inferencia estadÍstica: muestras de tamaño y... · 2020-05-06 · carmen cortés parejo tema 4:...
TRANSCRIPT
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
INFERENCIA ESTADÍSTICA:
El objetivo será hacer estimaciones de los parámetros (media, varianza, …) de una población (variable) a partir de las
observaciones en las muestras.
Consideramos una variable 𝑋 de parámetros 𝜇 y 𝜎. Vamos a ir tomando muestras de tamaño 𝒏 de la variable. Para cada
una de ellas, su media ҧ𝑥 y su varianza 𝑠2 serán estimaciones de la media 𝜇 y la varianza 𝜎2 de la población 𝑋.
Muestra 1: 𝑥11 𝑥2
1 𝑥31 … 𝑥𝑛−1
1 𝑥𝑛1
Muestra 2: 𝑥12 𝑥2
2 𝑥32 … 𝑥𝑛−1
2 𝑥𝑛2 ҧ𝑥2 𝑠2
2
Muestra 3: 𝑥13 𝑥2
3 𝑥33 … 𝑥𝑛−1
3 𝑥𝑛3 ҧ𝑥3 𝑠3
2
ҧ𝑥1 𝑠12
Mediamuestral
Varianzamuestral
𝑋2
𝑋𝑖 ≡ 𝑖 − é𝑠𝑖𝑚𝑎𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 𝑑𝑒 𝑡𝑎𝑚𝑎ñ𝑜 𝑛 𝑑𝑒 𝑋
𝑷𝒂𝒓𝒂 𝒊 = 𝟏,… , 𝒏:
𝑋𝑖 𝑡𝑖𝑒𝑛𝑒 𝑙𝑎 𝑚𝑖𝑠𝑚𝑎 𝑚𝑒𝑑𝑖𝑎 μ 𝑦 𝑙𝑎 𝑚𝑖𝑠𝑚𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝜎2 𝑞𝑢𝑒 𝑋
𝑋1 𝑋3 𝑋𝑛−1 𝑋𝑛
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
Consideramos una variable 𝑋 de parámetros 𝜇 y 𝜎.
𝑋𝑖 ≡ 𝑖 − é𝑠𝑖𝑚𝑎𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 𝑑𝑒 𝑡𝑎𝑚𝑎ñ𝑜 𝑛 𝑑𝑒 𝑋, 𝑝𝑎𝑟𝑎 𝑖 = 1,… , 𝑛.
Variable media muestral:
ത𝑋 =𝑋1 + 𝑋2 +⋯+ 𝑋𝑛
𝑛Toma como valores las medias de las muestras de tamaño n: ҧ𝑥1, ҧ𝑥2, ҧ𝑥3, …
Variable varianza muestral:
𝑆2 =(𝑋1− ത𝑋)
2 + (𝑋2− ത𝑋)2 +⋯+ (𝑋𝑛− ത𝑋)
2
𝑛Toma como valores las varianzas de las muestras de tamaño n: 𝑠1
2, 𝑠22, 𝑠3
2, …
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
Teorema:
Si 𝑋~𝑁 𝜇, 𝜎 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 ത𝑋~𝑁(𝜇,𝜎
𝑛)
Demostración:
𝐸 ത𝑋 = 𝐸𝑋1 + 𝑋2 +⋯+ 𝑋𝑛
𝑛=𝐸(𝑋1) + 𝐸(𝑋2) + ⋯+ 𝐸(𝑋𝑛)
𝑛=𝜇 + 𝜇 +⋯+ 𝜇
𝑛=𝑛 ∙ 𝜇
𝑛= 𝜇
Observemos que si 𝑋~𝑁 𝜇, 𝜎 entonces 𝑋𝑖~𝑁 𝜇, 𝜎 para todo 𝑖 = 1,… , 𝑛.
