Sunteți pe pagina 1din 32
ESTIMACIÓN

ESTIMACIÓN

ESTIMACIÓN
ESTIMACIÓN
ESTIMACIÓN
ESTIMACIÓN
ESTIMACIÓN
ESTIMACIÓN
ESTIMACIÓN

Introducción

Todo el mundo hace estimaciones. Cuando está por cruzar una calle, hace una

estimación de la velocidad del automóvil que se acerca, de la distancia que hay entre usted y el auto y de su propia velocidad. Habiendo hecho

rápidamente todas estas estimaciones, usted decide si espera, camina o

corre.

Universidades

Industrias textiles

todas estas estimaciones, usted decide si espera, camina o  corre. Universidades  Industrias textiles …
todas estas estimaciones, usted decide si espera, camina o  corre. Universidades  Industrias textiles …
todas estas estimaciones, usted decide si espera, camina o  corre. Universidades  Industrias textiles …
todas estas estimaciones, usted decide si espera, camina o  corre. Universidades  Industrias textiles …
todas estas estimaciones, usted decide si espera, camina o  corre. Universidades  Industrias textiles …
todas estas estimaciones, usted decide si espera, camina o  corre. Universidades  Industrias textiles …

Tipos de estimaciones

Podemos hacer dos tipos de estimaciones concernientes a una población:

Una estimación puntual es un solo número que se utiliza para estimar un parámetro de

población desconocido.

El jefe de departamento de una universidad estaría haciendo una estimación puntual si

afirmara: Nuestros datos actuales indican que en esta materia tendremos 350 estudiantes el siguiente semestre.

tendremos 350 estudiantes el siguiente semestre . ” una estimación puntual es mucho más útil si

una estimación puntual es mucho más útil si viene acompañada por una estimación del error que podría estar implicado.

Una estimación de intervalo es un rango de valores que se utiliza para estimar un parámetro de la población. "tendremos entre 330 y 380 estudiantes el siguiente semestre”

Una estimación de este tipo indica el error de dos maneras: por la extensión del intervalo y por la probabilidad de que el verdadero parámetro poblacional se encuentre dentro del intervalo.

Estimador y estimaciones

Un estimador es un estadístico de la muestra utilizado para estimar un

parámetro poblacional. La media de la muestra

la media de la población µ. Al igual que la proporción, rango y la mediana.

µ . Al igual que la proporción, rango y la mediana. puede ser un estimador de

puede ser un estimador de

una estimación es un valor específico observado de un estadístico.

Suponga que calculamos la lectura media de un odómetro (kilometraje) a

partir de una muestra de taxis en servicio y encontramos que es 156,000

kilómetros. Si utilizamos este valor específico para estimar el kilometraje de la flotilla de taxis completa, el valor obtenido de 156,000 kilómetros sería

una estimación.

estimar el kilometraje de la flotilla de taxis completa, el valor obtenido de 156,000 kilómetros sería
estimar el kilometraje de la flotilla de taxis completa, el valor obtenido de 156,000 kilómetros sería
estimar el kilometraje de la flotilla de taxis completa, el valor obtenido de 156,000 kilómetros sería
estimar el kilometraje de la flotilla de taxis completa, el valor obtenido de 156,000 kilómetros sería
estimar el kilometraje de la flotilla de taxis completa, el valor obtenido de 156,000 kilómetros sería

Estimador y estimaciones

Estimador y estimaciones
Estimador y estimaciones
Estimador y estimaciones
Estimador y estimaciones
Criterios para seleccionar un buen estimador 1. Insesgado . se refiere al hecho de que
Criterios para seleccionar un buen estimador 1. Insesgado . se refiere al hecho de que
Criterios para seleccionar un buen estimador 1. Insesgado . se refiere al hecho de que
Criterios para seleccionar un buen estimador 1. Insesgado . se refiere al hecho de que

Criterios para seleccionar un buen estimador

1. Insesgado. se refiere al hecho de que la media de la muestra es un estimador no sesgado de la media de la población porque la media de la distribución muestral de las medias de las muestras es igual a la media de la población.

