Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1ESTADÍSTICA BÁSICA 2ESTADÍSTICA BÁSICA 7. Inferencia con muestras grandes 3ESTADÍSTICA BÁSICA Tema 7: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 4ESTADÍSTICA BÁSICA Sea X una v. aleatoria de interés con distribución cualquiera y con En el tema anterior vimos que si n es grande (n>30) 1 0 Z 1. Intervalos de confianza para μ con muestras grandes 5ESTADÍSTICA BÁSICA -4 -3 -2 -1 0 1 2 3 4 0 1- a1- a a /2 a /2 Z ~ N(0,1) -za/2 za/2 6ESTADÍSTICA BÁSICA -4 -3 -2 -1 0 1 2 3 4 0 1- a1- a a /2 a /2 Z ~ N(0,1) -za/2 za/2 Si tomásemos infinitas muestras, y con cada una calculásemos el intervalo / 2x z n a s Entonces, el 100(1-a)% de esos intervalos tendría el valor de m 7ESTADÍSTICA BÁSICA 2. Intervalos de confianza para μ con muestras grandes m x muestra 1 1x muestra 2 2x muestra 3 3x muestra 4 4x muestra 5 5x muestra 6 6x muestra 7 7x muestra 8 8x Si tomásemos infinitas muestras, y con cada una calculásemos el intervalo / 2x z n a s Entonces, el 100(1-a)% de esos intervalos tendría el valor de m 8ESTADÍSTICA BÁSICA -4 -3 -2 -1 0 1 2 3 4 0 1- a1- a a /2 a /2 Z ~ N(0,1) -za/2 za/2 En la práctica: Sólo una muestra Sólo un intervalo El intervalo sí o no contendrá a m A la incertidumbre de si lo contendrá le llamaremos confianza 9ESTADÍSTICA BÁSICA intervalo de confianza de nivel de confianza 100 × (1 − 𝛼)% para μ / 2(1 ) :IC x z n a s a m Margen de error 𝐋 = 𝐳𝜶/𝟐 𝝈 𝒏 Amplitud o ancho del intervalo: 𝟐 × 𝑳 Dado un nivel de confianza, a mayor margen de error (o amplitud del intervalo) mayor es la incertidumbre que tenemos sobre el verdadero valor de la media. Puesto que la desviación típica de la población no la podremos disminuir, lo único que podremos hacer para reducir la incertidumbre sobre 𝜇 es aumentar el tamaño muestral. 10ESTADÍSTICA BÁSICA intervalo de confianza de nivel de confianza 100×(1-α)% para μ Ejemplo Una muestra aleatoria extraída de una población con σ²=100 de n=144 observaciones tiene una media muestral =160. se pide: (a) Calcular un intervalo de confianza del 95% para μ. (b) Calcular un intervalo de confianza del 90% para μ. (b) (a) Mayor confianza=más anchos 90% 95% X / 2(1 ) :IC x z n a s a m 11ESTADÍSTICA BÁSICA Cuestiones ¿Verdadero, falso o incierto? • El intervalo de confianza nos dice entre qué valores variará μ de unas muestras a otras • Es imposible que μ esté fuera del intervalo de confianza • El intervalo de confianza que hemos visto sólo es válido si X es normal • El intervalo de confianza que hemos visto sólo es válido si es normalX • Lo mejor será construir intervalos de confianza del 100%, así no tendremos incertidumbre • El intervalo de confianza me dice entre qué valores estará la media poblacional con una confianza determinada • Si tengo pocos datos, el intervalo de confianza puede no ser válido / 2(1 ) :IC x z n a s a m 12ESTADÍSTICA BÁSICA / 2(1 ) :IC x z n a s a m Es también un parámetro, y será desconocido Lo sustituimos por un estimador / 2 ˆ (1 ) :IC x z n a s a m ¿Qué estimador usamos para σ²? 13ESTADÍSTICA BÁSICA ¿Qué estimador usamos para σ² ? Método de los momentos: varianza muestral Se puede demostrar que es SESGADO subestima la verdadera varianza 14ESTADÍSTICA BÁSICA ¿Qué estimador usamos para σ² ? es SESGADO Corregimos el sesgo Nuestro estimador ‘oficial’ será el estimador insesgado • Cuasivarianza • Pseudo varianza • Varianza corregida • Varianza corregida por grados de libertad 15ESTADÍSTICA BÁSICA intervalo de confianza de nivel de confianza 100×(1-α)% para μ Ejemplo Se mide la duración de 200 componentes electrónicos hasta su avería. De esos 200 datos se tiene que la media muestral es 1300 horas y la cuasivarianza es 10.000 (horas al cuadrado). Calcula un intervalo de confianza de μ de nivel de confianza 95% 2 0.025 1300 ˆ 10.000 200 0.05 1.96 X S n z a 10000 1300 1.96 200 m [1286;1314]m / 2 ˆ (1 ) : s IC x z n aa m Más intervalos de confianza: ver apuntes!! 16ESTADÍSTICA BÁSICA Tema 7: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 17ESTADÍSTICA BÁSICA 2. Determinación del tamaño muestral intervalo de confianza de nivel de confianza 100×(1-α)% para μ Acabamos de ver que... ¿Cuál debe ser n para conseguir un margen de error L determinado? Lo estimo con alguna muestra piloto / 2(1 ) :IC x z n a s a m x Lm 𝐿=Margen de error 2 × 𝐿=amplitud o ancho del intervalo 18ESTADÍSTICA BÁSICA Ejemplo Sea X el contenido de impurezas en un material obtenido en cierto proceso productivo (miligramos de impureza por kilogramo de producto obtenido). Se toma una muestra aleatoria de 200 observaciones obteniéndose una media muestral del consumo de 120 mg/Kg y una desviación típica muestral 20 mg/Kg. 0 120 ˆ 20 200 X S n Estimar mediante un intervalo de un 95% de confianza el contenido medio de impurezas. ¿Qué tamaño muestral sería necesario tomar para que el margen de error sea L=1 mg con un 95% de confianza? 19ESTADÍSTICA BÁSICA Tema 7: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 20ESTADÍSTICA BÁSICA 3. Introducción al contraste de hipótesis Veamos la idea de contraste de hipótesis con un ejemplo Ejemplo Un fabricante de transistores del tipo BC547B sabe que cuando su producción se mantiene en los niveles de calidad deseables, el valor de la llamada ganancia en corriente de los transistores (conocida por β, adimensional) sigue una distribución normal de media 290 y varianza 760. Son en realidad estimaciones con muchísimos datos históricos. A efectos prácticos, los consideramos como si fuesen los poblacionales β 2 290 760 m s 290m 760s ¿Cómo puedo saber si se mantiene el proceso en los mismos parámetros? ¿Se mantiene la media? ¿Ha aumentado la variabilidad? 21ESTADÍSTICA BÁSICA Ejemplo β 2 290 760 m s 290m 760s ¿Cómo puedo saber si se mantiene el proceso en los mismos parámetros? ¿Se mantiene la media? ¿Ha aumentado la variabilidad? Son hipótesis que quiero comprobar ¿Cómo lo puedo hacer? • Tomo una muestra de observaciones • A la vista de los datos decido si mantengo o no la hipótesis (el objetivo no es estimar sino validar) Si 290x parece muy probable que la media SI haya cambiado Si 290x parece muy probable que la media NO haya cambiado A la vista de los datos, tomo la decisión que sea más plausible (nunca estaré seguro al 100%) ¿Cómo me puede ayudar la estadística? 22ESTADÍSTICA BÁSICA Ejemplo β 2 290 760 m s 290m 760s X3 ... XnX1 X2 2ˆ,X S Objetivo: Validar una hipótesis con los datos Contraste de hipótesis Las hipótesis serán restricciones sobre los parámetros ¿Se mantiene la media? 290m ó 290m ¿Ha aumentado la variabilidad? 