𝑉𝑎𝑟 ത𝑋 = 𝑉𝑎𝑟𝑋1 + 𝑋2 +⋯+ 𝑋𝑛
𝑛= 𝑉𝑎𝑟
𝑋1𝑛
+ 𝑉𝑎𝑟𝑋2𝑛
+⋯+ 𝑉𝑎𝑟𝑋𝑛𝑛
=
=1
𝑛2𝑉𝑎𝑟 𝑋1 +
1
𝑛2𝑉𝑎𝑟 𝑋2 +⋯+
1
𝑛2𝑉𝑎𝑟 𝑋𝑛 = 𝑛 ∙
1
𝑛2∙ 𝜎2 =
𝜎2
𝑛
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
Ejemplo: Consideramos una variable aleatoria X que toma valores (equiprobables) 4, 7, 10
Función de probabilidad de 𝑋:
𝑥𝑖 4 7 10
𝑝𝑖 1/3 1/3 1/3
Media de 𝑋:
𝜇𝑋 =𝑥𝑖𝑝𝑖 =
= 4 ∙1
3+ 7 ∙
1
3+ 10 ∙
1
3= 7
Desviación típica de 𝑋:
𝜎𝑋 = 𝑥𝑖2𝑝𝑖 − 𝜇
2 =
= 16 ∙1
3+ 49 ∙
1
3+ 100 ∙
1
3− 49 = 6
SE CONSIDERAN MUESTRAS DE TAMAÑO 𝒏 = 𝟐:
Espacio muestral (4,4) (4,7) (4,10) (7,4) (7,7) (7,10) (10,4) (10,7) (10,10)
Medias muestrales 4 5.5 7 5.5 7 8.5 7 8.5 10
Función de probabilidad de ത𝑋:
ҧ𝑥𝑖 4 5.5 7 8.5 10
𝑝𝑖 1/9 2/9 3/9 2/9 1/9
𝜇 ത𝑋 = ҧ𝑥𝑖𝑝𝑖 =
= 4 ∙1
9+ 5.5 ∙
2
9+ 7 ∙
3
9+ 8.5 ∙
2
9
+ 10 ∙1
9= 7
𝜎 ത𝑋 = ҧ𝑥𝑖2𝑝𝑖 − 𝜇
2 =
= 42 ∙1
9+ 5.52 ∙
2
9+ 72 ∙
3
9+ 8.52 ∙
2
9+ 102 ∙
1
9− 49 =
= 3 =6
2=𝜎𝑋
𝑛
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
Consideramos una variable 𝑋 de parámetros 𝜇 y 𝜎.
𝑋𝑖 ≡ 𝑖 − é𝑠𝑖𝑚𝑎𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 𝑑𝑒 𝑡𝑎𝑚𝑎ñ𝑜 𝑛 𝑑𝑒 𝑋, 𝑝𝑎𝑟𝑎 𝑖 = 1,… , 𝑛.
Estadístico: Cualquier variable definida a partir de las 𝑋𝑖.
ത𝑋 =𝑋1 + 𝑋2 +⋯+ 𝑋𝑛
𝑛𝑆2 =
(𝑋1− ത𝑋)2 + (𝑋2− ത𝑋)
2 +⋯+ (𝑋𝑛− ത𝑋)2
𝑛Ejemplos:
Estimador: Estadístico que se utiliza para estimar algún parámetro de la población (variable) 𝑋.
Ejemplos: ത𝑋 es un estimador de 𝜇 y 𝑆2 es un estimador de 𝜎2.
Estimador insesgado: Su esperanza matemática coincide con el valor del parámetro que estima.
Estimador sesgado: Su esperanza matemática no coincide con el valor del parámetro que estima.
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
Ejemplo 1: ത𝑋 es un estimador insesgado de 𝜇 porque vimos que 𝐸 ത𝑋 = 𝜇.
Ejemplo 2: 𝑆2 es un estimador sesgado de 𝜎2 porque puede comprobarse que 𝐸 𝑆2 =𝑛−1
𝑛∙ 𝜎2 ≠ 𝜎2.
Ejemplo 3:
Si definimos la variable CUASI-VARIANZA MUESTRAL como መ𝑆2 =𝑛
𝑛−1𝑆2 se tiene que la cuasi-varianza muestral es un
estimador insesgado de 𝜎2 ya que:
𝐸 መ𝑆2 = 𝐸𝑛
𝑛 − 1𝑆2 =
𝑛
𝑛 − 1𝐸 𝑆2 =
𝑛
𝑛 − 1∙𝑛 − 1
𝑛∙ 𝜎2 = 𝜎2
Nos ayudaremos de ciertos estimadores para calcular estimaciones de algunos parámetros de las poblaciones.
