Académique Documents
Professionnel Documents
Culture Documents
POBLACIÓN INFERENCIA
ESTADÍSTICA MUESTRA
Contraste de Hipótesis
(análisis de teorías sobre los posibles valores de un parámetro)
8- Estimación puntual y por intervalos de la media poblacional con muestras grandes.
Error de estimación y su interpretación. Interpretación del intervalo de confianza.
¿Estimación puntual?
Porcentaje
Distribución Bernoulli () 40,0%
0,0%
característica (infección bronquial, fractura de cadera, ,00
ber025
1,00
hombres …)
En la lección 7 𝜎𝑌
𝜇𝑌 = 𝜇𝑌 vimos que SIEMPRE, sea grande 𝜎𝑌 =
𝑛
o pequeña la muestra,
8
11. Estudio estadístico de una proporción poblacional. Distribuciones Bernoulli y
Binomial. Estimación de una proporción
EJEMPLO: Fumadores
Consideremos una población con una
proporción desconocida () de
individuos que son fumadores.
Individuos de la Muestra 1:
10 34, 61, 16, 84
9
11. Estudio estadístico de una proporción poblacional. Distribuciones Bernoulli y
Binomial. Estimación de una proporción
Ejemplo: Fumadores (n = 5)
MUESTRAS DIFERENTES PUEDEN
Muestra 1: 1 fumador DAR DISTINTAS ESTIMACIONES DEL
MISMO PARÁMETRO .
Muestra 2: 3 fumadores
10
11. Estudio estadístico de una proporción poblacional. Distribuciones Bernoulli y
Binomial. Estimación de una proporción
EJERCICIO: Asma
El asma es una enfermedad inflamatoria del aparato respiratorio que provoca dificultad en la
respiración (disnea). En una revisión médica de 400 empleados de una cierta empresa se vio que
40 padecían asma. Estima el porcentaje de empleados de la empresa que padecen asma y
proporciona una medida del error de esta estimación
40 ˆ π)
π(1 ˆ 0.1 0.9
ˆ 0.1 SE ˆ 0.015
400 n 400
11
8- Estimación puntual y por intervalos de la media poblacional con muestras grandes.
Error de estimación y su interpretación. Interpretación del intervalo de confianza.
◦El método de estimación por intervalo garantiza que el 100(1- )% de las muestras,
que pueden aparecer al hacer el muestreo, proporcionan límites, [a, b], entre los
cuales se encuentra el valor VERDADERO y DESCONOCIDO DEL PARÁMETRO QUE
INTENTAMOS ESTIMAR
IDEA INTUITIVA DE LA CONSTRUCCIÓN DE UN INTERVALO DE CONFIANZA La Figura es un dibujo
de un hombre invisible paseando con su perro. El perro, que es visible, lleva una correa, invisible,
de muelle. La tensión en el resorte es tal que: el perro está a menos de 2 medidas (errores
estándar) del hombre, el 95% del tiempo.
Podemos ver al perro, pero nos gustaría saber dónde está el hombre.
Como la distancia entre ellos es, generalmente, menor que 2 SE,
podemos tomar el intervalo perro 2.SE como un intervalo que
típicamente incluye al hombre. Podríamos decir, con una
Hombre invisible paseando con su perro confianza del 95%, que el hombre está en este intervalo.
8- Estimación puntual y por intervalos de la media poblacional con muestras grandes.
Error de estimación y su interpretación. Interpretación del intervalo de confianza.
2*SE
?
?
𝒚
?
IDEA INTUITIVA DE LA CONSTRUCCIÓN DE UN INTERVALO DE CONFIANZA La Figura es un dibujo
de un hombre invisible paseando con su perro. El perro, que es visible, lleva una correa, invisible,
de muelle. La tensión en el resorte es tal que: el perro está a menos de 2 medidas (errores
estándar) del hombre, el 95% del tiempo.
Podemos ver al perro, pero nos gustaría saber dónde está el hombre.
