf
ramon839163
 
499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf
499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf
499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf
edwinrodiguezyaquett
 
La muerte celular en los organismos del hombre
La muerte celular en los organismos del hombreLa muerte celular en los organismos del hombre
La muerte celular en los organismos del hombre
RoberthAnthonyChapoa
 
Clubes de Salud. clubes de salud clubespptx
Clubes de Salud. clubes de salud clubespptxClubes de Salud. clubes de salud clubespptx
Clubes de Salud. clubes de salud clubespptx
LizOrdoez1
 
Glosario de Términos Odontológico con la letra H
Glosario de Términos Odontológico con la letra HGlosario de Términos Odontológico con la letra H
Glosario de Términos Odontológico con la letra H
eguamani92
 
Tecnicas de fijacion en la criminalistica
Tecnicas de fijacion en la criminalisticaTecnicas de fijacion en la criminalistica
Tecnicas de fijacion en la criminalistica
KarinaJauregui10
 
GUÍAS DOCENTES de matematicas para todos los niveles
GUÍAS DOCENTES de matematicas para todos los nivelesGUÍAS DOCENTES de matematicas para todos los niveles
GUÍAS DOCENTES de matematicas para todos los niveles
MarjorieCarvajal2
 
Que es la Discurso, técnicas de comunicación grupal
Que es la Discurso, técnicas de comunicación grupalQue es la Discurso, técnicas de comunicación grupal
Que es la Discurso, técnicas de comunicación grupal
sanchezmirley2
 
Drogas, clasificación y daños al ser humano
Drogas, clasificación y daños al ser humanoDrogas, clasificación y daños al ser humano
Drogas, clasificación y daños al ser humano
aaroncilla13
 
Empirismo y realismo de marx a Piaget, una aclaración epistemológica.
Empirismo y realismo de marx a Piaget, una aclaración epistemológica.Empirismo y realismo de marx a Piaget, una aclaración epistemológica.
Empirismo y realismo de marx a Piaget, una aclaración epistemológica.
becampoverdeg
 
ORGANIZADOR VISUAL ACERCA DE LA DEPRESION
ORGANIZADOR VISUAL ACERCA DE LA DEPRESIONORGANIZADOR VISUAL ACERCA DE LA DEPRESION
ORGANIZADOR VISUAL ACERCA DE LA DEPRESION
nicolebernal06chiroq
 
Biomoléculas: Lípidos y sus clasificaciones
Biomoléculas: Lípidos y sus clasificacionesBiomoléculas: Lípidos y sus clasificaciones
Biomoléculas: Lípidos y sus clasificaciones
MarianellaBrando
 
INFORME DE LABORATORIO N°5 - FILO PORÍFERA.docx
INFORME DE LABORATORIO N°5 - FILO PORÍFERA.docxINFORME DE LABORATORIO N°5 - FILO PORÍFERA.docx
INFORME DE LABORATORIO N°5 - FILO PORÍFERA.docx
sgonzalesbo
 
Ungüentos, pomadas, cremas, geles y pasta.docx
Ungüentos, pomadas, cremas, geles y pasta.docxUngüentos, pomadas, cremas, geles y pasta.docx
Ungüentos, pomadas, cremas, geles y pasta.docx
josegutierrezparvina
 
Practico de Histologia facultad de medicina
Practico de Histologia facultad de medicinaPractico de Histologia facultad de medicina
Practico de Histologia facultad de medicina
MessiRonaldo41
 
Ontologia de la educación unidad 2diapo UCE.pdf
Ontologia de la educación unidad 2diapo UCE.pdfOntologia de la educación unidad 2diapo UCE.pdf
Ontologia de la educación unidad 2diapo UCE.pdf
MelanyCevallos13
 
Semiologia Reumatologica basica para medicina.pptx
Semiologia Reumatologica basica para medicina.pptxSemiologia Reumatologica basica para medicina.pptx
Semiologia Reumatologica basica para medicina.pptx
drdiegogarciab
 