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
Un Intervalo de confianza [𝒂, 𝒃] para un parámetro de una población es un par de números entre los cuales se estima
que estará el parámetro con un determinado nivel de confianza p prefijado de antemano. Este intervalo se calcula a
partir de los datos de una muestra. El nivel de confianza representa el porcentaje de intervalos construidos a partir de
100 muestras independientes distintas que contienen al parámetro.
INTERVALOS DE CONFIANZA:
Nivel de confianza p:
𝑝 ∈ 0,1 (es una probabilidad)
𝑝 ↑↑ 1
𝑝~0.975, 0.95, 0.999
Amplitud del intervalo de confianza: 𝑏 − 𝑎
Margen de error cometido en la aproximación: 𝑏−𝑎
2
A veces es conveniente expresar el nivel de confianza como 𝒑 = 𝟏 − 𝜶, siendo 𝛼 ∈ 0,1
lo que se conoce como nivel de significación.
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
TABLA DE INTERVALOS DE CONFIANZA:
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
1.- INTERVALO DE CONFIANZA PARA 𝝁 CON 𝝈 CONOCIDA
Partiremos de:
𝑋 variable aleatoria con media 𝜇 desconocida y desviación típica 𝜎 conocida.
Una muestra de 𝑋 de tamaño 𝑛 de la que conocemos su media ҧ𝑥.
Un nivel de confianza 𝑝 = 1 − 𝛼.
Buscamos un intervalo [𝑎, 𝑏] tal que 𝑃 𝜇 ∈ 𝑎, 𝑏 = 𝑃 𝑎 ≤ 𝜇 ≤ 𝑏 = 𝑝 = 1 − 𝛼
Utilizaremos el estadístico: ത𝑋−𝜇
ൗ𝜎
𝑛
~𝑁(0,1) y buscaremos un intervalo −𝜆, 𝜆 tal que 𝑃 −𝜆 ≤ത𝑋−𝜇
ൗ𝜎
𝑛
≤ 𝜆 = 𝑝 = 1 − 𝛼
1 − 𝛼 = 𝑝 = 𝑃 −𝜆 ≤ത𝑋 − 𝜇
ൗ𝜎
𝑛
≤ 𝜆
𝑠𝑖𝑒𝑛𝑑𝑜 𝑧1−
𝛼2𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎 𝑑𝑒 𝑙𝑎 𝑛𝑜𝑟𝑚𝑎𝑙 𝑞𝑢𝑒
𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒 𝑎 𝑙𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 1 −𝛼
2.
= 𝑃ത𝑋 − 𝜇
ൗ𝜎
𝑛
≤ 𝜆 − 𝑃ത𝑋 − 𝜇
ൗ𝜎
𝑛
≤ −𝜆 = 𝑃ത𝑋 − 𝜇
ൗ𝜎
𝑛
≤ 𝜆 − 1 − 𝑃ത𝑋 − 𝜇
ൗ𝜎
𝑛
≤ 𝜆
𝑃ത𝑋 − 𝜇
ൗ𝜎
𝑛
≤ 𝜆 =1 + (1 − 𝛼)
2= 1 −
𝛼
2⟹ 𝜆 = 𝑧
1−𝛼2
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
𝑃 −𝜆 ≤ത𝑋 − 𝜇
ൗ𝜎
𝑛
≤ 𝜆 = 𝑝 = 1 − 𝛼 𝜆 = 𝑧1−𝛼2
𝑃 −𝑧1−
𝛼2≤
ത𝑋 − 𝜇
ൗ𝜎
𝑛
≤ 𝑧1−
𝛼2
= 1 − 𝛼 ⟹ 𝑃 −𝜎
𝑛∙ 𝑧
1−𝛼2≤ ത𝑋 − 𝜇 ≤
𝜎
𝑛∙ 𝑧
1−𝛼2
= 1 − 𝛼
⟹ 𝑃 − ത𝑋 −𝜎
𝑛∙ 𝑧
1−𝛼2≤ −𝜇 ≤ − ത𝑋 +
𝜎
𝑛∙ 𝑧
1−𝛼2
= 1 − 𝛼 ⟹ 𝑃 ത𝑋 +𝜎
𝑛∙ 𝑧
1−𝛼2≥ 𝜇 ≥ ത𝑋 −
𝜎
𝑛∙ 𝑧
1−𝛼2
= 1 − 𝛼
𝑃 ത𝑋 −𝜎
𝑛∙ 𝑧
1−𝛼2≤ 𝜇 ≤ ത𝑋 +
𝜎
𝑛∙ 𝑧
1−𝛼2
= 1 − 𝛼Esto es cierto para cualquier valor de la variable media muestral
ത𝑋, en particular para ത𝑋 = ҧ𝑥.
