En estadstica muchos problemas exigen construir conjuntos (intervalos) que
contengan el verdadero valor del parmetro en estudio con una probabilidad dada generalmente alta. Si por ejemplo X representa los grados de grasa de una margarina se puede estar interesado en encontrar los lmites bajos y altos aceptables para este tipo de producto; pero no se puede asegurar con probabilidad de uno que el verdadero valor se encuentre entre estos dos lmites, lo mximo que se puede lograr es elegir un nmero que est muy prximo a uno (recuerde que alfa es el nivel de significacin o error tipo uno) tal que la probabilidad que el verdadero valor se encuentre entre estos dos lmites inferior y superior sea mayor o igual a esta probabilidad.
En la prctica se elige un alfa fijo generalmente pequeo 0.01 o 0.05. La probabilidad que un intervalo de confianza dado incluya o no el verdadero valor del parmetro, nunca se conoce con exactitud al menos que se conozca el parmetro, pero se sabe que se tendr xito en encontrar el valor verdadero del parmetro dentro de este tipo de intervalos por lo menos en el porcentajes de las veces establecida por la confiabilidad.
Recordemos que para obtener un intervalo de confianza se procese como sigue: 1. Se determina el riesgo de error que se quiere asumir al afirmar que el parmetro (en este caso la media) se encuentra en el interior del intervalo. 2. El intervalo de confianza se obtiene separando a izquierda y derecha de la estimacin del parmetro (en este caso la media) un mltiplo de error estndar. El mltiplo est determinado por el valor del estadstico Z asociado al nivel de confianza escogido.
El teorema central del lmite Hay que destacar aspectos importantes del teorema central de lmite.
Si el tamao de la muestra n es suficientemente grande, la distribucin muestral de las medias ser ms o menos normal. Esto se cumple ya sea que la poblacin est o no distribuida normalmente. Esto es, el teorema se verifica, ya sea que la poblacin est distribuida en forma normal, o bien sea sesgada o uniforme. Como principio de este teorema, la media de la poblacin, , y la media de todas las medias mustrales posibles, son iguales. Si la poblacin es grande y se selecciona un nmero grande de muestras de la poblacin, la media de las medias mustrales se aproximar a la media poblacional. La varianza de la distribucin de medias mustrales se determina como la relacin entre la varianza de la poblacin y raiz del tamao de las muestras posibles de esa poblacin
No existe acuerdo general sobre lo que constituye un tamao de muestra suficientemente grande. Algunos estadsticos consideran que es 30; otros piensan que un nmero pequeo como 12 es adecuado. Sin embargo, a menos que la poblacin sea aproximadamente normal, los tamaos de muestra extremadamente pequeos, por lo general no dan como resultado una distribucin muestral que se distribuya normalmente. A medida que el tamao de la muestra se vuelve cada vez ms grande, la distribucin de la media muestral se aproxima ms a la distribucin normal con forma de campana.
Supn que tomas una muestra y calculas 100 como la media muestral. Luego calculas el lmite superior de un intervalo de confianza de 90% para la media de la poblacin y da 112. Cul es lmite inferior de ese intervalo:
Su respuesta : 88 Correcto: Porque el mrgen de error de un intervalo de confianza respecto a la media es el mismo tanto para el lmite superior, como para el lmite inferior
Cuando el promedio de un estimador muestral es igual al parmetro poblacional de la media que se desea estimar. Se le llama: Su respuesta : Estimador Insesgado Correcto: Porque este es un principio del teorema del lmite central.
El teorema del lmite central es muy importante en el estudio de las distribuciones de muestreo porque permite: Su respuesta : No tener en cuenta la forma de la distribucin poblacional cuando el tamao de la muestra es grande. Correcto: Porque si el tamao de la muestra es grande no importa la forma de la distribucin para aplicar el teorena de limite Central.
Si se quiere hacer la estimacin de un intervalo para una Media poblacional y el tamao de muestra es de 20: La distribucin apropiada es: Su respuesta : T-Student Correcto: Cuando la muestra es de tamao pequeo menor que 30 datos esta es la distribucin adecuada para realizar el contraste de hiptesis de medias.
Tipos de muestreo El M A S es la forma ms sencilla de muestreo probabilstico y es la base de tcnicas ms complejas. La muestra se puede tomar de una poblacin finita o infinita, la cantidad de muestras posibles depende del tipo de diseo y la forma de tomar las muestras. Este tipo de muestreo se utiliza cuando se considera que la poblacin es ms o menos homognea. Como ya sabemos el muestreo puede ser con y sin reemplazamiento. El muestreo sistemtico es utilizado por algunos contadores para revisar sumas, cuentas, inventarios, etc., por ser un mtodo directo y econmico. Consiste en seleccionar uno a uno, los elementos de la muestra en un orden determinado, dando un inicio aleatorio.
