Intervalos de confianza
miércoles, 28 de agosto de 2024 21:45
Resumen
En el capítulo anterior se inició el estudio de la estadística inferencial y se
presentaron las razones para el muestreo y los métodos para hacerlo. Las
razones del muestreo son las siguientes:
• Contactar a toda la población consume demasiado tiempo.
• El costo de estudiar todos los elementos de la población es muy alto.
• Por lo general, los resultados de la muestra resultan adecuados.
• Algunas pruebas resultan destructivas.
• Es imposible revisar todos los elementos.
Existen varios métodos de muestreo; el aleatorio simple es el que más se
utiliza. En este, cada miembro de la población tiene las mismas
posibilidades de resultar seleccionado como parte de la muestra. Otros
métodos de muestreo son el sistemático, el estratificado y el muestreo por
conglomerados. En el capítulo 8 se asume que se conoce la información
relacionada con la media, la desviación estándar o la forma de la
población. Dicha información no se encuentra disponible en la
mayoría de las situaciones de negocios. En realidad, el propósito del
muestreo es calcular de forma aproximada algunos de estos valores.
Por ejemplo, se selecciona una muestra de una población y se utiliza
la media de esta para aproximar la media de la población.
En este capítulo se estudian diversos aspectos importantes del muestreo.
El primer paso es el estudio del estimador puntual, el cual consiste en
un solo valor (punto) deducido de una muestra para estimar el de una
población.
Por ejemplo, suponga que se elige una muestra de 50 consultores de
Boston Consulting Group, y a cada uno les pregunta cuántas horas 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; sin embargo, un estimador puntual es un solo
dato. Un enfoque que arroja más información consiste en presentar un
intervalo de valores del cual se espera estimar el parámetro
poblacional. Dicho intervalo recibe el nombre de intervalo de
confianza.
En los negocios, a menudo es necesario determinar el tamaño de una
muestra. ¿A cuántos electores debe contactar una compañía dedicada a
realizar encuestas con el fin de predecir los resultados de las elecciones?
¿Cuántos productos se necesitan analizar para garantizar el nivel de
calidad? En este capítulo también se explica una estrategia para
determinar el tamaño adecuado de la muestra.
1. Estimadores puntuales e intervalos de confianza de una
media
Un estimador puntual es un estadístico único para calcular un parámetro
poblacional. Suponga que Best Buy, Inc., desea estimar la edad media de
los compradores de televisores LCD de alta definición; selecciona una
muestra aleatoria de 75 clientes recientes, determina la edad de cada uno
Cuando se calcula un intervalo de confianza, se utiliza la desviación
estándar para estimar el rango del intervalo de confianza.
Conocer σ permite simplificar el desarrollo del intervalo de confianza
porque es posible utilizar la distribución normal estándar
Los resultados del teorema central del límite permiten afirmar lo siguiente
con respecto a los intervalos de confianza utilizando el estadístico-z:
1. De todos los intervalos de confianza calculados a partir de muestras
aleatorias seleccionadas de una población, 95% contendrá la media
poblacional. Dichos intervalos se calculan utilizando un estadístico-z igual
a 1.96.
2. De todos los intervalos de confianza calculados a partir de muestras
aleatorias seleccionadas de una población, 90% contendrá la media
poblacional. Estos intervalos de confianza se calculan utilizando un
estadístico-z igual a 1.65.
Los intervalos de confianza calculados de esta manera proporcionan
ejemplos de los niveles de con-fianza y reciben el nombre de intervalo de
confianza de 95% e intervalo de confianza de 90%. Por lo tanto, 95 y 90%
son los niveles de confianza y se refieren al porcentaje de intervalos
similarmente construidos que incluirían el parámetro a calcular, en este
caso, μ, la media poblacional.
1. Primero, se divide el nivel de confianza a la mitad, así que 0.9500/2 =
0.4750.
2. Después se ubica 0.4750 en el cuerpo de la tabla 9.1; observe que esta
cantidad se encuentra en la intersección de una fila y una columna.
3. Localice el valor de la fila correspondiente en el margen izquierdo, que
es 1.9, y el de la columna en el margen superior, que es 0.06. Sumándolos
se obtiene un valor z de 1.96.