𝑃 ҧ𝑥 −𝜎
𝑛∙ 𝑧
1−𝛼2≤ 𝜇 ≤ ҧ𝑥 +
𝜎
𝑛∙ 𝑧
1−𝛼2
= 1 − 𝛼 = 𝑝 INTERVALO DE CONFIANZA PARA 𝝁 CON 𝝈 CONOCIDA
ҧ𝑥 −𝜎
𝑛∙ 𝑧
1−𝛼2; ҧ𝑥 +
𝜎
𝑛∙ 𝑧
1−𝛼2
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
INTERVALO DE CONFIANZA PARA 𝝁 CON 𝝈 CONOCIDA
ҧ𝑥 −𝜎
𝑛∙ 𝑧
1−𝛼2; ҧ𝑥 +
𝜎
𝑛∙ 𝑧
1−𝛼2
ҧ𝑥
ҧ𝑥 +𝜎
𝑛∙ 𝑧
1−𝛼2
ҧ𝑥 −𝜎
𝑛∙ 𝑧
1−𝛼2
Error = 𝝈
𝒏∙ 𝒛𝟏−𝜶
𝟐
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianzaDISTRIBUCIÓN t de STUDENT:
Dadas 𝑌, 𝑋1, … , 𝑋𝑛 variables independientes normales 𝑁(0,1),
la distribución t de Student con n grados de libertad se define
como:𝑡𝑛 =
𝑌
1𝑛σ𝑋𝑖
2
𝑡𝑛,𝑝
𝑝𝑡𝑛
Tabla: Dados 𝑛 (grados de libertad) y 𝑝 (probabilidad) la tabla nos proporciona el valor 𝑡𝑛,𝑝 tal que:
𝑃 𝑡𝑛 ≤ 𝑡𝑛,𝑝 = 𝑝
𝑡9,0.975 = 2.2622
Esto quiere decir que dada una 𝑡9, el valor que deja a su izquierda un área encerrada de 0.975 es 2.2622.
𝑃 𝑡9 ≤ 2.2622 = 0.975
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianzaDISTRIBUCIÓN t de STUDENT:
Dadas 𝑌, 𝑋1, … , 𝑋𝑛 variables independientes normales 𝑁(0,1),
la distribución t de Student con n grados de libertad se define
como:𝑡𝑛 =
𝑌
1𝑛σ𝑋𝑖
2
𝑡𝑛,𝑝
𝑝𝑡𝑛
Tabla: Dados 𝑛 (grados de libertad) y 𝑝 (probabilidad) la tabla nos proporciona el valor 𝑡𝑛,𝑝 tal que:
𝑃 𝑡𝑛 ≤ 𝑡𝑛,𝑝 = 𝑝
𝑡59,0.99 = 2.3901~ 𝑡60,0.99
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
2.- INTERVALO DE CONFIANZA PARA 𝝁 CON 𝝈 DESCONOCIDA
Partiremos de:
𝑋 variable aleatoria con media 𝜇 desconocida y desviación típica 𝜎 desconocida.
Una muestra de 𝑋 de tamaño 𝑛 de la que conocemos su media ҧ𝑥 y su desviación típica 𝑠.
Un nivel de confianza 𝑝 = 1 − 𝛼.