2. Eficiencia . se refiere al tamaño del error estándar del estadístico.

3. Consistencia . Una estadística es un estimador consistente de un parámetro de población si al aumentar el tamaño de la muestra, se tiene casi la certeza de que el valor de la estadística se aproxima bastante al valor del parámetro poblacional.

4. Suficiencia . Un estimador es suficiente si utiliza tanta información de la muestra que ningún otro estimador puede extraer información adicional

acerca del parámetro de población que se está estimando.

Estimaciones puntuales  La media de la muestra es el mejor estimador de la media
Estimaciones puntuales  La media de la muestra es el mejor estimador de la media
Estimaciones puntuales  La media de la muestra es el mejor estimador de la media
Estimaciones puntuales  La media de la muestra es el mejor estimador de la media

Estimaciones puntuales

La media de la muestra es el mejor estimador de la media de la población

µ . Es insesgada , consistente , el estimador más eficiente y, siempre y cuando la muestra sea suficientemente grande, su distribución muestral puede ser

aproximada por medio de la distribución normal.

puede ser aproximada por medio de la distribución normal.  Si conocemos la distribución muestral de

Si conocemos la distribución muestral de , podemos obtener conclusiones

respecto a cualquier estimación que podamos hacer a partir de la información

estimación que podamos hacer a partir de la información muestral.  Así, al usar la media

muestral.

Así, al usar la media de la muestra,

muestral.  Así, al usar la media de la muestra, como estimador, la estimación puntual de

como estimador, la estimación puntual

de la media de la población, es un numero real.

al usar la media de la muestra, como estimador, la estimación puntual de la media de
Estimación puntual de la varianza y la desviación estándar de la población  El estimador
Estimación puntual de la varianza y la desviación estándar de la población  El estimador
Estimación puntual de la varianza y la desviación estándar de la población  El estimador

Estimación puntual de la varianza y la desviación estándar de la población

El estimador más utilizado para estimar la desviación estándar de la población

σ, es la desviación estándar de la muestra, s.

más utilizado para estimar la desviación estándar de la población σ , es la desviación estándar
más utilizado para estimar la desviación estándar de la población σ , es la desviación estándar
más utilizado para estimar la desviación estándar de la población σ , es la desviación estándar
más utilizado para estimar la desviación estándar de la población σ , es la desviación estándar
más utilizado para estimar la desviación estándar de la población σ , es la desviación estándar

Estimación puntual de la proporción de la población

La proporción de unidades de una población dada que tiene una característica particular se denota por p. Si conocemos la proporción de unidades de una muestra que tiene la misma característica (denotada por pˆ), podemos

utilizar esta como estimador de p.

p ˆ tiene todas las características deseables analizadas; es insesgado, consistente, eficiente y suficiente.

p.  p ˆ tiene todas las características deseables analizadas; es insesgado, consistente, eficiente y suficiente.
p.  p ˆ tiene todas las características deseables analizadas; es insesgado, consistente, eficiente y suficiente.
p.  p ˆ tiene todas las características deseables analizadas; es insesgado, consistente, eficiente y suficiente.
p.  p ˆ tiene todas las características deseables analizadas; es insesgado, consistente, eficiente y suficiente.
Estimaciones de intervalo: conceptos básicos  Una estimación de intervalo describe un rango de valores
Estimaciones de intervalo: conceptos básicos  Una estimación de intervalo describe un rango de valores
Estimaciones de intervalo: conceptos básicos  Una estimación de intervalo describe un rango de valores
Estimaciones de intervalo: conceptos básicos  Una estimación de intervalo describe un rango de valores

Estimaciones de intervalo:

conceptos básicos

Una estimación de intervalo describe un rango de valores dentro del cual es

posible que esté un parámetro de la población.

cual es posible que esté un parámetro de la población.  Si utilizamos la estimación puntual

