Estimacin por Intervalos Un estimado puntual, por ser un slo nmero, no proporciona por s mismo informacin alguna sobre

la precisin y confiabilidad de la estimacin. Por ejemplo, imagine que se usa el estadstico para calcular un estimado puntual de 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, nunca se tendr el caso de que = . El estimado puntual nada dice sobre lo cercano que esta de . Una alternativa para reportar un solo valor del parmetro que se est estimando es calcular e informar todo un intervalo de valores factibles, un estimado de intervalo o intervalo de confianza (IC). Un intervalo de confianza se calcula siempre seleccionando primero un nivel de confianza, que es una medida de el grado de fiabilidad en el intervalo. Un intervalo de confianza con un nivel de confianza de 95% de la resistencia real promedio a la ruptura podra tener un lmite inferior de 9162.5 y uno superior de 9482.9. Entonces, en un nivel de confianza de 95%, es posible tener cualquier valor de entre 9162.5 y 9482.9. Un nivel de confianza de 95% implica que 95% de todas las muestras dara lugar a un intervalo que incluye o cualquier otro parmetro que se est estimando, y slo 5% de las muestras producir un intervalo errneo. Cuanto mayor sea el nivel de confianza podremos creer que el valor del parmetro que se estima est dentro del intervalo. Una interpretacin correcta de la "confianza de 95%" radica en la interpretacin frecuente de probabilidad a largo plazo: decir que un evento A tiene una probabilidad de 0.95, es decir que si el experimento donde A est definido re realiza una y otra vez, a largo plazo A ocurrir 95% de las veces. Para este caso el 95% de los intervalos de confianza calculados contendrn a .

Esta es una construccin repetida de intervalos de confianza de 95% y se puede observar que de los 11 intervalos calculados slo el tercero y el ltimo no contienen el valor de . De acuerdo con esta interpretacin, el nivel de confianza de 95% no es tanto un enunciado sobre cualquier intervalo en particular, ms bien se refiere a lo que sucedera si se tuvieran que construir un gran nmero de intervalos semejantes. Estimacin para la Media Es conocido de nosotros durante este curso, que en base a la distribucin muestral de medias que se gener en el tema anterior, la formula para el calculo

de probabilidad es la siguiente: . Como en este caso no conocemos el parmetro y lo queremos estimar por medio de la media de la muestra, slo se despejar de la formula anterior, quedando lo siguiente:

De esta formula se puede observar que tanto el tamao de la muestra como el valor de z se conocern. Z se puede obtener de la tabla de la distribucin normal a partir del nivel de confianza establecido. Pero en ocasiones se desconoce por lo que en esos casos lo correcto es utilizar otra distribucin llamada "t" de student si la poblacin de donde provienen los datos es normal. Para el caso de tamaos de muestra grande se puede utilizar una estimacin puntual de la desviacin estndar, es decir igualar la desviacin estndar de la muestra a la de la poblacin (s= ). Ejemplos: 1. Se encuentra que la concentracin promedio de zinc que se saca del agua a partir de una muestra de mediciones de zinc en 36 sitios diferentes es de 2.6 gramos por mililitro. Encuentre los intervalos de confianza de 95% y 99% para la concentracin media de zinc en el ro. Suponga que la desviacin estndar de la poblacin es 0.3. Solucin: La estimacin puntual de es = 2.6. El valor de z para un nivel de confianza del 95% es 1.96, por lo tanto:

Para un nivel de confianza de 99% el valor de z es de 2.575 por lo que el intervalo ser ms amplio:

El intervalo de confianza proporciona una estimacin de la presicin de nuestra estimacin puntual. Si es realmente el valor central de intervalo, entonces estima sin error. La mayor parte de las veces, sin embargo, no ser exactamente igual a y la estimacin puntual es errnea. La magnitud de este error ser el valor absoluto de la diferencia entre y , y podemos tener el nivel de confianza de que esta diferencia no exceder

. Como se puede observar en los resultados del ejercicio se tiene un error de estimacin mayor cuando el nivel de confianza es del 99% y ms pequeo cuando se reduce a un nivel de confianza del 95%. 2. Una empresa elctrica fabrica focos que tienen una duracin aproximadamente distribuida de forma normal con una desviacin estndar de 40 horas. Si una muestra de 30 focos tiene una duracin promedio de 780 horas, encuentre un intervalos de confianza de 96% para la media de la poblacin de todos los focos que produce esta empresa.

Solucin:

Con un nivel de confianza del 96% se sabe que la duracin media de los focos que produce la empresa est entre 765 y 765 horas. 3. La prueba de corte sesgado es el procedimiento ms aceptado para evaluar la calidad de una unin entre un material de reparacin y su sustrato de concreto. El artculo "Testing the Bond Between Repair Materials and Concrete Substrate" informa que, en cierta investigacin, se obtuvo una resistencia promedio muestral de 17.17 N/mm2, con una muestra de 48 observaciones de resistencia al corte, y la desviacin estndar muestral fue 3.28 N/mm2. Utilice un nivel de confianza inferior del 95% para estimar la media real de la resistencia al corte. Solucin: En este ejercicio se nos presentan dos situaciones diferentes a los ejercicios anteriores. La primera que desconoce la desviacin estndar de la poblacin y la segunda que nos piden un intervalo de confianza unilateral. El primer caso ya se haba comentado y se solucionar utilizando la desviacin estndar de la muestra como estimacin puntual de sigma. Para el intervalo de confianza unilateral, se cargar el rea bajo la curva hacia un solo lado como sigue:

Esto quiere decir que con un nivel de confianza de 95%, el valor de la media est en el intervalo (16.39, ).

Estimacin de una Proporcin Un estimador puntual de la proporcin P en un experimento binomial est dado por la estadstica P=X/N, donde x representa el nmero de xitos en n pruebas. Por tanto, la proporcin de la muestra p =x/n se utilizar como estimador puntual del parmetro P. Si no se espera que la proporcin P desconocida est demasiado cerca de 0 de 1, se puede establecer un intervalo de confianza para P al considerar la distribucin muestral de proporciones.

Al despejar P de esta ecuacin nos queda:

En este despeje podemos observar que se necesita el valor del parmetro P y es precisamente lo que queremos estimar, por lo que lo sustituiremos por la proporcin de la muestra p siempre y cuando el tamao de muestra no sea pequeo.

