Escolar Documentos
Profissional Documentos
Cultura Documentos
INDICE PAGINA
1 Introducción............................................................................................... 2
2 Intervalos de confianza.............................................................................. 3
12 Tablas......................................................................................................... 30
13 Bibliografía................................................................................................ 34
1 INTRODUCCIÓN
P(L ≤ θ ≤ U) = 1 - α (2-1)
donde 0 < α < 1. Por tanto, se tiene una probabilidad de 1 - α de seleccionar una
muestra que produzca un intervalo que contiene el valor verdadero de θ .
El intervalo resultante
l≤ θ ≤ u (2-2)
se conoce como intervalo de confianza del 100(1 - α ) por ciento para el parámetro
desconocido θ . Las cantidades l y u reciben el nombre de límites de confianza
inferior y superior, respectivamente, y 1 - α es el coeficiente de confianza. La
interpretación de un intervalo de confianza es que, si se recopila un número infinito de
muestras aleatorias y se calcula un intervalo de confianza del 100(1 - α ) por ciento para
θ , para cada una de las muestras, entonces el 100 (1- α ) por ciento de esos intervalos
contienen el valor verdadero de θ .
l≤ θ (2-3)
P(L ≤ θ ) = 1 - α (1-4)
θ ≤ u (2-5)
P( θ ≤ U) = 1 - α (2-6)
La longitud de u-l del intervalo de confianza observado es una medida
importante de la calidad de la información obtenida de la muestra. el semiintervalo θ -
l o u - θ se conoce como precisión del estimador. Entre más grande sea el intervalo de
confianza, mayor es la seguridad de que el intervalo en realidad contenga el valor
verdadero de θ . Por otra parte entre más grande sea el intervalo, menor información se
tiene acerca del valor verdadero de θ . En una situación ideal, se tiene un intervalo
relativamente pequeño con una confianza grande.
X-µ
Z=
σ /√n
P{ -zα /2 ≤ Z ≤ zα /2 } = 1 - α
de modo que
P { -zα /2 ≤ ( X – µ ) / (σ /√n) ≤ zα /2 } = 1 - α
Ejemplo
Una empresa fabrica focos que tienen una duración distribuida aproximada de forma
normal con una desviación típica de 40 horas.
Si una muestra de 30 focos tiene una vida promedio de 780 horas, obtenga un intervalo
de confianza del 96% para la media de población de todos los focos.
Solución
Definición:
Si x se utiliza como estimación de µ , entonces puede tenerse una confianza del
100(1- α ) por ciento de que el error |x - µ | no será mayor que una cantidad específica
E cuando el tamaño de la muestra sea
n = ( (zα /2 σ ) / E ) 2 (3-3)
Si el miembro derecho de la ecuación anterior no es un entero, entonces el
resultado debe redondearse. Esto asegura que el nivel de confianza no sea menor que
100(1 - α ) por ciento.
Ejemplo
¿De qué tamaño debiera ser la muestra anterior si se desea tener una confianza del 96%
de que la diferencia de µ con x fuese menor de 3 horas?
Solución
n = ( (zα /2 σ )/ E)2
n = ( ( 2. 06 40 ) / 3 ) 2 = 754,4 focos.
µ ≥ u = x + zα σ /√n (3-4)
X1 - X2 –( µ 1 - µ 2)
Z=
√(σ 12/ n1)+ (σ 22/ n2)
tiene una distribución normal estándar si las dos poblaciones son normales, o es
aproximadamente normal estándar si se cumplen las condiciones del teorema del límite
central, respectivamente. Esto implica que
P(-zα /2 ≤ Z ≤ zα /2) = 1 - α
o
X1 - X2 –( µ 1 - µ 2)
P(-zα /2 ≤ ≤ zα /2) = 1 - α
√(σ 1 / n1)+ (σ 2 / n2)
2 2
P(X1-X2 -zα /2√(σ 12/n1)+(σ 22/n2)≤ µ 1-µ 2 ≤ X1-X2 -zα /2 √(σ 12/ n1)+(σ 22/ n2) )=1-α
(4-1)
x1-x2 - zα /2 √(σ 12/n1) + (σ 22/n2) ≤ µ 1-µ 2 ≤ x1-x2 + zα /2 √(σ 12/ n1) + (σ 22/ n2) (4-2)
Ejemplo
Solución:
89.6 – 92.5 – 1.96√ 1.5/15 + 1.2/20 ≤ µ 1-µ 2 ≤ 89.6 – 92.5 + 1.96√ 1.5/15 + 1.2/20
Si se conocen las desviaciones estándar σ 1 y σ 2 y los tamaño de las dos muestras son
iguales ( n1 = n2 = n, por ejemplo), entonces puede determinarse el tamaño requerido de
la muestra de modo que se tenga una confianza del 100(1 - α ) por ciento en que el
error den la estimación de µ 1 - µ 2 por x1 – x2 sea menor que E. El tamaño requerido
para la muestra de cada población
n = ( zα /2 / E )2 (σ 1
2
+ σ 22) (4-3)
mientras que un intervalo unilateral inferior del 100(1 - α ) por ciento de confianza es
X-µ
T=
S/√n
es la distribución t con n-1 grado de libertad. A continuación se indica cómo obtener el
intervalo de confianza para µ .