Como la distancia entre ellos es, generalmente, menor que 2 SE, podemos tomar el intervalo
[perro - 2.SE, perro + 2.SE] como un intervalo que típicamente incluye al hombre. Podríamos decir,
con una confianza del 95%, que el hombre está en este intervalo.
8- Estimación puntual y por intervalos de la media poblacional con muestras grandes.
Error de estimación y su interpretación. Interpretación del intervalo de confianza.
Para esas muestras (el 95% de las posibles) , se cumple que el intervalo
𝜎 𝜎
𝐼𝐶0,95 𝜇 = 𝑦 − 1,96 , 𝑦 + 1,96
𝑛 𝑛
contiene al verdadero valor de la media poblacional, es decir .
15
8- Estimación puntual y por intervalos de la media poblacional con muestras grandes.
Error de estimación y su interpretación. Interpretación del intervalo de confianza.
Diapositiva extra 1
Función de densidad de la Normal
f(X) Recordemos que en la
lección 7 comentamos
que la densidad Normal
X no es integrable
2
1 x
1
f ( x) e 2
2
¡La probabilidad es el
área bajo la curva!
18
7. - Describir poblaciones. La distribución normal. Variabilidad de la muestra.
Comportamiento de la media muestral en muestras grandes. Ejemplos.
Diapositiva extra 3
¿Cómo se calculan las probabilidades en una Normal?
𝐸𝑗𝑒𝑚𝑝𝑙𝑜: 𝐸𝑙 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑙𝑒𝑠𝑡𝑒𝑟𝑜𝑙 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑛𝑓𝑒𝑟𝑚𝑜𝑠 𝑑𝑒 𝑢𝑛 ℎ𝑜𝑠𝑝𝑖𝑡𝑎𝑙 𝑌 𝑠𝑖𝑔𝑢𝑒 𝑢𝑛𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑁𝑜𝑟𝑚𝑎𝑙 𝑐𝑜𝑛
𝑢𝑛𝑎 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 179,1 𝑚𝑔 𝑑𝐿 𝑦 𝑢𝑛𝑎 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑡í𝑝𝑖𝑐𝑎 𝑑𝑒 28,2 𝑚𝑔 𝑑𝐿 . 𝑌~𝑁𝑜𝑟𝑚𝑎𝑙 𝜇 = 179.1, 𝜎 = 28.2
𝑌 − 179.1
𝑇𝑖𝑝𝑖𝑓𝑖𝑐𝑎𝑛𝑑𝑜 𝑍 = ~𝑁 0,1
28.2
169 − 179.1
𝑃 𝑌 < 169 = 𝑃(𝑍 < ) = 𝑃 𝑍 < −0,36
28.2
= 0,3594
Para calcular las probabilidades solo necesito
conocer 𝝁, 𝛔
7. - Describir poblaciones. La distribución normal. Variabilidad de la muestra.
Comportamiento de la media muestral en muestras grandes. Ejemplos.
𝜎 𝜎
1,96 ≈2
𝑛 𝑛
σ σ σ σ
μ 2
n
μ
n μ μ
n
μ2
n
𝑌
𝜎 𝜎
𝑦−2 𝒚 𝑦+2 El intervalo construido
𝑛 𝑛 contiene a
21
8- Estimación puntual y por intervalos de la media poblacional con muestras grandes.
Error de estimación y su interpretación. Interpretación del intervalo de confianza.
