Académique Documents
Professionnel Documents
Culture Documents
1/45
Estimaci
on por Intervalos
Asignatura: Estadstica Inferencial
Svetlana Rudnykh
JJ
II
J
I
Atras
Cerrar
Estimaci
on por Intervalo
2/45
12
22
JJ
II
J
I
Atras
Cerrar
JJ
II
J
I
Atras
Cerrar
donde
Z=
/ n
= 1 .
P X z/2 < < X + z/2
n
n
4/45
JJ
II
J
I
Atras
Cerrar
5/45
JJ
II
J
I
Atras
Cerrar
Ejemplo 1.
Si una muestra aleatoria de tamano n = 20 tomada de una poblacion
normal con la varianza 2 = 225 tiene la media x = 64,3, construya un
intervalo de confianza del 95 % de la media de la poblacion .
Soluci
on:
Para = 0,05, se tiene de la funcion de distribucion acumulativa normal
estandar que z0,025 = 1,96. Por consiguiente, el intervalo de confianza
del 95 % para es
15
15
64,3 1,96 < < 64,3 + 1,96 ,
20
20
que se reduce a
57,7 < < 70,9.
Interpretaci
on: Con 95 % de confianza los datos de la muestra nos
permiten afirmar que la media oscila entre 57,7 y 70,9.
6/45
JJ
II
J
I
Atras
Cerrar
Observaci
on:
7/45
8/45
S/ n
JJ
II
J
I
Atras
Cerrar
X
< t/2,n1) = 1
S/ n
9/45
o, lo que es lo mismo,
S
S
P X t/2,n1 < < X + t/2,n1
= 1 .
n
n
Entonces, un intervalo de confianza de (1 )100 % para esta dado
por:
s
s
x t/2,n1 < < x + t/2,n1 ,
n
n
donde t/2,n1 es el valor de t con n 1 grados de libertad que delimita
un area de /2 a su derecha en la grafica de funcion de densidad de
t-Student.
JJ
II
J
I
Atras
Cerrar
10/45
JJ
II
J
I
Atras
Cerrar
Soluci
on:
11/45
JJ
II
J
I
Atras
Cerrar
12/45
X Y (X Y )
q 2
X
Y2
n + n
X
JJ
II
J
I
Atras
Cerrar
Se deduce que
P X Y z/2
2
Y2
X
+
< X Y
nX nY
s
< X Y + z/2
13/45
2
X
Y2
+
= 1 .
nX nY
JJ
II
J
I
Atras
Cerrar
En virtud del teorema de lmite central, este resultado puede usarse con
muestras aleatorias independientes de poblaciones no normales con las
2
varianzas conocidas X
y Y2 , siempre que nX y nY sean lo suficientemente grandes, esto es, cuando nX y nY 30.
14/45
Ejemplo 3.
Construya un intervalo de confianza del 94 % de la diferencia real entre
las duraciones en promedio de dos tipos de focos electricos, dado que
una muestra tomada al azar de 40 focos de un tipo duro en promedio
418 horas de uso continuo y 50 focos de otra clase duraron en promedio
402 horas. Las desviaciones estandar de las poblaciones, segun se sabe,
son 1 = 26 y 2 = 22.
JJ
II
J
I
Atras
Cerrar
Soluci
on:
Para = 0,06, se tiene de la funcion de distribucion acumulativa normal
estandar que z0,03 = 1,88. Por lo tanto, el intervalo de confianza del 94 %
de 1 2 es
r
262 222
(418 402) 1,88
+
,
40
50
15/45
que se reduce a
6,3 < 1 2 < 25,7.
Interpretaci
on: Por lo tanto, tenemos el 94 % de confianza en que el
intervalo de 6,3 a 25,7 horas contiene la diferencia verdadera entre las
duraciones en promedio de los dos tipos de focos electricos. El hecho de
que ambos lmites de confianza sean positivos sugiere que, la duracion,
en promedio, del primer tipo de foco es superior a la del segundo tipo.
JJ
II
J
I
Atras
Cerrar
T =
16/45
X Y (X Y )
q
Sp n1 + n1
X
JJ
II
J
I
Atras
Cerrar
17/45
Ejemplo 4.
Se ha realizado un estudio para comparar el contenido de nicotina de
dos marcas de cigarrillos. Diez cigarrillos de la marca A tuvieron un contenido de nicotina en promedio de 3,1 miligramos con una desviacion de
0,5 miligramos, mientras que ocho cigarrillos de marca B tuvieron un
contenido de nicotine en promedio de 2,7 miligramos con una desviacion
estandar de 0,7 miligramo. Suponiendo que los dos conjuntos de datos
son muestras tomadas al azar de poblaciones normales con varianzas
iguales, construya un intervalo de confianza del 95 % de la diferencia
real en el contenido promedio de nicotina de las dos marcas de cigarrillos.
