Professional Documents
Culture Documents
OBJETIVOS
INTRODUCCION
INDICE
3. ESTMACION PUNTUAL
3.1 Estimulacin puntual y por intervalos
3.2 Propiedades de los estimadores puntuales
3.3 Estimacin de intervalos de confianza para medias y diferencias de medias
3.4 Estimacin de intervalos de confianza para proporciones y diferencias de
proporciones
3.5 Estimacin de intervalos de confianza para varianzas y diferencias de
varianzas
4. PRUEBAS DE HIPOTESIS
4.1 Elementos de una prueba de hiptesis
4.2 Errores tipo I y tipo II
4.3 Pruebas de hiptesis sobre medias y diferencia de medias en muestras
pequeas y grandes
4.4 Pruebas de hiptesis sobre proporciones y diferencias de proporciones en
muestras pequeas y grandes
4.5 Pruebas de hiptesis sobre desviacin estndar
Estimacin puntual
Una estimacin puntual del valor de un parmetro poblacional desconocido
(como puede ser la media , o la desviacin estndar ), es un nmero que
se utiliza para aproximar el verdadero valor de dicho parmetro poblacional. A
fin de realizar tal estimacin, tomaremos una muestra de la poblacin y
calcularemos el parmetro muestral asociado ( x para la media, s para la
desviacin estndar, etc.). El valor de este parmetro muestral ser la
estimacin puntual del parmetro poblacional.
Por ejemplo, supongamos que la compaa Sonytron desea estimar la edad
media de los compradores de equipos de alta fidelidad. Seleccionan una
muestra de 100 compradores y calculan la media de esta muestra, este valor
ser un estimador puntual de la media de la poblacin.
Qu propiedades debe cumplir todo buen estimador?
Insesgado: Un estimador es insesgado cuando la media de su distribucin
muestral asociada coincide con la media de la poblacin. Esto ocurre, por
ejemplo, con el estimador x , ya que x = y con estimador p ya que p p =
De varianza mnima: La variabilidad de un estimador viene determinada por el
cuadrado de su desviacin estndar. En el caso del estimador x , su desviacin
estndar es n x = , tambin llamada error estndar de .
En el caso del error estndar de p,
n
pp
p
*(1 ) =
Observar que cuanto mayor sea el tamao de la muestra n , menor ser la
variabilidad del estimador x y de p, por tanto, mejor sern nuestras
estimaciones.
Dnde:
Z = valor crtico de la distribucin normal estandarizada
Se llama valor crtico al valor de Z necesario para construir un intervalo de
confianza para la distribucin. El 95% de confianza corresponde a un valor ( de
0,05. El valor crtico Z correspondiente al rea acumulativa de 0,975 es 1,96
porque hay 0,025 en la cola superior de la distribucin y el rea acumulativa
menor a Z = 1,96 es 0,975.
Un nivel de confianza del 95% lleva a un valor Z de 1,96.
Ejemplo
Ejemplo: Imagnese una clase con 40 sillas vacas, cada uno elige un asiento
de los que estn vacos. Naturalmente el primer alumno podr elegir de entre
40 sillas, el segundo de entre 39, y as el nmero ir disminuyendo hasta que
llegue el ltimo alumno. En este punto no hay otra eleccin (grado de libertad) y
aquel ltimo estudiante simplemente se sentar en la silla que queda. De este
modo, los 40 alumnos tienen 39 o n-1 grados de libertad.
Estimacin
El objetivo principal de la estadstica inferencial es la estima estimacin, esto es
que mediante el estudio de una muestra de una poblacin se quiere generalizar
las conclusiones hacia el total de dicha poblacin. Como vimos en la seccin
anterior, los estadsticos pueden variar mucho dentro de sus distribuciones
muestrales. Mientras menor sea el error estndar de un estadstico, ms
cercanos sern sus valores. El Error estandard podramos expresarlo
conceptualmente como el error que se puede cometer al intentar conocer a una
poblacin por medio de una muestra tomada de dicha poblacin.
Existen dos tipos de estimaciones para parmetros; puntuales puntuales y por
intervalo:
Una estimacin puntual n puntual es un nico valor estadstico y se usa
para estimar un parmetro. El estadstico usado se denomina estimador.
Una estimacin por intervalo n por intervalo es un rango, generalmente
de ancho finito, que se espera que contenga el parmetro. Estimacin
por Intervalos n por Intervalos.
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 tendr el caso de que= . El estimador puntual nada dice sobre lo
cercano que esta de . Una alternativa para reportar el valor del parmetro que
se est estimando es calcular un intervalo de valores factibles, es decir un
lmite de confianza o mite de confianza o intervalo de confianza intervalo de
confianza (IC).
X Un intervalo de confianza intervalo de confianza se calcula siempre
seleccionando primero un nivel de confianza nivel 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% diramos que es posible
tener cualquier valor de mentre 9162.5 y 9482.9.
