TRABAJO FINAL: ESTIMACION CON INTERVALOS DE
CONFIANZA Y PRUEBA DE HIPOTESIS
ESTIMACION DON INTERVALO DE CONFIANZA
La estadística inferencial es el proceso de uso de los resultados derivados de las
muestras para obtener conclusiones acerca de las características de una
población.
La estadística inferencial nos permite estimar características desconocidas como
la media de la población o la proporción de la población.
Existen dos tipos de estimaciones usadas para estimar los parámetros de la
población: la estimación puntual y la estimación de intervalo.
Una estimación puntual es el valor de un solo estadístico de muestra. Una
estimación del intervalo de confianza es un rango de números, llamado intervalo,
construido alrededor de la estimación puntual.
El intervalo de confianza se construye de manera que la probabilidad del
parámetro de la población se localice en algún lugar dentro del intervalo conocido.
FUNDAMENTO DE UN INTERVALO DE CONFIANZA
Un intervalo de confianza tiene un límite inferior de confianza (LIC) y un límite
superior de confianza (LSC).
Estos límites se hallan calculando primero la media muestral, X. Luego se suma
una cierta cantidad a X para obtener el LSC, y la misma cantidad se resta de X
para obtener el LIC.
El coeficiente de confianza es el nivel de confianza que se tiene en el que el
intervalo contenga el valor desconocido del parámetro.
ESTIMACIÓN DE INTERVALO DE CONFIANZA PARA LA MEDIA
Si partimos de una población que sigue una distribución Z ~ N(0,1) bastará con
encontrar el punto crítico zα/2 para tener un intervalo que contenga la media
poblacional con probabilidad c.
p(-zα/2 < Z < zα/2) = c
Si en el caso general tomamos:
bastará con hacer unas sencillas operaciones para llegar a que el intervalo de
confianza para la media μ de una población normal con desviación típica conocida
σ es:
Si partimos de una población que sigue una distribución Z ~ N(0,1) bastará con
encontrar el punto crítico zα/2 para tener un intervalo que contenga la media
poblacional con probabilidad c.
p(-zα/2 < Z < zα/2) = c
Si en el caso general tomamos:
bastará con hacer unas sencillas operaciones para llegar a que el intervalo de
confianza para la media μ de una población normal con desviación típica conocida
σ es:
Cuando se desconoce la desviación típica poblacional se usa como estimador la
desviación típica de la muestra con lo que el intervalo de confianza para la media
μ de una población con desviación típica desconocida es:
Intervalo de confianza de la media de una población
En esta distribución normal de medias se puede calcular el intervalo de confianza
donde se encontrará la media poblacional si solo se conoce una media
muestral (x) con una confianza determinada. Habitualmente se manejan valores
de confianza del 95 y del 99 por ciento. A este valor se le llamará 1-a (debido a
que a es el error que se cometerá, un término opuesto).
Para ello se necesita calcular el punto X a/2 o, mejor dicho, su versión
estandarizada Z a/2. Estos puntos delimitan la probabilidad para el intervalo, como
se muestra en la siguiente imagen:
INTERVALO DE CONFIANZA PARA UNA PROPORCION
Dada una variable aleatoria con distribución Binomial B(n, p), el objetivo es la
construcción de un intervalo de confianza para el parámetro p, basada en una
observación de la variable que ha dado como valor x. El mismo caso se aplica si
estudiamos una Binomial B (1, p) y consideramos el número de veces que ocurre
el suceso que define la variable al repetir el experimento n veces en condiciones
de independencia.
Existen dos alternativas a la hora de construir un intervalo de confianza para p:
• Considerar la aproximación asintótica de la distribución Binomial en la
distribución Normal.
• Utilizar un método exacto.
Ejemplo de estimación de confianza
PRUEBA DE HIPOTESIS
Muchos problemas de ciencia, ingeniería y administración requieren que se tome
una decisión entre rechazar o no rechazar una proposición sobre algún parámetro.
Esta proposición recibe el nombre de hipótesis.
Una hipótesis estadística es una proposición o supuesto sobre los parámetros de
una o más poblaciones.
Un procedimiento que conduce a una decisión sobre una hipótesis en particular
recibe el nombre de prueba de hipótesis.
La hipótesis nula es la afirmación de que dos (o más) parámetros o fenómenos
no tienen relación entre sí. Es un punto de partida para la investigación que no se
rechaza a menos que los datos de la muestra parezcan evidenciar que es falsa.
La hipótesis alternativa indica que un parámetro de población es más pequeño,
más grande o diferente del valor hipotético de la hipótesis nula. La hipótesis
alternativa es lo que usted podría pensar que es cierto o espera probar que es
cierto.
La hipótesis nula se rechaza en favor de la hipótesis alternativa, solo si la
evidencia muestral sugiere que Ho es falsa. Si la muestra no contradice
decididamente a Ho, se continúa creyendo que la validez de la hipótesis nula.
Entonces, las dos conclusiones posibles de un análisis por prueba de hipótesis
son rechazar Ho o no rechazar Ho.
SE PUEDEN PRESENTAR TRES TIPOS DE ENSAYO DE
HIPOTESIS:
Unilateral Derecho. El investigador desea comprobar la hipótesis de un aumento
en el parámetro, en este caso el nivel de significancia se carga todo hacia el lado
derecho, para definir las regiones de aceptación y de rechazo.
Ho; Parámetro <= x
H1; Parámetro > x
Unilateral Izquierdo: El investigador desea comprobar
la hipótesis de una disminución en el parámetro, en este caso el nivel de
significancia se carga todo hacia el lado izquierdo, para definir las regiones de
aceptación y de rechazo.
Ho; Parámetro >= x
H1; Parámetro < x
Bilateral: El investigador desea comprobar la hipótesis de un cambio en el
parámetro. El nivel de significancia se divide en dos y existen dos regiones de
rechazo.
Ho; Parámetro = x
H1; Parámetro ≠ x