Uno de los diseos prcticamente ms tiles, llamado muestreo aleatorio estratificado, primero divide la poblacin en segmentos homogneos y despus toma muestras aleatorias simples de esas subpoblaciones individuales. Es un tipo de muestreo aleatorio en el que los elementos de la poblacin se dividen en forma natural en subgrupos, de tal forma que dentro de ellos sean lo ms heterogneo posible y entre ellos sean homogneos, lo contrario al muestreo sistemtico. En general, en el muestreo por conglomerado se obtienen los resultados ms exactos, cuando cada conglomerado tenga la mezcla variada posible, al tiempo que los conglomerados se asemejen lo ms posible entre s.
El mtodo de muestreo que requiere dividir la poblacin en grupos homogneo para seleccionar los elementos que conformarn la muestra. Se le llama: Su respuesta : Muestreo Estratificado Correcto. Esta es la condicin bsica para la aplicacin de este mtodo de muestreo
El criterio mediante el cual se puede aproximar a la distribucin normal los valores posibles de un estadstico muestral, como la media de todas las muestras posibles de tamao n grandes, es un principio de: Su respuesta : El teorema central del lmite Correcto: Este teorema es el que valida el criterio sobre la forma de la distribucin de probabilidad de los estadsticos muestrales.
En la distribucin muestral de medias, la desviacin estndar de las medias mustrales es igual a la desviacin estndar de la poblacin dividida por la raz cuadrada del tamao de la muestra, en una de las siguientes situaciones: Su respuesta : El muestreo se hace en una poblacin infinita y El muestreo se hace en una poblacin finita con reemplazamiento Correcto: Porque este estimador es propio de poblacines infinitas o muestreo con reemplazamiento. Elija la afirmacin correcta sobre teora de muestreo: Su respuesta : La poblacin de estudio es aquella de la que finalmente se extrae una muestra aleatoria. Correcto:Porque la poblacin objeto de estudio es el referente sobre el que se realizan las inferencias.
Generalidades de los Intervalos de Confianza En el contexto de estimar un parmetro poblacional, un intervalo de confianza es un rango de valores (calculado en una muestra) en el cual se encuentra el verdadero valor del parmetro, con una probabilidad determinada. La probabilidad de que el verdadero valor del parmetro se encuentre en el intervalo construido se denomina nivel de confianza. Se llama intervalo de confianza en estadstica a un par de nmeros entre los cuales se estima que estar cierto valor desconocido con una determinada probabilidad de acierto. Formalmente, estos nmeros determinan un intervalo, que se calcula a partir de datos de una muestra, y el valor desconocido es un parmetro poblacional. La probabilidad de xito en la estimacin se representa por 1 - ? y se denomina nivel de confianza. En estas circunstancias, ? es el llamado error aleatorio o nivel de significacin, esto es, una medida de las posibilidades de fallar en la estimacin mediante tal intervalo. [1]
El nivel de confianza y la amplitud del intervalo varan conjuntamente, de forma que un intervalo ms amplio tendr ms posibilidades de acierto (mayor nivel de confianza), mientras que para un intervalo ms pequeo, que ofrece una estimacin ms precisa, aumentan sus posibilidades de error.
Tcnicas de Intervalos de Confianza Para la construccin de un determinado intervalo de confianza es necesario conocer la distribucin terica que sigue el parmetro a estimar?. Es habitual que el parmetro se distribuya normalmente La tcnica se aplica para promedios, proporciones, totales, volatilidad poblacional, diferencia de promedios entre dos poblaciones, diferencia de volatilidades entre dos poblaciones (ver entre dos inversiones si una es ms riesgosa que otra) entre otros anlisis.
Un intervalo de confianza es: Su respuesta : Un intervalo de extremos aleatorios donde se encuentra el valor del parmetro con un nivel de confianza determinado Correcto. Porque la estimacin hace referencia a parmetros
Los tres elementos que influyen en el margen de error en la construccin de un intervalo de confianza son, la confiabilidad, la variabilidad y el tamao de la muestra. De acuerdo con estos criterios, la relacin entre el error de estimacin y la variabilidad es: Su respuesta : Directamente proporcional Correcto. Porque si se incrementa o disminuye la variabilidad los efectos en el error de estimacin, tendrn la misma direccin.