Si utilizamos la estimación puntual de la media de la muestra como estimador de la media de la población , informaríamos un solo dato numérico, Pero nos piden una conclusión acerca de la incertidumbre que acompañará a

esta estimación; es decir, una afirmación acerca del intervalo dentro del cual

es probable que esté la media de la población desconocida. Para proporcionar

tal afirmación, necesitamos encontrar el error estándar de la media. Y el

rango seria la media mas y menos el erros estándar.

el error estándar de la media. Y el rango seria la media mas y menos el

Ó

el error estándar de la media. Y el rango seria la media mas y menos el

Para poblaciones finitas

Probabilidad de que el verdadero parámetro poblacional caiga dentro de la estimación del intervalo 
Probabilidad de que el verdadero parámetro poblacional caiga dentro de la estimación del intervalo 
Probabilidad de que el verdadero parámetro poblacional caiga dentro de la estimación del intervalo 
Probabilidad de que el verdadero parámetro poblacional caiga dentro de la estimación del intervalo 

Probabilidad de que el verdadero parámetro

poblacional caiga dentro de la estimación del

intervalo

el 95.5% de todas las medias muéstrales está dentro de ±2 errores estándar de

µ y, en consecuencia, la µ está dentro de ± 2 errores estándar del 95.5% de todas las medias muéstrales.

De manera parecida, la probabilidad de que la media de la muestra esté

así

dentro de

sucesivamente.

1 error estándar de

la media de la población es 0.683,

y

que la media de la muestra esté así dentro de sucesivamente. 1 error estándar de la
Probabilidad de que el verdadero parámetro poblacional caiga dentro de la estimación del intervalo
Probabilidad de que el verdadero parámetro poblacional caiga dentro de la estimación del intervalo
Probabilidad de que el verdadero parámetro poblacional caiga dentro de la estimación del intervalo

Probabilidad de que el verdadero parámetro

poblacional caiga dentro de la estimación del

intervalo

Probabilidad de que el verdadero parámetro poblacional caiga dentro de la estimación del intervalo
Probabilidad de que el verdadero parámetro poblacional caiga dentro de la estimación del intervalo
Probabilidad de que el verdadero parámetro poblacional caiga dentro de la estimación del intervalo

Estimaciones de intervalo e intervalos de confianza

Al utilizar estimaciones de intervalo no nos estamos limitando a 1, 2 y 3

errores estándar. De acuerdo con la tabla 1 del apéndice, 1.64 errores estándar, por ejemplo, incluyen aproximadamente el 90% del área bajo la

curva y así, 0.4495 del área a ambos lados de la media en una distribución

normal. De manera parecida, 2.58 errores estándar incluyen alrededor de 99%

del área o el 49.51% a cada lado de la media.

En estadística, la probabilidad que asociamos con una estimación de

intervalo se conoce como nivel de confianza.

En la estimación, los niveles de confianza que se utilizan con más frecuencia

son 90, 95 y 99%, pero somos libres de aplicar cualquier nivel de confianza.

El intervalo de confianza es el rango de la estimación que estamos

haciendo.

Así, expresaremos los intervalos de confianza de esta forma:

es el rango de la estimación que estamos haciendo.  Así, expresaremos los intervalos de confianza
es el rango de la estimación que estamos haciendo.  Así, expresaremos los intervalos de confianza
es el rango de la estimación que estamos haciendo.  Así, expresaremos los intervalos de confianza
es el rango de la estimación que estamos haciendo.  Así, expresaremos los intervalos de confianza
es el rango de la estimación que estamos haciendo.  Así, expresaremos los intervalos de confianza

Relación entre nivel de confianza e intervalo de confianza

Podría pensarse que deberíamos utilizar un alto nivel de confianza, como 99%,

en todos los problemas sobre estimaciones.

En la práctica, sin embargo, altos niveles de confianza producen intervalos de

confianza grandes, y éstos de hecho, dan estimaciones bastante imprecisas.