Un nivel de confianza de 95% implica que 95% de las muestras dara lugar a
un intervalo que incluye m 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.
Si, por ejemplo, queremos tener un nivel de confianza de 95% (locual es muy
comn), entonces usamos la distribucin normal estndar y encontramos los
valores que incluyen a 95% del rea.
Y el error estndares:
Con un nivel de confianza del 96% se sabe que la duracin media de losvuelos
est entre 765 y 795 horas.
Ejemplos:
Ejemplo 2.
En un estudio de 300 accidentes de automvil en una ciudad especfica, 60
tuvieron consecuencias fatales. Con base en estamuestra, construya un
intervalo del 95% de confianza paraaproximar la proporcin de todos los
accidentes automovilsticos queen esa ciudad tienen consecuencias fatales.
El cual es una variable aleatoria que tiene una distribucin Chi cuadrada con n
-1 grados de libertad. Por lo tanto, podemos emplear esta definicin para
estimar un intervalo de confianza ya que lo que necesitamos es que
Por lo que el intervalo de confianza para la varianza varianza estar dado por
Por lo que el intervalo de confianza para la varianza varianza estar dado por
Es decir:
Y, por lo tanto, el intervalo de confianza para la desviacin es n estndar
nsera:
H1 : >k H1 : > k
- Prueba de hiptesis a una cola inferior
H0 : = k H0 :
H1 : < k H1 : < k
En las distribuciones en el muestreo se vi que para el caso de la media, hay
tres situaciones, por consiguiente la estadstica de trabajo a utilizar depende de
los supuestos de la poblacin y del tamao de la muestra.
(3.1)
Donde: es el valor que se est suponiendo en la hiptesis nula (H 0).
REGLA DE DECISION
- Si se ha planteado la hiptesis alternativa como: H1 : k se tiene una prueba
de hiptesis a dos colas, por lo tanto, el nivel de significancia ( ) se divide en
dos partes iguales, quedando estos valores en los extremos de la distribucin
como se aprecia en la figura 3.1
Figura 3.1 Regla de decisin para una prueba de hiptesis a dos colas.
y
pertenecen a una distribucin normal estndar. Si el valor de la
estadstica de trabajo (Zx) est entre
y
no se rechaza la hiptesis nula,
en caso contrario se rechaza H0 lo cual implica aceptar H1. Esdecir:
Figura 3.2 Regla de decisin para una prueba de hiptesis a una cola superior.
pertenece a una distribucin normal estndar. Si el valor de la estadstica
de trabajo (Zx) es menor que
no se rechaza la hiptesis nula, en caso
contrario se rechaza H0 lo cual implica aceptar H1. Esdecir,
H1 : < k, se tiene una prueba de hiptesis a una cola inferior, quedando el nivel
de significancia ( ) en la parte inferior de la distribucin, como se aprecia en la
figura 3.3
Figura 3.3 Regla de decisin para una prueba de hiptesis a una cola inferior.
Z pertenece a una distribucin normal estndar. Si el valor de la estadstica de
trabajo (Zx) es mayor que Z no se rechaza la hiptesis nula, en caso contrario
se rechaza H0 lo cual implica aceptar H1. Esdecir,
EJEMPLO
Un proceso manufacturero usado por una fbrica durante los ltimos aos da
una produccin media de 100 unidades por hora con una desviacin estndar
de 8 unidades. Se acaba de introducir en el mercado una nueva mquina para
realizar ese tipo de producto. Aunque es muy cara comparada con la que est
ahora en uso, si la media de produccin de la nueva mquina es de ms de
150 unidades por hora, su adopcin dara bastantes beneficios.
Para decidir si se debiera comprar la nueva mquina, a la gerencia de la fbrica
se le permite hacer un ensayo durante 35 horas, hallndose un promedio de
160 unidades por hora. Con sta informacin qu decisin se debe tomar si se
asume un nivel de confianza del 99 por ciento.
Solucin .
Segn el enunciado, solo se compra la mquina si la produccin es de mas de
150 unidades por hora, por lo tanto las hiptesis son:
H0 : = 150
H1 : > 150
Para elegir la estadstica de trabajo se tiene en cuenta que se conoce la
varianza poblacional, por lo tanto se usa la expresin 3.1
Figura 3.4 Regla de desicin para una prueba de hiptesis a una cola inferior.
REGLA DE DECISION
Es la misma que en el caso anterior y depende en todo caso
de la hiptesis alternativa.
EJEMPLO
La duracin promedio de las llantas producidas por una fbrica
46.050
) la estadstica de trabajo es la
(3.3)
Si se utiliza la varianza corregida la estadstica de trabajo es la expresin
(1.9):
(3.4)
EJEMPLO
En su calidad de comprador comercial para un supermercado, se toma una
muestra aleatoria de doce (12) sobres de caf de una empacadora. Se
encuentra que el peso promedio del contenido de caf de cada sobre es 15,97
grs. con una desviacin estndar de 0,15. La compaa empacadora afirma
que el peso promedio mnimo del caf es de 16 grs. por sobre. Puede
aceptarse sta afirmacin si se asume un nivel de confianza del 90 por ciento?
