Herman B.

Collazos Saldaña
hcollazoss@hotmail.com
José Francisco Ramírez Chung
METODOS ESTADÍSTICOS
PARA LA INVESTIGACIÓN
 Intervalo de confianza:
 Para la media (σ conocida)
 Para la media (σ no conocida)
 Para la proporción.
 Situación de Poblaciones Finitas.
 Estimación del tamaño de muestra.
 Metodología de la Prueba de
Hipótesis
 Proceso de Estimación

Población Muestra al azar

Tengo 95% de
Media confianza que
Media, µ, es no
𝒙= 50 µ está entre 40
conocida
& 60.

Muestra
 Estimación de Parámetros
Poblacionales
Estimado Población con Muestra
Parámetros... Estadísticos
_
Media µ X
Proporción p ps
2
Varianza σ 2
s
_ _
Diferencia µ - µ x - x
1 2 1 2
Estimación por Intervalos de
Confianza

 Provee un Rango de Valores

 Basados en Observaciones de 1 Muestra
 Da información cercana para
conocer el Parámetro Poblacional
 Indicadoen términos de
Probabilidad
Nunca 100% Seguro
 Elementos de Estimación por
Intervalos de Confianza
Probabilidad que el Parámetro
Poblacional caiga en algún lugar dentro el
Intervalo.
Intervalo de Confianza Muestra
estadistico

Límite Confianza Límite Confianza

(Inferior) (Superior)
Límites Confianza para La
Media Poblacional
Parámetro =
Estadístico ± Error X Error

X   = Error = X

X   Error
Z  
 X  X

Error  Z x

  X  Z X
 Intervalo de Confianza

X  Z X  X  Z 
n σ_x
_
X
  1.645x   1.645x
90% Samples

  1.96 x   1.96 x
95% Muestras

  2.58 x   2.58 x
99% Muestras
 Nivel de Confianza

 Probabilidad que el parámetro poblacional

no conocido caiga dentro del intervalo
 Denotado (1 - α) % = nivel de Confianza
e.g. 90%, 95%, 99%
 α Es Probabilidad que el Parámetro no este
dentro del Intervalo
 Intervalos &
Nivel de Confianza
Ejemplo
Distribución de la
σ_
Media x
α/2 1 -α α/2
_
Intervalos X   X
Extendidos de
(1 - α) % de

X  ZX Intervalos
Contienen y
a α % No.

X  ZX
Intervalos de Confianza
 Factores que afectan el
ancho del Intervalo

 Variación Datos Intervalos Extienden de

medidos por σ X - Zσ
x
a X+Zσ
x
 Tamaño de Muestra
X  X / n
 Nivel de Confianza
(1 - α)
Estimación por Intervalos de
Confianza

Intervalo de
Confianza

Media Proporción

σ σ Población
conocida no Conocida
Finita
 Intervalos de Confianza
(σ no conocida)
 Asunciones
 Desviación Estándar Población no es
conocida
 Población debe ser Normalmente Distribuida
 Usa la Distribución t de Student
 Estimado del Intervalo de Confianza

S S
X  t / 2 ,n1     X  t / 2 ,n1 
n n
 Distribución t Student

Normal
Standar

Forma-Campana t (gl = 13)

Simetrica
Asintotica
t (gl = 5)

Z
t
0
 Grados de Libertad (gl)

 Número de Observaciones que pueden

variar libremente después de haber
calculado el promedio de la muestra
 Ejemplo Grados de Libertad

 La Media de 3 Números es 2 = n -1
= 3 -1
X1 = 1 (o cualquier número) =2
X2 = 2 (o cualquier número)
X3 = 3 (No puede Variar)
Media = 2
 Tabla t Student

1-α Asuma: n = 3
gl = n - 1 = 2

bajo la cola α = .10

gl .97 .95 .90

1 12.71 6.31 3.08

2 4.30 2.92 1.89 .10

.90
3 3.18 2.35 1.64
0 t
t Valores 1.89
 Ejemplo: Estimación Intervalo
σ no Conocida
Una muestra al azar de n = 25 tiene X = 50
y s = 8. Construya un intervalo del 95%
de confianza para estimar µ.
S S
X  t / 2 ,n1   X  t / 2 ,n1 
n n
8 8
50  2 . 0639  50  2 . 0639 
25  25

.
46 69 ≤ µ ≤ .
53 30
 Estimación para
Poblaciones Finitas
 Asunciones
 La muestra es grande Relativa a la Población
n / N > .05
○