Cuando n es pequea y la proporcin desconocida P se considera cercana a 0 a 1, el procedimiento del intervalo de confianza que se establece aqu no es confiable, por tanto, no se debe utilizar. Para estar seguro, se debe requerir que np nq sea mayor o igual a 5. El error de estimacin ser la diferencia absoluta entre p y P, y podemos tener el nivel de confianza de que esta diferencia no exceder Ejemplos: 1. Un fabricante de reproductores de discos compactos utiliza un conjunto de pruebas amplias para evaluar la funcin elctrica 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 ms pruebas. Encuentre un intervalo de .

confianza de 90% para la proporcin de los reproductores de discos compactos de la poblacin que no pasan todas las pruebas. Solucin: n=500 p = 15/500 = 0.03 z(0.90) = 1.645

0.0237<P<0.0376 Se sabe con un nivel de confianza del 90% que la proporcin de discos defectuosos que no pasan la prueba en esa poblacin esta entre 0.0237 y 0.0376. 2. En una muestra de 400 pilas tipo B fabricadas por la Everlast Company, se encontraron 20 defectuosas. Si la proporcin p de pilas defectuosas en esa muestra se usa para estimar P, que vendr a ser la proporcin verdadera de todas las pilas defectuosas tipo B fabricadas por la Everlast Company, encuentre el mximo error de estimacin tal que se pueda tener un 95% de confianza en que P dista menos de de p. Solucin: p=x/n = 20/400=0.05 z(0.95)=1.96

Si p=0.05 se usa para estimar P, podemos tener un 95% de confianza en que P dista menos de 0.021 de p. En otras palabras, si p=0.05 se usa para erstimar P, el error mximo de estimacin ser aproximadamente 0.021 con un nivel de confianza del 95%. Para calcular el intervalo de confianza se tendra:

Esto da por resultado dos valores, (0.029, 0.071). Con un nivel de confianza del 95% se sabe que la proporcin de pulas defectuosas de esta compaa est entre 0.029 y 0.071. Si se requiere un menor error con un mismo nivel de confianza slo se necesita aumentar el tamao de la muestra. 3. En un estudio de 300 accidentes de automvil en una ciudad especfica, 60 tuvieron consecuencias fatales. Con base en esta muestra, construya un intervalo del 90% de confianza para aproximar la proporcin de todos los accidentes automovilsticos que en esa ciudad tienen consecuencias fatales. Solucin: P= 60/300 = 0.20 Z(0.90) = 1.645

0.162<P<0.238 Estimacin de la Diferencia entre dos Medias Si se tienen dos poblaciones con medias 1 y 2 y varianzas respectivamente, un estimador puntual de la diferencia entre 1 y
2 y 2 , 2 est dado 1 2

por la estadstica . Por tanto. Para obtener una estimacin puntual de 12, se seleccionan dos muestras aleatorias independientes, una de cada poblacin, de tamao n1 y n2, se calcula la diferencia muestrales. Recordando a la distribucin muestral de diferencia de medias: , de las medias

Al despejar de esta ecuacin

se tiene:

En el caso en que se desconozcan las varianzas de la poblacin y los tamaos de muestra sean mayores a 30 se podr utilizar la varianza de la muestra como una estimacin puntual. Ejemplos: 1. Se lleva a cabo un experimento en que se comparan dos tipos de motores, A y B. Se mide el rendimiento en millas por galn de gasolina. Se realizan 50 experimentos con el motor tipo A y 75 con el motor tipo B. La gasolina que se utiliza y las dems condiciones se mantienen constantes. El rendimiento promedio de gasolina para el motor A es de 36 millas por galn y el promedio para el motor B es 24 millas por galn. Encuentre un intervalo de confianza de 96% sobre la diferencia promedio real para los motores A y B. Suponga que las desviaciones estndar poblacionales son 6 y 8 para los motores A y B respectivamente. Solucin: Es deseable que la diferencia de medias sea positiva por lo que se recomienda restar la media mayor menos la media menor. En este caso ser la media del motor B menos la media del motor A. El valor de z para un nivel de confianza del 96% es de 2.05.

3.43<

<8.57

La interpretacin de este ejemplo sera que con un nivel de confianza del 96% la diferencia del rendimiento promedio esta entre 3.43 y 8.57 millas por galn a favor del motor B. Esto quiere decir que el motor B da mas rendimiento promedio que el motor A, ya que los dos valores del intervalo son positivos. 2. Una compaa de taxis trata de decidir si comprar neumticos de la marca A o de la B para su flotilla de taxis. Para estimar la diferencia de las dos marcas, se lleva a cabo un experimento utilizando 12 de cada marca. Los neumticos se utilizan hasta que se desgastan, dando como resultado promedio para la marca A 36,300 kilmetros y para la marca B 38,100

kilmetros. Calcule un intervalo de confianza de 95% para la diferencia promedio de las dos marcas, si se sabe que las poblaciones se distribuyen de forma aproximadamente normal con desviacin estndar de 5000 kilmetros para la marca A y 6100 kilmetros para la marca B. Solucin:

-2662.68<

<6262.67

Grficamente:

Como el intervalo contiene el valor "cero", no hay razn para creer que el promedio de duracin del neumtico de la marca B es mayor al de la marca A, pues el cero nos est indicando que pueden tener la misma duracin promedio. Estimacin de la Diferencia de dos Proporciones En la seccin anterior se vio el tema de la generacin de las distribuciones muestrales, en donde se tena el valor de los parmetros, se seleccionaban dos muestras y podamos calcular la probabilidad del comportamiento de los estadsticos. Para este caso en particular se utilizar la distribucin muestral de diferencia de proporciones para la estimacin de las misma. Recordando la formula:

Despejando P1-P2 de esta ecuacin:

Aqu se tiene el mismo caso que en la estimacin de una proporcin, ya que al hacer el despeje nos queda las dos proporciones poblacionales y es precisamente lo que queremos estimar, por lo que se utilizarn las proporciones de la muestra como estimadores puntuales:

Ejemplos: 1. Se considera cierto cambio en un proceso de fabricacin de partes componentes. Se toman muestras del procedimiento existente y del nuevo para determinar si ste tiene como resultado una mejora. Si se encuentra que 75 de 1500 artculos del procedimiento actual son defectuosos y 80 de 2000 artculos del procedimiento nuevo tambin lo son, encuentre un intervalo de confianza de 90% para la diferencia real en la fraccin de defectuosos entre el proceso actual y el nuevo. Solucin: Sean P1 y P2 las proporciones reales de defectuosos para los procesos actual y nuevo, respectivamente. De aqu, p 1=75/1500 = 0.05 y p2 = 80/2000 = 0.04. con el uso de la tabla encontramos que z para un nivel de confianza del 90% es de 1.645.

