6-1

COMPLETAR
NEGOCIO
ESTADÍSTICAS
por

AMIR D. ACZEL
Y
JAYAVEL SOUNDERPANDIAN
6 th edición (SIE)
 6-2

Capítulo 6

Intervalos de confianza
 6-3

6 Intervalos de confianza

• Usar estadísticas
• Intervalo de confianza para la media de la población cuando se
conoce la desviación estándar de la población

• Intervalos de confianza para • Cuando • es desconocido El t Distribución

• Intervalos de confianza de muestras grandes para la proporción

de la población pags

• Intervalos de confianza para la varianza poblacional

• Determinación del tamaño de la muestra

• Las Plantillas
 6-4

6 OBJETIVOS DE APRENDIZAJE

Después de estudiar este capítulo, debería poder:

• Explique los intervalos de confianza

• Calcule los intervalos de confianza para las medias poblacionales

• Calcular intervalos de confianza para proporciones de población

• Calcule los intervalos de confianza para las variaciones de población

• Calcule los tamaños de muestra mínimos necesarios para una estimación

• Calcular intervalos de confianza para tipos especiales de métodos de

muestreo.

• Utilice plantillas para todos los cálculos de intervalo de confianza y tamaño de muestra
 6-5

6-1 Uso de estadísticas

• Considere las siguientes declaraciones:

• x = 550
• Una estimación de un solo valor que transmite poca información sobre el
valor real de la media poblacional.

• Estamos 99% seguros de que • está en el intervalo [449,551]

• Una estimación de intervalo que ubica la media de la población dentro de un

intervalo estrecho, con un alto nivel de confianza.

• Tenemos un 90% de confianza en que • está en el intervalo [400,700]

• Una estimación de intervalo que ubica la media de la población dentro de un intervalo

más amplio, con un nivel de confianza más bajo.
 6-6

Tipos de estimadores

• Punto estimado
• Una estimación de un solo valor.

• Un solo elemento elegido de una distribución muestral.

• Transmite poca información sobre el valor real del parámetro de
población, sobre la precisión de la estimación.

• Intervalo de confianza o estimación del intervalo

• Un intervalo o rango de valores que se cree que incluyen el parámetro de
población desconocido.

• Asociado con el intervalo es una medida de la confianza

tenemos que el intervalo sí contiene el parámetro de interés.
 6-7

Intervalo de confianza o estimación del

intervalo

UNA intervalo de confianza o estimación de intervalo es un rango o intervalo de

números que se cree que incluye un parámetro de población desconocido. Asociado con el
intervalo es una medida de la confianza tenemos que el intervalo sí contiene el parámetro
de interés.

• Un intervalo de confianza o una estimación de intervalo tiene dos

componentes:

• Un rango o intervalo de valores

• Un asociado nivel de confianza

 6-8

6-2 Intervalo de confianza para •

Cuando • Es conocida
• Si la distribución de la población es normal, la distribución muestral
de la media es normal.
• Si la muestra es suficientemente grande, independientemente de la forma de la
distribución de la población, la distribución muestral es normal ( Teorema del límite
central).

En cualquier caso: Distribución normal estándar: intervalo del 95%

0.4

• • • •
PAGS • • • 1,96 • X • • • 1,96 • • 0,95 0,3
• norte norte •

f (z)
0,2

o 0,1

0.0

• • • • -4 -3 -2 -1 0 1 2 3 4
PAGS • X • 1,96 • • • X • 1,96 • • 0,95 z
• norte norte •
 6-9

6-2 Intervalo de confianza para • cuando

• es conocido (continuación)

Antes del muestreo, hay una probabilidad de 0,95 de que el intervalo

•
• • 1,96
norte

incluirá la media muestral (y un 5% que no lo hará).

Por el contrario, después del muestreo, aproximadamente el 95% de dichos intervalos

•
X • 1,96
norte

incluirá la media de la población (y el 5% de ellos no lo hará).

