Nombre: Sthepanie Arreaño Sequeiros
Código: 2020115328
Existen varios métodos de muestreo. El muestreo aleatorio simple es el más frecuente. En este
tipo de muestreo, cada miembro de la población posee las mismas posibilidades de
seleccionarse como parte de la muestra. Otros métodos son el muestreo sistemático, el
muestreo estratificado y el muestreo por conglomerados. Anteriormente vimos información
relacionada, con la media, la desviación estándar o la forma de la población.
Veremos diversos aspectos importantes del muestreo. El primer paso es el estudio del
estimador puntual. Un estimador puntual consiste en un solo valor (punto) deducido de una
muestra para estimar el valor de una población. Por ejemplo, suponga que elige una muestra
de 50 ejecutivos de nivel medio y le pregunta a cada uno la cantidad de horas que laboró la
semana pasada. Se calcula la media de esta muestra de 50 y se utiliza el valor de la media
muestral como estimador puntual de la media poblacional desconocida. Ahora bien, un
estimador puntual es un solo valor. Un enfoque que arroja más información consiste en
presentar un intervalo de valores del que se espera que se estime el parámetro poblacional.
Dicho intervalo de valores recibe el nombre de intervalo de confianza.
Estimadores puntuales e intervalos de confianza de una media
El análisis de los estimadores puntuales y los intervalos de confianza comienza con el estudio
del cálculo de la media poblacional. Se deben considerar dos casos:
• Se conoce la desviación estándar de la población (σ).
• Se desconoce la desviación estándar de la población (σ).
En este caso se sustituye la desviación estándar de la muestra (s) por la desviación estándar de
la población (σ).
Desviación estándar de la población conocida (σ)
Se calcula con facilidad la media de la población. Se tienen todos los datos y la población no es
demasiado grande. No obstante, en la mayoría de los casos, la población es grande o resulta
difícil identificar a todos los miembros de la población, por lo que es necesario confiar en la
información de la muestra. No se conoce el parámetro poblacional, y, por consiguiente, se
desea estimar su valor, a partir del estadístico de la muestra.
ESTIMADOR PUNTUAL Estadístico calculado a partir de información de la muestra para
estimar el parámetro poblacional.
La media muestral, X , constituye un estimador puntual de la media poblacional, μ; p, una
proporción muestral, es un estimador puntual de π, la proporción poblacional; y s, la
desviación estándar muestral, es un estimador puntual de σ, la desviación estándar
poblacional.
Ahora bien, un estimador puntual sólo dice parte de la historia. Aunque se espera que el
estimador puntual se aproxime al parámetro poblacional, sería conveniente medir cuán
próximo se encuentra en realidad. Un intervalo de confianza sirve para este propósito.
INTERVALO DE CONFIANZA Conjunto de valores formado a partir de una muestra de datos de
forma que exista la posibilidad de que el parámetro poblacional ocurra dentro de dicho
conjunto con una probabilidad específica. La probabilidad específica recibe el nombre de nivel
de confianza.
Por ejemplo, se estima que el ingreso anual medio de los trabajadores de la construcción en el
área de Nueva York a Nueva Jersey es de $65 000. Un intervalo para este valor aproximado
puede oscilar entre $61 000 y $69 000. Para describir cuánto es posible confiar en que el
parámetro poblacional se encuentre en el intervalo se debe generar un enunciado
probabilístico. Por ejemplo: se cuenta con 90% de seguridad de que el ingreso anual medio de
los trabajadores de la construcción en el área de Nueva York a Nueva Jersey se encuentra
entre 61000 y 69000
La distribución muestral de X , permite localizar un intervalo que tenga una probabilidad
específica de contener la media poblacional, μ. En el caso de muestras razonablemente
grandes, los resultados del teorema del límite central permiten afirmar lo siguiente:
1. Noventa y cinco por ciento de las medias muestrales seleccionadas de una población se
encontrará a ±1.96 desviaciones estándares de la media poblacional, μ.