-0.0017<P1-P2<0.0217 Como el intervalo contiene el valor de cero, no hay razn para creer que el nuevo procedimiento producir una disminucin significativa en la proporcin de artculos defectuosos comparado con el mtodo existente. 2. Un artculo relacionado con la salud, reporta los siguientes datos sobre la incidencia de disfunciones importantes entre recin nacidos con madres fumadoras de marihuana y de madres que no la fumaban:

Usuaria Tamao Muestral Nmero de disfunciones Proporcin muestral 1246 42 0.0337

No Usuaria 11178 294 0.0263

Encuentre el intervalo de confianza del 99% para la diferencia de proporciones. Solucin: Representemos P1 la proporcin de nacimientos donde aparecen disfunciones entre todas las madres que fuman marihuana y definamos P 2, de manera similar, para las no fumadoras. El valor de z para un 99% de confianza es de 2.58.

-0.0064<P1-P2<0.0212 Este intervalo es bastante angosto, lo cual sugiere que P 1-P2 ha sido estimado de manera precisa. Determinacin de Tamaos de Muestra para Estimaciones Al iniciar cualquier investigacin, la primer pregunta que surge es: de qu tamao debe ser la o las muestras?. La respuesta a esta pregunta la veremos en esta seccin, con conceptos que ya se han visto a travs de este material. Clculo del Tamao de la Muestra para Estimar una Media Qu tan grande debe ser una muestra si la media muestral se va a usar para estimar la media poblacional?. La respuesta depende del error estndar de la media, si este fuera cero, entonces se necesitara una sola media que ser igual necesariamente a la media poblacional desconocida , porque = 0. Este caso extremo no se encuentra en la prctica, pero refuerza el hecho de que mientras menor sea el error estndar de la media, menor es el tamao de muestra necesario para lograr un cierto grado de precisin.

Se estableci antes que una forma de disminuir el error de estimacin es aumentar el tamao de la muestra, si ste incluye el total de la poblacin, entonces sera igual a cero. Con esto en mente, parece razonable que para un nivel de confianza fijo, sea posible determinar un tamao de la muestra tal que el error de estimacin sea tan pequeo como queramos, para ser mas preciso, dado un nivel de confianza y un error fijo de estimacin , se puede escoger un tamao de muestra n tal que P( ) = Nivel de confianza. Con el propsito de determinar n. El error mximo de estimacin esta dado por:

Si se eleva al cuadrado ambos lados de esta ecuacin y se despeja n de la ecuacin resultante, obtenemos:

Como n debe de ser un nmero entero, redondeamos hacia arriba todos los resultados fraccionarios. En el caso de que se tenga una poblacin finita y un muestreo sin reemplazo, el error de estimacin se convierte en:

De nuevo se eleva al cuadrado ambos lados y se despeja la n, obteniendo:

Ejemplos: 1. Un bilogo quiere estimar el peso promedio de los ciervos cazados en el estado de Maryland. Un estudio anterior de diez ciervos cazados mostr que la desviacin estndar de sus pesos es de 12.2 libras. Qu tan grande debe ser una muestra para que el bilogo tenga el 95% de confianza de que el error de estimacin es a lo ms de 4 libras?

Solucin:

En consecuencia, si el tamao de la muestra es 36, se puede tener un 95% de confianza en que difiere en menos de 4 libras de . 2. Una empresa elctrica fabrica focos que tienen una duracin aproximadamente normal con una desviacin estndar de 40 horas. De qu tamao se necesita una muestra si se desea tener 96% de confianza que la media real est dentro de 10 horas de la media real?

Se necesita una muestra de 68 focos para estimar la media de la poblacin y tener un error mximo de 10 horas. Qu pasara si en lugar de tener un error de estimacin de 10 horas slo se requiere un error de 5 horas?

Se puede observar como el tamao de la muestra aumenta, pero esto tiene como beneficio una estimacin ms exacta. 3. Suponga que en el ejercicio anterior se tiene una poblacin de 300 focos, y se desea saber de que tamao debe de ser la muestra. El muestreo se realizar sin reemplazo. Solucin: Como se tiene una poblacin finita y un muestreo sin reemplazo es necesario utilizar la formula con el factor de correccin.

Si se tiene una poblacin finita de 300 focos slo se tiene que extraer de la poblacin una muestra sin reemplazo de 56 focos para poder estimar la duracin media de los focos restantes con un error mximo de 10 horas. Clculo del Tamao de la Muestra para Estimar una Proporcin Se desea saber que tan grande se requiere que sea una muestra para asegurar que el error al estimar P sea menor que una cantidad especfica .

Elevando al cuadrado la ecuacin anterior se despeja n y nos queda:

Esta frmula est algo engaosa, pues debemos utilizar p para determinar el tamao de la muestra, pero p se calcula a partir de la muestra. Existen ocasiones en las cuales se tiene una idea del comportamiento de la proporcin de la poblacin y ese valor se puede sustituir en la frmula, pero si no se sabe nada referente a esa proporcin entonces se tienen dos opciones:

Tomar una muestra preliminar mayor o igual a 30 para proporcionar una estimacin de P. Despus con el uso de la frmula se podra determinar de forma aproximada cuntas observaciones se necesitan para proporcionar el grado de precisin que se desea. Tomar el valor de p como 0.5 ya que sustituyendo este en la frmula se obtiene el tamao de muestra mayor posible. Observe el siguiente ejemplo:

Se desconoce el valor de P, por lo que se utilizarn diferentes valores y se sustituirn en la formula para observar los diferentes tamaos de muestras. El nivel de confianza que se utilizar es del 95% con un error de estimacin de 0.30.