•
Es decir, X • 1,96 es un intervalo de confianza del 95% para •.
norte
 6-10

Un intervalo del 95% alrededor de la media poblacional

Distribución muestral de la media

0.4
Se puede esperar que aproximadamente el 95% de las
95%
0,3 medias muestrales estén dentro del intervalo •
• • •.
• • 1,96 , • • 1,96
f (x)

0,2

• norte norte ••
•
0,1
2,5% 2,5%

Por el contrario, se puede esperar que

0.0
•
y
X
• • 1,96
• • • • 1,96
•
• •
alrededor del 2,5% esté por encima 1,96
norte norte
norte

Se puede esperar que el 2,5% esté por debajo

X
•
• • 1,96 .
X norte
2.5% cae por debajo

el intervalo X

X Por lo tanto, se puede esperar que el 5% caiga fuera del

X
• • •
X 2.5% cae por encima
intervalo • • • 1,96 , • • 1,96 .•
X
el intervalo • norte norte ••

95% caen dentro

el intervalo
 6-11

Intervalos del 95% alrededor de la media muestral

Distribución muestral de la media

0.4
Aproximadamente el 95% de los intervalos
•
95% X • 1,96 alrededor de la media muestral puede ser
0,3 norte
se espera que incluya el valor real de la media
f (x)

0,2

poblacional, •. ( Cuando la media muestral cae dentro del

0,1
2,5% 2,5% intervalo del 95% alrededor de la media poblacional).
0.0

• X
• •
• • 1,96 • • 1,96
norte norte
X •••••• X X ••••••

X
* Se puede esperar un 5% de tales intervalos alrededor
X de la media muestral no para incluir el valor real de la

X media poblacional. (Cuando la media muestral cae fuera

* X

X
del intervalo del 95% alrededor de la media poblacional).
X

X
X
*
X •••••• X ••••••
 6-12

El intervalo de confianza del 95% para •

Un intervalo de confianza del 95% para • cuando • es conocido y el muestreo es

realizado a partir de una población normal, o se utiliza una muestra grande:

•
X • 1,96
norte

•
La cantidad 1,96 a menudo se llama el margen de error o el
norte
error de muestreo .

Por ejemplo, si: n = 25 Un intervalo de confianza del 95%:

• = 20 • 20
X • 1,96 • 122 • 1,96
X = 122 norte 25
• 122 • ( 1,96) (4)
• 122 • 7.84
• • 114,16,129,84 •
 6-13

A (1- una ) Intervalo de confianza del 100% para •

una
Definimos z una
como el valor z que corta un área de cola derecha de bajo el estándar
2
curva normal 2 . ( 1- una) se llama el coeficiente de confianza . una se llama el probabilidad de error , y (1- una) 100%

se llama el nivel de confianza .

Distribución normal estándar • •

z •• a / 2
PAGS • z>una
0.4 • 2
•
(1 • una)
• •
0,3 PAGS • z • • zuna• • a / 2
• 2
•
• •
f (z)

0,2

PAGS ••unaz • z • z • • una

( 1 • una)
una
una • 2 2
•
0,1
2
2
0.0 (1- una) Intervalo de confianza del 100%:
-5 -4 -3 -2 -1 0 1 2 3 4 5 •
• z una
Z z una X • z una
2 2
2 norte
 6-14

Valores críticos de z y niveles de

confianza

Distribución normal estándar

una
(1 • una) z una
0.4
2 2 (1 • una)

0,3

0,99 0,005 2.576

f (z)
0,2

0,98 0,010 2.326 una

una
0,1
2
2
0,95 0,025 1.960 0.0
-5 -4 -3 -2 -1 0 1 2 3 4 5
• z z
0,90 0,050 1.645 una

2
Z
una

0,80 0,100 1.282

 6-15

El nivel de confianza y la amplitud del

intervalo de confianza
Al tomar muestras de la misma población, utilizando un tamaño de muestra fijo,

cuanto mayor sea el nivel de confianza, mayor será el intervalo de confianza.

Distribución normal estándar Estándar Normal Di stri buti on

0.4 0.4

0,3 0,3
f (z)

f (z)
0,2 0,2

0,1 0,1

0.0 0.0

-5 -4 -3 -2 -1 0 1 2 3 4 5 -5 -4 -3 -2 -1 0 1 2 3 4 5

Z Z

Intervalo de confianza del 80%: Intervalo de confianza del 95%:

• •
X • 1,28 X • 1,96
norte norte
 6-16

El tamaño de la muestra y la amplitud del intervalo

de confianza

Al tomar muestras de la misma población, utilizando un nivel de confianza fijo, mayor es el

tamaño de la muestra, n, más estrecho es el intervalo de confianza .