Solucin
Se desea probar si el peso mnimo es de 16 grs., es decir mayor o igual a 16
grs., as que las hiiptesis adecuadas son:
H0 : 16
H1 : < 16
Teniendo en cuenta que el tamao de la muestra es pequeo, como estadstica
de trabajo se utiliza la expresin 3.3
Teniendo en cuenta que el tamao de la muestra es pequeo, como estadstica
de trabajo se utiliza la expresin 3.3
Figura 3.6 Regla de decisin para una prueba de hiptesis a una cola inferior
H1 : > k H1 : > k
- Prueba de hiptesis a una cola inferior
H0 : = k H0 :
(3.5)
REGLA DE DECISION
Si se ha planteado la hiptesis alternativa como:
H1: k se tiene una prueba de hiptesis a dos colas, por lo tanto, el nivel de
significancia ( ) se divide en dos partes iguales, quedando estos valores en los
extremos de la distribucin como se aprecia en la figura 3.1
y
pertenecen a una distribucin normal estndar. Si el valor de la
estadstica de trabajo (Zp) est entre
y
no se rechaza la hiptesis nula,
en caso contrario se rechaza H0 lo cual implica aceptar H1 . Es decir, si
<Zp<
no se rechaza H0 .
- Si se ha planteado la hiptesis alternativa como:
H1 : > k, se tiene una prueba de hiptesis a una cola superior, quedando el
nivel de significancia ( ) en la parte superior de la distribucin, vease figura 3.2
pertenece a una distribucin normal estndar. Si el valor de la estadstica de
trabajo (Zp ) es menor que
no se rechaza la hiptesis nula, en caso
contrario se rechaza H0 lo cual implica aceptar H1 . Es decir, si Zp<
no se
rechaza H0 .
- Si se ha planteado la hiptesis alternativa como:
H1 : < k, se tiene una prueba de hiptesis a una cola inferior, quedando el nivel
de significancia ( ) en la parte inferior de la distribucin, vease figura 3.3
Z pertenece a una distribucin normal estndar. Si el valor de la estadstica de
trabajo (Zp ) es mayor que Z no se rechaza la hiptesis nula, en caso contrario
se rechaza H0 lo cual implica aceptar H1 . Es decir, si Zp> Z no se rechaza H0 .
EJEMPLO
Un fabricante afirma que por lo menos el 90 por ciento de las piezas de una
maquinaria que suministra a una fbrica guardan las formas especificadas. Un
exmen de 200 de esas piezas revel que 160 de ellas no eran defectuosas.
Pruebe si lo que afirma el fabricante es cierto.
Solucin
H0 :
0,9
H1 : < 0,9
Para realizar una prueba de hiptesis para la proporcin se utiliza la expresin
3.5
Figura 3.7 Regla de decisin para una prueba de hiptesis a una cola inferior
PROCEDIMIENTO SISTEMATICO
1. Plantear la hiptesis nula Ho y la hiptesis alternativa H1
Hiptesis nula H0: Una afirmacin acerca del valor de un parmetro de la
poblacin.
Hiptesis Alternativa H1: Una afirmacin que es aceptada si la muestra
provee la evidencia de que la hiptesis nula es falsa.
TIPO DE ERRORES
VALORES
Valor crtico
El punto que divide la regin entre el lugar en el que la hiptesis nula es
rechazada y y la regin donde la hiptesis nula es no rechazada.
VALOR P
dond
Cuando se
plantean hiptesis para la proporcin de la poblacin, el estadstico de prueba
est dado por:
dond
Cuand
o se plantean hiptesis para la diferencia de medias de dos poblaciones y las
desviaciones estndar poblacionales son desconocidas y el tamao de la
muestra es pequeo, el estadstico de prueba est dado por:
dond
e
Ejemplo
El jefe de la Biblioteca Especializada de la Facultad de Ingeniera Elctrica
y Electrnica de la UNAC manifiesta que el nmero promedio de lectores por
da es de 350. Para confirmar o no este supuesto se controla la cantidad de
lectores que utilizaron la biblioteca durante 30 das. Se considera el nivel de
significancia de 0.05
Solucin: Se trata de un problema con una media poblacional: muestra grande
y desviacin estndar poblacional desconocida.
DATOS
CONCLUSIONES
BIBLIOGRAFIA
http://www.uoc.edu/in3/emath/docs/Estimacion_IC.pdf
http://tesisdeinvestig.blogspot.mx/2011/05/la-estimacion.html
www.unlu.edu.ar/~estadistica/