X-µ
P( -tα /2,n-1 ≤ ≤ tα /2,n-1 ) = 1 - α
S/√n
Ejemplo
9.85 9.93 9.75 9.77 9.67 9.87 9.67 9.94 9.85 9.75
9.83 9.92 9.74 9.99 9388 9.95 9.95 9.93 9.92 9.89
Solución
x - tα /2,n-1 s / √n ≤ µ ≤ x + tα /2,n-1 s / √n
9.8525 – 2.023 (0.0965/ √20) ≤ µ ≤ 9.8525 + 2.023 (0.0965/ √20)
0.8073 ≤ µ ≤ 9.8977
Selección del tamaño de la muestra
X1 - X2 – (µ 1- µ 2)
T=
Sp √ 1/n1 + 1/n2
es la distribución t con n1 + n2 – 2 grados de libertad. Por tanto:
o
X1 - X2 – (µ 1- µ 2)
P( -tα /2, n1+n2–2 ≤ ≤ + tα /2, n1+n2–2) = 1 - α
Sp √ 1/n1 + 1/n2
Si x1, x2 s12 y s22 son las medias y las varianzas de dos muestras aleatorias de tamaños n 1
y n2 respectivamente, tomadas de dos poblaciones normales e independientes con
varianzas desconocidas pero iguales, entonces un intervalo de confianza del 100(1 - α )
por ciento para la diferencia de medias µ 1-µ 2 es
x1-x2 -tα /2, n1+n2–2 sp√1/n1+1/n2 ≤ µ 1-µ 2 ≤ x1-x2 + tα /2, n1+n2–2 sp√1/n1+1/n2 (6-3)
Ejemplo:
Solución
90.0–87.0 -2.069(4.4) √ 1/10 + 1/15 ≤ µ 1-µ 2 ≤ 90.0–87.0 +2.069 (4.4) √ 1/10 + 1/15
-0.72 ≤ µ 1-µ 2 ≤ 6.72 Como incluye el 0 no se puede decir que haya diferencia de
medias.
Intervalos de confianza unilaterales
mientras que el intervalo de confianza superior del 100(1-α ) por ciento para µ 1 - µ 2 es
µ 1 - µ 2 ≤ x1- x2 - tα /2, n1+n2–2 sp√1/n1+1/n2 (6-5)
Varianzas desiguales
X1 - X2 – (µ 1- µ 2)
T* =
√ (S12/n1) + (S22/n2)2
tiene, de manera aproximada, una distribución t con grados de libertad dados por
(S12/n1 + S22/n2)2
v= -2 (6-6)
2 2 2 2
(S1 /n1) (S2 /n2)
n1 + 1 n2 + 1
Por tanto
P( - tα /2,v ≤ T* ≤ tα /2,v ) ≅ 1 - α
Si x1 , x2 , s12 y s22 son las medias y las varianzas de dos muestras aleatorias de tamaños
n1 y n2, respectivamente, tomadas de dos poblaciones normales e independientes con
varianzas desconocidas y desiguales, entonces un intervalo de confianza aproximada del
100(1 - α ) por ciento para la diferencia entre medias µ 1 - µ 2 es
donde v está dada por la ecuación 6-6 y tα /2,v es el punto crítico superior que corresponde
al porcentaje α /2 de la distribución t con v grados de libertad.