Muestreo D es la distribución de la media Muestreo D es la distribución de la media

0,4 0,9

0,8

0 .7
0 .3

0,6

0, 5

f (x)
f (x)

0, 2
0,4

0 .3

0 .1
0, 2

0 .1

0 .0 0 .0

X X

Intervalo de confianza del 95%: n = 20 Intervalo de confianza del 95%: n = 40

 6-17

Ejemplo 6-1

• La población se compone de las 500 empresas de Fortune (sitio

web de Fortune), clasificadas por ingresos. Está intentando
averiguar los ingresos medios de las empresas de la lista. La
desviación estándar de la población es $ 15.056,37. Una muestra
aleatoria de 30 empresas obtiene una media muestral de $ 10
672,87. Dé un intervalo de confianza del 95% y el 90% para los
ingresos promedio.
 6-18

Ejemplo 6-1 (continuación): uso de la plantilla

Nota: La parte restante de la pantalla de la plantilla se muestra en la

siguiente diapositiva.
 6-19

Ejemplo 6-1 (continuación): uso de la plantilla

• (Sigma)
 6-20

Ejemplo 6-1 (continuación): uso de la plantilla cuando se conocen

los datos de la muestra
 6-21

6-3 Intervalo de confianza o estimación del intervalo para

• Cuando • Es desconocido - El t Distribución

Si la desviación estándar de la población, •• no se conoce, reemplace

• con la desviación estándar de la muestra, s. Si la población es normal, la
X••
estadística resultante: t •
s
norte

tiene un t distribución con ( n - 1) grados de libertad.

• los t es una familia de distribuciones simétricas y en forma de

Estándar normal
campana, una para cada número de grado de libertad.

t, gl = 20
• El valor esperado de t es 0. Para gl> 2, la varianza de t es df /
t, gl = 10
• (df-2). Esto es mayor que 1, pero se acerca a 1 a medida que
aumenta el número de grados de libertad. los t es más plano y
tiene colas más gruesas que la normal estándar.

•
• los t la distribución se acerca a una normal estándar a medida que •

aumenta el número de grados de libertad

 6-22

los t Plantilla de distribución

 6-23

6-3 Intervalos de confianza para • cuando •

es Desconocido- El t Distribución

UNA ( 1- una) Intervalo de confianza del 100% para • cuando • no se conoce (asumiendo una

población distribuida normalmente):

s
X•t una

2 norte

dónde t una es el valor de la t distribución con n-1 grados de

2
una
libertad que corta un área de la cola de 2 a su derecha.
 6-24

los t Distribución
df t 0,100 t 0,050 t 0,025 t 0,010 t 0,005
--- ----- ----- ------ ------ ------
1 3.078 6.314 12.706 31.821 63.657 t D es la distribución: gl = 10
2 1.886 2.920 4.303 6.965 9,925
3 1.638 2.353 3.182 4.541 5.841 0,4

4 1.533 2.132 2.776 3.747 4.604

5 1,476 2.015 2.571 3.365 4.032
6 1.440 1.943 2.447 3.143 3.707 0 .3

7 1.415 1.895 2.365 2.998 3.499 Área = 0.10 Área = 0.10

8 1.397 1.860 2.306 2.896 3.355

pie)
0, 2
9 1.383 1.833 2.262 2.821 3.250

}
10 1.372 1.812 2.228 2.764 3.169
11 1.363 1.796 2.201 2.718 3.106
0 .1
12 1.356 1,782 2.179 2.681 3.055
13 1.350 1.771 2.160 2.650 3.012
14 1.345 1.761 2.145 2.624 2.977
0 .0
15 1.341 1,753 2.131 2.602 2.947 - 1.372 1.372
- 2.228 0
dieciséis 1.337 1.746 2.120 2.583 2.921 2.228