ҧ𝑥 − 𝑡𝑛−1;1−
𝛼2∙
𝑠
𝑛 − 1; ҧ𝑥 + 𝑡
𝑛−1;1−𝛼2∙
𝑠
𝑛 − 1
Intervalo:
⟹ ҧ𝑥 ± 𝑡𝑛−1;1−
𝛼2∙
𝑠
𝑛 − 1
ത𝑋 − 𝜇
ൗ𝑆𝑛 − 1
=ത𝑋 − 𝜇
൘መ𝑆
𝑛
~𝑡𝑛−1Estadístico:𝑆 ≡ 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑇í𝑝𝑖𝑐𝑎 𝑀𝑢𝑒𝑠𝑡𝑟𝑎𝑙 (𝑟𝑎í𝑧 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙)
መ𝑆 ≡ 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝐶𝑢𝑎𝑠𝑖 − 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑇í𝑝𝑖𝑐𝑎 𝑀𝑢𝑒𝑠𝑡𝑟𝑎𝑙
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
DISTRIBUCIÓN 𝝌𝟐 de PEARSON:
Dadas 𝑋1, … , 𝑋𝑛 variables independientes normales 𝑁(0,1), la
distribución 𝝌𝟐 de Pearson con n grados de libertad se define
como:
𝜒𝑛2 =𝑋𝑖
2 = 𝑋12 +⋯+𝑋𝑛
2𝜒𝑛,𝑝2
𝜒𝑛2
𝑝
Tabla: Dados 𝑛 (grados de libertad) y 𝑝 (probabilidad) la tabla nos proporciona el valor 𝜒𝑛,𝑝
2 tal que:
𝑃 𝜒𝑛2 ≤ 𝜒𝑛,𝑝
2 = 𝑝
𝜒7,0.952𝑃 𝜒7
2 ≤ ; = 14.1
Esto quiere decir que dada una 𝜒72,
el valor que deja a su izquierda un área encerrada de 0.95 es 14.1.
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
3.- INTERVALO DE CONFIANZA PARA 𝝈𝟐
Partiremos de:
𝑋 variable aleatoria con desviación típica 𝜎 desconocida.
Una muestra de 𝑋 de tamaño 𝑛 de la que conocemos su desviación típica 𝑠.
Un nivel de confianza 𝑝 = 1 − 𝛼.
𝑛𝑆2
𝜎2=(𝑛 − 1) መ𝑆2
𝜎2~𝜒𝑛
2Estadístico:
1-𝑛𝑠2
𝜒𝑛−1;1−
𝛼2
2 ,𝑛𝑠2
𝜒𝑛−1;
𝛼2
2
Intervalo:
3(BIS).- INTERVALO DE CONFIANZA PARA 𝝈
1-
𝑛𝑠2
𝜒𝑛−1;1−
𝛼2
2 ,𝑛𝑠2
𝜒𝑛−1;
𝛼2
2
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
4.- INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS CON DESVIACIONES TÍPICAS CONOCIDAS
Partiremos de:
Dos variables aleatorias: 𝑋𝑖~𝑁(𝜇𝑖 , 𝜎𝑖) con 𝜎𝑖 conocida, para 𝑖 = 1,2.
Dos muestras: Muestra de tamaño 𝑛𝑖 de la variable 𝑋𝑖, con media ҧ𝑥𝑖 , para 𝑖 = 1,2.
Un nivel de confianza 𝑝 = 1 − 𝛼.
Estadístico: ത𝑋1 − ത𝑋2~𝑁 𝜇1 − 𝜇2,𝜎12
𝑛1+𝜎22
𝑛2
( ҧ𝑥1− ҧ𝑥2) − 𝑧1−𝛼2∙
𝜎12
𝑛1+𝜎22
𝑛2; ( ҧ𝑥1− ҧ𝑥2) + 𝑧1−𝛼
2∙
𝜎12
𝑛1+𝜎22
𝑛2
Intervalo:
⟹ ( ҧ𝑥1− ҧ𝑥2) ± 𝑧1−𝛼2∙
𝜎12
𝑛1+𝜎22
𝑛2
Si el intervalo de confianza contiene al cero,se concluye que hay similitud entre las mediasde ambas variables.
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
5.- INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS CON DESVIACIONES TÍPICAS DESCONOCIDAS PERO IGUALES
Partiremos de:
Dos variables aleatorias: 𝑋𝑖~𝑁(𝜇𝑖 , 𝜎𝑖, ) para 𝑖 = 1,2, con 𝜎1 = 𝜎2 desconocidas.