 Use Factor de Corrección Población Finita

 Intervalo de Confianza (Media, σX no
conocida)
S Nn S N n
X  t / 2,n1   ≤ µ X ≤ X  t / 2,n1  
n N1 n N 1
 Estimado de Intervalo de
Confianza para la Proporción
 Asunciones
 Dos resultados categóricos
 Población tiene una Distribución Binomial
 Se puede usar la aproximación a la normal
 n·p ≥ 5 & n·(1 - p) ≥ 5
 Estimado del Intervalo de Confianza
ps ( 1  ps ) ps ( 1  ps )
ps  Z / 2   p ps  Z / 2 
n n
 Ejemplo: Estimando la
Proporción
Una muestra al azar de 400 votantes presentó
32 preferencias al Candidato A. Construya un
intervalo de 95% de confianza para p.

ps ( 1  ps )  p ps ( 1  ps )
ps  Z / 2  ps  Z / 2 
n n
.08( 1  .08)  p  .08  1.96  .08( 1  .08 )
.08 1.96
400 400
.053 ≤ p ≤ .107
 Tamaño de Muestra

Tan Grande: Tan

Requiere Pequeño:
también No haría el
muchos trabajo
recursos
 Ejemplo: Tamaño de
Muestra para la Media

¿ Que tamaño de muestra es necesario

para tener el 90% de Confianza de estar
correcto dentro el ± 5? Un estudio piloto
sugirió que la desviación estándar es 45.

2 2 2 2
Z σ 1.645 45
n= 2
=
2
= 219.2 ≈ 220
Error 5
Redondeando
 Ejemplo: Tamaño de
Muestra para la Proporción
¿ Qué tamaño de muestra es necesario para
estar dentro ± 5 % con 90% confianza? De una
población de 1,000, de 100 seleccionados 30
fueron defectuosos.

Z p( 1  p ) 1.645 (.30 )(. 70 )

2 2
n 2
 2
 227.3
error .05

≈ 228
Redondeando
 Ejemplo: Tamaño de Muestra para
la Media usando factor de Corrección

¿Qué tamaño de muestra es necesario para

tener el 90% de confianza de estar
correctamente dentro ± 5? Suponga el tamaño
de la Población N = 500.
n0N 219.2  500
n   152.6
n0  ( N  1 ) 219.2  ( 500  1 )
≈ 153
Z 2 2
donde n 0  2
 219 . 2 Redondeo
error
 Qué es una Hipótesis?
Una hipótesis es una Asumo que la media de la
asunción acerca del edad de la clase es 23

paramétro de la
población.
 Un parámetro es una
media o proporción de
la población.
 Los parámetros deben
ser identificados antes
del análisis.
 La Hipótesis Nula, H0
 Enunciado de la Asunción (numérica) a ser
probada.
e.g. El promedio del # de TVs en los hogares
de US es a lo más 3 (H0: µ ≥ 3).
 Empieza con la asunción que la hipótesis
nula es VERDADERA.
(Similar a la noción de inocente antes de probar el delito)

•Refiere al Status Quo

•Siempre contiene el signo ‘ = ‘
•La Hipótesis Nula puede o no ser
rechazada.
La Hipótesis Alternativa,H1

 Es la oposición de la Hipótesis nula

e.g. El promedio del # de TVs en los
hogares de US es menos que 3 (H1: µ < 3)
 Desafíos del Status Quo
 Nunca contiene el signo ‘=‘.
 La Hipótesis Alternativa puede o no ser
aceptada
 Identificación del Problema

Pasos:
 Enunciado de la Hipótesis Nula (H0: µ ≥ 3)
 Enunciado de lo opuesto, la Hipótesis
Alternativa (H1: µ < 3)
○ Las Hipótesis son mutuamente exclusivas &
exhaustivas
○ Algunas veces es más fácil formar la
Hipótesis alternativa primero.
 Proceso de la Prueba de
Hipótesis
Asuma que la
Media de la edad
de la población
Es 50(Hipótesis nula)
Población

La Media de
Is X  20    50? La muestra es 20
No, similares!

RECHAZO
Hipótesis Nula Muestra
 Razones para Rechazar la H0

Distribución Muestral
No similares
que daríamos ... Sin embargo,
una media rechazamos la
muestral de hipótesis nula
este valor ... que
... si en efecto este µ = 50.
fue la media de la
población.

20 µ = 50 Media Muestral
H0
 Nivel de Significancia, α

 Define la no similitud de los valores de la

muestra estadística si la hipótesis nula es
verdadera.
 Llamada región de rechazo de la distribución
muestral.
 Designado por α (alfa)
 Valores típicos son 0.01, 0.05, 0.10
 Seleccionado por el Investigador al inicio.
 Provee los Valores Críticos de la Prueba.
 Niveles de Significancia,
α y la zona de rechazo

H0: µ ≥ 3 α Valores
Críticos
H1: µ < 3
Zonade 0
Rechazo
α
H0: µ ≤ 3
H1: µ > 3
0
α/2
H0: µ = 3
H1: µ ≠ 3
0