}
}
17 1.333 1.740 2.110 2.567 2.898 t
18 1.330 1.734 2.101 2.552 2.878
19 1.328 1.729 2.093 2.539 2.861 Área = 0.025 Área = 0.025
20 1.325 1.725 2.086 2.528 2.845
21 1.323 1.721 2.080 2.518 2.831
22 1.321 1.717 2.074 2.508 2.819
23 1.319 1.714 2.069 2.500 2.807
24 1.318 1.711 2.064 2.492 2.797
Cuando • no se conoce (y se supone que la población es normal),
25
26
1.316
1.315
1.708
1.706
2.060
2.056
2.485
2.479
2.787
2.779
la distribución correcta a utilizar es la t distribución con n-1 grados
27 1.314 1.703 2.052 2.473 2.771
28 1.313 1.701 2.048 2.467 2.763
de libertad. Sin embargo, tenga en cuenta que para grandes
29
30
1.311
1.310
1.699
1,697
2.045
2.042
2.462
2.457
2.756
2.750
grados de libertad, la distribución t se aproxima bien por la Z
40 1.303 1,684 2.021 2.423 2.704
60 1.296 1,671 2.000 2.390 2.660
120
•
1.289
1.282
1,658
1.645
1.980
1.960
2.358
2.326
2.617
2.576
distribución.
 6-25

Ejemplo 6-2

Un analista del mercado de valores quiere estimar el rendimiento promedio de una determinada acción. Una

muestra aleatoria de 15 días produce un rendimiento promedio (anualizado) de y

ard desviación
X • una 1 s 0 ejército de.3snorte
de reserva = 3,5%.
7 re Suponiendo
% una población normal de
rentabilidades, proporcione un intervalo de confianza del 95% para la rentabilidad media de esta acción.

df t 0,100 t 0,050 t 0,025 t 0,010 t 0,005

--- ----- ----- ------ ------ ------ El valor crítico de t para df = (n - 1) = (15-1) = 14 y un área de
1 3.078 6.314 12.706 31.821 63.657
. . . . . . cola derecha de 0.025 es:
. . . . . .
.
13
.
1.350
.
1.771
.
2.160
.
2.650
.
3.012
t 0,025 • 2.145
14 1.345 1.761 2.145 2.624 2.977
El intervalo de confianza correspondiente o la estimación del
15 1.341 1,753 2.131 2.602 2.947
s
. . . . . .
. . . . . .
intervalo es: X • t 0,025 norte

. . . . . .
3,5
• 10,37 • 2.145
15
• 10,37 • 1,94
• • 8.43,12.31 •
 6-26

Intervalos de confianza de muestras grandes para la media

de la población

df t 0,100 t 0,050 t 0,025 t 0,010 t 0,005

--- ----- ----- ------ ------ ------ Cuando • no se conoce (y se supone que la población es
1 3.078 6.314 12.706 31.821 63.657
. . . . . . normal), la distribución correcta a utilizar es la t distribución con n-1
. . . . . .
. . . . . . grados de libertad.
120 1.289 1,658 1.980 2.358 2.617
• 1.282 1.645 1.960 2.326 2.576 Sin embargo, tenga en cuenta que para grandes grados de libertad, la
distribución t se aproxima bien por la Z
distribución.
 6-27

Intervalos de confianza de muestras grandes para la media

de la población

Una muestra grande (1- una) Intervalo de confianza del 100% para •:
s
X•z una

2 norte

Ejemplo 6-3: Un economista quiere estimar el monto promedio de las cuentas corrientes en los bancos de una región determinada. Una muestra aleatoria de 100
cuentas da barra x = $ 357.60 y s = $ 140,00. Dar un intervalo de confianza del 95% para •• el monto promedio en cualquier cuenta corriente en un banco en la región
dada.

s 140,00
X•z 0,025
• 357.60 • 1,96 • 357.60 • 27,44 • • 330,16,385,04 •
norte 100
 6-28

6-4 Intervalos de confianza de muestras grandes para la

proporción de población, pags

El estimador de la proporción de población, pags, es la proporción de la muestra, pags •. Si el tamaño de la muestra es grande, pags • tiene

una distribución aproximadamente normal, con E ( pags •) = pags y

pq
V ( pags •) = , dónde q = (1 - p). Cuando se desconoce la proporción de la población, utilice la
norte
valor estimado, pags •• para estimar la desviación estándar de pags •.