Si informamos que tenemos el 90% de confianza de que la media de la

población de ingresos de las personas que viven en una cierta comunidad está

entre $8,000 y $24,000, entonces el rango $8,000-$24,000 es nuestro

intervalo de confianza.

en una cierta comunidad está entre $8,000 y $24,000, entonces el rango $8,000-$24,000 es nuestro intervalo
en una cierta comunidad está entre $8,000 y $24,000, entonces el rango $8,000-$24,000 es nuestro intervalo
en una cierta comunidad está entre $8,000 y $24,000, entonces el rango $8,000-$24,000 es nuestro intervalo
en una cierta comunidad está entre $8,000 y $24,000, entonces el rango $8,000-$24,000 es nuestro intervalo
Uso de muestreo y estimación de intervalos de confianza  Intervalo de confianza y el
Uso de muestreo y estimación de intervalos de confianza  Intervalo de confianza y el
Uso de muestreo y estimación de intervalos de confianza  Intervalo de confianza y el
Uso de muestreo y estimación de intervalos de confianza  Intervalo de confianza y el

Uso de muestreo y estimación de intervalos de confianza

Intervalo de confianza y el nivel de confianza: “Tenemos el 95% de confianza

de que la vida media de las baterías de la población se encuentra entre 30 y 42 meses.

Esta afirmación no significa que se tiene 0.95 de probabilidad de que la vida media de todas las baterías caiga dentro del intervalo establecido para esta

muestra.

Más bien, indica que si seleccionamos muchas muestras aleatorias 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.

Cálculo de estimaciones de intervalo de la media a partir de muestras grandes  Un
Cálculo de estimaciones de intervalo de la media a partir de muestras grandes  Un
Cálculo de estimaciones de intervalo de la media a partir de muestras grandes  Un
Cálculo de estimaciones de intervalo de la media a partir de muestras grandes  Un

Cálculo de estimaciones de intervalo de la media a partir de muestras grandes

Un mayorista de refacciones automotrices necesita una estimación de la vida media que puede esperar de los limpiadores de parabrisas en condiciones normales de manejo. La administración de la empresa ya ha determinado que la

desviación estándar de la vida útil de la población es 6 meses. Suponga que

seleccionamos una sola muestra aleatoria de 100 limpiadores, tomamos los datos referentes a su vida útil y obtenemos los siguientes resultados:

a su vida útil y obtenemos los siguientes resultados:  Como el distribuidor utiliza decenas de

Como el distribuidor utiliza decenas de miles de limpiadores al año, nos pide que

encontremos una estimación de intervalo con un nivel de confianza del 95%.

estimación de intervalo con un nivel de confianza del 95%.  El tamaño de la muestra

El tamaño de la muestra es mayor que 30 , de modo que el teorema central del límite nos permite usar la distribución normal como distribución de muestreo, aun cuando nuestra población no tenga distribución

normal.

Cuando no se conoce la desviación estándar de la población

El departamento está interesado en estimar el ingreso medio anual de 700

familias que viven en una sección de cuatro manzanas de una comunidad. Tomamos una muestra aleatoria simple y encontramos los siguientes

resultados:

aleatoria simple y encontramos los siguientes resultados:  El departamento nos pide que calculemos una

El departamento nos pide que calculemos una estimación de intervalo del

ingreso anual medio de las 700 familias, de modo que pueda tener el 90% de

confianza de que la media de la población se encuentra dentro de ese intervalo.

de modo que pueda tener el 90% de confianza de que la media de la población
de modo que pueda tener el 90% de confianza de que la media de la población
de modo que pueda tener el 90% de confianza de que la media de la población
de modo que pueda tener el 90% de confianza de que la media de la población
Cuando no se conoce la desviación estándar de la población  Como tenemos un tamaño
Cuando no se conoce la desviación estándar de la población  Como tenemos un tamaño
Cuando no se conoce la desviación estándar de la población  Como tenemos un tamaño
Cuando no se conoce la desviación estándar de la población  Como tenemos un tamaño

Cuando no se conoce la desviación estándar de la población

Cuando no se conoce la desviación estándar de la población  Como tenemos un tamaño de