JJ
II
J
I
Atras
Cerrar
Soluci
on:
Se resumiran los datos de la siguiente manera:
Marca A
n1 = 10
x1 = 3,1
s1 = 0,5
Marca B
n2 = 8
x2 = 2,7
s2 = 0,7
18/45
JJ
II
J
I
Atras
9(0,25) + 7(0,49)
= 0,596.
16
Cerrar
r
(3,1 2,7) 2,120(0,596)
1
1
+ ,
10 8
que se reduce a
0,20 < 1 2 < 1,00.
Interpretaci
on: Con 95 % de confianza los datos de la muestra nos
permiten afirmar que la diferencia real entre las medias poblacionales
de las dos marcas oscila entre 0,20 y 1. Se observa que el intervalo
contiene el cero, entonces no se puede concluir que existe una diferencia
real en el contenido de nicotina en las dos marcas de cigarrillos.
JJ
II
J
I
Atras
Cerrar
20/45
JJ
II
J
I
Atras
Cerrar
Ejemplo 5.
21/45
JJ
II
J
I
Atras
Soluci
on:
Se resumiran los datos de la siguiente manera:
Cerrar
Catalizador 1
n1 = 12
x1 = 85
s1 = 4
Catalizador 2
n2 = 10
x2 = 81
s2 = 5
22/45
JJ
II
J
I
Atras
Cerrar
23/45
JJ
II
J
I
Atras
Cerrar
Ejemplo b)
Probar la efectividad de un fertilizante en un determinado cultivo; se
escogen parcelas o sean pequenas unidades de superficie cultivada y se
les aplica el fertilizante a la mitad de cada parcela. Las poblaciones respectivas (tratadas y no tratadas) estan ligadas o relacionadas, no son
independientes, entonces se debe considerar la diferencia que hay entre
los miembros de cada par.
Si se quiere probar si hay diferencia entre las poblaciones X y Y , se
define la diferencia entre las observaciones antes-despues o tratadas/no
tratadas como: D = X Y.
Se supone que la variable aleatoria que define la diferencia entre el
antes-despues o tratadas/no tratadas es una variable aleatoria que se
distribuye normalmente, pero cuyas media y varianza son desconocidas
2
D N(D , D
).
24/45
JJ
II
J
I
Atras
Cerrar
25/45
SD
SD
t/2
+ t/2
D
< D < D
,
n
n
donde t/2 es el valor de t con k = n1 grados de libertad, que delimita
un area de 2 a la derecha en la grafica de funcion de densidad t-Student.
Ejemplo 6.
Un investigador medico se interesa en determinar si un farmaco experimental tiene el efecto colateral no deseable de elevar la presion sistolica
sangunea. Para conducir un estudio de amplia cobertura se seleccionan
en forma aleatoria 12 personas de diferentes edades y condiciones de
salud.
JJ
II
J
I
Atras
Cerrar
PS
antes
128
176
110
149
183
136
118
158
150
130
126
162
PS
despues
134
174
118
152
187
136
125
168
152
128
130
167
Diferencias
(despues-antes)
6
-2
8
3
4
0
7
10
2
-2
4
5
26/45
JJ
II
J
I
Atras
Cerrar
Soluci
on:
27/45
JJ
II
J
I
Atras
Cerrar
1)S
2
<
P 2/2,n1 <
1/2,n1 = 1 .
2
Se puede expresar como
#
"
2
2
(n 1)S
(n 1)S
2
<
<
= 1 .
P
2/2,n1
21/2,n1
28/45
JJ
II
J
I
Atras
Cerrar
29/45
JJ
II
J
I
Atras
Cerrar
30/45
Se pueden obtener lmites de confianza del (1 )100 % correspondientes para sacando las races cuadradas de los lmites de confianza
para 2.
Ejemplo 7.
Un proceso produce cierta clase de cojinetes de bola cuyo diametro
interior es de 3 cm. Se seleccionan, en forma aleatoria, 12 de estos
cojinetes y se miden sus diametros internos, que resultan ser 3,01; 3,05;
2,99; 2,99; 3,00; 3,02; 2,98; 2,99; 2,97; 2,97; 3,02 y 3,01. Suponiendo
que el diametro es una variable aleatoria normalmente distribuida,
determinar un intervalo de confianza del 99 % para la varianza 2.