Para estimar pags, una muestra se considera suficientemente grande cuando ambos norte • pags un norte • q son mayores que 5.
 6-29

6-4 Intervalos de confianza de muestras grandes para la

proporción de población, pags

Una muestra grande (1- una) Intervalo de confianza del 100% para la proporción de población, pags :

p̂q̂
pags • z
αn
2
donde la proporción de la muestra, p̂, es igual al número de éxitos en la muestra, X,

dividido por el número de ensayos (el tamaño de la muestra), norte, y q̂ = 1- p̂.

 6-30

Intervalo de confianza de muestra grande para la proporción

de población, pags ( Ejemplo 6-4)

La firma de investigación Amarketing quiere estimar la participación que tienen las empresas extranjeras en el mercado

estadounidense para ciertos productos. Se obtiene una muestra aleatoria de 100 consumidores y se encuentra que 34

personas en la muestra son usuarios de productos elaborados en el extranjero; el resto son usuarios de productos

nacionales. Dar un intervalo de confianza del 95% para la participación de productos extranjeros en este mercado.

pags • q • (0,34) (0,66)

pags • •unaz • 0,34 • 1,96
2
norte 100
• 0,34 • ( 1,96) (0,04737)
• 0,34 • 0.0928
• • 0.2472,0.4328 •

Por lo tanto, la empresa puede tener una confianza del 95% en que los fabricantes extranjeros controlan

entre el 24,72% y el 43,28% del mercado.

 6-31

Intervalo de confianza de muestra grande para la

proporción de población, pags ( Ejemplo 6-4): uso de la
plantilla
 6-32

Reducir la amplitud de los intervalos de

confianza: el valor de la información

La amplitud de un intervalo de confianza solo se puede reducir al precio de:

• una menor nivel de confianza, o

• una muestra más grande .

Nivel más bajo de confianza Tamaño de muestra más grande

Intervalo de confianza del 90% Tamaño de la muestra, n = 200

pags • q • (0,34) (0,66) pags • q • (0,34) (0,66)

pags • •unaz • 0,34 • 1.645 pags • •unaz • 0,34 • 1,96
norte 100 2
norte 200
2

• 0,34 • ( 1,645) (0,04737) • 0,34 • ( 1,96) (0,03350)

• 0,34 • 0.07792 • 0,34 • 0.0657
• • 0.2621,0.4197 • • • 0.2743,0.4057 •
 6-33

6-5 Intervalos de confianza para la varianza

poblacional: Chi-cuadrado ( • 2) Distribución

• La varianza muestral, s 2, es un estimador insesgado de la varianza de

la población, • 2.

• Los intervalos de confianza para la varianza de la población se

basan en el chi-cuadrado ( • 2) distribución.
• los distribución chi-cuadrado es la distribución de probabilidad de la suma
de varias variables aleatorias normales estándar cuadradas independientes.

• La media de la distribución de chi-cuadrado es igual al parámetro de

grados de libertad, ( MI[ • 2] = df). La varianza de un chi-cuadrado es igual
al doble del número de grados de libertad, ( V [ • 2] = 2df).
 6-34

El Chi-Cuadrado ( • 2) Distribución

Distribución chi-cuadrado: gl = 10, gl = 30, gl = 50

• La variable aleatoria de chi-cuadrado no puede ser negativa, por
0,10
lo que está limitada por cero a la izquierda. 0,09 gl = 10
0,08

0,07

0,06

• La distribución de chi-cuadrado está sesgada hacia la derecha. gl = 30

2
f ( •)
0,05

0,04

0,03 gl = 50
0,02

• La distribución de chi-cuadrado se aproxima a una normal a 0,01

0,00

medida que aumentan los grados de libertad. 0 50 100

2
•

En el muestreo de una población normal, la variable aleatoria:

• ( norte • 1) s 2
•
2

•
2

tiene una distribución de chi-cuadrado con (n -1) grados de libertad.