Como tenemos un tamaño de población finito y nuestra muestra constituye

más del 5% de la población, utilizaremos la fórmula para derivar el error

estándar de la media de poblaciones finitas:

más del 5% de la población, utilizaremos la fórmula para derivar el error estándar de la
más del 5% de la población, utilizaremos la fórmula para derivar el error estándar de la
Cálculo de estimaciones de intervalo de la proporción a partir de muestras grandes  Teóricamente,
Cálculo de estimaciones de intervalo de la proporción a partir de muestras grandes  Teóricamente,

Cálculo de estimaciones de intervalo de la proporción a partir de muestras grandes

Teóricamente, la distribución binomial es la distribución correcta a utilizar en

la construcción de intervalos de confianza para estimar una proporción de población.

conforme aumenta el tamaño de la muestra, la distribución binomial puede aproximarse por una distribución normal apropiada, que podemos utilizar

para aproximar la distribución muestral.

Los estadísticos recomiendan que en la estimación, n sea lo suficientemente grande para que tanto np como nq sean al menos 5 cuando se utiliza la distribución normal como sustituto de la binomial.

Cálculo de estimaciones de intervalo de la proporción a partir de muestras grandes  Expresemos
Cálculo de estimaciones de intervalo de la proporción a partir de muestras grandes  Expresemos

Cálculo de estimaciones de intervalo de la proporción a partir de muestras grandes

Expresemos en símbolos la proporción de éxitos en una muestra con (se lee

p gorro).

µ=np muestra que la media de la distribución binomial es igual al producto

del número de ensayos, n, por la probabilidad de obtener un éxito, p.

Para cambiar este número de éxitos a la proporción de éxitos, dividimos np entre n y obtenemos sólo el valor de p. La media, que se encuentra al lado izquierdo de la ecuación se convierte en µpˆ , es decir, en la media de la distribución de muestreo de la proporción de éxitos.

ecuación se convierte en µ p ˆ , es decir, en la media de la distribución
Cálculo de estimaciones de intervalo de la proporción a partir de muestras grandes  De

Cálculo de estimaciones de intervalo de la proporción a partir de muestras grandes

De forma parecida podemos modificar la fórmula para la desviación estándar

de la distribución binomial, de éxitos.

estándar de la distribución binomial, de éxitos. , que mide la desviación estándar del número 

, que mide la desviación estándar del número

de éxitos. , que mide la desviación estándar del número  Para cambiar el número de

Para cambiar el número de éxitos a la proporción de éxitos, dividimos , entre n y obtenemos:

del número  Para cambiar el número de éxitos a la proporción de éxitos, dividimos ,
del número  Para cambiar el número de éxitos a la proporción de éxitos, dividimos ,
del número  Para cambiar el número de éxitos a la proporción de éxitos, dividimos ,

Cálculo de estimaciones de intervalo de la proporción a partir de muestras grandes

Podemos ilustrar cómo utilizar estas fórmulas si, para una organización muy

grande, hacemos la estimación de qué proporción de sus empleados prefieren planificar su propios beneficios de retiro en lugar de seguir un plan patrocinado

por la compañía. Primero, tomamos una pequeña muestra aleatoria de 75

empleados y encontramos que el 0.4 de ellos están interesados en seguir sus

propios planes de retiro. Nuestros resultados son:

sus propios planes de retiro. Nuestros resultados son:  A continuación, la administración solicita que

A continuación, la administración solicita que utilicemos esta muestra para encontrar un intervalo en el que puedan tener el 99% de confianza de que

contiene a la proporción verdadera de la población.

un intervalo en el que puedan tener el 99% de confianza de que contiene a la
Estimaciones de intervalos con la distribución t  Los primeros trabajos teóricos sobre la distribución
Estimaciones de intervalos con la distribución t  Los primeros trabajos teóricos sobre la distribución
Estimaciones de intervalos con la distribución t  Los primeros trabajos teóricos sobre la distribución
Estimaciones de intervalos con la distribución t  Los primeros trabajos teóricos sobre la distribución

Estimaciones de intervalos con la distribución t

Los primeros trabajos teóricos sobre la distribución t fueron realizados por W.