4. Así, la probabilidad de encontrar un valor z entre 0 y 1.96 es 0.4750. 5.
De la misma forma, y dado que la distribución normal es simétrica, la
probabilidad de encontrar un valor z entre –1.96 y 0 también es 0.4750.
Z=(Xmuestral-μ)/(σ/√n)
Z1=(4,507-4,4972)/(0,04/√64 )=1,96
Z2=(4,507-4,5168)/(0,04/√64 )=-1,96
Como podemos ver la gráfica los intervalos de confianza 4.4972 y 4.5168
de las medias muestrales pueden tener una alta confianza en relación a
población.
2. La American Management Association estudia el ingreso medio de los
gerentes de tiendas de la industria del menudeo. Una muestra
aleatoria de 49 gerentes revela una media muestral de 45 420 dólares
y una desviación estándar de 2 050 dólares. A la asociación le
gustaría responder las siguientes preguntas:
a. ¿Cuál es la media de la población?.
b. ¿Cuál es un intervalo de valores razonable para la media poblacional?
c. ¿Cómo se deben interpretar tales resultados?
Variables que me dan
σ=$2050 | x_muestral=45420 | n=49 tamaño de la muestra
a. ¿Cuál es la media de la población? En este caso se ignora, pero se
sabe que la media de la muestra es de 45 420 dólares. De ahí que la
mejor estimación del valor de población sea el estadístico de la
muestra correspondiente; por consiguiente, la media de la muestra de
45 420 dólares constituye un estimador puntual de la media
poblacional desconocida.
b. ¿Cuál es el intervalo de valores razonable para la media poblacional?
La asociación decide utilizar un nivel de confianza de 95%. Para
determinar el intervalo de confianza correspondiente, se aplica la fór-
mula [9.1]:
Los límites del intervalo de confianza son 44 846 y 45 994 dólares (que se
calculan restando 574 dólares y sumando 574 dólares a la media
muestral). El grado o nivel de confianza es de 95%, y el intervalo de
confianza abarca de 44 846 hasta 45 994 dólares. A ±$574 se le llama
margen de error.
a. ¿Cómo se deben interpretar tales resultados? Suponga que usted
selecciona varias muestras de 49 gerentes, tal vez varios cientos. Para
cada muestra, calcula la media y después construye un intervalo de
Para explicar, en la primera fila, el software estadístico calculó 30
observaciones aleatorias basadas en una distribución con una media de 50
y una desviación estándar de 5. Por razones de espacio, solo se muestran
las que van de 1 a 5 y de 26 a 30. La media de la primera muestra se
calcula y se registra como 51.6. En las columnas siguientes se muestran
los límites inferior y superior del intervalo de confianza de 95% para la
primera muestra. A continuación se muestra el cálculo del intervalo de
confianza para la primera muestra:
Podemos ver la simulación de este problema en el siguiente código en r
ejemplo_m…
Claves
I_confianza_i=55-(2,58*1,428571429)=51,314285713
I_confianza_f=55+(2,58*1,428571429=58,685714287
5. Se selecciona una muestra de 250 observaciones de una población
normal, en la cual la desviación estándar poblacional es de 25 y la
media de la muestra es de 20.
Validamos datos
σ=25 | n=250 | x_muestral=20
a. Determine el error estándar de la media.
σ_muestra=σ/√n => 25÷√250=>1,58113883 (error estandar de la
muestra)
b. Explique por qué se debe utilizar la fórmula [9.1] para determinar el
intervalo de confianza de 95%.
La población tiene una distribución normal y se conoce la varianza de
la población. Además, de acuerdo con el teorema del límite central, la
distribución de las medias muestrales será normal.
c. Determine el intervalo de confianza de 95% de la media de la
población
I_confianza_i=20-(1,96*1,58113883)=16,900967893
I_confianza_f=20+(1,96*1,58113883)=23,099032107
6. Una empresa de investigación llevó a cabo una encuesta para
determinar la cantidad media que los consumidores gastan en café
durante una semana. La empresa descubrió que la distribución de
dichas cantidades tendía a seguir una distribución normal, con una
desviación estándar poblacional de 5 dólares. Una muestra de 49
consumidores reveló que x = $20.
