ESTIMACIONES DE INTERVALO E INTERVALOS DE CONFIANZA El propsito de tomar muestras es para conocer ms acerca de una poblacin.

Podemos calcular esa informacin a partir de las muestras como estimaciones puntuales, o como estimaciones de intervalo. Una estimacin de intervalo describe un intervalo de valores dentro del cual es posible que est un parmetro de poblacin. Si seleccionamos y representamos grficamente un gran nmero de medias de muestras de una poblacin, la distribucin de tales medias se aproximar a la curva normal. Adems, la media de las medias de muestra ser la misma media de la poblacin. Probabilidad de que el verdadero parmetro de la poblacin est dentro de la estimacin de intervalo. En lo que concierne a cualquier intervalo particular, ste contiene a la media de la poblacin o no la contiene, pues la media de la poblacin es un parmetro fijo, y no vara. Cuando las organizaciones informan la precisin de encuestas de opinin como "estos resultados son precisos en ms menos tres puntos", por lo general no establecen el nivel de confianza que estn utilizando para hacer la estimacin de intervalo. Una afirmacin ms completa tendra la forma. "existe un 95% de probabilidad de que la verdadera opinin de la poblacin caiga dentro del intervalo comprendido entre ..... y ........" Estimaciones de intervalo e intervalos de confianza La probabilidad que asociamos con una estimacin de intervalo se conoce como nivel de confianza. Esta probabilidad indica qu tanta confianza tenemos de que la estimacin de intervalo incluya al parmetro de poblacin. Una probabilidad ms alta indica ms confianza. El intervalo de confianza es el alcance de la estimacin que estamos haciendo. Expresaremos el intervalo de confianza en trminos de errores estndar, ms que con valores numricos. Los lmites de confianza son los lmites superior e inferior del intervalo de confianza Relacin entre el nivel de confianza e intervalo de confianza. Podra pensarse que deberamos utilizar un nivel alto de confianza en todos los problemas sobre estimaciones. En la prctica, sin embargo, altos niveles de confianza producen intervalos de confianza grandes, y stos no son precisos, dan estimaciones bastante imprecisas. Uso del muestreo y de la estimacin de intervalos de confianza. A menudo resulta difcil o caro tomar ms de una muestra de una poblacin. Basados en solamente una muestra estimamos el parmetro de poblacin. El intervalo de confianza quiere decir que si seleccionamos muchas muestras aleatorias del mismo tamao y si calculamos un intervalo de confianza para cada una de las muestras, tendremos un porcentaje de confianza determino de que en todos los casos la media de la poblacin caer dentro del intervalo. Por otro lado, existe un cierto equilibrio entre la certidumbre de la estimacin y el ancho de un intervalo de confianza. Clculo de estimaciones de intervalo de la media a partir de muestras grandes

Se calcula el error estndar de la media para una poblacin infinita:

x

Posteriormente, se establecen los lmites de confianza superior e inferior, considerando el porcentaje de confianza requerido. Cuando no se conoce la desviacin estndar. Cuando no se conoce la desviacin estndar de la poblacin, utilizamos la desviacin estndar de la muestra para estimar la desviacin estndar de la poblacin: s2 - x)2 / (n - 1)]

La frmula para derivar el error estndar de la media de poblaciones finitas es:

x

- n) / N - 1)

A partir de esto, podemos calcular el error estndar de la media mediante la desviacin estndar de la poblacin:
x x

- n) / N - 1)

SUGERENCIA: Cuando tenemos muestras grandes, utilizamos el Teorema del Lmite Central, nuestro conocimiento de la curva normal y nuestra habilidad para hacer correcciones para poblaciones finitas. Determinacin del tamao de la muestra. Siempre que tomamos una muestra, perdemos algo de informacin til con respecto a la poblacin. El error de muestre se puede controlar si seleccionamos una muestra cuyo tamao sea el adecuado. En general, cuanta ms precisin se quiera, ms grande ser el tamao de la muestra necesaria. Para calcular el tamao de muestra, podemos utilizar la frmula del error estndar de la media:
x

Si no conocemos la desviacin estndar de la poblacin, podemos utilizar el alcance de la poblacin para obtener una estimacin burda pero manejable de la desviacin estndar. Sabemos que ms menos tres desviaciones estndar incluyen 99,7% del rea total bajo la curva normal, esto es, ms tres desviaciones estndar y menos tres desviaciones estndar de la media incluyen casi toda el rea de la distribucin.