0.10

3.84

0.20

6.82

0.30

8.96

0.40

10.24

0.50

10.67

0.60

10.24

0.70

8.96

0.80

6.82

0.90

3.84

Como se puede observar en la tabla anterior cuando P vale 0.5 el tamao de la muestra alcanza su mximo valor. En el caso de que se tenga una poblacin finita y un muestreo sin reemplazo, el error de estimacin se convierte en:

De nuevo se eleva al cuadrado ambos lados y se despeja la n, obteniendo:

Ejemplos: 1. En una muestra aleatoria de 500 familias que tienen televisores en la ciudad de Hamilton, Canad, se encuentra que 340 estn suscritas a HBO. Qu tan grande se requiere que sea una muestra si se quiere tener 95% de confianza de que la estimacin de P est dentro de 0.02? Solucin: Se tratarn a las 500 familias como una muestra preliminar que proporciona una estimacin de p=340/500=0.68.

Por lo tanto si basamos nuestra estimacin de P sobre una muestra aleatoria de tamao 2090, se puede tener una confianza de 95% de que nuestra proporcin muestral no diferir de la proporcin real por ms de 0.02. 2. Una legisladora estatal desea encuestar a los residentes de su distrito para conocer qu proporcin del electorado conoce la opinin de ella, respecto al uso de fondos estatales para pagar abortos. Qu tamao de muestra se necesita si se requiere un confianza del 95% y un error mximo de estimacin de 0.10? Solucin: En este problema, se desconoce totalmente la proporcin de residentes que conoce la opinin de la legisladora, por lo que se utilizar un valor de 0.5 para p.

Se requiere un tamao de muestra de 97 residentes para que con una confianza del 95% la estimacin tenga un error mximo de 0.10.

TEORIA DE PEQUEAS MUESTRAS O TEORIA EXACTA DEL MUESTREO En las unidades anteriores se manej el uso de la distribucin z, la cual se poda utilizar siempre y cuando los tamaos de las muestras fueran mayores o iguales a 30 en muestras ms pequeas si la distribucin o las distribuciones de donde proviene la muestra o las muestras son normales. En esta unidad se podrn utilizar muestras pequeas siempre y cuando la distribucin de donde proviene la muestra tenga un comportamiento normal. Esta es una condicin para utilizar las tres distribuciones que se manejarn en esta unidad; t de student, X2 ji-cuadrada y Fisher. A la teora de pequeas muestras tambin se le llama teora exacta del muestreo, ya que tambin la podemos utilizar con muestras aleatorias de tamao grande. En esta unidad se ver un nuevo concepto necesario para poder utilizar a las tres distribuciones mencionadas. Este concepto es " grados de libertad". Para definir grados de libertad se har referencia a la varianza muestral:

Esta frmula est basada en n-1 grados de libertad (degrees of freedom). Esta terminologa resulta del hecho de que si bien s 2 est basada en n cantidades . . . , stas suman cero, as que especificar los valores de cualquier n-1 de las cantidades determina el valor restante. Por ejemplo, si n=4 y ; y , entonces automticamente tenemos ,

as que slo tres de los cuatro valores de grados de libertad.

estn libremen te determinamos 3

Entonces, en esta unidad la frmula de grados de libertad ser n-1 y su simbologa DISTRIBUCION "t DE STUDENT" Supngase que se toma una muestra de una poblacin normal con media varianza . Si y

es el promedio de las n observaciones que contiene la muestra

aleatoria, entonces la distribucin Supngase que la varianza de la poblacin

es una distribucin normal estndar. 2 es desconocida. Qu sucede con por s? La distribucin t

la distribucin de esta estadstica si se reemplaza proporciona la respuesta a esta pregunta. La media y la varianza de la distribucin t son respectivamente. =0 y

para

>2,

La siguiente figura presenta la grfica de varias distribuciones t. La apariencia general de la distribucin t es similar a la de la distribucin normal estndar: ambas son simtricas y unimodales, y el valor mximo de la ordenada se alcanza en la media = 0. Sin embargo, la distribucin t tiene colas ms amplias que la normal; esto es, la probabilidad de las colas es mayor que en la distribucin normal. A medida que el nmero de grados de libertad tiende a infinito, la forma lmite de la distribucin t es la distribucin normal estndar.

Propiedades de las distribuciones t 1. Cada curva t tiene forma de campana con centro en 0. 2. Cada curva t, est ms dispersa que la curva normal estndar z. 3. A medida que aumenta, la dispersin de la curva t correspondiente disminuye. 4. A medida que

, la secuencia de curvas t se aproxima a la curva normal estndar, por lo que la curva z recibe a veces el nombre de curva t con gl = La distribucin de la variable aleatoria t est dada por:

Esta se conoce como la distribucin t con

grados de libertad.

Sean X1, X2, . . . , Xn variables aleatorias independientes que son todas normales

con media

y desviacin estndar

. Entonces la variable aleatoria

tiene una distribucin t con

= n-1 grados de libertad.

La distribucin de probabilidad de t se public por primera vez en 1908 en un artculo de W. S. Gosset. En esa poca, Gosset era empleado de una cervecera irlandesa que desaprobaba la publicacin de investigaciones de sus empleados. Para evadir esta prohibicin, public su trabajo en secreto bajo el nombre de "Student". En consecuencia, la distribucin t normalmente se llama distribucin t de Student, o simplemente distribucin t. Para derivar la ecuacin de esta distribucin, Gosset supone que las muestras se seleccionan de una poblacin normal. Aunque esto parecera una suposicin muy restrictiva, se puede mostrar que las poblaciones no normales que poseen distribuciones en forma casi de campana an proporcionan valores de t que se aproximan muy de cerca a la distribucin t. La distribucin t difiere de la de Z en que la varianza de t depende del tamao de la muestra y siempre es mayor a uno. Unicamente cuando el tamao de la muestra tiende a infinito las dos distribuciones sern las mismas.

Se acostumbra representar con el valor t por arriba del cual se encuentra un rea igual a . Como la distribucin t es simtrica alrededor de una media de cero, tenemos ; es decir, el valor t que deja un rea de a la derecha y por tanto un rea de a la izquierda, es igual al valor t negativo que deja un rea de en la cola derecha de la distribucin. Esto es, t 0.95 = -t0.05, t0.99=t0.01, etc.