HSA cutaneo y esplenico, y linfoma multicentrico.pdf
HSA cutaneo y esplenico, y linfoma multicentrico.pdfHSA cutaneo y esplenico, y linfoma multicentrico.pdf
HSA cutaneo y esplenico, y linfoma multicentrico.pdf
ISABELANTONIAGONZALE
 

Último (20)

Aspidiphorus perexiguus,es una especie de coleóptero de la familia Sphindidae.
Aspidiphorus perexiguus,es una especie de coleóptero de la familia Sphindidae.Aspidiphorus perexiguus,es una especie de coleóptero de la familia Sphindidae.
Aspidiphorus perexiguus,es una especie de coleóptero de la familia Sphindidae.
 
Interpretación de Fenómenos Físicos de la materia.pptx
Interpretación de Fenómenos Físicos de la materia.pptxInterpretación de Fenómenos Físicos de la materia.pptx
Interpretación de Fenómenos Físicos de la materia.pptx
 
Abraham ibn Ezinformacioncabalista rá al libro de Job.pdf
Abraham ibn Ezinformacioncabalista rá al libro de Job.pdfAbraham ibn Ezinformacioncabalista rá al libro de Job.pdf
Abraham ibn Ezinformacioncabalista rá al libro de Job.pdf
 
499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf
499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf
499108970-CENTRAL-HIDROELECTRICA-DE-MACHUPICCHU-CUSCO-PERU.pdf
 
La muerte celular en los organismos del hombre
La muerte celular en los organismos del hombreLa muerte celular en los organismos del hombre
La muerte celular en los organismos del hombre
 
Clubes de Salud. clubes de salud clubespptx
Clubes de Salud. clubes de salud clubespptxClubes de Salud. clubes de salud clubespptx
Clubes de Salud. clubes de salud clubespptx
 
Glosario de Términos Odontológico con la letra H
Glosario de Términos Odontológico con la letra HGlosario de Términos Odontológico con la letra H
Glosario de Términos Odontológico con la letra H
 
Tecnicas de fijacion en la criminalistica
Tecnicas de fijacion en la criminalisticaTecnicas de fijacion en la criminalistica
Tecnicas de fijacion en la criminalistica
 
GUÍAS DOCENTES de matematicas para todos los niveles
GUÍAS DOCENTES de matematicas para todos los nivelesGUÍAS DOCENTES de matematicas para todos los niveles
GUÍAS DOCENTES de matematicas para todos los niveles
 
Que es la Discurso, técnicas de comunicación grupal
Que es la Discurso, técnicas de comunicación grupalQue es la Discurso, técnicas de comunicación grupal
Que es la Discurso, técnicas de comunicación grupal
 
Drogas, clasificación y daños al ser humano
Drogas, clasificación y daños al ser humanoDrogas, clasificación y daños al ser humano
Drogas, clasificación y daños al ser humano
 
Empirismo y realismo de marx a Piaget, una aclaración epistemológica.
Empirismo y realismo de marx a Piaget, una aclaración epistemológica.Empirismo y realismo de marx a Piaget, una aclaración epistemológica.
Empirismo y realismo de marx a Piaget, una aclaración epistemológica.
 
ORGANIZADOR VISUAL ACERCA DE LA DEPRESION
ORGANIZADOR VISUAL ACERCA DE LA DEPRESIONORGANIZADOR VISUAL ACERCA DE LA DEPRESION
ORGANIZADOR VISUAL ACERCA DE LA DEPRESION
 
Biomoléculas: Lípidos y sus clasificaciones
Biomoléculas: Lípidos y sus clasificacionesBiomoléculas: Lípidos y sus clasificaciones
Biomoléculas: Lípidos y sus clasificaciones
 
INFORME DE LABORATORIO N°5 - FILO PORÍFERA.docx
INFORME DE LABORATORIO N°5 - FILO PORÍFERA.docxINFORME DE LABORATORIO N°5 - FILO PORÍFERA.docx
INFORME DE LABORATORIO N°5 - FILO PORÍFERA.docx
 
