Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
10.3 INFERENCIAS DE MUESTRA PEQUEÑA RESPECTO A UNA MEDIA POBLACIONAL ❍ 391 La curva azul es la distribución t. Con 8 grados de libertad, claramente se puede ver una diferencia en las curvas t y z, en especial en los valores críticos que cortan un área de .025 en las colas. Cuando aumentan los grados de libertad, la diferencia en las formas de t y z se hace muy similar, al igual que sus valores críticos, hasta que en df � 100 casi no hay diferencia. Esto ayuda a explicar por qué usamos n � 30 como línea divisoria un tanto arbitraria entre muestras grandes y pequeñas. Cuando n � 30 (df � 29), los valores críticos de t son bastante cercanos a sus similares normales. Más que producir una tabla t con fi las para muchos más grados de libertad, los valores críticos de z son sufi cientes cuando el tamaño muestral llega a n � 30. Suposiciones tras la distribución t de Student Los valores críticos de t permiten hacer inferencias confiables sólo si el experimentador sigue todas las reglas; esto es, su muestra debe satisfacer estos requisitos especificados por la distribución t: • La muestra debe ser seleccionada al azar. • La población de la que haga muestreo debe estar normalmente distribuida. Estos requisitos pueden parecer bastante restrictivos. ¿Cómo puede posiblemente saberse la forma de la distribución de probabilidad para toda la población si sólo se tiene una muestra? Pero, si éste fuera un problema serio, el estadístico t podría usarse en sólo situa- ciones muy limitadas. Por fortuna, la forma de la distribución t no es afectada en mucho mientras la población muestreada tenga una distribución aproximadamente en forma de montículo. Los estadísticos dicen que el estadístico t es robusto, lo cual significa que la distribución de la estadística no cambia de manera significativa cuando se viola la supo- sición de normalidad. ¿Cómo se puede saber si la muestra es de una población normal? Aun cuando hay procedimientos estadísticos diseñados para este fin, la forma más fácil y rápida de veri- ficar la normalidad es usar las técnicas gráficas del capítulo 2: Trazar una gráfica de puntos o construir una gráfica de tallo y hoja. Mientras esta gráfica tienda a “hacerse montículo” en el centro, se puede estar razonablemente seguro al usar la estadística t para hacer inferencias. El requisito de muestreo aleatorio, por otra parte, es bastante crítico si se desea pro- ducir inferencias confiables. Si la muestra no es aleatoria, o si no se comporta al menos como muestra aleatoria, entonces los resultados de su muestra pueden ser afectados por algún factor desconocido y las conclusiones pueden ser incorrectas. Cuando diseñe un experimento o lea acerca de experimentos realizados por otros investigadores, vea de manera crítica la forma en que los datos han sido recolectados. INFERENCIAS DE MUESTRA PEQUEÑA RESPECTO A UNA MEDIA POBLACIONAL Al igual que con una inferencia de muestra grande, una inferencia de muestra pequeña puede comprender ya sea estimación o prueba de hipótesis, dependiendo de la pre- ferencia del experimentador. En capítulos previos explicamos los aspectos básicos de estos dos tipos de inferencia y los usamos de nuevo ahora con una estadística muestral diferente, t � ( x� � m)/(s/ � __ n ), y una distribución de muestreo diferente, la t de Student, con (n � 1) grados de libertad. Suposiciones para t de una muestra: • Muestra aleatoria • Distribución normal CONSEJOMIMI 10.3 Probabilidad_Mendenhall_10.indd 391Probabilidad_Mendenhall_10.indd 391 5/14/10 8:51:09 AM5/14/10 8:51:09 AM www.FreeLibros.me 392 ❍ CAPÍTULO 10 INFERENCIA A PARTIR DE MUESTRAS PEQUEÑAS PRUEBA DE HIPÓTESIS DE MUESTRA PEQUEÑA PARA m 1. Hipótesis nula: H0 : m � m0 2. Hipótesis alternativa: Prueba de una cola Prueba de dos colas Ha : m � m0 Ha : m � m0 (o, Ha : m � m0) 3. Estadístico de prueba: t � x� � m0 ______ s/ � __ n 4. Región de rechazo: rechazar H0 cuando Prueba de una cola Prueba de dos colas t � ta t � ta/2 o t � �ta/2 (o t � � ta cuando la hipótesis alternativa es Ha : m � m0) o cuando el valor p � a 0 α/2α/2 α/2 –t α/2 t0 αt α Los valores críticos de t, ta y ta/2 están basados en (n � 1) grados de libertad. Estos valo- res tabulados se pueden hallar usando la tabla 4 del apéndice I o el applet Student’s t Probabilities. Suposición: La muestra se selecciona al azar de una población normalmente dis- tribuida. INTERVALO DE CONFIANZA DE MUESTRA PEQUEÑA (1 � a)100% PARA m x� ta/2 s ___ � __ n donde s/ � __ n es el error estándar estimado de x�, a veces conocido como error están- dar de la media. Un nuevo proceso para producir diamantes sintéticos puede ser operado a un nivel renta- ble sólo si el peso promedio de éstos es mayor a .5 quilates. Para evaluar la rentabilidad del proceso, se generan seis diamantes que registran pesos de .46, .61, .52, .48, .57 y .54 quilates. ¿Estas seis mediciones presentan suficiente evidencia para indicar que el peso promedio de los diamantes producidos por el proceso es más de .5 quilates? Solución La población de pesos de diamantes producidos por este nuevo proceso tiene media m, y se puede empezar la prueba formal de hipótesis en pasos, como se hizo en el capítulo 9: E J E M P L O 10.3 Probabilidad_Mendenhall_10.indd 392Probabilidad_Mendenhall_10.indd 392 5/14/10 8:51:09 AM5/14/10 8:51:09 AM www.FreeLibros.me 10.3 INFERENCIAS DE MUESTRA PEQUEÑA RESPECTO A UNA MEDIA POBLACIONAL ❍ 393 Hipótesis nula y alternativa: H0: m � .5 contra Ha: m � .5 Estadístico de prueba: Usted puede usar su calculadora para verificar que la media y desviación estándar para los pesos de los seis diamantes son .53 y .0559, respectiva- mente. El estadístico de prueba es un estadístico t, calculado como t � x� � m0 ______ s/ � __ n � .53 � .5 _________ .0559/ � __ 6 � 1.32 Al igual que con las pruebas de muestra grande, el estadístico de prueba da evidencia para rechazar o aceptar H0 dependiendo de qué tan lejos se encuentra del centro de la distribución t. Región de rechazo: Si se escoge un nivel de significancia de 5% (a � .05), la región de rechazo de cola derecha se encuentra usando los valores críticos de t de la tabla 4 del apéndice I. Con df � n � 1 � 5, se puede rechazar H0 si t � t.05 � 2.015, como se ve en la figura 10.6. Conclusión: Como el valor calculado del estadístico de prueba, 1.32, no cae en la región de rechazo, no se puede rechazar H0. Los datos no presentan suficiente evidencia para indicar que el peso medio de los diamantes exceda de .5 quilates. 1 –2 3 4 5 Al igual que en el capítulo 9, la conclusión para aceptar H0 requeriría el difícil cálculo de b, la probabilidad de un error tipo II. Para evitar este problema, escogemos no recha- zar H0. Podemos entonces calcular el límite inferior para m usando un límite inferior de confianza de un lado y muestra pequeña. Este límite es similar al límite de confianza de un lado y muestra grande, excepto que la za crítica es sustituida por una ta crítica de la tabla 4. Para este ejemplo, un límite inferior de confianza de un lado para m es: x� � ta s ___ � __ n .53 � 2.015 .0559 _____ � __ 6 .53 � .046 El límite inferior de 95% para m es m � .484. El rango de posibles valores incluye pesos medios de diamantes tanto menores como mayores a .5; esto confi rma el fracaso de nuestra prueba para demostrar que m excede de .5. Un intervalo de confi anza de 95% nos dice que, si fuéramos a construir muchos de estos intervalos (todos los cuales tendrían puntos extremos ligeramente diferentes), 95% de ellos rodearían a la media poblacional. CONSEJOMIMI f(t) 0 t2.015 .05 Rechazar H0 1.32 FIGURA 10.6 Región de rechazo para el ejemplo 10.3 ● Probabilidad_Mendenhall_10.indd 393Probabilidad_Mendenhall_10.indd 393 5/14/10 8:51:09 AM5/14/10 8:51:09 AM www.FreeLibros.me 10 INFERENCIA A PARTIR DE MUESTRAS PEQUEÑAS10.2 Distribución t de Student Suposiciones tras la distribución t de Student 10.3 Inferencias de muestra pequeña respecto a una media poblacional
Compartir