2 760s 2 760só Hipótesis nula H0 Hipótesis alternativa H1 • Entre H0 y H1 está todo el rango de valores posibles • H0 debe tener siempre el signo = • Se aceptaráH0 salvo que haya mucha evidencia en contra alternativa bilateral alternativa unilateral Veamos el método estadístico: 23ESTADÍSTICA BÁSICA Ejemplo β 2 290 760 m s 290m 760s X3 ... XnX1 X2 2ˆ,X S 290m 290m 2 760s 2 760s H0 H1 Rechazamos H0 sólo si hay mucha evidencia en contra. Es decir, si los datos hacen lo que dice H1 de forma muy evidente Resultado del contraste: Acepto o rechazo H0 24ESTADÍSTICA BÁSICA Ejemplo β 2 290 760 m s 290m 760s X3 ... XnX1 X2 2ˆ,X S 290m 290m 2 760s 2 760s H0 H1 El resultado del contraste se suele resumir en un número llamado p-valor (luego veremos cómo se calcula a partir de los datos) El p-valor es un número entre 0 y 1 de manera que cuanto mayor sea, más evidencia hay a favor de H₀ Como vamos a aceptar H₀ salvo que los datos muestren mucha evidencia en contra, aceptaremos H₀ salvo que el p-valor sea muy pequeño. Generalmente se rechaza H₀ sólo si p-valor<0.05 25ESTADÍSTICA BÁSICA Ejemplo β 2 290 760 m s 290m 760s X3 ... XnX1 X2 2ˆ,X S 290m 290m 2 760s 2 760s H0 H1 Con 100 datos (Statgraphics): El p-valor es muy pequeño. Por tanto, la media muestral está demasiado alejada de 290. La distancia no se puede explicar por el azar del muestreo. “Rechazamos Ho con p-valor=0.006” Los datos “apuestan” por H1 26ESTADÍSTICA BÁSICA Tema 7: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 27ESTADÍSTICA BÁSICA 4. Contraste de hipótesis de la media μ Para contrastar una hipótesis sobre la media μ seguimos los siguientes pasos: Especificamos la hipótesis nula y la alternativa. Queremos contrastar alguna de estas hipótesis, donde μ0 es un valor concreto 0 0 1 0 : : H H m m m m 0 0 1 0 : : H H m m m m 0 0 1 0 : : H H m m m m PASO 1: En el ejemplo de los transistores. Se desea saber si la población de transistores del proceso productivo mantiene la media en μ0 =290 290m 290m H0 H1 Ejemplo 28ESTADÍSTICA BÁSICA PASO 2: Hallamos una medida de la discrepancia entre los datos y H0 Si la discrepancia es grande: se rechaza H0 Esa medida se denomina estadístico de contraste Sabemos que, para muestras grandes Estadístico de contraste ¿Cómo se busca el estadístico de contraste, que resuma la información relevante para un contraste? Usando las propiedades de los estimadores, e introduciendo la información de H0 29ESTADÍSTICA BÁSICA Para valorar el estadístico de contraste, buscamos una distribución de referencia que nos diga si es un valor grande o pequeño PASO 3: La distribución de referencia es la del estadístico de contraste cuando μ=μ0 N(0,1) En el ejemplo de los transistores. Se desea saber si la población de transistores del proceso productivo mantiene la media en μ0 =290 290m 290m H0 H1 Con 100 observaciones: Resume en un número la información para decidir entre H0 y H1 Ejemplo 30ESTADÍSTICA BÁSICA 0 Rechazamos H0 si los datos hacen lo que dice H1 de forma muy evidente. PASO 4: Localizamos en qué zonas de la distribución de referencia rechazaremos H0. Caso (a) 0 1: 290; : 290H Hm m PASO 1: 0 290 ˆ / X T S n PASO 2: T0~N(0,1) PASO 3: Rechazamos H0 si N(0,1) 0 290 0 ˆ / x t s n 0 290 0 ˆ / x t s n Si H0 es falsa tenderemos a estar por esta zona Si H0 es falsa tenderemos a estar por esta zona 290x 290x 31ESTADÍSTICA BÁSICA T0~N(0,1) 0 0 1: 290; : 290H Hm m 0 290 ˆ / X T S n Rechazamos H0 si los datos hacen lo que dice H1 de forma muy evidente. PASO 4: Localizamos en qué zonas de la distribución de referencia rechazaremos H0 Caso (b) PASO 1: PASO 2: PASO 3: Rechazamos H0 si N(0,1) Si H0 es falsa tenderemos a estar por