Ungüentos, pomadas, cremas, geles y pasta.docx
Ungüentos, pomadas, cremas, geles y pasta.docxUngüentos, pomadas, cremas, geles y pasta.docx
Ungüentos, pomadas, cremas, geles y pasta.docx
 
Practico de Histologia facultad de medicina
Practico de Histologia facultad de medicinaPractico de Histologia facultad de medicina
Practico de Histologia facultad de medicina
 
Ontologia de la educación unidad 2diapo UCE.pdf
Ontologia de la educación unidad 2diapo UCE.pdfOntologia de la educación unidad 2diapo UCE.pdf
Ontologia de la educación unidad 2diapo UCE.pdf
 
Semiologia Reumatologica basica para medicina.pptx
Semiologia Reumatologica basica para medicina.pptxSemiologia Reumatologica basica para medicina.pptx
Semiologia Reumatologica basica para medicina.pptx
 
HSA cutaneo y esplenico, y linfoma multicentrico.pdf
HSA cutaneo y esplenico, y linfoma multicentrico.pdfHSA cutaneo y esplenico, y linfoma multicentrico.pdf
HSA cutaneo y esplenico, y linfoma multicentrico.pdf
 

Estimación.intervalos de confianza para la media y para las proporciones

  • 1. Estimación. Intervalos de Confianza para la Media y para las Proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua
  • 2. Estimación El objetivo principal de la estadística inferencial es la estimaciestimacióónn, esto es que mediante el estudio de una muestra de una población se quiere generalizar las conclusiones hacia el total de dicha población. Como vimos en la sección anterior, los estadísticos pueden variar mucho dentro de sus distribuciones muestrales. Mientras menor sea el error estándar de un estadístico, más cercanos serán sus valores. El Error estandard podríamos expresarlo conceptualmente como el error que se puede cometer al intentar conocer a una poblacipoblacióónn por medio de una muestramuestra tomada de dicha población. Existen dos tipos de estimaciones para parámetros; puntualespuntuales y porpor intervalointervalo. • Una estimaciestimacióón puntualn puntual es un único valor estadístico y se usa para estimar un parámetro. El estadístico usado se denomina estimador. •Una estimaciestimacióón por intervalon por intervalo es un rango, generalmente de ancho finito, que se espera que contenga el parámetro.
  • 3. EstimaciEstimacióón por Intervalosn por Intervalos Un estimado puntual, por ser un sólo número, no proporciona por sí mismo información alguna sobre la precisión y confiabilidad de la estimación. Por ejemplo, imagine que se usa la media de una muestra para estimar (estimador puntual) la resistencia real a la ruptura de toallas de papel de cierta marca y suponga que = 9322.7. Debido a la variabilidad de la muestra, casi nunca se tendrá el caso de que = μ. El estimador puntual nada dice sobre lo cercano que esta de μ. Una alternativa para reportar el valor del parámetro que se esté estimando es calcular un intervalo de valores factibles, es decir un llíímite de confianza omite de confianza o intervalo de confianzaintervalo de confianza (IC). x x x
  • 4. Un intervalo de confianzaintervalo de confianza se calcula siempre seleccionando primero un nivel de confianzanivel de confianza, que es una medida del grado de confiabilidad en el intervalo. Entonces, en el ejemplo anterior, si queremos un nivel de confianza de 95% diríamos que es posible tener cualquier valor de m entre 9162.5 y 9482.9. Un nivel de confianza de 95% implica que 95% de las muestras daría lugar a un intervalo que incluye m o cualquier otro parámetro que se esté estimando, y sólo 5% de las muestras producirá un intervalo erróneo. Cuanto mayor sea el nivel de confianza podremos creer que el valor del parámetro que se estima está dentro del intervalo. Todo está muy bien, pero ¿cómo sabemos estos valores?