S. Gosset, a principios del siglo XX. Gosset era empleado de la Cervecería Guinness en Dublín, Irlanda; la empresa no permitía que los empleados

publicaran sus hallazgos de investigación con su propio nombre. De modo que

Gosset adoptó el seudónimo de Student para publicar. En consecuencia, la distribución t se conoce como distribución t de Student o simplemente

distribución de Student.

Debido a que se usa cuando el tamaño de la muestra es 30 o menos, los

especialistas en estadística, suelen asociar la distribución t con estadísticas

de muestras pequeñas.

Además la desviación estándar de la población debe ser desconocida . y, al utilizar la distribución t, suponemos que la población es normal o aproximadamente normal.

Características de la distribución t  En general, la distribución t es más plana que
Características de la distribución t  En general, la distribución t es más plana que
Características de la distribución t  En general, la distribución t es más plana que
Características de la distribución t  En general, la distribución t es más plana que

Características de la distribución t

En general, la distribución t es más plana que la distribución normal y hay una

distribución t diferente para cada tamaño posible de muestra.

Aún así, conforme el tamaño de muestra se hace más grande, la forma de la

distribución t deja de ser plana y se aproxima más a la distribución normal.

los anchos de intervalo de una distribución de Student son mayores que los

basados en la distribución normal. (para poder incluir la misma área bajo la curva)

de Student son mayores que los basados en la distribución normal. (para poder incluir la misma

Grados de libertad

Existe una distribución t diferente para cada tamaño de muestra. En un

lenguaje estadístico apropiado, diríamos: “existe una distribución t distinta para cada uno de los grados de libertad posibles.

¿Qué son los grados de libertad? Podemos definirlos como el número de valores que podemos escoger libremente.

Utilizaremos los grados de libertad cuando elijamos una distribución t para estimar una media de población, y utilizaremos n-1 grados de libertad, cuando n es igual al tamaño de la muestra.

t para estimar una media de población, y utilizaremos n-1 grados de libertad, cuando n es
t para estimar una media de población, y utilizaremos n-1 grados de libertad, cuando n es
t para estimar una media de población, y utilizaremos n-1 grados de libertad, cuando n es
t para estimar una media de población, y utilizaremos n-1 grados de libertad, cuando n es
Uso de la tabla de distribución t  La tabla t es más compacta y
Uso de la tabla de distribución t  La tabla t es más compacta y
Uso de la tabla de distribución t  La tabla t es más compacta y
Uso de la tabla de distribución t  La tabla t es más compacta y

Uso de la tabla de distribución t

La tabla t es más compacta y muestra áreas y valores de t sólo para algunos

porcentajes (10, 5, 2 y 1%). Debido a que hay una distribución t diferente para cada número de grados de libertad, una tabla más completa sería

bastante grande.

La tabla t no se concentra en la probabilidad de que el parámetro de

población que se está estimando se encuentre dentro del intervalo de

confianza. En lugar de ello, mide la probabilidad de que el parámetro de

población que estamos estimando no esté dentro de nuestro intervalo de

confianza (es decir, la probabilidad de que esté fuera).

Uso de la tabla de distribución t

Si estamos haciendo una estimación a un nivel de confianza del 90%,

buscaríamos en la tabla t en la columna de 0.10 (100% - 90% = 10%). Esta

probabilidad de 0.10 del error se representa con el símbolo α, la letra griega

alfa. Encontraríamos los valores t apropiados para intervalos de confianza del

95, 98 y 99% en las columnas α con títulos 0.05, 0.02 y 0.01, respectivamente.

A demás al utilizar la tabla t debemos especificar los grados de libertad

que se manejan .

Suponga que hacemos una estimación a un nivel de confianza del 90% con una muestra de tamaño 14.