Para encontrar los valores de t se utilizar la tabla de valores crticos de la distribucin t del libro Probabilidad y Estadstica para Ingenieros de los autores Walpole, Myers y Myers. Ejemplo: El valor t con = 14 grados de libertad que deja un rea de 0.025 a la izquierda, y por tanto un rea de 0.975 a la derecha, es t0.975=-t0.025 = -2.145

Si se observa la tabla, el rea sombreada de la curva es de la cola derecha, es por esto que se tiene que hacer la resta de . La manera de encontrar el valor de t es buscar el valor de en el primer rengln de la tabla y luego buscar los grados de libertad en la primer columna y donde se intercepten obtendr el valor de t. Ejemplo: Encuentre la probabilidad de t0.025 < t < t0.05. Solucin: y se

Como t0.05 deja un rea de 0.05 a la derecha, y t 0.025 deja un rea de 0.025 a la izquierda, encontramos un rea total de 1-0.05-0.025 = 0.925.

P( t0.025 < t < t0.05) = 0.925 Ejemplo: Encuentre k tal que P(k < t < -1.761) = 0.045, para una muestra aleatoria de tamao 15 que se selecciona de una distribucin normal. Solucin:

Si se busca en la tabla el valor de t =1.761 con 14 grados de libertad nos damos cuenta que a este valor le corresponde un rea de 0.05 a la izquierda, por ser negativo el valor. Entonces si se resta 0.05 y 0.045 se tiene un valor de 0.005, que equivale a . Luego se busca el valor de 0.005 en el primer rengln con 14 grados de libertad y se obtiene un valor de t = 2.977, pero como el valor de est en el extremo izquierdo de la curva entonces la respuesta es t = -2.977 por lo tanto: P(-2.977 < t < -1.761) = 0.045 Ejemplo: Un ingeniero qumico afirma que el rendimiento medio de la poblacin de cierto proceso en lotes es 500 gramos por milmetro de materia prima. Para verificar esta afirmacin toma una muestra de 25 lotes cada mes. Si el valor de t calculado cae entre t0.05 y t0.05, queda satisfecho con su afirmacin. Qu conclusin extraera de una muestra que tiene una media de 518 gramos por milmetro y una desviacin estndar de 40 gramos? Suponga que la distribucin de rendimientos es aproximadamente normal. Solucin: De la tabla encontramos que t0.05 para 24 grados de libertad es de 1.711. Por tanto, el fabricante queda satisfecho con esta afirmacin si una muestra de 25 lotes rinde un valor t entre 1.711 y 1.711. Se procede a calcular el valor de t:

Este es un valor muy por arriba de 1.711. Si se desea obtener la probabilidad de obtener un valor de t con 24 grados de libertad igual o mayor a 2.25 se busca en la tabla y es aproximadamente de 0.02. De aqu que es probable que el fabricante concluya que el proceso produce un mejor producto del que piensa. INTERVALO DE CONFIANZA PARA Si ; CON DESCONOCIDA

y s son la media y la desviacin estndar de una muestra aleatoria de una , desconocida, un intervalo de confianza de

poblacin normal con varianza ( )100% para es:

donde /2 es el valor t con /2 a la derecha.

= n-1 grados de libertad, que deja un rea de

Se hace una distincin entre los casos de conocida y desconocida al calcular las estimaciones del intervalo de confianza. Se debe enfatizar que para el primer caso se utiliza el teorema del lmite central, mientras que para desconocida se hace uso de la distribucin muestral de la variable aleatoria t. Sin embargo, el uso de la distribucin t se basa en la premisa de que el muestreo se realiza de una distribucin normal. En tanto que la distribucin tenga forma aproximada de campana, los intervalos de confianza se pueden calcular cuando la varianza se desconoce mediante el uso de la distribucin t y se puede esperar buenos resultados. Con mucha frecuencia los estadsticos recomiendan que aun cuando la normalidad no se pueda suponer, con desconocida y n 30, s puede reemplazar a y se puede utilizar el intervalo de confianza:

Por lo general ste se denomina como un intervalo de confianza de muestra grande. La justificacin yace slo en la presuncin de que con una muestra grande

como 30, s estar muy cerca de la real y de esta manera el teorema del lmite central sigue valiendo. Se debe hacer nfasis en que esto es solo una aproximacin y que la calidad de este enfoque mejora a medida que el tamao de la muestra crece ms. Ejemplos: 1. El contenido de siete contenedores similares de cido sulfrico son 9.8, 10.2, 10.4, 9.8, 10.0, 10.2, y 9.6 litros. Encuentre un intervalo de confianza del 95% para la media de todos los contenedores si se supone una distribucin aproximadamente normal. Solucin: La media muestral y la desviacin estndar para los datos dados son: 10 y s= 0.283 En la tabla se encuentra que t0.025=2.447 con 6 grados de libertad, de aqu, el intervalo de confianza de 95% para es:

Con un nivel de confianza del 95% se sabe que el promedio del contenido de los contenedores est entre 9.47 y 10.26 litros. 2. Un artculo publicado en el Journal of Testing and Evaluation presenta las siguientes 20 mediciones del tiempo de combustin residual en segundos de especmenes tratados de ropa de dormir para nios: 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 9.88

9.95 9.95 9.93 9.92 9.89 Se desea encontrar un nivel de confianza del 95% para el tiempo de combustin residual promedio. Supngase que el tiempo de combustin residual sigue una distribucin normal. Solucin: La media muestral y la desviacin estndar para los datos dados son: 9.8525 y s= 0.0965 En la tabla se encuentra que t 0.025=2.093 con 19 grados de libertad, de aqu, el intervalo de confianza de 95% para es:

Por lo tanto, se tiene una confianza del 95% de que el tiempo de combustin residual promedio se encuentra entre 9.8073 y 9.8977 segundos. INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS PERO IGUALES Si s12 y s22 son las medias y las varianzas de dos muestras aleatorias de tamao n1 y n2, respectivamente, tomadas de dos poblaciones normales e independientes con varianzas desconocidas pero iguales, entonces un intervalo de confianza del 100( ) por ciento para la diferencia entre medias es:

en donde:

es el estimador combinado de la desviacin estndar comn de la poblacin con n1+n2 2 grados de libertad. Ejemplos: 1. Un artculo publicado dio a conocer los resultados de un anlisis del peso de calcio en cemento estndar y en cemento contaminado con plomo. Los niveles bajos de calcio indican que el mecanismo de hidratacin del cemento queda bloqueado y esto permite que el agua ataque varias partes de una estructura de cemento. Al tomar diez muestras de cemento estndar, se encontr que el peso promedio de calcio es de 90 con una desviacin estndar de 5; los resultados obtenidos con 15 muestras de cemento contaminado con plomo fueron de 87 en promedio con una desviacin estndar de 4. Supngase que el porcentaje de peso de calcio est distribuido de manera normal. Encuntrese un intervalo de confianza del 95% para la diferencia entre medias de los dos tipos de cementos. Por otra parte, supngase que las dos poblaciones normales tienen la misma desviacin estndar. Solucin: El estimador combinado de la desviacin estndar es:

Al calcularle raz cuadrada a este valor nos queda que s p = 4.41

expresin que se reduce a 0.72

6.72

Ntese que el intervalo de confianza del 95% incluye al cero; por consiguiente, para este nivel confianza, no puede concluirse la existencia de una diferencia entre las medias.

2. Se realiz un experimento para comparar el tiempo promedio requerido por el cuerpo humano para absorber dos medicamentos, A y B. Suponga que el tiempo necesario para que cada medicamento alcance un nivel especfico en el torrente sanguneo se distribuye normalmente. Se eligieron al azar a doce personas para ensayar cada frmaco registrndose el tiempo en minutos que tard en alcanzar un nivel especfico en la sangre. Calcule un intervalo de confianza del 95% para la diferencia del tiempo promedio. Suponga varianzas iguales.
Medicamento A nA = 12 Medicamento B nB = 12

SA2= 15.57

SB2 = 17.54

Solucin:

2.35

9.25

Con un nivel confianza del 95% se sabe que el tiempo promedio para alcanzar un nivel especfico es mayor para el medicamento B.

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS PERO DIFERENTES Consideremos ahora el problema de encontrar una estimacin por intervalos de 1 2 cuando no es probable que las varianzas poblacionales desconocidas sean iguales. La estadstica que se usa con ms frecuencia en este caso es:

que tiene aproximadamente una distribucin t con

grados de libertad, donde:

Como rara vez es nmero entero, lo redondeamos al nmero entero ms cercano menor. Esto es si el valor de nu es de 15.9 se redondear a 15. Al despejar la diferencia de medias poblacionales de la formula de t nos queda:

Ejemplos: 1. El departamento de zoologa de la Universidad de Virginia llev a cabo un estudio para estimar la diferencia en la cantidad de ortofsforo qumico medido en dos estaciones diferentes del ro James. El ortofsforo se mide en miligramos por litro. Se reunieron 15 muestras de la estacin 1 y se ontuvo una media de 3.84 con una desviacin estndar de 3.07 miligramos por litro, mientras que 12 muestras de la estacin 2 tuvieron un contenido promedio de 1.49 con una desviacin estndar 0.80 miligramos por litro. Encuentre un intervalo de confianza de 95% para la diferencia del contenido promedio real de ortofsforo en estas dos estaciones, suponga que las observaciones vienen de poblaciones normales con varianzas diferentes.

Solucin: Datos:
Estacin 1 n1 = 15 Estacin 2 n2 = 12

S1= 3.07

S2 = 0.80

Primero se proceder a calcular los grados de libertad:

Al usar =0.05, encontramos en la tabla con 16 grados de libertad que el valor de t es 2.120, por lo tanto:

que se simplifica a: 0.60

1

4.10

Por ello se tiene una confianza del 95% de que el intervalo de 0.60 a 4.10 miligramos por litro contiene la diferencia de los contenidos promedios reales de ortofsforo para estos dos lugares.

DISTRIBUCION JI-CUADRADA (X2) En realidad la distribucin ji-cuadrada es la distribucin muestral de s 2. O sea que si se extraen todas las muestras posibles de una poblacin normal y a cada muestra se le calcula su varianza, se obtendr la distribucin muestral de varianzas. Para estimar la varianza poblacional o la desviacin estndar, se necesita conocer el estadstico X2. Si se elige una muestra de tamao n de una poblacin normal con varianza , el estadstico:

tiene una distribucin muestral que es una distribucin ji-cuadrada con gl=n-1 grados de libertad y se denota X2 (X es la minscula de la letra griega ji). El estadstico ji-cuadrada esta dado por:

donde n es el tamao de la muestra, s 2 la varianza muestral y la varianza de la poblacin de donde se extrajo la muestra. El estadstico ji-cuadrada tambin se puede dar con la siguiente expresin:

Propiedades de las distribuciones ji-cuadrada 1. Los valores de X2 son mayores o iguales que 0. 2. La forma de una distribucin X 2 depende del gl=n-1. En consecuencia, hay un nmero infinito de distribuciones X2. 3. El rea bajo una curva ji-cuadrada y sobre el eje horizontal es 1. 4. Las distribuciones X2 no son simtricas. Tienen colas estrechas que se extienden a la derecha; esto es, estn sesgadas a la derecha. 5. Cuando n>2, la media de una distribucin X 2 es n-1 y la varianza es 2(n-1). 6. El valor modal de una distribucin X2 se da en el valor (n-3).

La siguiente figura ilustra tres distribuciones X 2. Note que el valor modal aparece en el valor (n-3) = (gl-2).

La funcin de densidad de la distribucin X 2 esta dada por:

para x>0 La tabla que se utilizar para estos apuntes es la del libro de probabilidad y estadstica de Walpole, la cual da valores crticos (gl) para veinte valores especiales de . Para denotar el valor crtico de una distribucin X 2 con gl grados de libertad se usa el smbolo (gl); este valor crtico determina a su derecha un rea de bajo la curva X2 y sobre el eje horizontal. Por ejemplo para encontrar X20.05(6) en la tabla se localiza 6 gl en el lado izquierdo y ao largo del lado superior de la misma tabla.

Clculo de Probabilidad El clculo de probabilidad en una distribucin muestral de varianzas nos sirve para saber como se va a comportar la varianza o desviacin estndar en una muestra que proviene de una distribucin normal.