Validamos datos
σ=5| n=49| x_muestral=20
σ_muestra=σ/√n => 5÷√49=>0,714285714 (error estandar de la
muestra)
a. ¿Cuál es el estimador puntual de la media de la población? ¿Qué indica
esto?
20, es el mejor estimador ya que vienes de la media muestral, en el punto
c se valida que tan confiable es.
b. Con el nivel de confianza de 95%, determine el intervalo de confianza de
μ. ¿Qué significa esto?
I_confianza_i=20-(1,96*0,714285714)=18,600000001
I_confianza_f=20+(1,96*0,714285714)=21,399999999
aquí, s es un estimador de σ. Le preocupaba en particular la discrepancia
entre s y σ cuando s se calculaba a partir de una muestra muy pequeña.
La distribución t y la distribución normal estándar se presentan en la
gráfica 9.1; observe que la distribución t es más plana y que se extiende
más que la distribución normal estándar. Esto se debe a que la desviación
estándar de la distribución t es más larga que la distribución normal
estándar.
Características de la distribución t
• Como en el caso de la distribución z, es continua.
• Como en el caso de la distribución z, tiene forma de campana y es simétrica.
• No existe una distribución t, sino una familia de distribuciones t. Todas estas tienen una
media de 0, y sus desviaciones estándares difieren de acuerdo con el tamaño de la muestra,
n. Existe una Distribución de z distribución t para un tamaño de muestra de 20, otro para un
tamaño de muestra de 22, etc. La desviación estándar de una distribución t con cinco
observaciones es mayor que en el caso de una distribución t con 20 observaciones.
• La distribución t se extiende más y es más plana por el centro que la distribución normal
estándar (vea la gráfica 9.1); sin embargo, conforme se incrementa el tamaño de la muestra,
la distribución t se aproxima a la distribución normal estándar porque los errores que se
cometen al utilizar s para estimar σ disminuyen con muestras mayores.
Para crear un intervalo de confianza de la media poblacional con la distribución t, se ajusta la
fórmula [9.1] de la siguiente manera.
Para crear un intervalo de confianza de la media poblacional con una desviación estándar
desconocida:
1. Suponga que la población muestreada es normal o aproximadamente normal. Se sabe que
este supuesto puede ser cuestionable en el caso de muestras pequeñas, y es más válido en el
de muestras mayores.
2. Estime la desviación estándar de la población (σ) con la desviación estándar de la muestra
(s).
3. Utilice la distribución t en lugar de la distribución z.
Es preciso hacer una aclaración en este momento: la decisión de utilizar t o z se basa en
el hecho de que se conozca σ (la desviación estándar poblacional). Si se conoce, se utiliza z;
en caso contrario, se debe utilizar t. En la gráfica 9.3 se resume el proceso de toma de decisión
al respecto.
Ejemplo
¿Cuál es la mejor estimación de la media poblacional? Determine un
intervalo de confianza de 95% e interprete el resultado. ¿Concluiría de
forma razonable que la media poblacional es de 50 o 60 dólares?
Corriendo programa en R
calcular_po…
Título: Análisis del Intervalo de Confianza
Resumen:
Este informe presenta el análisis del intervalo de confianza para los datos
proporcionados.
Se ha utilizado un nivel de confianza del 95%.
Resultados del Análisis:
1. Media Muestral: 49.41
2. Desviación Estándar Muestral: 9.25
3. Error Estándar de la Media: 2.12
4. Límite Inferior del Intervalo de Confianza: 44.95
5. Límite Superior del Intervalo de Confianza: 53.87
==============================
Conclusiones:
Los resultados obtenidos permiten inferir que con un 95% de confianza, la
media poblacional se encuentra
dentro del intervalo [44.95, 53.87].
Esto indica que la estimación de la media poblacional es confiable dentro
de este rango.
==============================
3. El propietario de Britten’s Egg Farm desea calcular la cantidad media
de huevos que pone cada gallina; una muestra de 20 aves indica que
ponen un promedio de 20 huevos al mes, con una desviación estándar
de 2 huevos al mes.
a. ¿Cuál es el valor de la media de la población? ¿Cuál es el mejor
estimado de este?
La mejor media poblacional es 20 huevos que es el valor de la muestra de
20 gallinas.
b. Explique por qué necesita utilizar la distribución t. ¿Qué suposiciones
necesita hacer?
