Problemas de Estimación de Una y

Dos Muestras

UCR – ECCI
CI-0115 Probabilidad y Estadística
Prof. Kryscia Daviana Ramírez Benavides
Inferencia Estadística
 La teoría de la inferencia estadística consiste en aquellos
métodos por los que se realizan inferencias o generalizaciones
acerca de una población.
 La inferencia estadística se puede dividir en dos áreas
principales: estimación y prueba de hipótesis.
 En este capítulo se tratará sobre el área de estimación.

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras 2
Estimación de la Media
Una Muestra
 Si la muestra se selecciona de una población normal o, a falta
de esta, si n es suficientemente grande, se puede establecer un
intervalo de confianza para μ al considerar la distribución
muestral de X.
 La estimación de la media de la población (μ), se hace por
medio del teorema del límite central.
 De acuerdo a este teorema se puede establecer la distribución
muestral de X, que está distribuida de forma aproximadamente
normal con  X   y desviación estándar  X   n .

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras 3
Estimación de la Media
Una Muestra (cont.)
 Al escribir zα/2 para el valor z el cual se tiene un área de α/2 a
la derecha, se puede ver que
P  z 2  Z  z 2   1  
X 
Z
 n
 X  
P  z 2   z 2   1  
  n 

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras 4
Estimación de la Media
Una Muestra (cont.)

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras 5
Estimación de la Media
Una Muestra (cont.)
 Al multiplicar cada término en la desigualdad por  n,
después restar X y multiplicar por -1, se obtiene:
   
P X  z 2    X  z 2   1
 n n

 Se selecciona una muestra aleatoria de tamaño n de una

población cuya varianza σ2 se conoce y se calcula la media de
la muestra para obtener un intervalo de confianza de
(1 – α)100%.

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras 6
Estimación de la Media
Una Muestra (cont.)
 Intervalo de Confianza de μ con σ conocida. Si x es la
media de una muestra aleatoria de tamaño n de una población
con varianza σ2, conocida, un intervalo de confianza de (1 – α)
100% para μ está dado por
 
x  z 2    x  z 2
n n

 Donde zα/2 es el valor z que deja un área de α/2 a la derecha.

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras 7
Estimación de la Media
Una Muestra (cont.)
 Para muestras pequeñas que se seleccionan de poblaciones no
normales, no se puede esperar que el grado de confianza sea
preciso.
 Para muestras de tamaño n ≥ 30, sin importar la forma de la
mayor parte de las poblaciones, la teoría de muestreo garantiza
buenos resultados.

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras 8
Estimación de la Media
Una Muestra (cont.)
 Si μ es realmente el valor central del intervalo, entonces x
estima μ sin error. La mayor parte de las veces, x no será
exactamente igual a μ y la estimación puntual es errónea.
 La magnitud de este error será el valor absoluto de la
diferencia entre μ y x, y se puede tener (1 – α)100% de
confianza de que esta diferencia no excederá z 2  n .

 
x  z 2 x x  z 2
n n
UCR-ECCI CI-0115 Probabilidad y Estadística
Problemas de Estimación de Una y Dos Muestras 9
Estimación de la Media
Una Muestra (cont.)

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras 10
Estimación de la Media
Una Muestra (cont.)
 Teorema. Si se utiliza x como una estimación de μ, se puede
tener una confianza de (1 – α)100% de que el error no
excederá de z 2  n .
 Teorema. Si se utiliza x como una estimación de μ, se puede
tener una confianza de (1 – α)100% de que el error no
excederá una cantidad específica e cuando el tamaño de la
muestra es 2
   
n   z 2  e  z 2
 e n

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras 11
Estimación de la Media
Una Muestra (cont.)
 Con frecuencia no se conoce la varianza de la población, por
lo que para estimar la media de la población se recurre a la
distribución t.
 Al escribir tα/2 para el valor t el cual se tiene un área de α/2
con v grados de libertad, se puede ver que
P  t 2  T  t 2   1  
X 
T
S n
 X  
P  t 2   t 2   1  
 S n 
UCR-ECCI CI-0115 Probabilidad y Estadística
Problemas de Estimación de Una y Dos Muestras 12
Estimación de la Media
Una Muestra (cont.)

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras 13
Estimación de la Media
Una Muestra (cont.)
 Al multiplicar cada término en la desigualdad por S n,
después restar X y multiplicar por -1, se obtiene:
 S S 
P X  t 2    X  t 2   1
 n n

 Se selecciona una muestra aleatoria de tamaño n de una

población cuya varianza no se conoce y se calcula la media y
la desviación estándar de la muestra para obtener un intervalo
de confianza de (1 – α)100%.

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras 14
Estimación de la Media
Una Muestra (cont.)
 Intervalo de Confianza de μ con σ desconocida. Si x y s
son la media y la desviación estándar de una muestra aleatoria
de tamaño n de una población normal con varianza σ2,
desconocida, un intervalo de confianza de (1 – α)100% para μ
está dado por
s s
x  t 2    x  t 2
n n
 Donde tα/2 es el valor t con v = n – 1 grados de libertad, que
deja un área de α/2 a la derecha.

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras 15
Estimación de la Media
Una Muestra (cont.)
 Teorema. Si se utiliza x como una estimación de μ, se puede
tener una confianza de (1 – α)100% de que el error no
excederá de t 2 s n.
 Teorema. Si se utiliza x como una estimación de μ, se puede
tener una confianza de (1 – α)100% de que el error no
excederá una cantidad específica e cuando el tamaño de la
muestra es 2
 s  s
n   t 2  e  t 2
 e n

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras 16
Estimación de la Media
Una Muestra (cont.)
 Los estadísticos recomiendan que aun cuando no se puede
suponer la normalidad, con σ desconocida y n ≥ 30, s puede
remplazar a σ y utilizar el intervalo de confianza
s
x  z 2
n
 Por lo general, este se denomina como un intervalo de
confianza de muestra grande.
 La calidad de este enfoque mejora conforme el tamaño de la
muestra crece más.

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras
Límites de Confianza Unilaterales
 Los intervalos de confianza y los límites de confianza vistos
hasta ahora son en realidad bilaterales (se da tanto el límite
inferior como superior).
 Sin embargo, hay muchas aplicaciones en que sólo se requiere
un límite.
 Si la medida de interés es la resistencia a la tensión, el ingeniero
recibe más información del límite inferior, escenario del peor caso.
 Si para la medida de una variable un valor relativamente grande de µ
no es provechoso o deseable, entonces resultará de interés el límite
superior.

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras
Límites de Confianza Unilaterales (cont.)
 Los límites de confianza unilaterales se desarrollan de la
misma forma que los intervalos bilaterales.
 Si X es la media de una muestra aleatoria de tamaño n a partir
de una población con varianza σ2, los límites de confianza
unilaterales de (1 – α)100% para µ están dados por

límite inferior x  z
n

límite superior x  z
n

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras
Límites de Confianza Unilaterales (cont.)
 Si X es la media de una muestra aleatoria de tamaño n a partir
de una población con varianza desconocida, los límites de
confianza unilaterales de (1 – α)100% para µ están dados por
s
límite inferior x  t
n
s
límite superior x  t
n

UCR-ECCI CI-0115 Probabilidad y Estadística

Problemas de Estimación de Una y Dos Muestras