σ σ σ σ
y
μ
μ 2
n n μ μ
n
μ2
n
El intervalo construido NO
CONTIENE A
y 2
σ y y 2
σ
n n
22
11. Estudio estadístico de una proporción poblacional. Distribuciones Bernoulli y
Binomial. Estimación de una proporción
𝑌 𝜋 1−𝜋 𝜋−𝜋
Para muestras grandes, TCL, 𝜋 = ~𝑁𝑜𝑟𝑚𝑎𝑙 𝜇 = 𝜋, 𝜎 = →𝑍= ~𝑁𝑜𝑟𝑚𝑎𝑙(0,1)
𝑛 𝑛 𝜋 1−𝜋
𝑛
𝜋 1−𝜋
𝑆𝐸𝜋 =
𝑛
π̂
Confianza=1- 90% 95% 99%
Valor crítico=Z1-/2 1,645 1,96 2,576
nπˆ 1 πˆ 5
23
11. Estudio estadístico de una proporción poblacional. Distribuciones Bernoulli y
Binomial. Estimación de una proporción
EJERCICIO: Asma
El asma es una enfermedad inflamatoria del aparato respiratorio que provoca dificultad en la
respiración (disnea). En una revisión médica de 400 empleados de una cierta empresa se vio que
40 padecían asma.
Construye un intervalo de confianza al 95% para la proporción de empleados con asma e
interpreta el resultado
Por tanto, podemos decir que, con una confianza del 95%, entre un 7% y un 13% de los empleados
de la empresa tienen asma.
24
11. Estudio estadístico de una proporción poblacional. Distribuciones Bernoulli y
Binomial. Estimación de una proporción
Sabemos que no es
así!!!!!!
25
11. Estudio estadístico de una proporción poblacional. Distribuciones Bernoulli y
Binomial. Estimación de una proporción
EDITANDO LA TABLA SPSS (Doble clic sobre ella) podemos ver más decimales, y en este caso,
PROBLEMAS CON LA ESTIMACIÓN POR INTERVALO CUANDO 𝐧𝝅(𝟏 − 𝝅)<5
como había 1 éxito y 74999 fracasos, el extremo superior del intervalo es 0,000039
𝝅(𝟏−𝝅) 0×1
Si 𝝅 0, el Error estándar es 𝑆𝐸𝜋 = ≅ ≈0
𝑛 𝑛
y el intervalo “tradicional” resulta
I0.95 π πˆ 1,96 SEπˆ ,πˆ 1,96 SEπˆ 0 1,96 0, 0 1,96 0 0,0
Sabemos que no es
así!!!!!!
26
11. Estudio estadístico de una proporción poblacional. Distribuciones Bernoulli y
Binomial. Estimación de una proporción
27
27
11. Estudio estadístico de una proporción poblacional. Distribuciones Bernoulli y
Binomial. Estimación de una proporción
28
28
8- Estimación puntual y por intervalos de la media poblacional con muestras grandes.
Error de estimación y su interpretación. Interpretación del intervalo de confianza.
90%, de
todos los
intervalos de
confianza,
que
podríamos
hacer,
contendrían
el verdadero
valor de
=0.38
8- Estimación puntual y por intervalos de la media poblacional con muestras grandes.
Error de estimación y su interpretación. Interpretación del intervalo de confianza.
𝝈
Pero, recordemos: Radio del intervalo =𝒛𝟏−𝜶 𝟐 ∙
𝒏
=0.38
n=20
8- Estimación puntual y por intervalos de la media poblacional con muestras grandes.
Error de estimación y su interpretación. Interpretación del intervalo de confianza.
𝝈
Error=Radio del intervalo =𝒛𝟏−𝜶 𝟐 ∙ 𝒏
31
12. Contraste de hipótesis sobre una proporción. Cálculo del tamaño muestral.
Ejemplo: Asma
Supongamos que no tenemos información preliminar y queremos un error estándar de
0.01. Tomando ̂ = 0.5, tenemos:
Ejercicio: Asma. Si se desea estimar con un error estándar de 0.01, teniendo en cuenta
los resultados del estudio anterior, ¿cuántas observaciones hay que realizar?
Los datos del estudio anterior proporcionaban π̂=0.1 , podemos usarlo como estudio
piloto y resulta:
ˆ π)
π(1 ˆ 0.10(1 0.10)
n SE2 (deseado) 2
900
π̂ 0.01
Necesitamos observar 900 empleados.
34