Uso la distribución ya que desconozco la desviación estándar de la
población y estoy con el supuesto de la población esta distribuida normal.
c. ¿Cuál es el valor de t en un intervalo de confianza de 95%?
2.093024 para 20 grados de libertad
==============================
Conclusiones:
Con un 90% de confianza, la media poblacional se encuentra dentro del
intervalo [95.388, 101.812].
Esto indica que la estimación de la media poblacional es confiable dentro
de este rango.
==============================
Intervalo de confianza de una proporción
En el capítulo se utiliza la escala de medición de razón para variables
como ingresos, pesos y distancias. Sin embargo, se presentan ejemplos
que reflejan la escala nominal, donde los resultados se limitan a dos
valores:
• 80% de los graduados de Southern Technical Institute consigue
empleo en su área.
• 45% de las ventas de Burger King se realizan en la ventana de
servicio para automóviles.
• 85% de las nuevas construcciones en Chicago tienen aire
acondicionado central.
• 63% de hombres casados entre 35 y 50 años creen que ambos
cónyuges deben aportar económicamente.
Estos ejemplos muestran cómo se pueden clasificar observaciones en
grupos, permitiendo hablar de proporciones. Por ejemplo, un graduado
puede o no conseguir un empleo relacionado con su estudio, y un
consumidor puede o no comprar en la ventana de servicio para
automóviles.
Se presenta un ejemplo de proporción en una encuesta reciente, donde 92
de cada 100 entrevistados apoyan el horario de verano para ahorrar
energía. Esto se traduce en una proporción muestral de 92/100, que
equivale a 0.92 o 92%.En este contexto:
• p representa la proporción de la muestra.
• x es el número de "éxitos" (en este caso, los que están de acuerdo).
• n es el número total de elementos en la muestra (100 en este caso).
Esto permite calcular la proporción muestral, mostrando cómo se puede
expresar la opinión de un grupo en términos cuantitativos.
La proporción de la población se define por medio de π; es decir, el
porcentaje de éxitos en la población.
Recuerde, del capítulo 6, que π es la proporción de éxitos en una
distribución binomial, lo cual permite continuar la práctica de utilizar letras
griegas para identificar parámetros de población, y letras latinas para
identificar estadísticos muestrales. Para crear el intervalo de confianza de
una proporción, es necesario cumplir con los siguientes
de la muestra, ¿puede concluir que la proporción necesaria de
miembros del BBA favorece la fusión? ¿Por qué?
Validemos datos
n =2000 | x=1600
Calculemos la proporción
p=x/n => 1600/2000=0,8
Por consiguiente, se calcula que 80% de la población favorece la
propuesta de fusión y solo se requiere el ¾=75%. Determine el intervalo de
confianza de 95% con ayuda de la fórmula [9.4]; el valor z correspondiente
al nivel de confianza de 95% es de 1.96.
Validemos el error estándar EE
El error estándar es 0.00894, lo que se interpreta como un 0.894% en
términos de variabilidad esperada de la proporción muestral.
Interpretación del error estándar:
• En este caso, el error estándar que calculamos fue 0.00894.
Esto significa que, si tomáramos muchas muestras aleatorias del mismo
tamaño (2,000 miembros), la proporción de personas que apoyan la
fusión variaría en promedio alrededor de 0.00894 (o 0.894%) con
respecto a la proporción real de la población.
Calculamos intervalos de confianza
I_confianza_i=0,8-1,96*(0,008944272)=0,782469227 es decir 78,24%
I_confianza_f=0,8+1,96*(0,008944272)=0,817530773 es decir 81,75%
Esto significa que, con un 95% de confianza, la proporción de todos los
miembros del sindicato BBA que apoyan la fusión está entre 78.25% y
81.75%.
Margen de error de la estimación
1,96*(0,008944272)=0,017530773=> es decir 1,75%
Si tengo un factor de corrección con una población de 3000
implica mayor tiempo y costo, mientras que un margen mayor reduce
la muestra pero amplía el intervalo de confianza.
2. El nivel de confianza, comúnmente 95% o 99%, determina el valor del
estadístico-z usado en los cálculos. Para un 95% de confianza, el
valor-z es 1.96, y para un 99%, es 2.576. Niveles de confianza más
altos requieren muestras más grandes.