esta zona 0 290 0 ˆ / x t s n 290x 32ESTADÍSTICA BÁSICA 0 Rechazamos H0 si los datos hacen lo que dice H1 de forma muy evidente. PASO 4: Localizamos en qué zonas de la distribución de referencia rechazaremos H0 T0~N(0,1)0 1: 290; : 290H Hm m 0 290 ˆ / X T S n Caso (c) PASO 1: PASO 2: PASO 3: Rechazamos H0 si N(0,1)Si H0 es falsa tenderemos a estar por esta zona 290x 0 290 0 ˆ / x t s n 33ESTADÍSTICA BÁSICA 0 0 1 0: ; :H Hm m m m 0 0 1 0: ; :H Hm m m m 0 0 1 0: ; :H Hm m m m PASO 1: PASO 2: PASO 3: N(0,1) (a) Rechazo H0 Rechazo H0 Acepto H0 (a) (b) Rechazo H0 Acepto H0 (b) (c) Rechazo H0 Acepto H0 (c) PASO 4: La región de rechazo está donde señala H1 34ESTADÍSTICA BÁSICA Metodología general para hacer un contraste de hipótesis Especificamos la hipótesis nula y la alternativa. PASO 1: Estadístico de contrastePASO 2: PASO 3: Distribución de referencia PASO 4: Localizamos las zonas donde estará la región de rechazo Rechazo H0 Acepto H0 ¿Qué área ocupa la región de rechazo? ? • La región de rechazo ocupa un área pequeña • Ese área se llama α=nivel de significación • Su valor lo decide el analista • Suele ser α=0.05, 0.10, 0.01 Valor crítico 35ESTADÍSTICA BÁSICA Rechazo H0 Rechazo H0 Acepto H0 0 1 1 2 3-1-2-3 Nivel de significación, α=0.05 α/2=0.025 α/2=0.025 -2.78Rechazamos H0 1.96-1.96 Valores críticos En el ejemplo de los transistores. Se desea saber si la población de transistores del proceso productivo mantiene la media en μ0 =290 290m 290m H0 H1 Con 100 observaciones: T0~N(0,1) Ejemplo 36ESTADÍSTICA BÁSICA En el ejemplo de los transistores. Se desea saber si la población de transistores del proceso productivo mantiene la media en μ0 =290 290m 290m H0 H1 Con 100 observaciones: T0~N(0,1) Nivel de significación, α=0.05 La diferencia entre la media de la muestra (282.3) y la de la hipótesis (290) es significativa (al 5%) Concluimos, con un nivel de significación del 5%, que la media poblacional ha cambiado Ejemplo 37ESTADÍSTICA BÁSICA Cuestiones ¿Verdadero, falso o incierto? • Mediante un contraste de hipótesis buscamos el respaldo de los datos a alguna suposición sobre la población • Si rechazo la hipótesis de que μ=100 con a=0.05, la conclusión es que es imposible que μ=100 • Quiero contrastar la hipótesis de que μ=100 con a=0.05. Con unos datos obtengo y el contraste me lleva a Aceptar H0. Entonces quiere decir que con un nivel de significación de 0.05 μ=104.3 104.3x • Quiero contrastar la hipótesis de que μ=100 con a=0.05. Con unos datos obtengo y el contraste me lleva a Aceptar H0. Entonces quiere decir que con un nivel de significación de 0.05 104.3x 100x • Si tomamos pocos datos, el contraste puede ser erróneo • Un analista puede aceptar una hipótesis nula con a=0.05, pero rechazarla con a=0.01 38ESTADÍSTICA BÁSICA Dos opciones Estatura media inferior Estatura media no inferior 177m 177m Especificamos la hipótesis nula y la alternativa. PASO 1: 0 1 : 177 : 177 H H m m Según los estudios antropométricos, los jóvenes españoles entre 18 y 25 años tienen una estatura media de μ0 =177 cm. Se toman las alturas de 50 jóvenes madrileños en ese rango de edad y resulta 175.9x cm ˆ 5.93s cm ¿Hay evidencia suficiente para decir que los jóvenes madrileños tiene una estatura media inferior a la nacional? Ejemplo 39ESTADÍSTICA BÁSICA Estadístico de contrastePASO 2: PASO 3: Distribución de referencia N(0,1) La diferencia entre la media muestral (175.9) y la hipótesis nula no es significativa (al 5%) La diferencia observada se atribuye, con un nivel de significatividad del 5%, a la variabilidad de la muestra y no a diferencias reales Según los estudios antropométricos, los jóvenes españoles entre 18 y 25 años tienen una estatura media de μ0 =177 cm. Se toman las alturas de 50 jóvenes madrileños en ese rango de edad y resulta¿Hay evidencia suficiente para decir que los jóvenes madrileños tiene una estatura media inferior a la nacional? 