Documente Academic
Documente Profesional
Documente Cultură
Intervalo de confianza
Un intervalo de confianza (o nivel de confianza) es un indicador de la precisin de
una medicin que hiciste. Tambin es un indicador de cun estable es tu valor
estimado, el cual es la medida de lo cerca que estar la medicin hecha con
respecto al valor estimado original si repitieras tu experimento. Sigue los pasos a
continuacin para calcular el intervalo de confianza para tus datos.
PASOS PARA SU DETERMINACIN
1. Escribe el fenmeno que te gustara examinar. Supongamos que
trabajas con la siguiente situacin: el peso promedio de un estudiante de
gnero masculino en la Universidad ABC es de 82 kg (180 lb). Analizars
qu tan precisamente podrs predecir el peso de los estudiantes varones
de la universidad ABC dentro de un intervalo de confianza dado.
2. Selecciona una muestra de tu poblacin escogida. Esta es la que
utilizars en la recoleccin de datos para evaluar tu hiptesis. Supongamos
que seleccionaste, al azar, 1000 estudiantes hombres.
3. Calcula el promedio y la desviacin estndar de tu muestra. Escoge un
dato estadstico de tu muestra (por ejemplo, el promedio o la desviacin
estndar) que quieras usar para estimar el parmetro de tu poblacin
escogida. Un parmetro de poblacin es un valor que representa una
caracterstica particular de la poblacin. As es cmo puedes encontrar el
promedio y la desviacin estndar de tu muestra:
Para calcular el promedio (o media) de los datos de la muestra, solo suma
todos los pesos de los 1000 hombres que seleccionaste y divide el
resultado entre 1000; es decir, el nmero de hombres. Esto debera darte
un valor del peso promedio de 84,4 kg (186 lb).
Para calcular la desviacin estndar de la muestra, tendrs que encontrar el
promedio o la media de los datos. Luego, tendrs que encontrar la varianza
de los datos o el promedio al cuadrado de las diferencias con respecto al
valor medio. Una vez que encuentres este nmero, solo calcula su raz
cuadrada. Supongamos que la desviacin en este caso es de 14 kg (30 lb)
(ten en cuenta que esta informacin algunas veces podra estar disponible
para ti al resolver un problema de estadstica).
Distribucin normal
La distribucin normal es de suma importancia en estadstica por tres razones
principales:
1. Numerosas variables continuas de fenmenos aleatorios tienden a
comportarse probabilisticamente mediante sta.
2. Es el lmite al que convergen tanto variables aleatorias continuas como
discretas.
3. Proporciona la base de la inferencia estadstica clsica debido a su relacin
con el teorema del lmite central.
Propiedades de la distribucin normal
1. Su grafica tiene forma acampanada.
2. El valor esperado, la mediana y la moda tienen el mismo valor cuando la
variable aleatoria se distribuye normalmente.
3. Su dispersin media es igual a 1.33 desviacines estndar. Es decir, el
alcance intercuartil est contenido dentro de un intervalo de dos tercios de
una desviacin estndar por debajo de la media a dos tercios de una
desviacin estndar por encima de la media.
En la prctica, algunas de las variables que observamos slo pueden aproximar
estas propiedades. As que si el fenmeno puede mediarse aproximadamente
mediante la distribucin normal se tendr:
1. Que el polgono puede verse en forma de campana y simtrico.
2. Sus mediciones de tendencia central tienen bastante parecido.
3. El valor intercuartil puede diferir ligeramente de 1.33 desviaciones estndar.
4. El dominio de la variable aleatoria normalmente distribuida generalmente
caer dentro de 3 desviaciones estndar por encima y por debajo de la
media.
Modelo matemtico
donde
es la constante matemtica aproximada por 2.71828
es la constante matemtica aproximada por 3.14159
Parmetros
es cualquier valor de la variable aleatoria continua, donde
As,
Caso 1:
Cuando se mantiene la misma media, pero cambia la varianza.
Ejemplo:
Caso 2:
Cuando se mantiene la misma varianza, pero cambia la media.
Ejemplo: (
Donde t a/2 es el valor t con n = n-1 grados de libertad, que deja un rea de a/2 a
la derecha.
Se hace una distincin entre los casos de s conocida y s desconocida al calcular
las estimaciones del intervalo de confianza. Se debe enfatizar que para el primer
caso se utiliza el teorema del lmite central, mientras que para s desconocida se
hace uso de la distribucin muestra de la variable aleatoria t. Sin embargo, el uso
de la distribucin t se basa en la premisa de que el muestreo se realiza de una
distribucin normal. En tanto que la distribucin tenga forma aproximada de
campana, los intervalos de confianza se pueden calcular cuando la varianza se
desconoce mediante el uso de la distribucin t y se puede esperar buenos
resultados.
Con mucha frecuencia los estadsticos recomiendan que aun cuando la
normalidad no se pueda suponer, con s desconocida y n30, s puede reemplazar
a s y se puede utilizar el intervalo de confianza:
Ejemplo
El contenido de siete contenedores similares de cido sulfrico son 9.8, 10.2, 10.4,
9.8, 10.0, 10.2, y 9.6 litros. Encuentre un intervalo de confianza del 95% para la
media de todos los contenedores si se supone una distribucin aproximadamente
normal.
Solucin: La media muestral y la desviacin estndar para los datos dados son:
=x 10 y s= 0.283
En la tabla se encuentra que t =2.447 con 6 grados de libertad, de aqu, el
intervalo de confianza de 95% para m es:0.025