ECUACION DE MUESTRA PARA LA PROPORCION ESTIMACION PUNTUAL

Cuando se conoce “N” Cuando no se conoce “N”

𝑁𝑁∗𝑍𝑍 2 ∗𝑝𝑝∗𝑞𝑞 𝑍𝑍 2 ∗𝑝𝑝∗𝑞𝑞 Estimador Puntual Parámetro poblacional a estimar
𝑛𝑛 = (𝑁𝑁−1)∗𝐸𝐸 2 𝑛𝑛 = ∑ 𝑥𝑥𝑖𝑖 ∑ 𝑥𝑥𝑖𝑖
+𝑍𝑍 2 ∗𝑝𝑝∗𝑞𝑞 𝐸𝐸 2 𝑥𝑥̅ = 𝜇𝜇 = (media poblacional)
𝑛𝑛 𝑁𝑁
∑(𝑥𝑥−𝑥𝑥̅ )2 ∑(𝑋𝑋−𝜇𝜇)2
N : Tamaño de la población 𝑆𝑆 2 = 𝜎𝜎 2 = (Varianza poblacional)
𝑛𝑛−1 𝑁𝑁
Z : Nivel de confianza
∑(𝑥𝑥−𝑥𝑥̅ )2 ∑(𝑋𝑋−𝜇𝜇)2
p : Proporción de la población que tiene la característica de interés. 𝑆𝑆 = � 𝜎𝜎 = � (Desviación estándar poblacional)
𝑛𝑛−1 𝑁𝑁
q:1–p
E : Margen de error
ESTIMACION DE MEDIA POR INTERVALOS DE CONFIANZA

ECUACION DE MUESTRA PARA LA MEDIA a. Muestras Grandes (mayores que 30)

Cuando se conoce “N” Cuando no se conoce “N” 𝜎𝜎 𝜎𝜎
𝑁𝑁∗𝑍𝑍 2 ∗𝜎𝜎 2 𝑍𝑍 2 ∗𝜎𝜎 2 𝑥𝑥̅ − 𝑍𝑍𝛼𝛼�2 � � < 𝜇𝜇 < 𝑥𝑥̅ + 𝑍𝑍𝛼𝛼�2 � � …. Cuando se conoce 𝜎𝜎 poblacional
𝑛𝑛 = (𝑁𝑁−1)∗𝐸𝐸 2 +𝑍𝑍 2 ∗𝜎𝜎 2
𝑛𝑛 = 𝑛𝑛 √ 𝑛𝑛 √
𝐸𝐸 2 𝑆𝑆 𝑆𝑆
𝑥𝑥̅ − 𝑍𝑍𝛼𝛼�2 � � < 𝜇𝜇 < 𝑥𝑥̅ + 𝑍𝑍𝛼𝛼�2 � � …. Cuando no se conoce 𝜎𝜎 poblacional
𝑛𝑛 √ 𝑛𝑛 √
Amplitud = 2*E
b. Muestras pequeñas (menores que 30)
n : Tamaño de la muestra
Z : Nivel de confianza 𝑆𝑆
𝑥𝑥̅ − 𝑡𝑡𝛼𝛼�2 � � < 𝜇𝜇 < 𝑥𝑥̅ + 𝑡𝑡𝛼𝛼�2 � �
𝑆𝑆
Para muestras
E : Margen de error 𝑛𝑛 √ 𝑛𝑛 √
Grado de libertad = n-1
𝜎𝜎 2 : Varianza poblacional