 6-35

Valores y probabilidades de distribuciones

chi-cuadrado
Área en la cola derecha

. 995 . 990 . 975 . 950 . 900 . 100 . 050 . 025 . 010 . 005

Área en la cola izquierda

df . 005 . 010 . 025 . 050 . 100 . 900 . 950 . 975 . 990 . 995

1 0,0000393 0,000157 0.000982 0,000393 0.0158 2,71 3,84 5.02 6.63 7.88
2 0.0100 0.0201 0.0506 0.103 0,211 4.61 5,99 7.38 9.21 10.60
3 0.0717 0,115 0,216 0.352 0.584 6.25 7.81 9.35 11.34 12,84
4 0,207 0,297 0.484 0,711 1.06 7.78 9.49 11.14 13.28 14,86
5 0.412 0.554 0,831 1,15 1,61 9.24 11.07 12,83 15.09 16,75
6 0,676 0,872 1,24 1,64 2,20 10,64 12.59 14.45 16,81 18.55
7 0,989 1,24 1,69 2.17 2,83 12.02 14.07 16.01 18.48 20.28
8 1,34 1,65 2.18 2,73 3,49 13.36 15.51 17.53 20.09 21,95
9 1,73 2,09 2,70 3.33 4.17 14,68 16,92 19.02 21,67 23,59
10 2.16 2,56 3,25 3,94 4.87 15,99 18.31 20.48 23.21 25.19
11 2,60 3,05 3,82 4.57 5.58 17.28 19,68 21,92 24,72 26,76
12 3,07 3,57 4,40 5.23 6,30 18.55 21.03 23,34 26.22 28.30
13 3,57 4.11 5.01 5.89 7.04 19,81 22.36 24,74 27,69 29,82
14 4.07 4.66 5.63 6.57 7.79 21.06 23,68 26.12 29,14 31.32
15 4.60 5.23 6.26 7.26 8.55 22.31 25.00 27.49 30.58 32,80
dieciséis 5.14 5.81 6,91 7,96 9.31 23.54 26.30 28,85 32,00 34,27
17 5.70 6.41 7.56 8,67 10.09 24,77 27,59 30.19 33,41 35,72
18 6.26 7.01 8.23 9.39 10,86 25,99 28,87 31.53 34,81 37,16
19 6,84 7,63 8,91 10.12 11,65 27.20 30,14 32,85 36,19 38,58
20 7,43 8.26 9.59 10,85 12.44 28,41 31.41 34,17 37,57 40,00
21 8.03 8,90 10.28 11.59 13.24 29,62 32,67 35,48 38,93 41.40
22 8,64 9.54 10,98 12.34 14.04 30,81 33,92 36,78 40,29 42,80
23 9.26 10,20 11,69 13.09 14,85 32.01 35,17 38.08 41,64 44.18
24 9,89 10,86 12.40 13,85 15,66 33,20 36,42 39,36 42,98 45,56
25 10,52 11.52 13.12 14,61 16.47 34,38 37,65 40,65 44,31 46,93
26 11.16 12.20 13,84 15.38 17.29 35,56 38,89 41,92 45,64 48,29
27 11,81 12,88 14.57 16.15 18.11 36,74 40.11 43,19 46,96 49,65
28 12.46 13.56 15.31 16,93 18,94 37,92 41,34 44,46 48,28 50,99
29 13.12 14.26 16.05 17,71 19,77 39.09 42,56 45,72 49,59 52,34
30 13,79 14,95 16,79 18.49 20.60 40,26 43,77 46,98 50,89 53,67
 6-36

Plantilla con valores y probabilidades de

distribuciones de chi-cuadrado
 6-37

Intervalo de confianza para la varianza poblacional

A (1- una) El intervalo de confianza del 100% para la varianza de la población * (donde se supone que la
población es normal) es:

• •
• ( norte • 1) s ,norte • 1) s
2( 2
•
• • • •
2 2

una una

• 2
1•
2 •
2
dónde • una
es el valor de la distribución chi-cuadrado con n - 1 grados de libertad
2 una 2
que corta un área corta a su derecha y • una es el valor de la distribución que
una2
1•
2 una
un área de a su izquierda (equivalentemente, un área de 1 • a su derecha).
2 2

* Nota: Debido a que la distribución de chi-cuadrado está sesgada, el intervalo de confianza para la varianza de la
población no es simétrico
 6-38

Intervalo de confianza para la varianza de la

población - Ejemplo 6-5

En un proceso automatizado, una máquina llena latas de café. Si la cantidad promedio llenada es diferente de
lo que debería ser, la máquina puede ajustarse para corregir la media. Si el diferencia del proceso de llenado es
demasiado alto, sin embargo, la máquina está fuera de control y necesita ser reparada. Por lo tanto, de vez en
cuando se realizan comprobaciones periódicas de la variación del proceso de llenado. Esto se hace
muestreando latas llenas al azar, midiendo sus cantidades y calculando la varianza de la muestra. Una muestra
aleatoria de 30 latas da una estimación s 2 = 18.540. Dar un intervalo de confianza del 95% para la varianza de
la población, • 2.