Dos muestras: Muestra de tamaño 𝑛𝑖 de la variable 𝑋𝑖, con media ҧ𝑥𝑖 y varianza 𝑠𝑖2, para 𝑖 = 1,2.
Un nivel de confianza 𝑝 = 1 − 𝛼.
Estadístico:ത𝑋1 − ത𝑋2 − (𝜇1 − 𝜇2)
መ𝑆𝑇1𝑛1
+1𝑛2
~ 𝑡𝑛1+𝑛2−2
( ҧ𝑥1− ҧ𝑥2) − 𝑡𝑛1+𝑛2−2;1−𝛼2∙ መ𝑆𝑇 ∙
1
𝑛1+
1
𝑛2; ( ҧ𝑥1− ҧ𝑥2) + 𝑡𝑛1+𝑛2−2;1−
𝛼2∙ መ𝑆𝑇 ∙
1
𝑛1+
1
𝑛2⟹
Intervalo:
⟹ ( ҧ𝑥1− ҧ𝑥2) ± 𝑡𝑛1+𝑛2−2;1−𝛼2∙ መ𝑆𝑇 ∙
1
𝑛1+
1
𝑛2
መ𝑆𝑇 =𝑛1𝑠1
2 + 𝑛2𝑠22
𝑛1 + 𝑛2 − 2
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
6.- INTERVALO DE CONFIANZA PARA LA PROPORCIÓN 𝑷 DE UNA CARACTERÍSTICA EN UNA POBLACIÓN
Partiremos de:
𝑋 variable aleatoria.
Una muestra de 𝑋 de tamaño 𝑛 de la que conocemos la proporción 𝑝0 de la característica.
Un nivel de confianza 𝑝 = 1 − 𝛼.
Estadístico: 𝑃0~𝑁 𝑃,𝑃(1 − 𝑃)
𝑛
INTERVALO DE CONFIANZA PARA 𝑷:
𝑝0 − 𝑧1−𝛼2
𝑝0 1 − 𝑝0𝑛
; 𝑝0 + 𝑧1−𝛼2
𝑝0(1 − 𝑝0)
𝑛⟹ 𝑝0 ± 𝑧1−𝛼
2
𝑝0(1 − 𝑝0)
𝑛
-
Carmen Cortés Parejo
Tema 4: Intervalos de confianza
PROBLEMA: Determinar el tamaño muestral 𝒏 para determinar un intervalo de confianza para la proporción 𝑷 con un error menor que 𝜺 sin conocer la proporción 𝒑𝟎 en una muestra.
Partiremos de:
𝑋 variable aleatoria.
Una muestra de 𝑋 de tamaño 𝑛 de la que conocemos la proporción 𝑝0 de la característica.
Un nivel de confianza 𝑝 = 1 − 𝛼.
𝑝0 ± 𝑧1−𝛼2
𝑝0(1 − 𝑝0)
𝑛
𝐸𝑟𝑟𝑜𝑟
INTERVALO PARA 𝑷:
𝐿𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑓 𝑥 = 𝑥 ∙ 1 − 𝑥 𝑎𝑙𝑐𝑎𝑛𝑧𝑎 𝑠𝑢 𝑚á𝑥𝑖𝑚𝑜 𝑒𝑛 𝑥 =1
2⟹ 𝑓 𝑥0 ≤ 𝑓
1
2𝑝𝑎𝑟𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑥0 ∈ ℝ
⟹ 𝑥0 ∙ (1 − 𝑥0) ≤ 0.5 ∙ 1 − 0.5 ⟹ 𝑥0 ∙ (1 − 𝑥0) ≤ 0.52
𝑬𝒓𝒓𝒐𝒓 = 𝑧1−
𝛼2
𝑝0(1 − 𝑝0)
𝑛≤ 𝑧
1−𝛼2
0.52
𝑛
𝐷𝑒𝑠𝑝𝑒𝑗𝑎𝑚𝑜𝑠 𝑛
≤ 𝜀
𝐿𝑜 𝑖𝑚𝑝𝑜𝑛𝑒𝑚𝑜𝑠