Ejemplos: 1. Suponga que los tiempos requeridos por un cierto autobs para alcanzar un de sus destinos en una ciudad grande forman una distribucin normal con una desviacin estndar =1 minuto. Si se elige al azar una muestra de 17 tiempos, encuentre la probabilidad de que la varianza muestral sea mayor que 2. Solucin: Primero se encontrar el valor de ji-cuadrada correspondiente a s 2=2 como sigue:

El valor de 32 se busca adentro de la tabla en el rengln de 16 grados de libertad y se encuentra que a este valor le corresponde un rea a la derecha de 0.01. En consecuencia, el valor de la probabilidad es P(s 2>2)

2. Encuentre la probabilidad de que una muestra aleatoria de 25 observaciones, de una poblacin normal con varianza

, tenga una varianza muestral: a. Mayor que 9.1 b. Entre 3.462 y 10.745 Solucin. a. Primero se proceder a calcular el valor de la ji-cuadrada:

Al buscar este nmero en el rengln de 24 grados de libertad nos da un rea a la derecha de 0.05. Por lo que la P(s2 >9.1) = 0.05 1. Se calcularn dos valores de ji-cuadrada:

y Aqu se tienen que buscar los dos valores en el rengln de 24 grados de libertad. Al buscar el valor de 13.846 se encuentra un rea a la derecha de 0.95. El valor de 42.98 da un rea a la derecha de 0.01. Como se est pidiendo la probabilidad entre dos valores se resta el rea de 0.95 menos 0.01 quedando 0.94. Por lo tanto la P(3.462 s2 10.745) = 0.94

Estimacin de la Varianza Para poder estimar la varianza de una poblacin normal se utilizar la distribucin ji-cuadrada.

Al despejar esta frmula la varianza poblacional nos queda:

Los valores de X2 dependern de nivel de confianza que se quiera al cual le llamamos . Si nos ubicamos en la grfica se tiene:

Ejemplos: 1. Los siguientes son los pesos, en decagramos, de 10 paquetes de semillas de pasto distribuidas por cierta compaa: 46.4, 46.1, 45.8, 47.0, 46.1, 45.9, 45.8, 46.9, 45.2 y 46. Encuentre un intervalo de confianza de 95% para la varianza de todos los paquetes de semillas de pasto que distribuye esta compaa, suponga una poblacin normal. Solucin: Primero se calcula la desviacin estndar de la muestra:

al elevar este resultado al cuadrado se obtiene la varianza de la muestra s2= 0.286. Para obtener un intervalo de confianza de 95% se elige un = 0.05. Despus con el uso de la tabla con 9 grados de libertad se obtienen los valores de X2.

Se puede observar en la grfica anterior que el valor de X 2 corre en forma normal, esto es de izquierda a derecha. Por lo tanto, el intervalo de confianza de 95% para la varianza es:

Graficamente:

Se observa que la varianza corre en sentido contrario, pero esto es slo en la grfica. La interpretacin quedara similar a nuestros temas anteriores referentes a estimacin. Con un nivel de confianza del 95% se sabe que la varianza de la poblacin de los pesos de los paquetes de semillas de pasto esta entre 0.135 y 0.935 decagramos al cuadrado.

2. En trabajo de laboratorio se desea llevar a cabo comprobaciones cuidadosas de la variabilidad de los resultados que producen muestras estndar. En un estudio de la cantidad de calcio en el agua potable, el cual se efecta como parte del control de calidad, se analiz seis veces la misma muestra en el laboratorio en intervalos aleatorios. Los seis resultados en partes por milln fueron 9.54, 9.61, 9.32, 9.48, 9.70 y 9.26. Estimar la varianza de los resultados de la poblacin para este estndar, usando un nivel de confianza del 90%. Solucin: Al calcular la varianza de la muestra se obtiene un valor de s 2= 0.0285. Se busca en la tabla los valores correspondientes con 5 grados de libertad, obtenindose dos resultados. Para X2(0.95,5)= 1.145 y para X2(0.0,5)= 11.07. Entonces el intervalo de confianza esta dado por:

DISTRIBUCION "F" FISHER La necesidad de disponer de mtodos estadsticos para comparar las varianzas de dos poblaciones es evidente a partir del anlisis de una sola poblacin. Frecuentemente se desea comparar la precisin de un instrumento de medicin con la de otro, la estabilidad de un proceso de manufactura con la de otro o hasta la forma en que vara el procedimiento para calificar de un profesor universitario con la de otro. Intuitivamente, podramos comparar las varianzas de dos poblaciones, y , utilizando la razn de las varianzas muestrales s 21/s22. Si s21/s22 es casi igual a 1, se tendr poca evidencia para indicar que y no son iguales. Por otra parte, un valor muy grande o muy pequeo para s 21/s22, proporcionar evidencia de una diferencia en las varianzas de las poblaciones. La variable aleatoria F se define como el cociente de dos variables aleatorias jicuadrada independientes, cada una dividida entre sus respectivos grados de libertad. Esto es,

donde U y V son variables aleatorias ji-cuadrada independientes con grados de libertad

1

respectivamente.

Sean U y V dos variables aleatorias independientes que tienen distribucin ji cuadradas con grados de libertad, respectivamente. Entonces la

distribucin de la variable aleatoria

est dada por:

y se dice que sigue la distribucin F con grados de libertad en el denominador.

grados de libertad en el numerador y

La media y la varianza de la distribucin F son:

para

para

La variable aleatoria F es no negativa, y la distribucin tiene un sesgo hacia la derecha. La distribucin F tiene una apariencia muy similar a la distribucin jicuadrada; sin embargo, se encuentra centrada respecto a 1, y los dos parmetros proporcionan una flexibilidad adicional con respecto a la forma de la distribucin. Si s12 y s22 son las varianzas muestrales independientes de tamao n 1 y n2 2 2 tomadas de poblaciones normales con varianzas 1 y 2 , respectivamente, entonces:

Para manejar las tablas de Fisher del libro de Introduccin a la Inferencia Estadstica del autor Genther, se tendr que buscar primero los grados de libertad dos para luego localizar el rea correspondiente, relacionndola con los grados de libertad uno, para calcular el valor de F. El valor de 30.4 es el correspondiente a una Fisher que tiene 3 grados de libertad uno y 6 grados de libertad dos con un rea de cero a Fisher de 0.995. Si lo vemos graficamente:

Como nos podemos imaginar existen varias curvas Fisher, ya que ahora su forma depende de dos variables que son los grados de libertad. Ejemplos : 1. Encontrar el valor de F, en cada uno de los siguientes casos: a. El rea a la derecha de F, es de 0.25 con =4 y =9. b. El rea a la izquierda de F, es de 0.95 con =15 y =10. c. El rea a la derecha de F es de 0.95 con con =6 y =8. d. El rea a la izquierda de F, es de 0.10 con con =24 y =24 Solucin: a. Como el rea que da la tabla es de cero a Fisher, se tiene que localizar primero los grados de libertad dos que son 9, luego un rea de 0.75 con 4 grados de libertad uno.

b. En este caso se puede buscar el rea de 0.95 directamente en la tabla con sus respectivos grados de libertad.

c. Se tiene que buscar en la tabla un rea de 0.05, puesto que nos piden un rea a la derecha de F de 0.95.

d. Se busca directamente el rea de 0.10, con sus respectivos grados de libertad.

1. Si s12 y s22 son las varianzas muestrales de muestras aleatorias independientes de tamaos n1=10 y n2 =20, tomadas de poblaciones normales que tienen las mismas varianzas, encuentre P(s 12/s22 2.42). Solucin: Primero se establecen los grados de libertad. Como en el numerador est la poblacin uno y en el denominador la poblacin dos, entonces los grados de libertad uno equivalen a 10-1=9 y los grados de libertad dos a 20-1=19. Se procede a ir a la tabla a buscar los grados de libertad dos que son 19 y se observa que no estn, por lo tanto se tiene que interpolar entre 15 y 20 grados de libertad, buscando el valor de fisher que quedara:

Este valor de 2.42 se busca en la columna de 9 grados de libertad uno, con 15 grados de libertad dos, y se encuentra los siguiente:
Area 0.90 0.95 2.09 2.59

Al interpolar entre estos dos valores nos queda un rea de 0.933. Se procede a hacer lo mismo pero con 20 grados de libertad dos:
Area 0.95 0.975 2.39 2.84

Al interpolar entre estos dos valores nos queda un rea de 0.9516. Ahora ya se tienen las dos reas referentes a los grados de libertad dos, por lo que se interpolar para ver cunto le corresponde a los grados libertad dos con un valor de 19.

Area 15 20 0.933 0.9516

Al interpolar nos queda que para 9 grados de libertad uno y 19 grados de libertad dos con un valor de Fisher de 2.42 el rea a la izquierda es de 0.9478.

2. Si s12 y s22 representan las varianzas de las muestras aleatorias independientes de tamao n1= 25 y n2 = 31, tomadas de poblaciones normales con varianzas =10 y = 15, respectivamente, encuentre P(s12/s22 > 1.26).
1 2

2 2

Solucin: Calcular el valor de Fisher:

Luego se va a la tabla de Fisher a buscar 30 grados de libertad 2 con 24 grados de libertad uno. Cuando se este en esta posicin se busca adentro de la tabla el valor de Fisher de 1.89. Al localizarlo y ver a la izquierda de este valor se obtiene un rea de 0.95, pero esta rea correspondera a la probabilidad de que las relaciones de varianzas muestrales fueran menor a 1.26, por lo que se calcula su complemento que sera 0.05, siendo esta la probabilidad de que s 12/s22 > 1.26.

Intervalo de Confianza para el Cociente de Varianzas de Dos Distribuciones Normales

Supngase que se tienen dos poblaciones normales e independientes con 2 2 varianzas desconocidas 2 , respectivamente. De este par de poblaciones, 1 y se tienen disponibles dos muestras aleatorias de tamaos n 1 y n2, respectivamente, sean s12 y s22 las dos varianzas muestrales. Se desea conocer un intervalo de confianza del 100( ) por ciento para el cociente de las dos 2 2 varianzas, 1 / 2 . Para construir el intervalo de confianza para el cociente de dos varianzas poblacionales, se coloca la varianza muestral mayor en el numerador del estadstico F. Ejemplos: 1. Un fabricante de automviles pone a prueba dos nuevos mtodos de ensamblaje de motores respecto al tiempo en minutos. Los resultados se muestran el la tabla:
Mtodo 1 n1 = 31 s12 = 50 Mtodo 2 n2 = 25 s22 = 24

Construya un intervalo de confianza del 90% para Solucin:

2 1

2 2

Por la recomendacin de que la varianza muestral mayor va en el numerador se tiene la siguiente frmula:

al despejar:

F toma dos valores dependiendo del nivel de confianza y de los grados de libertad. En este caso los grados de libertad uno valen 30 y los grados de libertad dos 24.

y Estos resultados los podemos interpretar de la siguiente manera: Con un nivel de confianza del 90% se sabe que la relacin de varianzas 2 2 esta entre 1.07 y 3.93. Esto supondra que la varianza de la 1 / 2 poblacin 1 es mayor a la varianza de la poblacin 2 entre 1.07 y 3.93. 2. Una compaa fabrica propulsores para uso en motores de turbina. Al ingeniero de manufactura le gustara seleccionar el proceso que tenga la menor variabilidad en la rugosidad de la superficie. Para ello toma una muestra de n1=16 partes del primer proceso, la cual tiene una desviacin estndar s1 = 4.7 micropulgadas, y una muestra aleatoria de n 2=12 partes del segundo proceso, la cual tiene una desviacin estndar s 2 = 5.1 micropulgadas. Se desea encontrar un intervalo de confianza del 90% para el cociente de las dos varianzas / 22. Suponga que los dos procesos son independientes y que la rugosidad de la superficie est distribuida de manera normal.
1 2

Solucin: Por la recomendacin de que la varianza muestral mayor va en el numerador se tiene la siguiente frmula:

al despejar:

En este caso los grados de libertad uno valen 11 y los grados de libertad dos 15.

y Estos resultados los podemos interpretar de la siguiente manera: Puesto que este intervalo de confianza incluye a la unidad, no es posible afirmar que las desviaciones estndar de la rugosidad de la superficie de los dos procesos sean diferentes con un nivel de confianza del 90%.