0 1 : 177 : 177 H H m m Ejemplo PASO 4: Localizamos las zonas donde estará la región de rechazo Rechazo H0 Acepto H0 α=0.05 0 1 2 3-1-2-3 Valor crítico=-1.65 -1.31 175.9x cm ˆ 5.93s cm 40ESTADÍSTICA BÁSICA Acepto H0 Rechazo H0 (Rechazo H1) (Acepto H1) (H1 cierta) H0 cierta H0 falsa (H1 falsa) La verdad (que nunca sabré con sólo n datos)El resultado del contraste (sólo n datos) ACIERTO!! ACIERTO!! ERROR TIPO I ERROR TIPO II Lo cometo con probabilidad a Lo cometo con probabilidad que depende de cada caso Cuando demos la conclusión de un contraste debemos dar siempre el nivel de significación, para dar una medida de su precisión 41ESTADÍSTICA BÁSICA Tema 7: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 42ESTADÍSTICA BÁSICA 5. Interpretación de un contraste usando el p-valor El resultado de un contraste tiene dos elementos: 1. Aceptamos o rechazamos H0 2. El nivel de significación Conclusión del contraste Medida de su incertidumbrea El nivel de significación es una medida de incertidumbre poco precisa Ejemplo 0 0 1 0: ; :H Hm m m m 0.05aHacemos el contraste con En ambos casos la conclusión sería la misma: Rechazamos con a=0.05 Sin embargo en el caso 2 estamos más seguros ¿Cómo expresarlo? Caso 1 Rechazo H0 Acepto H0 0.05a -1.65 t0=-1.7 Rechazamos H0 Rechazo H0 Acepto H0 0.05a -1.65 t0=-3 Rechazamos H0 Caso 2 43ESTADÍSTICA BÁSICA p-valor= 0.045 Vamos a ver otra forma mejor de medir la incertidumbre del resultado del contraste Caso 1 0.05a Rechazo H0 Acepto H0 t0=-1.7 Rechazamos H0 El p-valor es el nivel de significación que deberíamos usar para dejar al valor del estadístico de contraste justo en la frontera de la región de rechazo Rechazamos H0Como p-valor<a El p-valor es más informativo que el nivel de significación 44ESTADÍSTICA BÁSICA Caso 2 Rechazo H0 Acepto H0 0.05a El p-valor es el nivel de significación que deberíamos usar para dejar al valor del estadístico de contraste justo en la frontera de la región de rechazo p-valor= 0.0013 En este Caso 2 el p-valor es realmente pequeño. Estamos mucho más seguros de nuestra conclusión Rechazamos H0Como p-valor<<a t0=-3 Rechazamos H0 45ESTADÍSTICA BÁSICA 0 0 1 0: ; :H H t0 ap-valor>a Aceptamos H0 Rechazamos H0 p-valor<a t0 46ESTADÍSTICA BÁSICA 0 0 1 0: ; :H H p-valor>a t0 Aceptamos H0 Rechazamos H0 a p-valor<a t0 47ESTADÍSTICA BÁSICA 0 0 1 0: ; :H H / 2a p-valor>a / 2a -|t0| |t0| p-valor: es la suma de las dos áreas p-valor>a -|t0| |t0| 48ESTADÍSTICA BÁSICA Tema 7: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 49ESTADÍSTICA BÁSICA 6. Relación entre contrastes de hipótesis e intervalos de confianza Intervalos de confianza para la media y contrastes usan la misma información ˆ / X T S n m Rechazo H0 0 0 ~ (0,1)ˆ / X T N S n m Rechazo H0 Acepto H0 t0 0 0 1 0: ; :H Hm m m m / 2a / 2a N(0,1) Se puede demostrar que la realización de un contraste de hipótesis bilateral con nivel de significación a es equivalente a realizar un intervalo de confianza de nivel (1-a) y comprobar si μ0 está dentro o fuera de dicho intervalo. 