3. Por último, la desviación estándar de la población influye en el tamaño
de la muestra. Si la población es muy dispersa, se necesita una
muestra mayor; si es más homogénea, se requiere una muestra más
pequeña. Si no se conoce, se puede usar un estimador de la
desviación estándar.
Elección del tamaño adecuado de una muestra
• Estudio piloto: Realice un pequeño estudio preliminar para obtener una
estimación de la desviación estándar. Por ejemplo, si se quiere calcular
cuántas horas trabajan los estudiantes de la Facultad de Administración,
se aplica un cuestionario a una pequeña muestra y se usa la desviación
estándar obtenida.
• Estudio comparativo: Utilice estimaciones de desviación estándar de
estudios previos similares. Por ejemplo, si desea saber cuántas horas
trabajan los recolectores de basura, puede usar datos de estudios de
agencias laborales estatales o federales.
• Enfoque basado en el intervalo: Calcule la desviación estándar a partir
del rango de la población (máximo menos mínimo), asumiendo una
distribución normal. Por ejemplo, si el rango de transacciones es de 48, se
divide por 6 para obtener una desviación estándar de 8.
Tamaño de la muestra para calcular una media poblacional
Para calcular una media poblacional se expresa la interacción entre estos
tres factores y el tamaño de la muestra mediante la fórmula siguiente;
observe que esta es el margen de error que se utiliza para calcular los
puntos extremos de los intervalos de confianza para estimar una media
poblacional.
Si en mi estudio piloto la muestra es pequeña menos de 30
observaciones es recomendable usar t-Student y no la Z normal
Ejemplo
En el estudio del ejemplo anterior también se calcula la proporción de
ciudades que cuentan con recolecto-res de basura privados. El estudiante
desea que el margen de error se encuentre a 0.10 de la proporción de la
población, el nivel de confianza deseado es de 90%, y no se encuentra
disponible ningún estimador de la proporción de la población, ¿Cuál es el
tamaño de la muestra que se requiere?
Validemos los datos
E(Error Estándar )=0.1
Z=90% es decir que la tabla z de 1.645
π =no se conoce entonces vamos a dejar 0.5
n=(0,5)(1-0,5)(1,645/0,1)²=67,650625
El estudiante necesita una muestra aleatoria de 68 ciudades.
Factor de corrección de una población finita
Cuando se toman muestras de poblaciones finitas (con un límite superior),
es necesario ajustar el cálculo del error estándar para las medias y
proporciones muestrales.
Población finita: Una población con un número conocido de elementos
(N), como:
• Estudiantes en una universidad
• Empleados en una empresa
• Pacientes en un hospital
Ajuste necesario: Para calcular intervalos de confianza, se debe aplicar el
Factor de Corrección de Población Finita (FCP) a:
• Error estándar de la media
• Error estándar de la proporción
FCP: Un ajuste que se aplica a las fórmulas para calcular el error estándar
en poblaciones finitas.
Es importante realizar este ajuste para obtener resultados precisos en la
estimación de intervalos de confianza.
En si es una ponderación de corrección del error, para evitar sesgos
se usa cuando tengo el tamaño de la población pero desconozco la
desviación estándar de la población.
Margen de Error=z×EEM
Si usamos t de la tabla t-student sería
Margen de Error=1,685*11,858541226=19,981641966
Si usamos tabla z
Margen de Error=1,645*11,858541226=19,507300317
FCP(Factor de corrección de una población)=
FCP=√((250−40)÷(250−1))=0,918353687 un factor de corrección del
8.164% que sale de 1−0,918353687=0,081646313
Margen de Error con Factor de corrección de una población
Margen de Error*FCP (t-
studen)=19,981641966*0,918353687=18,350214572 => es decir con un
margen de error de personas 18.35
Margen de Error*FCP (z
normal)=19,507300317*0,918353687=17,91460117 => es decir con un
margen de error de 17.9 personas
Intervalo de confianza
I_confianza_i=450-18,350214572=431,649785428
I_confianza_f=450-18,350214572=468,350214572
Si usamos la tabla z sería
I_confianza_i=450-17,91460117=432,08539883
I_confianza_f=450+17,91460117=467,91460117
Conclusiones
• Los dos intervalos de confianza tanto el t o el z da una diferencia de una
persona.