SUGERENCIAS: Un estimador es una variable aleatoria, y por lo tanto es posible asociarle probabilidades, lo que resulta de suma utilidad como herramienta auxiliar para la toma de decisiones bajo condiciones de incertidumbre. Una estimacin, en cambio, es un valor particular del estimador, calculado en base a una muestra dada. Por tanto, constituye un valor fijo (no aleatorio) que caracteriza a esa muestra en particular, pero que se usa para inferir el valor de un parmetro desconocido. Entre un estimador puntual y uno por intervalos, es preferible usar este ltimo porque tiene asociado una probabilidad que contempla el error que se puede cometer en la aproximacin.

CONCEPTOS. Estimacin: valor especfico de un estimador, calculado en base a una muestra dada. Estimacin de intervalo: intervalo de valores utilizado para estimar un parmetro de poblacin desconocido. Estimacin de parmetros: Aproximacin del valor de parmetros poblacionales desconocidos mediante el empleo de estadsticos muestrales. Estimacin puntual: un solo nmero que se utiliza para estimar un parmetro de poblacin desconocido. Estimador: estadstica de muestra utilizada para estimar un parmetro de poblacin. Conceptualmente es una variable aleatoria. Estimador coherente: estimador que produce valores que se acercan ms al parmetro de la poblacin conforme aumenta el tamao de la muestra. Estimador eficiente: estimador con un menor error estndar que algn otro estimador del parmetro de la poblacin, esto es, cuanto ms pequeo sea el error estndar de un estimador, ms eficiente ser ese estimador. Estimador imparcial: estimador de un parmetro de poblacin que, en promedio, asume valores por encima del parmetro de la poblacin con la misma frecuencia, y al mismo grado, con que tiende a tomarlos por debajo del parmetro de la poblacin. Estimador suficiente: estimador que utiliza toda la informacin disponible en los datos correspondientes a un parmetro. Intervalo de confianza: intervalo de valores que tiene designada una probabilidad de que incluya el valor real del parmetro de la poblacin. Lmites de confianza: lmites inferior y superior de un intervalo de confianza. Nivel de confianza: probabilidad que los estadsticos asocian con una estimacin de intervalo de un parmetro de poblacin, sta indica qu tan seguros estn de que la estimacin de intervalo incluir el parmetro de la poblacin. Probabilidad, designada de antemano, de que un intervalo de confianza incluya al valor del parmetro desconocido. Propiedades de un buen estimador: caractersticas deseables de un estimador, para lograr la mejor aproximacin posible de un parmetro poblacional.

PRUEBAS DE HIPTESIS

Una hiptesis es una afirmacin acerca de algo. En estadstica, puede ser una suposicin acerca del valor de un parmetro desconocido. Pasos en la prueba de hiptesis: Definir la hiptesis nula: suponer una hiptesis acerca de una poblacin. Formular una hiptesis alternativa: es una contra-hiptesis. Definir un criterio de decisin para rechazar o no la hiptesis nula.