Del mismo modo que el valor z, el valor t de 1.771 indica que si señalamos

una distancia de más menos 1.771σ (errores estándar estimados de ) a

ambos lados de la media, el área bajo la curva que se encuentra entre estos

dos límites será el 90% del área total

) a ambos lados de la media, el área bajo la curva que se encuentra entre
) a ambos lados de la media, el área bajo la curva que se encuentra entre
) a ambos lados de la media, el área bajo la curva que se encuentra entre
) a ambos lados de la media, el área bajo la curva que se encuentra entre
) a ambos lados de la media, el área bajo la curva que se encuentra entre
) a ambos lados de la media, el área bajo la curva que se encuentra entre
Uso de la tabla de distribución t Recuerde que en cualquier problema de estimación donde
Uso de la tabla de distribución t Recuerde que en cualquier problema de estimación donde
Uso de la tabla de distribución t Recuerde que en cualquier problema de estimación donde
Uso de la tabla de distribución t Recuerde que en cualquier problema de estimación donde

Uso de la tabla de distribución t

Uso de la tabla de distribución t Recuerde que en cualquier problema de estimación donde el

Recuerde que en cualquier problema de estimación donde el tamaño de la muestra sea menor o igual que 30 , la desviación estándar de la población no se conozca y la población en cuestión sea normal o aproximadamente normal, utilizamos la

Determinación del tamaño de muestra en estimación

¿Qué tan grande deberá ser la muestra? Si ésta es muy pequeña, podemos

fallar en el logro de los objetivos de nuestro análisis; si es demasiado grande, desperdiciamos recursos al tomar la muestra.

Examinemos

algunos

métodos

útiles

en

la

determinación

del

tamaño

necesario de muestra para cualquier nivel específico de precisión:

 

1.

Tamaño de muestra para estimar una media

 

2.

Tamaño de muestra para estimar una proporción

 
1. Tamaño de muestra para estimar una media   2. Tamaño de muestra para estimar una
1. Tamaño de muestra para estimar una media   2. Tamaño de muestra para estimar una
1. Tamaño de muestra para estimar una media   2. Tamaño de muestra para estimar una
1. Tamaño de muestra para estimar una media   2. Tamaño de muestra para estimar una
Tamaño de muestra para estimar una media  Suponga que una universidad está efectuando una
Tamaño de muestra para estimar una media  Suponga que una universidad está efectuando una
Tamaño de muestra para estimar una media  Suponga que una universidad está efectuando una
Tamaño de muestra para estimar una media  Suponga que una universidad está efectuando una

Tamaño de muestra para estimar una media

Suponga que una universidad está efectuando una investigación acerca de los

ingresos anuales de los estudiantes del último año de su escuela de

administración. Se sabe, por experiencia, que la desviación estándar de los

ingresos anuales de la población completa (1,000 estudiantes) de los

egresados es alrededor de $1,500. ¿Qué tan grande debe ser la muestra que

debe tomar la universidad con el fin de estimar el ingreso medio anual de los

estudiantes graduados el año pasado, dentro de más menos $500 y con un nivel de confianza del 95%?

medio anual de los estudiantes graduados el año pasado, dentro de más menos $500 y con
medio anual de los estudiantes graduados el año pasado, dentro de más menos $500 y con
Tamaño de muestra para estimar una proporción  Suponga que deseamos encuestar a estudiantes de
Tamaño de muestra para estimar una proporción  Suponga que deseamos encuestar a estudiantes de
Tamaño de muestra para estimar una proporción  Suponga que deseamos encuestar a estudiantes de

Tamaño de muestra para estimar una proporción

Suponga que deseamos encuestar a estudiantes de una universidad grande.

Deseamos determinar qué proporción de éstos está a favor de un nuevo

sistema de evaluación. Nos gustaría contar con un tamaño de muestra que nos

permita tener una certeza del 90% de que estamos estimando la proporción

verdadera de la población de 40,000 estudiantes a favor del nuevo sistema de

evaluación, más menos 0.02.

la proporción verdadera de la población de 40,000 estudiantes a favor del nuevo sistema de evaluación,
la proporción verdadera de la población de 40,000 estudiantes a favor del nuevo sistema de evaluación,
la proporción verdadera de la población de 40,000 estudiantes a favor del nuevo sistema de evaluación,
la proporción verdadera de la población de 40,000 estudiantes a favor del nuevo sistema de evaluación,