Como la distribución de
( n – 1) S2
X=
σ2
es ji-cuadrada con n – 1 grado de libertad. Se nota que:
P( χ 2
1-α /2,n-1 ≤ X≤ χ 2
)=1-α
α /2,n-1
de modo que
( n – 1) S2
P(χ 2
1-α /2,n-1 ≤ ≤ χ 2
)=1-α
α /2,n-1
σ 2
( n – 1) S2 ( n – 1) S2
P( ≤ σ 2≤ )=1-α
χ 21-α /2,n-1 χ 2α /2,n-1 (7-1)
donde χ 21-α /2,n-1 y χ 2α /2,n-1 son los puntos críticos superior e inferior que corresponden
al porcentaje α /2 de la distribución ji-cuadrada con n-1 grado de libertad,
respectivamente.
(n – 1 ) s2
≤ σ 2
χ 2
α ,n-1 (7-3)
(n – 1 ) s2
σ 2≤
χ 2
1-α ,n-1 (7-4)
8 INTERVALO DE CONFIANZA PARA EL COCIENTE DE
VARIANZAS DE DOS DISTRIBUCIONES NORMALES
F=
S12/σ 12
es una F con n2 – 1 y n1 – 1 grados de libertad. Y su campana tiene una figura:
de modo que
S22/σ 2
2
Si s12 y s22 son las varianzas muéstrales de dos muestras aleatorias de tamaños n1 y n2,
respectivamente, tomadas de dos poblaciones normales e independientes con varianzas
σ 12 y σ 22 desconocidas, entonces un intervalo de confianza del 100 (1 - α ) por ciento
para el cociente σ 12 / σ 22 es
donde f α /2, n2-1,n1-1 y f 1-α /2, n2-1,n1-1 son los puntos críticos superior e inferior que
corresponden al porcentaje α /2 de la distribución F con n2 –1 y n1 – 1 grados de
libertad en el numerador y en el denominador, respectivamente.
En la ecuación 8-2 se requiere el punto que corresponde al porcentaje de la cola
inferior de la distribución F. El punto crítico inferior que corresponde al porcentaje 1 -
α /2 puede calcularse a partir del punto crítico superior que corresponde al porcentaje
α /2 con la expresión
σ 1
2
/σ 2
2
≤ (s12/ s22 )f α /2, n2-1,n1-1 (8-5)
Ejemplo
P^ - p
Z=
√ [p (1 – p)] / n
P( -zα /2 ≤ Z ≤ zα /2) ≈ 1 - α
de modo que
P^ - p
P( -zα /2 ≤ ≤ zα /2) ≈ 1 - α
√ [p (1 – p)] / n
Ejemplo
Solución
0.05 ≤ p ≤ 0.19
Selección del tamaño de la muestra
n = ( zα /2 / E) 2 p (1 – p) (9-4)
n = ( zα /2 / E) 2 (0.25) (9-5)
Ejemplo
Solución
n = ( zα /2 / E) 2 p^ (1 – p^)
n = (1.96 / 0.05)2 0.12 ( 0.88) ≅ 1.63
tiene una distribución que es aproximadamente normal estándar. Esto implica que
P( - zα /2 ≤ Z ≤ zα /2 ) ≈ 1 - α
Si p1^ y p2^ son las proporciones muéstrales de una observación en dos muestras
aleatorias independientes de tamaños n1 y n2 que pertenecen a una clase de interés,
entonces un intervalo de confianza aproximado del 100(1 - α ) por ciento para la
diferencia de las proporciones verdaderas p1 – p2 es
Diferencia entre medias de dos dis- x1-x2 -tα /2, n1+n2–2 sp√1/n1+1/n2 ≤ µ 1-µ 2 ≤
tribuciones normales µ 1 y µ 2, x1 – x2 x1-x2 + tα /2, n1+n2–2 sp√1/n1+1/n2
varian-zas σ 12 y σ 22 desconocidas
sp = √[(n1 – 1) S12 + (n2 – 1) S22] / (n1 + n2 – 2 )
Varianza σ 2
de una distribución s2 ( n – 1) S2 / χ 2
1-α /2,n-1 ≤ σ 2 ≤ ( n – 1) S2 / χ 2
α /2,n-1
normal
Diferencia entre dos proporciones o p1^ - p2^ p1^–p2^ -zα /2√p1(1- p1)/ n1+p2(1-p2)/n2 ≤ p1 – p2 ≤
dos parámetros binomiales p1 – p2
p1^–p2^ -zα /2√p1(1-p1)/n1+p2(1-p2)/n2
BIBLIOGRAFÍA