• 2 2•
( norte • 1) s (n • 1) s • • ( 30 • 1) 18540 (30 • 1) 18540 •
• , • , • • 11765,33604 •
• • •
2 2
• una una
••• 45,7 16,0 •
• 2
1•
2 •
 6-39

Ejemplo 6-5 (continuación)

Área en la cola derecha

df . 995 . 990 . 975 . 950 . 900 . 100 . 050 . 025 . 010 . 005

. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
28 12.46 13.56 15.31 16,93 18,94 37,92 41,34 44,46 48,28 50,99
29 13.12 14.26 16.05 17,71 19,77 39.09 42,56 45,72 49,59 52,34
30 13,79 14,95 16,79 18.49 20.60 40,26 43,77 46,98 50,89 53,67

Distribución Chi-Cuadrado: gl = 29

0,06

0,05
0,95
0,04
F( • 2)

0,03

0,02

0,025
0,01 0,025

0,00

0 10 20 30 40 50 60 70

•2
• • 16.05 •
2
• 45,72
2
0,975 0,025
 6-40

Ejemplo 6-5 Uso de la plantilla

Usando datos
 6-41

6-6 Determinación del tamaño de la muestra

Antes de determinar el tamaño de muestra necesario, se deben responder tres preguntas:

• ¿Qué tan cerca desea que esté la estimación de la muestra del parámetro desconocido?
(Cual es el deseado Unido , si ?)

• ¿Qué quieres el nivel de confianza deseado? ( 1- una) ser de modo que la distancia entre su
estimación y el parámetro sea menor o igual que B?
• ¿Cuál es su estimación de la varianza (o desviación estándar) de la población en
cuestión?

•
Por ejemplo: A (1- una) Intervalo de confianza para •: X • z una
norte

}
2

Atado, B
 6-42

Tamaño de la muestra y error estándar

El tamaño de la muestra determina el límite de una estadística, ya que el error estándar de una
estadística se reduce a medida que aumenta el tamaño de la muestra:

Tamaño de muestra = 2n

Error estándar
de estadística

Tamaño de la muestra = n

Error estándar
de estadística

•
 6-43

Tamaño mínimo de la muestra: media y

proporción

Tamaño mínimo de muestra requerido para estimar la media poblacional, •:

z2•2 una

norte • 2
si 2
Límite de estimación:
•
B = z una
2 norte

Tamaño de muestra mínimo requerido para estimar la proporción de población, p •

2 pq
zuna
norte • 2
si 2
 6-44

Determinación del tamaño de la muestra:

Ejemplo 6-6

Una empresa de investigación de marketing desea realizar una encuesta para estimar la cantidad promedio gastada en

entretenimiento por cada persona que visita un resort popular. A las personas que planifican la encuesta les gustaría

determinar el monto promedio gastado por todas las personas que visitan el resort dentro de los $ 120, con un 95% de

confianza. A partir del funcionamiento anterior del complejo, una estimación de la desviación estándar de la población es s =

$ 400. ¿Cuál es el tamaño de muestra mínimo requerido?

z • 2
una
2

norte • 2

si 2

(1,96) 400) 2( 2

•
120 2

• 42.684 • 43
 6-45

Tamaño de muestra por proporción:

Ejemplo 6-7

Los fabricantes de un automóvil deportivo quieren estimar la proporción de personas en un determinado nivel de
ingresos que están interesadas en el modelo. La empresa quiere conocer la proporción de la población, pags, dentro
de 0.01 con 99% de confianza. Los registros actuales de la empresa indican que la proporción pags puede rondar los
0,25. ¿Cuál es el tamaño de muestra mínimo requerido para esta encuesta?

z una
2 pq

norte • 2
si 2

2.576 2 ( 0,25) (0,75)

•
0,10 2

• 124,42 • 125
 6-46

6-7 Las plantillas: optimización de las

estimaciones medias de la población
 6-47

6-7 Las plantillas: optimización de las estimaciones de la proporción

de la población