2. Noventa y nueve por ciento de las medias muestrales se encontrará a ±2.58 desviaciones
estándares de la media poblacional
La desviación estándar de la distribución muestral de medias, y recibe el nombre de error
estándar. Los intervalos calculados de esta manera reciben el nombre de intervalo de
confianza de 95% e intervalo de confianza de 99%. ¿Cómo se obtienen los valores de ±1.96 y
±2.58? Los términos 95% y 99% se refieren al porcentaje de intervalos construidos de forma
similar que incluirían el parámetro que se está estimando. Por ejemplo, 95% se refiere a 95%
de las observaciones ubicadas al centro de la distribución. Por consiguiente, el 5% restante se
divide en partes iguales en las dos colas. Observe el siguiente diagrama.
Consulte el apéndice B.1 para determinar los valores z adecuados. Localice 0.4750 en el cuerpo
de la tabla. Lea los valores del renglón y la columna correspondientes. El valor es 1.96. Por
tanto, la probabilidad de hallar un valor z entre 0 y 1.96 es de 0.4750. Asimismo, la
probabilidad de encontrar un valor z en el intervalo de –1.96 a 1.96 es de 0.9500. Enseguida se
muestra una porción del apéndice B.1. El valor z del nivel de con fianza de 90% se determina
de forma similar. Éste es de ±1.65. En el caso de un nivel de confianza de 99%, el valor z es de
±2.58.
¿Cómo determinar un intervalo de confianza de 95%? La amplitud del intervalo se determina
por medio del nivel de confianza y de la magnitud del error estándar de la media. Ya se ha
descrito la forma de encontrar el valor z para un nivel de confianza particular. Recuerde que,
según el capítulo anterior [véase la fórmula (8.1), p. 280], el error estándar de la media indica
la variación en la distribución de las medias muestrales. Se trata, en realidad, de la desviación
estándar de la distribución muestral de medias. La fórmula se repite enseguida:
donde:
σX :es el símbolo del error estándar de la media; se utiliza la letra griega porque se trata de un
valor poblacional, y el subíndice X recuerda que se refiere a la distribución muestral de medias.
σ es la desviación estándar poblacional.
n es el número de observaciones en la muestra.
La magnitud del error estándar se ve afectada por dos valores. El primero es la desviación
estándar de la población. Mientras mayor sea la desviación estándar de la población, σ, mayor
será σ/√n Si la población es homogénea, de modo que genere una desviación estándar
poblacional pequeña, el error estándar también será pequeño. Sin embargo, la cantidad de
observaciones en la muestra también afecta al error estándar. Una muestra grande generará
un error estándar pequeño en el estimado, lo que indicará que hay menos variabilidad en las
medias muestrales.
ejemplo.
Del Monte Foods, Inc., distribuye duraznos en trozo en latas de 4 onzas. Para asegurarse de
que cada lata contenga por lo menos la cantidad que se requiere, Del Monte establece que el
proceso de llenado debe verter 4.01 onzas de duraznos y almíbar en cada lata. Así, 4.01 es la
media poblacional. Por supuesto, no toda lata contendrá exactamente 4.01 onzas de duraznos
y almíbar. Algunas latas contendrán más y otras menos. Suponga que la desviación estándar
del proceso es de 0.02 onzas. También suponga que el proceso se rige por la distribución de
probabilidad normal. Ahora se selecciona una muestra aleatoria de 16 latas y se determina la
media de la muestra. Ésta es de 4.015 onzas de duraznos y almíbar. El intervalo de confianza
de 95% para la media poblacional de esta muestra particular es:
El nivel de confianza de 95% se encuentra entre 4.0052 y 4.0248. Por supuesto, en este caso, la
media de población de 4.01 onzas se encuentra en este intervalo. Pero no siempre será así. En
teoría, si selecciona 100 muestras de 16 latas de la población, se calcula la media muestral y se
crea un intervalo de confianza basado en cada media muestral, se esperaría encontrar una
media poblacional de aproximadamente 95 de los 100 intervalos. Los siguientes cálculos en el
caso de un intervalo de confianza de 95% se resumen con la siguiente fórmula:
De manera similar, un intervalo de confianza de 99% se calcula de la siguiente manera:
Como ya se señaló, los valores de ±1.96 y ±2.58 son valores z correspondientes a 95% medio y
99% de las observaciones, respectivamente no hay restricción a los niveles de confianza de
95% y 99%. Es posible seleccionar cualquier nivel de confianza entre 0% y 100% y encontrar el
valor correspondiente para z.
INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL CON UNA σ CONOCIDA
En esta fórmula, z depende del nivel de confianza. Por consiguiente, para un nivel de confianza
de 92%, el valor z en la fórmula (9.1) es de ±1.75. El valor de z proviene del apéndice B.1. Esta
tabla se basa en la mitad de la distribución normal, por lo que 0.9200/2 = 0.4600. El valor más
próximo en el cuerpo de la tabla es de 0.4599, y el valor z correspondiente es de 1.75. Con
frecuencia, también se utiliza el nivel de confianza de 90%. En este caso, se desea que el área
entre 0 y z sea 0.4500, que se determina con la operación 0.9000/2. Para determinar el valor z
con este nivel de confianza, descienda por la columna izquierda del apéndice B.1 hasta 1.6, y
después recorra las columnas con los encabezamientos 1.65 y 0.05. El área correspondiente al
valor z de 1.64 es 0.4495, y para 1.65, 0.4505. Para proceder con cautela, utilice 1.65. Intente
buscar los siguientes niveles de confianza y verifique sus respuestas con los valores
correspondientes de z indicados a la derecha.
EJEMPLOS
Tras varios años en el negocio de renta de automóviles, Town Bank sabe que la distancia media
recorrida en un contrato de cuatro años es de 50 000 millas, y la desviación estándar, de 5 000.
Suponga que desea encontrar la proporción de los intervalos de confianza de 95% que
incluirán la media poblacional de 50 000 con el sistema de software de estadística de MINITAB.
Para facilitar los cálculos, trabaje en miles de millas, en lugar de unidades de milla. Seleccione
60 muestras aleatorias de tamaño 30 de una población con una media de 50, y una desviación
estándar de 5. Los resultados de 60 muestras aleatorias de 30 automóviles cada una se
resumen en la salida de computadora que aparece a continuación. De los 60 intervalos de
con fianza con un nivel de confianza de 95%, 2% o 3.33% no incluyen la media poblacional de
50. Se resaltan los intervalos (C3 y C59) que no incluyen la media poblacional. Con la cifra de
3.33% se aproxima al cálculo de que 5% de los intervalos no incluirán la media poblacional, y
que 58 de 60, es decir, 96.67%, se aproxima a 95%. Para explicar el primer cálculo con mayor
detalle, MINITAB comienza con la selección de una muestra aleatoria de 30 observaciones de
una población con una media de 50 y una desviación estándar de 5. La media de estas 30
observaciones es de 50.053. El error muestral es de 0.053, que se determina por medio de X _
– μ = 50.053 – 50.000. Los puntos extremos del intervalo de confianza son 48.264 y 51.842.
Estos puntos extremos se determinan con la fórmula (9.1):
La American Management Association desea información acerca del ingreso medio de los
gerentes de la industria del menudeo. Una muestra aleatoria de 256 gerentes revela una
media muestral de $45 420. La desviación estándar de esta muestra es de $2 050. A la
asociación le gustaría responder las siguientes preguntas:
1. ¿Cuál es la media de la población?
2. ¿Cuál es un conjunto de valores razonable para la media poblacional?
3. ¿Cómo se deben interpretar estos resultados?
En general, las distribuciones de los salarios e ingresos tienen un sesgo positivo, pues unos
cuantos individuos ganan considerablemente más que otros, lo cual sesga la distribución en
dirección positiva. Por fortuna, el teorema del límite central estipula que, si selecciona una
muestra grande, la distribución de las medias muestrales tenderá a seguir la distribución
normal. En este caso, una muestra de 256 gerentes es lo bastante grande para suponer que la
distribución muestral tenderá a seguir la distribución normal. A continuación se responden las
preguntas planteadas en el ejemplo.
