Intervalos de Confianza
Intervalos de Confianza
Intervalos de Confianza
Intervalos de Confianza
Rocío San Pedro - Mayo 2020
Este es una presentación en desarrollo y se agradece que cualquier error o sugerencia sea
enviada a [email protected]
Bibliografía 1. Conceptos Básicos
Capítulo 7 - Levin y Rubin
Obligatoria 2. Intervalos de Confianza
Capítulo 7 - “Estadística Capítulo 7 - Levin y Rubin
para Adm. y Economía” 2.4 Estimación p 𝞂^2
de Levin y Rubin Capítulo 2 - Capriglioni
tomo II
(7.3 a 7.8)
Capítulo 2 - “Intervalos
de Confianza” de
Capriglioni Tomo II
1. Conceptos Básicos
¿Qué es la Estimación por Intervalos?
Una estimación de intervalo describe un rango de valores dentro del cual es más probable
que esté un parámetro de la población.
⇒ Una afirmación acerca del intervalo dentro del cual es probable que esté la media
de la población desconocida.
Error estándar
de la media p/
población
infinita
Error estándar
Supongamos ya se estimó la desviación estándar
de la población de baterías y se informó que es 10 meses.
Ahora, podemos informar al director que nuestra estimación de la vida útil de las
baterías de la compañía es 36 meses y que el error estándar que acompaña a esta
estimación es 0.707. En otras palabras, la vida útil real para todas las baterías puede
estar en alguna parte de la estimación de intervalo comprendida entre 35.293 y
36.707 meses.
Error estándar
“El promedio real de la vida util puede estar en alguna parte de la estimación de
intervalo comprendida entre :”
Necesitamos calcular la posibilidad de que a duración real de las baterías esté en este
intervalo o en otros intervalos de diferentes anchos que podamos escoger,
y así sucesivamente
Intervalos con respecto a la media
Si expresamos un intervalo con respecto a los errores estándar (o
desvíos estándar)... ¡La probabilidad no depende de los parámetros de la
distribución normal!
P de que el verdadero parámetro poblacional
caiga dentro del intervalo
La probabilidad es 0.955 de que la media de una muestra de 200 baterías esté dentro
de 2 errores estándar de la media de la población.
μ−2σ μ+2σ
Ejercicio
Estandarizando las variables, vamos a encontrar que:
Z1
F(-2)=0,0228 F(2)=0,9775
Z2
0,9545
-2 2
Ejercicio
Estandarizando las variables, vamos a encontrar que:
Z1
F(-2)=0,0228 F(2)=0,9775
Z2
0,9545
-2 2
2. Intervalos de confianza
Intervalo de Confianza
Intervalo de confianza: Método de estimación que consiste en determinar un
conjunto (cerrado y acotado) de posibles valores del parámetro.
Intervalo de Confianza
Por ejemplo P(8,5≤ μ ≤12,1) = 0,95
Nivel de Confianza
Intervalo de Confianza
Nivel de confianza (1-α): Probabilidad de que la estimación de intervalo incluya al verdadero
valor del parámetro de población. Una probabilidad más alta implica una mayor confianza.
(Geralmente 90;95;99)
8,5 μ 12,1
Límites: x ± |zα/2 |. σx
1-α = 0,95
2,5 2,5
8,5 μ 12,1
x - zα/2 . σx x + z1-α/2 . σx
Relación entre Intervalo y Nivel de Confianza
Mientras mayor Nivel de Confianza mejor? No necesariamente… o mejor dicho,
depende
0,95
de toneladas
0,99
8 10 13 μ 14 18 20
Esta afirmación no significa que se tiene 0.95 de probabilidad de que la cantida de soja
exportada de todas las temporadas caiga dentro del intervalo establecido para esta
muestra. Indica que si seleccionamos muchas m.a. del mismo tamaño y calculamos un
intervalo de confianza para cada una de esas muestras, entonces en alrededor del 95% de
los casos la media de la población caerá dentro de dicho intervalo.
2.1 Estimación de μ a partir de
muestras grandes
Conocemos la Desviación Poblacional?
SI
P⦏ x ± |zα/2|.(𝛔/√n) ≤ μ⦎ = (1-α)
α/2 1-(α/2)
1-α
zα/2 z1-ɑ/2
Conocemos la Desviación Poblacional?
NO
zα/2 z1-ɑ/2
Conocemos la Desviación Poblacional?
SI NO
zα/2 z1-ɑ/2
El Universo es finito? (Conocido)
Agregamos factor de Corrector por Desviación Poblacional conocida
finitud al Error Muestral
𝛔=√npq/n →
α/2 1-(α/2)
1-α
𝞹
2.3 Distribución t de student
- muestras pequeñas -
Condiciones para usar t de student
● n < 30
● 𝞂 desconocida
Suponganse que se encuestaron dos personas (n=2), y cada una dijo su edad (xi). Se calculó
el promedio y dió 18 años (X=18)
Grados de Libertad ¿Qué son?