0 0 1 0: ; :H Hm m m m 50ESTADÍSTICA BÁSICA Rechazo H0 Rechazo H0 Acepto H0 0 1 2 3-1-2-3 α/2=0.025 1.96-1.96-2.78 Contraste de hipótesis Rechazamos H0:μ=290 α/2=0.025 Intervalo de confianza de nivel (1-a) No contiene al 290 En el ejemplo de los transistores. Se desea saber si la población de transistores del proceso productivo mantiene la media en μ0 =290 290m 290m H0 H1 Con 100 observaciones: Ejemplo 51ESTADÍSTICA BÁSICA Tema 7: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 52ESTADÍSTICA BÁSICA 7. Inferencia sobre una proporción Estimación Queremos estimar la proporción de individuos p en una población que tendrá cierto atributo En una muestra de n individuos: el estimador es la proporción muestral Sea Xi una variable de Bernoulli para el elemento i-ésimo de la muestra Xi =1 si el elemento sí tiene el atributo Xi =0 si el elemento no tiene el atributo ( ) ( ) (1 ) i i E X p Var X p p Por el Teorema Central del Límite, si n es grande 53ESTADÍSTICA BÁSICA Intervalo de confianza Al ser una media muestral asintóticamente normal, se pueden usar los mismos resultados ya vistos para la media muestral ( )E X m 2( ) /Var X n ( ) (0,1) ( ) X E X N Var X / 2 ( )X z Var Xam 54ESTADÍSTICA BÁSICA Intervalo de confianza Al ser una media muestral asintóticamente normal, se pueden usar los mismos resultados ya vistos para la media muestral Ejemplo Con el objeto de determinar la proporción de personas que poseen coche en una provincia determinada se realizó un muestreo aleatorio simple, de tal forma que de los 100 encuestados, 30 de ellos tienen coche. Calcula un intervalo de confianza del 95% para la proporción de personas con coche en la provincia 55ESTADÍSTICA BÁSICA Tamaño muestral ¿Cuanto debe vale n para tener un L determinado? Estimación previa con una muestra piloto Ejemplo Con el objeto de determinar la proporción de personas que poseen coche en una provincia determinada se realizó un muestreo aleatorio simple, de tal forma que de los 100 encuestados, 30 de ellos tienen coche. Calcula n para que en un intervalo del 95%, se tenga L=0.02 56ESTADÍSTICA BÁSICA Tamaño muestral Otra opción para calcular n es usar el valor de p(1-p) más desfavorable. Tendremos un valor de n sobredimensionado, pero que garantiza un intervalo de (1-a) p p(1-p) 0.5 0.25 En el ejemplo anterior con L=0.02 57ESTADÍSTICA BÁSICA Contraste de hipótesis 0 0 1 0: ; :H p p H p p 0 0 1 0: ; :H p p H p p 0 0 1 0: ; :H p p H p p PASO 1: PASO 2: PASO 3: N(0,1) (a) Rechazo H0 Rechazo H0 Acepto H0 (a) (b) Rechazo H0 Acepto H0 (b) (c) Rechazo H0 Acepto H0 (c) PASO 4: La región de rechazo está donde señala H1 0 0 0 0 ˆ / p p Z p q n 58ESTADÍSTICA BÁSICA Ejemplo Un proceso productivo que fabrica semiconductores produce un 2% de artículos defectuosos cuando funciona adecuadamente. Se adquiere una nueva máquina basada en una tecnología más avanzada. Después de producir 200 artículos se encuentra que 2 son defectuosos. ¿Se puede afirmar que la nueva máquina ha mejorado la calidad de la producción? Dos opciones La nueva máquina SI mejora el proceso La nueva máquina NO mejora el proceso p<0.02 p≥0.02 Rechazo H0 Acepto H0 -1.65 -1.01 No podemos rechazar, con un nivel de significación del 5%, que el proceso siga igual. La diferencia observada no es significativa.
Compartir