Sunteți pe pagina 1din 6

“AÑO DEL DIÁLOGO Y LA RECONCILIACIÓN NACIONAL”

FACULTAD DE INGENIERIA
ESCUELA PROFESIONAL DE INGENIERIA CIVIL

CURSO:
➢ ESTADISTISTICA APLICADA

TEMA:
➢ INTERVALOS DE CONFIANZA PARA LA MEDIA
POBLACIONAL

ALUMNOS:
➢ Poma Cantu Ernesto Jesus

DOCENTE:
➢ MARCELA YVONE SALDAÑA MIRANDA

HUARAZ – PERÚ
2018
INTRODUCCION
Suponga que 𝑋1 , … , 𝑋𝑛 es una muestra de una población normal con media desconocida
𝜇 y varianza conocida 𝜎 2 . Se demostró que 𝑋̅ = ∑𝑛𝑖=1 𝑋𝑖 /𝑛 es el estimador de máxima
verosimilitud para 𝜇. Sin embargo, no esperemos que la media muestral 𝑋̅ sea
exactamente igual a 𝜇, sino más bien que “este cerca”. Por ende, algunas veces, más que
un estimado puntual, resulta más valioso dar un intervalo del que se tenga cierto grado de
confianza de que 𝜇 este dentro de él, para obtener un estimador del intervalo utilizamos
la distribución de probabilidad del estimador puntual.
Luego de lo expuesto acerca del intervalo de confianza para la media poblacional se
formuló la siguiente interrogante de investigación, ¿Cuáles son los pasos que se aplican
en los intervalos de confianza para la media poblacional?, a partir del problema de
investigación formulado se elaboraron los objetivos: el general, dar a conocer las fórmulas
que se aplicaran en el tema y los específicos como se aplican las formulas en caso de una
Varianza 𝜎 2 supuesta conocida y en una Varianza 𝜎 2 supuesta desconocida.

ELABORACIÓN DE CITAS BIBLIOGRAFICAS

INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL


Según Moore (1) sostiene que “el razonamiento utilizado para hallar un intervalo de
confianza del 95% para la media poblacional 𝜇, se puede aplicar a cualquier nivel de
confianza”.

Intervalo de confianza para la media 𝝁 : Varianza 𝝈𝟐 supuesta conocida

Según Devore (2) sostiene que “𝑋1 , 𝑋2 , … , 𝑋𝑛 una muestra aleatoria de una población con
media 𝜇 y desviación estándar σ ”.

Según Córdova (3) sostiene que “si la población es normal N ( 𝜇, 𝜎 2 ), entonces, la


distribución del estadístico 𝑋̅ es normal N ( 𝜇, 𝜎 2 /𝑛) para cualquier valor de n ( n ≥ 2).

Según Córdova (3) afirma que “si la población no es normal, pero tiene media 𝜇 y
varianza 𝜎 2 finitas, entonces, siempre que el tamaño n de la muestra sea suficientemente
grande, (n ≥ 30), por el teorema del límite central, la distribución de 𝑋̅ es
aproximadamente normal N ( 𝜇, 𝜎 2 /𝑛).

Asimismo Moore (1) sustenta que “partimos de la confianza de la media muestra 𝑋̅, si
conocemos 𝜇, podemos estandarizar 𝑋̅, el resultado estadístico z de una muestra”.

̅−𝜇
𝑋
𝑍=
𝜎/√𝑛
Según Córdoba (3) sostiene que “se denomina error estándar de un estimador a la
desviación estándar del estimador”

Intervalo de confianza para la media 𝝁 : Varianza 𝝈𝟐 supuesta desconocida

Población no Normal
Según Córdoba (3) sostiene que “si la población no es normal pero el tamaño de la
muestra es suficientemente grande (n ≥ 30), se utiliza la desviación estándar 𝑠̂ de la
muestra, como estimación puntual de la desviación estándar σ de la población.”

Entonces, utilizando el teorema central del límite, se concluye que el intervalo de


confianza del (1-𝛼) x 100% para 𝜇 es aproximadamente:

𝑥̅ − 𝑧1−𝛼 𝜎𝑋̅ ≤ 𝜇 ≤ 𝑥̅ + 𝑧1−𝛼/2 𝜎𝑥̅


2

Población Normal

Según Córdoba (3) sostiene que “𝑋1 , 𝑋2 , … , 𝑋𝑛 una muestra aleatoria de tamaño n
escogida de una población normal N ( 𝜇, 𝜎 2 ) donde la varianza 𝜎 2 es supuesta
desconocida y sean la media y la varianza muéstrales respectivas”.

𝑛 𝑛 ̅ 2
∑ 𝑋 ∑ (𝑋 −𝑋)
𝑋̅ = 1=1 𝑖 , 𝑆̂ 2 = 𝑖=1 𝑖
𝑛 𝑛−1

Se sabe que las variables aleatorias


𝑋̅−𝜇 (𝑛−1)𝑆̂ 2
𝑍= , 𝑉2 =
𝜎/√𝑛 𝜎^2

INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL CON


MUESTRAS GRANDES
Según Navidi (4) sostiene que “sea “𝑋1 , … , 𝑋𝑛 una muestra aleatoria grande (n > 30), de
una población con media 𝜇 y desviación estándar σ, por lo que 𝑋̅ es aproximadamente
normal. Entonces un intervalo de confianza 100(1-𝛼) % para 𝜇 es 𝑥̅ ± 𝑧𝛼/2 𝜎𝑋̅ ”

INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL CON


MUESTRAS PEQUEÑAS
Según Navidi (4) sostiene que “sea “𝑋1 , … , 𝑋𝑛 una muestra pequeña (por ejemplo n < 30)
de una población normal con media 𝜇, entonces la cantidad
̅ −𝜇
𝑋
𝑠/√𝑛

tiene una distribución t de Student con n-1 grados de libertad, denotada por 𝑡𝑛−1. ”

CONCLUSIONES
• Si 𝑋̅ es el valor de la media 𝑋̅ para una muestra aleatoria de tamaño n escogida de
una población con varianza 𝜎 2 supuesta conocida, el intervalo de confianza del
(1-𝛼) x100% para 𝜇 es:
𝜎 𝜎
𝑥̅ − 𝑧1−∝/2 ≤ 𝜇 ≤ 𝑥̅ + 𝑧1−𝛼/2
√𝑛 √𝑛

• Si se seleccionan repetidamente 100 muestras de tamaño n, y calculamos las


medias de cada de ellas, tendremos 100 intervalos semejantes al intervalo (a, b),
y se confía que 95 de estos 100 intervalos contengan el parámetro 𝜇 y 5 de los 100
no lo contengan.

• Mientras mayor sea el margen de error, más ancho será el intervalo y menos
seguro podrá estar usted del valor de la estimación de punto.

• El intervalo de confianza para 𝜇 es válido siempre que n es grande, el intervalo


resultante puede ser utilizado cualquiera que sea la naturaleza de la distribución
de la población.

REFERENCIAS BIBLIOGRAFICAS:
1. David S. Moore, Estadística aplicada básica, España: Editor Antonio Bosch, 2000.
2. Jay L. Devore, Probabilidad y Estadística para Ingeniería y ciencias, México:
Cengage Learning Editores S.A, 2008.
3. Manuel Córdova Zamora, Estadística descriptiva e Inferencial, Perú: MOSHERA
S.R.L. 1995.
4. William Navidi, Estadística para ingenieros y científicos, México: Litográfica
Ingramex, S.A. 2006

S-ar putea să vă placă și