  • 5. Si, por ejemplo, queremos tener un nivel de confianza de 95% (lo cual es muy común), entonces usamos la distribución normal estándar y encontramos los valores que incluyen a 95% del área. 0.4 0.3 0.2 0.1 0.0 z Density -1.96 0.95 1.960 Distribution Plot Normal, Mean=0, StDev=1 95% del área.
  • 6. En el siguiente ejemplo, tomado de una simulación efectuada con Minitab (Macro GMeanCI, de www.duxbury.com) se “crean” 100 muestras (n = 9) de una población con μ = 80 y σ = 5. Para 95% de confianza, 95 de los 100 intervalos calculados contienen a μ. Los intervalos que no contienen al valor de μ están marcados en rojo. 1009080706050403020101 200 150 100 50 0 Interval Number ConfidenceIntervals True mean 1009080706050403020101 200 150 100 50 0 Interval Number ConfidenceIntervals 95% Confidence Intervals for the Mean
  • 7. Supongamos que la estatura de los niños de 2 años está distribuída normalmente con una media de 90 cm y una desviación estándar de 36 cm. ¿Cuál sería la distribución muestral de la media para una muestra de tamaño 9? Recordemos que la media de una distribución muestral de medias es igual a μ : m n σ σ = Para nuestro ejemplo, la distribución muestral de la media tendría una media de 90 y una desviación estándar de 36/3 = 12. Recordemos que la desviación estándar de una distribución muestral es igual al error estándar. Intervalos de confianza para la media xμμ = Y el error estándar es:
  • 8. La siguiente figura muestra esta distribución en donde el área sombreada representa el 95% del total, encontrándose entre los valores de 66.48 y 113.52. Estos límites fueron calculados añadiendo y restando 1.96 desviaciones estándar del valor de la media de 90, lo que equivale al 95% del área bajo una curva normal estándar, es decir: 90 - (1.96 x 12) = 90 - 23.52 = 66.48 90 + (1.96 x 12) = 90 + 23.52 = 113.52 Lo que nos muestra la figura es que 95% de las medias se encontrarían a no más de 23.52 de la media de 90 (o sea a 1.96 desviaciones estándar). Ahora si consideramos la probabilidad de que la media de una muestra aleatoria se encuentre a cierta distancia de la media de la población, entonces podemos decir que como 95% de la distribución está a 23.5 de 90, la probabilidad de que la media de cualquier muestra esté a 23.52 de 90 es de 0.95. 95% del área. 23.52
  • 9. Lo anterior significa que si calculamos repetidamente la media de una muestra, , y consideramos un intervalo que vaya de - 23.52 a + 23.52, este intervalo contendrá a la media de la población 95% de las veces. En general, podemos calcular el intervalo de confianza con la siguiente fórmula: x x x x z n σ μ = ± Donde z es el valor de la curva estandar normal para la confianza que se requiere. En el caso de 95% de confianza: 1 96.x n σ μ = ± Notar que no es otra cosa que despejar μ de la fórmula para el valor Z de la distribución de medias
  • 10. De esta formula se puede observar que tanto el tamaño de la muestra como el valor de σ se deben conocer. Z se puede obtener de la tabla de la distribución normal a partir del nivel de confianza establecido. Como en muchas ocasiones se desconoce σ en esos casos lo correcto es utilizar otra distribución para muestras (la llamada “t” de student que veremos en la siguiente sesión) si la población de donde provienen los datos es normal. En este caso se puede utilizar una estimación puntual de la desviación estándar de la población por medio de la desviación estándar de la muestra, es decir (σ ~ s).
