Professional Documents
Culture Documents
Pero adems, si el tamao de las muestras es lo sucientemente grande,[4] o la distribucin poblacional es normal,
la distribucin de medias muestrales es, prcticamente,
una distribucin normal (o gaussiana) con media y una
En estadstica, se llama intervalo de conanza a un par desviacin tpica dada por la siguiente expresin: x =
o varios pares de nmeros entre los cuales se estima que . Esto se representa como sigue: X
N (, ) . Si
n
n
estar cierto valor desconocido con una determinada pro
X
estandarizamos,
se
sigue
que:
=
Z
N
(0,
1)
Ejemplos
Dicho punto es el nmero tal que:
1
1 EJEMPLOS
P[
x X/2 ] = P[z z/2 ] = /2
Y en la versin estandarizada se cumple que:
z/2 = z/2
As:
[
]
P x
z/2 n x
+ z/2 n = 1
1
Xi .
n i=1
n
=X
1
xi = 250.2 gramos.
25 i=1
25
x
=
1.3
Ejemplo prctico
2.5 g
= = 0.5 gramos
n
25
Por estandarizacin, se obtiene una variable aleatoria:
Z=
X
X
=
0.5
/ n
3
El nmero z proviene de una funcin de distribucin acu- estar entre los lmites calculados a partir de la memulada, en este caso la Funcin de distribucin normal dia, pero en el 5% de los casos no lo estar. El intervalo
acumulativa:
de conanza efectivo se calcula llevando los valores de
masas de helado medidas a la frmula. Este intervalo de
conanza de 0.95 resulta:
(z) = P (Z z) = 1 2 = 0.975,
z = 1 ((z)) = 1 (0.975) = 1.96,
(
x0.98; x
+0.98) = (250.20.98; 250.2+0.98) = (249.22; 251.18).
y se obtiene:
En otras palabras, el intervalo de conanza del 95% est
(
)
X
1.96
0.95 = 1 = P (z Z z) = P 1.96
/ n
.
(
)
= P X 1.96 X + 1.96
n
n
En otras palabras, el lmite inferior de un intervalo de conanza del 95% es:
1.96 ,
Extremo inf erior = X
n
+ 1.96 .
Extremo superior = X
n
Como el valor deseado 250 de est dentro del intervalo de conanza resultante no hay razn para creer que la
mquina no est correctamente calibrada.
Con los valores de este ejemplo, el intervalo de conanza El intervalo calculado tiene lmites jos, donde podra
es:
o no estar acotado. As, este evento tiene probabilidad 0 o
1. No es posible decir: con probabilidad (1 ) el parmetro est en el intervalo de conanza. Slo sabemos
(
)
1.96 0.5 X
+ 1.96 0.5
0.95 = P X
que por repeticin en 100(1 ) % de los casos, esta(
)
r en el intervalo calculado. En 100% de los casos, sin
0.98 X
+ 0.98 .
=P X
embargo esto no sucede. Desafortunadamente, no se coEsto podra interpretarse como: con probabilidad del noce en cules de los casos esto sucede. Por eso se puede
0.95 encontramos un intervalo de conanza en el que se decir: con nivel de conanza 100(1 ) %, est en
cumple que el parmetro est entre los lmites estocs- el intervalo de conanza.
ticos
0.98
X
y
+ 0.98.
X
Esto no implica que hay una probabilidad de 0.95 de encontrar el parmetro en el intervalo obtenido usando el
valor efectivamente establecido para el valor medio de la
muestra.
El error mximo se calcula como 0.98 dado que es la diferencia ente el valor en que se conserva la conanza dentro
de los lmites superior e inferior.
La gura ilustra 50 realizaciones de un intervalo de conanza para una poblacin media dada . Si aleatoriamente se selecciona una realizacin, la probabilidad es del
95% de nalmente haber elegido un intervalo que contenga el parmetro; sin embargo, podra darse la desafortunada situacin de haber elegido la errnea.
2 Vase tambin
Estimacin estadstica
(
x 0.98, x
+ 0.98).
Cada vez que se repitan las mediciones, darn otro valor
para la media X de la muestra. En el 95% de los casos
Tamao de la muestra
Anlisis discriminante
Referencias
[1] Rius Daz, Francisca (octubre de 1997). 8.2. Estimacin condencial. Bioestadstica. Mtodos y aplicaciones.
Mlaga: Universidad de Mlaga. ISBN 84-7496-653-1.
Consultado el 7 de abril de 2009.
[2] Guerriero V. Power Law Distribution: Method of Multiscale Inferential Statistics. J. Mod. Math. Fr. (2012).
[3] Es una consecuencia del Teorema Central del Lmite.
[4] En la prctica se considera normal la distribucin si n >
30.
[5] Sotomayor Velasco, Gabriel; Wisniewski, Piotr Marian
(2001). 10.2. Intervalos de conanza para medias. Probabilidad y estadstica para ingeniera y ciencias. Cengage
Learning Editores. p. 230. ISBN 970686136X. Consultado el 20 de abril de 2009.
[6] Vanse en las tablas de la normal tipicada las entradas
correspondientes a los valores 0,95 y 0,99
[7] Rius Daz, Francisca (octubre de 1997). 8.6.2. Intervalo
para una proporcin. Bioestadstica. Mtodos y aplicaciones. Mlaga: Universidad de Mlaga. ISBN 84-7496-6531. Consultado el 24 de abril de 2009.
3.1
Bibliografa
Fisher, R. A. (1956). Statistical Methods and Scientic Inference. Oliver and Boyd, Edinburgh (p. 32).
Freund, J. E. (1962). Mathematical Statistics. Prentice Hall, Englewood Clis, NJ (pp. 227-228).
Hacking, I. (1965) Logic of Statistical Inference.
Cambridge University Press, Cambridge.
Keeping, E. S. (1962). Introduction to Statistical Inference. D. Van Nostrand, Princeton, NJ.
Kiefer, J. (1977). Journal of the American Statistical
Association, 72, 789-827.
Neyman, J. (1937). Philosophical Transactions of
the Royal Society of London A, 236, 333-380.
Robinson, G. K. (1975). Biometrika, 62, 151-161.
Zar, J. H. (1984). Biostatistical Analysis. Prentice
Hall International, New Jersey. pp. 43-45.
REFERENCIAS
4.1
Texto
Intervalo de conanza Fuente: https://es.wikipedia.org/wiki/Intervalo_de_confianza?oldid=91461550 Colaboradores: Jagarsoft, Tartaglia, MarcosER, Elwikipedista, Jasev, Richy, RobotQuistnix, Mxcatania, Tubet, Focojoaco, Sanzcors, BOTpolicia, CEM-bot, Cbuzeta,
Alakasam, Botones, Isha, TXiKiBoT, Hlnodovic, TottyBot, Aibot, Matdrodes, AlleborgoBot, Muro Bot, SieBot, PaintBot, Loveless, Correogsk, Ausld, Estirabot, Poco a poco, Pokespa, Alexbot, Juan Mayordomo, UA31, Luckas-bot, ArthurBot, Almabot, Jkbw, MondalorBot,
TobeBot, FAL56, Ripchip Bot, Chrisyagami, CentroBabbage, Allforrous, Grillitus, Emiduronte, Antonorsi, KLBot2, AvocatoBot, Acratta,
Elvisor, Aosoriom, Balles2601, Jarould, AlvaroMolina, Enrique8710, Grup2UOC, Erisiano, Eliasgv3 y Annimos: 47
4.2
Imgenes
4.3