Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
FIGURA 8.11 Valores estándar normales para un intervalo de confi anza de 99% ● f(z) 0 z2.58–2.58 = .005 .99 .005 α /2 Área de cola derecha Valor z .05 1.645 .025 1.96 .01 2.33 .005 2.58 CONSEJOMIMI Solución Para cambiar el nivel de confianza a .99 se debe hallar el valor apropiado de la z normal estándar que pone el área (1 � a) � .99 en el centro de la curva. Este valor, con área de cola a/2 � .005 a su derecha, se encuentra de la tabla 8.2 como z � 2.58 (véase la figura 8.11). El intervalo de confianza de 99% es entonces _ x � 2.58� s ___ �__ n � 756 � 2.58(4.95) 756 � 12.77 o sea, 743.23 a 768.77 gramos por día. Este intervalo de confianza es más ancho que el intervalo de confianza de 95% del ejemplo 8.6. El ancho aumentado es necesario para aumentar la confi anza, igual que como se desearía un anillo más ancho en su lazo para asegurarse de lazar el poste de una cerca. La única forma de aumentar la confi anza sin aumentar el ancho del intervalo es aumentar el tamaño muestral, n. El error estándar de _ x , SE � s___ � __ n mide la variabilidad o dispersión de los valores de _ x . Cuanto más variables sean los datos poblacionales, medidos por s, más variable será _ x y el error estándar será más grande. Por otra parte, si se aumenta el tamaño muestral n, habrá más información para estimar m. Las estimaciones deben caer más cerca de m y el error estándar será más pequeño. Se puede usar el applet Exploring Confidence Intervals (Exploración de intervalos de confianza), que se muestra en la figura 8.12, para ver el efecto de cambiar el tamaño muestral n, la desviación estándar s y el coeficiente de confianza 1 � a en el ancho del intervalo de confianza. Los intervalos de confianza de los ejemplos 8.6 y 8.7 son aproximados porque se sus- tituyó s como una aproximación para s. Esto es, en lugar de que el coeficiente de con- fianza sea .95, el valor especificado en el ejemplo, el verdadero valor del coeficiente puede ser .92, .94 o .97. Pero esta discrepancia es de poco interés desde un punto de vista práctico; en lo que se refiere a la “confianza” del usuario, hay poca diferencia entre estos coeficientes de confianza. Casi todos los estimadores que se emplean en estadística dan intervalos aproximados de confianza, porque las suposiciones sobre las que están basadas no se satisfacen exactamente. Habiendo visto este punto, no continuaremos refi- riéndonos a intervalos de confianza como “aproximados”. Es de poco interés práctico mientras el coeficiente real de confianza sea cercano al valor especificado. 8.5 ESTIMACIÓN DE INTERVALO ❍ 313 Probabilidad_Mendenhall_08.indd 313Probabilidad_Mendenhall_08.indd 313 5/14/10 8:19:35 AM5/14/10 8:19:35 AM www.FreeLibros.me 314 ❍ CAPÍTULO 8 ESTIMACIÓN DE MUESTRAS GRANDES FIGURA 8.12 Applet Exploring Confi dence Intervals ● Intervalo de confi anza de muestra grande para una proporción poblacional p Muchos experimentos de investigación o estudios muestrales tienen como objetivo la estimación de la proporción de personas u objetos de un grupo grande, que posean cierta característica. Veamos algunos ejemplos: • La proporción de ventas que se puede esperar en un gran número de contactos de clientes • La proporción de semillas que germinan • La proporción de votantes “probables” que planean votar para un candidato polí- tico particular Cada uno es un ejemplo práctico del experimento binomial y el parámetro a estimarse es la proporción binomial p. Cuando el tamaño muestral es grande, la proporción muestral, p̂ � x __ n � Número total de éxitos _____________________ Número total de intentos es el mejor estimador puntual para la proporción poblacional p. Como su distribución muestral es aproximadamente normal, con media p y error estándar