  • 11. Ejemplos: 1. Se encuentra que la concentración promedio de zinc de una muestra de 36 cereales es de 2.6 gramos por miligramo. Encuentre los intervalos de confianza de 95% y 99% para la concentración media de zinc en el cereal. Suponga que la desviación estándar de la población es 0.3. Solución: La estimación puntual de μ es x = 2.6 (el valor de la media de la muestra). El valor de z para un nivel de confianza del 95% es 1.96, por lo tanto: 2.5 2.6 2.7 Valores z Valores reales
  • 12. Para un nivel de confianza de 99% el valor de z es de 2.575 por lo que el intervalo será más amplio: 2.47 2.6 2.73Valores reales Z
  • 13. 2. Los vuelos de una empresa de aviación tienen una duración bimestral aproximadamente distribuida de forma normal con una desviación estándar de 40 horas. Si una muestra de 30 vuelos tiene una duración promedio de 780 horas, encuentre los intervalos de confianza de 96% para la media de la población de todos los vuelos de esta empresa. Con un nivel de confianza del 96% se sabe que la duración media de los vuelos está entre 765 y 795 horas.
  • 14. Un estimador puntual de la proporción P en un experimento binomial está dado por la estadística P=X/N, donde X representa el número de éxitos en N pruebas. Por tanto, la proporción de la muestra p=x/n se utilizará como estimador puntual del parámetro P. Si no se espera que la proporción P desconocida esté demasiado cerca de 0 ó de 1, se puede establecer un intervalo de confianza para P al considerar la distribución muestral de proporciones. Intervalos de confianza para la proporción 1( ) p P z P P n − = − Considerando el valor z para la distribución de proporciones
  • 15. Si intentamos despejar el valor de P nos encontramos con que 1( )P P P p z n − = ± Pero ¿cómo podemos encontrar P si también está del lado derecho de la ecuación? Lo que haremos es aproximar la proporción de la población por la de la muestra, es decir sustituir P por la proporción de la muestra p siempre y cuando el tamaño de muestra no sea pequeño. 1( )p p P p z n − = ±
  • 16. Cuando n es pequeña y la proporción desconocida P se considera cercana a 0 ó a 1, el procedimiento del intervalo de confianza que se establece aquí no es confiable ya que realmente se debería emplear la distribución binomial, por tanto, no se debe utilizar. Para estar seguros, se debe requerir que np y n(1-p) sea mayor o igual a 5. El error de estimación será la diferencia absoluta entre p y P, y podemos tener el nivel de confianza de que esta diferencia no excederá el valor de 1( )p p z n −
  • 17. 0.4 0.3 0.2 0.1 0.0 z Density -1.64 0.05 1.64 0.05 0 Distribution Plot Normal, Mean=0, StDev=1 Ejemplos: 1. Un fabricante de reproductores de discos compactos utiliza un conjunto de pruebas amplias para evaluar la función eléctrica de su producto. Todos los reproductores de discos compactos deben pasar todas las pruebas antes de venderse. Una muestra aleatoria de 500 reproductores tiene como resultado 15 que fallan en una o más pruebas. Encuentre un intervalo de confianza de 90% para la proporción de los reproductores de discos compactos de la población que no pasarían todas las pruebas. Solución: n=500 p = 15/500 = 0.03 z(0.90) = ±1.645 0 03 1 0 03 0 03 1 645 500 . ( . ) . .P − = ± 0.0237 < P < 0.0376 z=1.645 nos da un área de ~0.05 a cada lado, si lo buscamos en las tablas encontraríamos el valor de 0.04998
  • 18. Ejemplo 2. En un estudio de 300 accidentes de automóvil en una ciudad específica, 60 tuvieron consecuencias fatales. Con base en esta muestra, construya un intervalo del 95% de confianza para aproximar la proporción de todos los accidentes automovilísticos que en esa ciudad tienen consecuencias fatales. Solución: n = 300 P= 60/300 = 0.20 Z(0.95) = ± 1.96 El intervalo de confianza es entonces: 0.154737 < P < 0.245263 300 )20.01(20.0 96.120.0 − ±=P 0.4 0.3 0.2 0.1 0.0 z Density -1.96 0.025 1.96 0.025 0 Distribution Plot Normal, Mean=0, StDev=1