Recabar datos de la muestra. Calcular una estadstica de muestra. Utilizar la estadstica de muestra para evaluar la hiptesis. Generalmente, se habla de "no rechazar" una hiptesis en lugar de "aceptar", ya que las pruebas no son concluyentes. Introduccin La prueba de hiptesis comienza con una suposicin, llamada hiptesis, que hacemos con respecto a un parmetro de poblacin. Despus recolectamos datos de muestra, producimos estadsticas de muestra y usamos esta informacin para decidir qu tan probable es que sea correcto nuestro parmetro de poblacin acerca del cual hicimos la hiptesis. Debemos establecer el valor supuesto o hipotetizado del parmetro de poblacin antes de comenzar a tomar la muestra. La suposicin que deseamos probar se conoce como hiptesis nula, y se simboliza H0. Siempre que rechazamos la hiptesis, la conclusin que s aceptamos se llama hiptesis alternativa y se simboliza H1. Interpretacin del nivel de significancia. El propsito de la prueba de hiptesis no es cuestionar el valor calculado de la estadstica de muestra, sino hacer un juicio respecto a la diferencia entre esa estadstica de muestra y un parmetro de poblacin hipotetizado. El siguiente paso despus de establecer la hiptesis nula alternativa consiste en decidir qu criterio utilizar para decidir si aceptar o rechazar la hiptesis nula. Si suponemos que la hiptesis es correcta, entonces el nivel de significancia indicar el porcentaje de medias de muestra que est fuera de ciertos lmites. Siempre que afirmemos que aceptamos la hiptesis nula, en realidad lo que queremos decir es que no hay suficiente evidencia estadstica para rechazarla. El empleo del trmino aceptar, en lugar de rechazar, se ha vuelto de uso comn. Significa simplemente que cuando los datos de la muestra n hacen que rechacemos una hiptesis nula, nos comportamos como si fuera cierta. Seleccin del nivel de significancia. Nuestra eleccin del estndar mnimo para una probabilidad aceptable, o el nivel de significancia, es tambin el riesgo que asumimos al rechazar una hiptesis nula cuando es cierta. Mientras ms alto sea el nivel de significancia que utilizamos para probar una hiptesis, mayor ser la probabilidad de rechazar una hiptesis nula cuando es cierta. Errores tipo I y tipo II. El rechazo de una hiptesis nula cuando es cierta se denomina error de tipo I, y su probabilidad

de cometer un tipo de error puede reducirse slo si deseamos incrementar la probabilidad de cometer

responsables de la toma de decisiones deciden el nivel de significancia adecuado, al examinar los costos o desventajas vinculadas con ambos tipos de errores. Pruebas de hiptesis de dos extremos y de un extremo Una prueba de dos extremos de una hiptesis, rechazar la hiptesis nula si la media de muestra es significativamente mayor o menor que la media de la poblacin hipotetizada. Existen dos regiones de rechazo. Hay situaciones en las que no es apropiada una prueba de dos extremos, por lo que debemos usar una prueba de un extremo, que pueden ser de extremo izquierdo (o inferior) o extremo derecho (o superior). La nica forma de probar una hiptesis nula es conociendo el parmetro de poblacin, y eso no es posible al tomar una muestra. Por consiguiente, aceptamos la hiptesis nula y nos comportamos como si fuera cierta, simplemente porque no podemos encontrar evidencia para rechazarla. Medicin de la potencia de una prueba de hiptesis.

edia hipotetizada. Puesto que rechazar una hiptesis nula cuando es falsa es exactamente lo que debe hacer una buena prueba, un valor alto de 1 rechazando la hiptesis nula cuando es falsa. Puesto que 1 prueba, se la conoce como la potencia de la prueba. Si representamos grficamente los valores 1 o curva de potencia. SUGERENCIAS: Conviene plantear la hiptesis nula siempre por la igualdad. Adapte la contrahiptesis de acuerdo con el objetivo del problema. Formule la hiptesis en base a los objetivos del estudio, pero siempre antes de extraer la muestra y calcular el estimador puntual del parmetro desconocido, para no verse influenciado por este resultado. Tenga en cuenta que si bien la hiptesis nula es la que se pone bajo prueba, eso no significa que deba ser siempre la suposicin que el experimentador desea que se compruebe. Como en todo proceso de inferencia, existe algn grado de subjetividad en la realizacin de una prueba, particularmente en la eleccin del nivel de significancia y del tamao de la muestra. Trate de que la eleccin de estos valores responda a un anlisis cuidadoso del problema en cuestin. Una vez fijadas las condiciones de la prueba, el resultado de la misma es totalmente objetivo.