Podemos definirlos como el número de valores que podemos escoger libremente… okay
puede que siga sin entenderse . Vamos a poner un ejemlo:
Suponganse que se encuestaron dos personas (n=2), y cada una dijo su edad (xi). Se calculó
el promedio y dió 18 años (X=18)
→ 10+x2 = 36 → x2 = 26
Somos libres de especificar sólo uno de los elementos, porque el otro estará determinado
por el hecho de que los dos elementos suman el doble de la media de la muestra. En un
lenguaje estadístico decimos que “tenemos 1 grado de libertad”.
Grados de Libertad ¿Qué son?
Podemos definirlos como el número de valores que podemos escoger libremente.
GL: n -1
Por ejemplo, si utilizamos una muestra de 20 para estimar una media de población,
usaremos 19 grados de libertad para elegir la distribución t apropiada
Intervalo de Confianza p/ μ con n<30
Si el universo no fuera
α/2 1-(α/2) ~tgl:n-1 conocido y finito, el IC es
el mismo pero SIN el
corrector por finitud (en
1-α rojo)
tα/2 μ t1-α/2
Resumen de I.C. p/ cada caso
Muestras chicas
𝛔
desconocida
Muestras grandes
P/ estimar μ
𝛔 conocida
P/ estimar 𝝿
Ejercicio
Se ha obtenido una muestra de 35 alumnos de una
Facultad para estimar la calificación media de los
expedientes de los alumnos en la Facultad con un nivel
de riesgo del 5%. Se sabe por otros cursos que la
desviación típica de las puntuaciones en dicha
Facultad es de 2.01 puntos.
La media de la muestra fue de 4.9
Analicemos la consigna
Datos Se quiere estimar la media con un nivel
de riesgo del 5%
𝛔 = 2.01
ɑ = 0,05 ( 1 - ɑ ) = 0,95
n = 35
_
x = 4,9
Analicemos la consigna
Datos Se quiere estimar la media con un nivel
de riesgo del 5%
𝛔 = 2.01
ɑ = 0,05 ( 1 - ɑ ) = 0,95
n = 35
_ 𝛔 conocida
x = 4,9
Analicemos la consigna
Datos Se quiere estimar la media con un nivel
de riesgo del 5%
𝛔 = 2.01
ɑ = 0,05 ( 1 - ɑ ) = 0,95
n = 35
_ 𝛔 conocida
x = 4,9
n > 30
N desconocido
Analicemos la consigna
Se quiere estimar la media
ɑ = 0,05 ( 1 - ɑ ) = 0,95
n = 35
_
x = 4,9
α/2 1-(α/2)
1-α
zα/2 z1-ɑ/2
α/2 1-(α/2)
1-α
zα/2 z1-ɑ/2
α/2 1-(α/2) 0,025 0,975
1-α 0,95
zα/2 z1-ɑ/2
zα/2 z1-ɑ/2
α/2 1-(α/2) 0,025 0,975
1-α 0,95
zα/2 z1-ɑ/2
-1,96 1,96
Respuesta
Rta:
s = 1,98
Analicemos la consigna
Datos Se quiere estimar la media con un nivel
de riesgo del 5%
n = 35
_ ɑ = 0,05 ( 1 - ɑ ) = 0,95
x = 4,9
s = 1,98 𝛔 desconocida
Analicemos la consigna
Datos Se quiere estimar la media con un nivel
de riesgo del 5%
n = 35
_ ɑ = 0,05 ( 1 - ɑ ) = 0,95
x = 4,9
s = 1,98 𝛔 desconocida
n>30
N desconocido
Analicemos la consigna
Se quiere estimar la media
ɑ = 0,05 ( 1 - ɑ ) = 0,95
n = 35
_
x = 4,9 y s=1,98
α/2 1-(α/2)
1-α
zα/2 z1-ɑ/2
α/2 1-(α/2) 0,025 0,975
1-α 0,95
1-α 0,95
1-(ɑ/2)
1-ɑ
a b
Resumen de I.C. p/ cada caso
Muestras chicas
𝛔
desconocida
Muestras grandes
P/ estimar μ
𝛔 conocida
P/ estimar 𝝿
P/ estimar 𝞂
Ejercicio
Una muestra de 26 personas seleccionadas al azar de
una población de un barrio, tiene una media salarial de
1800 euros y una varianza de 10.000 euros. Estime la
varianza salarial en el barrio a un nivel confianza del
90%.
Se quiere estimar la 𝞂
Datos: Se quiere estimar la Varianza Poblacional con un
nivel de confianza del 90%.
n = 26
(1-ɑ) = 0,90 ⇨ ɑ = 0,1
s2 = $10.000
ɑ/2
1-(ɑ/2)
1-ɑ
a b
ɑ/2
1-(ɑ/2)
b a
1-ɑ
a b
0,05
0,95
b a
0,9
14,61 37,65
0,5
0,95
0,9
14,61 37,65
Error de muestreo e
Es la máxima diferencia entre el estimador y el parámetro que podría haber.
0,005 0,995
0,99
-2,58 2,58
e ≤ 10g con (1-ɑ) = 0,99
0,005 0,995
0,99 Rta:
Se necesitan como mínimo 85 cajas para estimar el peso
medio con un error de muestreo no supere los 10g y una
-2,58 2,58 confianza de 99%.