JJ
II
J
I
Atras
Cerrar
Soluci
on:
Dado que la confianza deseada es del 99 %, = 0,01. De la tabla de
cuantiles de la distribucion de chi-cuadrada 20,005;11 y 20,995;11 son 2,60
y 26,71, respectivamente. El valor calculado de la varianza muestral es
s2 = 0,0005455 cm2.
31/45
JJ
II
J
I
Atras
Cerrar
Interpretaci
on: Con 99 % de confianza los datos de la muestra nos
permiten afirmar que la varianza oscila entre 0,0002246 y 0,0023079
cm2.
32/45
JJ
II
J
I
Atras
Cerrar
a = 1/f1/2,nY 1,nX 1
b = f1/2,nX 1,nY 1,
33/45
se obtiene
P
2
SX
Y2
a< 2 2 <b
SY X
= 1 ,
o
P
SY2
2 f
SX
1/2,nY 1,nX 1
= 1 .
2
Entonces el intervalo de confianza del (1 )100 % para Y2 /X
esta
dado por
JJ
II
J
I
Atras
s2Y
s2X f1/2,nY 1,nX 1
<
Y2
2
X
<
s2Y
f1/2,nX 1,nY 1
,
s2X
Cerrar
donde
1
f1/2,nY 1,nX 1
= f/2,nX 1,nY 1
34/45
Ejemplo 8.
Se considera usar dos marcas diferentes de pinturas latex. El tiempo de
secado en horas se mide en especmenes de muestras del uso de las dos
pinturas. Se seleccionan 15 especmenes de cada una y los tiempo de
secado son los siguientes:
A
B
3.5
4.7
2.7
3.9
3.9
4.5
4.2
5.5
3.6
4.0
2.7
5.3
3.3
4.3
5.2
6.0
4.2
5.2
2.9
3.7
4.4
5.5
5.2
6.2
4.0
5.1
4.1
5.4
35/45
3.4
4.8
JJ
II
J
I
Atras
Soluci
on:
Los valores calculados de las varianzas muestrales son s2A = 0,6074286 y
s2B = 0,5682857. Dado que la confianza deseada es del 98 %, = 0,02,
Cerrar
de la tabla de los valores cuantiles de la distribucion F el valor del cuantil f0,99;14;14 es 3,697541.
Por lo tanto el intervalo de confianza del 98 % para el cociente
las dos varianzas desconocidas es:
2
A
2
B
36/45
de
A2
(3,697541)(0,6074286)
0,6074286
< 2 <
,
(3,697541)(0,5682857) B
0,5682857
A2
0,2890783 < 2 < 3,9522235.
B
Interpretaci
on: Con 98 % de confianza los datos de la muestra nos
permiten afirmar que la razon entre las varianzas oscilan entre 0,2890783
y 3,9522235. Como el intervalo contiene el uno entonces no se puede
concluir que existe una diferencia real entre las varianzas de los tiempos
de secado de ambas marcas.
JJ
II
J
I
Atras
Cerrar
Intervalos de
proporci
on
Confianza
para
la
37/45
JJ
II
J
I
Atras
Cerrar
E(P ) = p.
La varianza de P es:
V ar(P ) = p(1 p)/n.
p
Para n grande, la variable aleatoria (X np)/ np(1 p) es aproximadamente N (0, 1). Entonces puede demostrarse que la distribucion
de
P p
q
P (1P )
n
JJ
II
J
I
Atras
Cerrar
P p
< z/2 = 1 .
P z/2 < q
39/45
P (1P )
n
JJ
II
J
I
Atras
Cerrar
Ejemplo 9.
En una muestra aleatoria de n = 500 grupos de investigacion en el
campo de la Qumica a nivel mundial, se hallo que los miembros de 340
grupos de investigacion han participado en por lo menos un Congreso
Internacional de Qumica. Obtenga un intervalo de confianza de 95 %
para estimar la proporcion real de grupos de investigacion que han
participado de un Congreso Internacional de Qumica.
Soluci
on:
Para = 0,05, se tiene de la funcion de distribucion acumulativa normal
estandar que z0,025 = 1,96. El valor calculado de la proporcion muestral
es p = 340/500 = 0,68.
40/45
JJ
II
J
I
Atras
Cerrar
r
0,68 1,96
(0,68)(0,32)
< p < 0,68 + 1,96
500
41/45
(0,68)(0,32)
,
500
JJ
II
J
I
Atras
Cerrar
42/45
JJ
II
J
I
Atras
Cerrar
Ejemplo 10.
43/45
JJ
II
J
I
Atras
Cerrar
lo que se reduce a
44/45
JJ
II
J
I
Atras
Cerrar
Referencias
45/45