Para fijar el nivel de significancia de la prueba, hay que tener en cuenta que cuando la probabilidad del error tipo I aumenta, la del error tipo II disminuye. La forma de minimizar el error tipo II independientemente del nivel de significancia, es aumentando el tamao de la muestra. Como las probabilidades de los errores tipo I y II estn relacionadas entre si, pero el experimentador puede fijar la primera, antes de elegir el nivel de significancia hay que ver cul de los dos tipos de errores resulta ms crtico. CONCEPTOS: Alfa: probabilidad de cometer un error de tipo I. Beta: probabilidad de cometer un error de tipo II. Curva de potencia: otro parmetro de poblacin, para el que la hiptesis alternativa es cierta. Error de tipo I: rechazo de una hiptesis nula cuando es cierta. Error de tipo II: aceptacin de una hiptesis nula cuando es falsa. Escala estandarizada: medicin en desviaciones estndar a partir de la media de la variable. Escala sin procesar: medicin en las unidades originales de la variable. Hiptesis: suposicin o especulacin que hacemos con respecto a un parmetro de poblacin. Hiptesis alternativa: conclusin que aceptamos cuando los datos no respaldan la hiptesis nula. Hiptesis estadstica: afirmacin acerca del valor de un parmetro desconocido, o sobre la distribucin de una variable. Hiptesis nula: hiptesis o suposicin con respecto a un parmetro de poblacin que deseamos probar. Nivel de significancia: valor que indica el porcentaje de valores de muestra que estn fuera de ciertos lmites, suponiendo que la hiptesis nula es correcta, es decir, se trata de la probabilidad de rechazar la hiptesis nula cuando es cierta. Potencia de prueba de hiptesis: probabilidad de rechazar la hiptesis nula cuando es falsa, es decir, una medida de qu tan bien funciona la prueba de hiptesis. Prueba de hiptesis: experimento que pone bajo prueba una hiptesis estadstica, para decidir si es verdadera o falsa. Prueba de dos extremos: prueba de hiptesis en la que la hiptesis nula se rechaza si el valor de muestra es significativamente menor o mayor que el valor hipotetizado del parmetro de poblacin, prueba que involucra dos regiones de rechazo. Prueba de extremo inferior: prueba de hiptesis de un extremo en la que un valor de la muestra que se encuentra significativamente por debajo del valor de la poblacin hipotetizada, nos llevar a rechazar la hiptesis nula. Prueba de extremo superior: prueba de hiptesis de un extremo en la que un valor de muestra significativamente superior al valor de poblacin hipotetizado nos llevar a rechazar la hiptesis nula. Prueba de un extremo: prueba de hiptesis en la que slo hay una regin de rechazo, es decir, slo nos interesa si el valor observado se desva del valor hipotetizado en una direccin.

Valor crtico: valor de la estadstica estndar (z) ms all del cual rechazamos la hiptesis nula; el lmite entre las regiones de aceptacin y rechazo. Ejemplo: Suponga que un fabricante de pernos est produciendo pernos de 8 mm de dimetro, y que los dimetros de estas piezas se distribuyen normalmente; con propsitos de control de calidad, se obtuvo una muestra de 25 pernos de una lnea de produccin para estimar la varianza de todos los dimetros, la cual result ser S2 = 0.009 mm2. Con un nivel de significancia de 0.05. Se puede concluir que la varianza poblacional es igual o menor 0.01 mm2? Solucin Datos n =25 S2 = 0.009 mm2 = .05 1. Establecer la hiptesis
2 Ho: .01
2 Ha: .01

2.

Establecer la estadstica de prueba.

2
3.

( n 1) S 2

Definir el nivel de significancia y la zona de rechazo.

g.l. =24 36.415 Nivel de significancia = 0.05

2 2 Zona de Rechazo = { / > 36.415)

4.

Calcular la estadstica de prueba.

( n 1) S 2

2 como la esta bajo la hiptesis nula entonces tenemos

2
5. 6.

(24) ( .009) 0.01 = 21.6

Como 21.6 es menor que 36.415 no se rechaza la hiptesis nula con un nivel de significancia de 0.05. Conclusin Existe evidencia estadstica para decir que la varianza poblacional es igual o menor 0.01 mm2.

UNIVERSIDAD INCA GARCILASO DE LA VEGA

FACULTAD DE INGENIERIA INDUSTRIAL

TEMA

: Intervalos de confianza Pruebas de hiptesis : Estadstica II : Lic. Flix Leyton S. : Cesar Serrano R. :V : Ing. Industrial : 3A : 120

ASIGNATURA PROFESOR ALUMNO CICLO FACULTAD TURNO AULA

2010

Un agradecimiento a mis amigos y compaeros para la elaboracin del presente trabajo.