• La media poblacional puede ser 450 ya que está dentro de los intervalos
de confianza.
• Queda por experimentar el impacto que tiene el factor de corrección y una
muestra más pequeña.
Explicar cada cosita muestra formula de Error Estándar de la
Mediam,Margen de Error e intervalo de conifiza con una corta explicacion
de que es cada una Factor de corrección de una población
Resumen
2. Intervalo de confianza para dos muestras de la misma población con desviación
estándar desconocida
Si la desviación estándar es desconocida, pero asumimos que ambas
muestras provienen de la misma población y tienen la misma variabilidad,
usamos la desviación estándar de las muestras combinada (𝑆𝑝):
3. Intervalo de confianza para dos muestras de diferentes poblaciones con
desviación estándar conocida
4. Intervalo de confianza para dos muestras de diferentes poblaciones con desviación
estándar desconocida
Si las desviaciones estándar son desconocidas y las poblaciones son
diferentes, usamos las desviaciones estándar de las muestras (𝑆1 𝑦 S2)
, y el intervalo de confianza se calcula como:
Código en r de calcular intervalos de confianza múltiples muestras
Intervalos de confianza 2 poblaciones - Clase 2 - Ejercicio 1
Intervalos de confianza 2 poblaci…
poblaci…
2. Una muestra aleatoria de tamaño n1=25, tomada de una población
normal con una desviación estándar 5, tiene una media 80. Una
segunda muestra aleatoria de tamaño 36, que se toma de una
población normal diferente con una desviación estándar 3, tiene una
media 75. Calcule un intervalo de confianza del 94% para media1-
media2
Para este ejercicio tenemos la forma 3 (Intervalo de confianza para dos
muestras de diferentes poblaciones con desviación estándar conocida)
(80-75)±1,881*((√((5²÷25)+(3²÷36)))=>
5±1,881*1,118033989=>2,103021933
5±2,103021933=>
Intervalo inferior=2,896978067
Intervalo superior=7,103021933
3. Los siguientes datos representan el tiempo, en días, que pacientes
tratados al azar con uno de dos medicamentos para curar infecciones
graves de la vejiga tardaron en recuperarse:
Calcule un intervalo de confianza del 99% para la diferencia μ1 −μ2 en los
tiempos medios de recuperación para los dos medicamentos. Suponga
3. Una muestra aleatoria de tamaño n1 = 15 que se tomó de una población normal,
arrojó una media ̄X1 = 20 y desviación estándar S1 = 1 y otra muestra aleatoria de
tamaño n2 = 16 que se tomó de otra población normal, arrojó una media ̄X2 = 19 y
desviación estándar S2 = 2. Se pide encontrar el intervalo de confianza del 99%
para la diferencia de medias de ambas poblaciones.
ic_desconocida_misma_poblacion(media1 =20, media2 = 19, sd1 =1, sd2 = 2, n1 = 15,
n2 = 16,confianza=0.99)
sp: 1.597412
t_critico: 2.756386
error_estandar: 2.756386
[1] -0.5824577 2.5824577
Dándonos como resultado que existe una diferencia entre o que fluctúan entre –0.58 y
2.5 en relación a la población 1 con la población 2
4. En un estudio que se lleva a cabo en Virginia Tech sobre el desarrollo de
microrriza, una relación simbiótica entre las raíces de árboles y un hongo, en el
cual se transfieren minerales del hongo a los árboles y azúcares de los árboles a
los hongos, se cultivaron en un invernadero 20 robles rojos que fueron expuestos
al hongo Pisolithus tinctorius. Todos los árboles se plantaron en el mismo tipo de
suelo y recibieron la misma cantidad de luz solar y agua. La mitad no recibió
nitrógeno en el momento de plantarlos y sirvió como control, y la otra mitad recibió
368 ppm de nitrógeno en forma de NH4NO3. Después de 140 días se registraron
los siguientes pesos de los tallos, en gramos:
Sin nitrógeno Con nitrógeno
0,32 0,26
0,53 0,43
0,28 0,47
0,37 0,49
0,47 0,52
0,43 0,75
0,36 0,79
0,42 0,86
0,38 0,62
0,43 0,46
μ 0,399 0,565
σ 0,04769 0,31385
n 10 10