SE � � ____ pq/n , p̂ puede usarse para construir un intervalo de confianza de acuerdo al método general dado en esta sección. UN INTERVALO DE CONFIANZA DE MUESTRA GRANDE (1 � a)100% PARA UNA PROPORCIÓN POBLACIONAL p p̂ � za/2 � ___ pq ___ n donde za/2 es el valor z correspondiente a un área de a/2 en la cola derecha de una distribución normal z. Como p y q son incógnitas, se estiman con el uso de los me- Probabilidad_Mendenhall_08.indd 314Probabilidad_Mendenhall_08.indd 314 5/14/10 8:19:35 AM5/14/10 8:19:35 AM www.FreeLibros.me E J E M P L O 8.8 jores estimadores puntuales: p̂ y q̂. El tamaño muestral se considera grande cuando la aproximación normal a la distribución binomio es adecuada, es decir, cuando np̂ 5 y nq̂ 5. Una muestra aleatoria de 985 “probables” electores, o sea los que probablemente voten en la próxima elección, fueron encuestados durante un maratón telefónico realizado por el Partido Republicano. De ellos, 592 indicaron que tenían la intención de votar por la candidata republicana. Construya un intervalo de confi anza de 90% para p, la proporción de electores probables de la población que tienen la intención de votar por la candidata republicana. Con base en esta información, ¿se puede concluir que la candidata ganará la elección? Solución La estimación puntual para p es p̂ � n x � 5 9 9 8 2 5 � .601 y el error estándar es � ___ p̂q̂ ___ n � � ___________ (.601)(.399) __________ 985 � .016 El valor z para un intervalo de confianza de 90% es el valor que tiene área de a/2 � .05 en la cola superior de la distribución z, o z.05 � 1.645 de la tabla 8.2. El intervalo de confianza del 90% para p es entonces p̂ � 1.645 � ___ p̂q̂ ___ n .601 � .026 o sea .575 < p < .627. Se estima que el porcentaje de probables electores que tienen intención de votar por la candidata republicana es entre 57.5% y 62.7%. ¿La candidata ganará la elección? Suponiendo que ella necesita más del 50% de los votos para ganar, y como los límites superior e inferior de confi anza exceden de este valor mínimo, se puede decir con 90% de confi anza que la candidata ganará. Hay algunos problemas, no obstante, con este tipo de encuesta muestral. ¿Qué pasa si los electores que se consideran a sí mismos “probables para votar” en realidad no van a las casillas? ¿Qué pasa si un elector cambia de idea entre ahora y el día de la elección? ¿Qué pasa si un elector entrevistado no responde fielmente cuando el trabajador de la campaña le hace preguntas? El intervalo de confianza de 90% que ha construido le da 90% de confianza sólo si ha seleccionado una muestra aleatoria de entre la población de interés. Ya no se puede estar seguro de “90% de confianza” si su muestra es sesgada, o si la población de respuestas de votantes cambia antes del día de la elección. Es posible que usted haya observado que el estimador puntual con su 95% de margen de error se ve muy semejante a un intervalo de confianza de 95% para el mismo paráme- tro. Esta cercana relación existe para casi todos los parámetros estimados en este libro, pero no es verdadera en general. A veces el mejor estimador puntual para un parámetro no cae en la mitad del mejor intervalo de confianza; el mejor intervalo de confianza puede no ser siquiera una función del mejor estimador puntual. Aun cuando ésta es una distinción teórica, debe recordarse que hay una diferencia entre estimación puntual y estimación de intervalo, y que la elección entre las dos depende de la preferencia del experimentador. 8.5 ESTIMACIÓN DE INTERVALO ❍ 315 Probabilidad_Mendenhall_08.indd 315Probabilidad_Mendenhall_08.indd 315 5/14/10 8:19:35 AM5/14/10 8:19:35 AM www.FreeLibros.me 8 ESTIMACIÓN DE MUESTRAS GRANDES 8.5 Estimación de intervalo Intervalo de confianza de muestra grande para una proporción poblacional p
Compartir