ESTIMACION DE LA DIFERENCIA ENTRE 2 MEDIAS POBLACIONES PROPORCIONES

Estimación Puntual de una proporción
a. Muestras grandes 𝑋𝑋
Cuando la desviación estándar es conocida: 𝑝𝑝̂ =
𝑛𝑛
𝜎𝜎12 𝜎𝜎22 𝜎𝜎12 𝜎𝜎 2 𝑝𝑝̂ : Proporción de los éxitos observados en la muestra
(𝑥𝑥̅1 − 𝑥𝑥̅2 ) − 𝑍𝑍∝� � + < 𝜇𝜇1 − 𝜇𝜇2 < (𝑥𝑥̅1 − 𝑥𝑥̅2 ) + 𝑍𝑍∝� � + 2 X : Representa el número de éxitos que se puede obtener en una muestra
2 𝑛𝑛1 𝑛𝑛2 2 𝑛𝑛1 𝑛𝑛2
n : Es el tamaño de la muestra.
Cuando no se conoce la desviación estándar poblacional: 𝑞𝑞� = 1 − 𝑝𝑝̂
𝑆𝑆12 𝑆𝑆22 𝑆𝑆12 𝑆𝑆 2 Estimación por intervalos de confianza de una proporción
(𝑥𝑥̅1 − 𝑥𝑥̅2 ) − 𝑍𝑍∝� � + < 𝜇𝜇1 − 𝜇𝜇2 < (𝑥𝑥̅1 − 𝑥𝑥̅2 ) + 𝑍𝑍∝� � + 2
2 𝑛𝑛1 𝑛𝑛2 2 𝑛𝑛1 𝑛𝑛2 𝑝𝑝̂ ∗ 𝑞𝑞� 𝑝𝑝̂ ∗ 𝑞𝑞�
𝑝𝑝̂ − 𝑍𝑍∝� � < 𝑝𝑝 < 𝑝𝑝̂ + 𝑍𝑍∝� �
2 𝑛𝑛 2 𝑛𝑛
b. Muestras pequeñas
𝑝𝑝�∗𝑞𝑞�
𝑍𝑍∝� � : Es el error máximo de la estimación de una proporción.
1 1 1 1 2 𝑛𝑛
(𝑥𝑥̅1 − 𝑥𝑥̅2 ) − 𝑡𝑡∝� ∗ 𝑆𝑆� + < 𝜇𝜇1 − 𝜇𝜇2 < (𝑥𝑥̅1 − 𝑥𝑥̅2 ) + 𝑡𝑡∝�2 ∗ 𝑆𝑆� +
2 𝑛𝑛1 𝑛𝑛2 𝑛𝑛1 𝑛𝑛2 Comprobar siempre que:
Grado de libertad = 𝑛𝑛1 + 𝑛𝑛2 − 2 𝑛𝑛 ∗ 𝑝𝑝̂ ≥ 5 𝑦𝑦 𝑛𝑛 ∗ 𝑞𝑞� ≥ 5
Para muestras pequeñas primero se calcula la varianza
(𝑛𝑛1 − 1)𝑆𝑆12 + (𝑛𝑛2 − 1)𝑆𝑆22
𝑆𝑆 2 = REGRESION LINEAL
𝑛𝑛1 + 𝑛𝑛2 − 2
𝑌𝑌 = 𝛽𝛽0 + 𝛽𝛽1 ∗ 𝑋𝑋
ESTIMACION DE LA DIFERENCIA ENTRE 2 PROPORCIONES POBLACIONALES • B0 es la intersección
• B1 es la pendiente
𝑋𝑋1 𝑋𝑋2
𝑝𝑝̂1 = 𝑦𝑦 𝑝𝑝̂ 2 =
𝑛𝑛1 𝑛𝑛2 Casos en los que hay mas de una variable independiente
Si 𝑛𝑛1 ∗ 𝑝𝑝1
� ≥ 5 𝑦𝑦 𝑛𝑛2 ∗ 𝑝𝑝2
� ≥ 5 estamos en una distribucion normal.
𝑌𝑌 = 𝛽𝛽0 + 𝛽𝛽1 ∗ 𝑋𝑋1 + 𝛽𝛽2 ∗ 𝑋𝑋2 …
𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 = 𝑝𝑝̂1 − 𝑝𝑝̂ 2 ESTIMACION DE COEFICIENTES DE REGRESION

𝑝𝑝̂1 ∗ 𝑞𝑞�1 𝑝𝑝̂ 2 ∗ 𝑞𝑞�2

𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷 𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 = � +
𝑛𝑛1 𝑛𝑛2

𝑝𝑝̂1 ∗ 𝑞𝑞�1 𝑝𝑝̂ 2 ∗ 𝑞𝑞�2 𝑝𝑝̂1 ∗ 𝑞𝑞�1 𝑝𝑝̂ 2 ∗ 𝑞𝑞�2

(𝑝𝑝̂1 − 𝑝𝑝̂2 ) − 𝑍𝑍𝛼𝛼�2 �� + � < 𝑝𝑝1 − 𝑝𝑝2 < (𝑝𝑝̂1 − 𝑝𝑝̂ 2 ) + 𝑍𝑍𝛼𝛼�2 �� + �
𝑛𝑛1 𝑛𝑛2 𝑛𝑛1 𝑛𝑛2

ESTIMACION DE LA VARIANZA DE UNA POBLACION

∑(𝑥𝑥−𝑥𝑥̅ )2
𝑆𝑆 2 = Estimador puntual de la varianza
𝑛𝑛−1

Mediante intervalos

Grados de libertad = n – 1

Si se desconoce la varianza se procede a hallarlo.

ANEXOS 463
 Tabla de Distribución Normal Estandarizada

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.1 0.4990 0.4991 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993
3.2 0.4993 0.4993 0.4994 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995
3.3 0.4995 0.4995 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4997
3.4 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998
3.5 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998
3.6 0.4998 0.4998 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.7 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.8 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.9 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000
4.0 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000
ANEXOS 465