ERROR ESTANDA AR DE LA MEDIA M (CONTIN NUACIN) ROR ESTN NDAR DE LA L MEDIA Y LA CALIFICACION NES Z EL ERR El hecho o de que la as medias

de d muestra as razonab lemente gr randes est n normalm mente distribuid das proporciona el en nlace necesario a las s poderosas s tcnicas que discut timos previame ente en rela acin con el e rea bajo o la curva normal. cacin Z es normalmente distrib buida con u una media de cero y una desvia acin La calific estndar de 1.00. Cualquier distribucin d n normal pu uede conve ertirse a una a distribuci n Z, esta la media de cad da calificac cin y des spus se d divide entre e la desvia acin si se re estndar. Es decir, si X es una a variable normalment n te distribuid da, entonce es

donde y son s la me edia y la desviaci n estnda ar de la distribucin X, respectiv vamente. De mane era semeja ante, si tene emos una distribucin d de las med dias, entonc ces, de acu uerdo con el Teorema T de el lmite cen ntral, sabem mos que la distribucin de las medias tende er a ser norm mal. Si sust traemos la media de esta e distribu ucin y divi idimos por esta desvia acin estndar, entonces s se produce otra distribucin d n de calific caciones Z. Ntese e, sin o, que la media m y la desviacin d estndar e a propiadas, deben utili izarse. En este embargo caso, an a ser la a media, pero M ser la desviacin estnda ar; es decir r,

donde M es una calificacin c tribucin de e las medias, es la a media de e las de la dist medias, y M es la a desviaci n estndar r de las me edias. Otra a vez, Z est normalm mente distribuid da con una media de cero c y una desviacin estndar d de uno. Anteriorm mente conocimos varias tcnica as para co ontestar pre eguntas re elativas a reas bajo la curva c norm mal que inv volucran calificaciones s individuales. De la misma ma anera podemos contestar r preguntas s relativas a las reas s, bajo la cu urva norma al, si se trat ta de orcin o nmero n de las media as, arriba o debajo de cierto punto en una la propo distribuc cin teortic ca de media as.

Ejemplo. Muchas pruebas p de e inteligencia estn co onstruidas para tener una media a (), un CI de 100 y un na desviacin estndar ( ) de 15. Estos parmetro os se basa an en muestras al azar de emasiado grandes, g de e pruebas a ampliament te utilizadas s. Si concu urriramos a cierta co omunidad, para p aplicar estas pru uebas a un amplio nmero de mues stras selecc cionadas al l azar, de 25 2 personas s cada una a, qu pod dramos esp perar con las medias ob btenidas de e tales mu uestras? S Segn nue estro conoc cimiento de e las caracter rsticas de la a poblacin n podramos decir: 1. Se sabe que e la (poblac cin) media real, es de e =100. 2. La a desviaci n estndar r real, es de e =15 3. El error est ndar real de d la media a (la desviac cin estnd dar real de la media d de las muestras) m pu uede encon ntrarse con la frmula ya conocid da:

a informaci in se podr ra elaborar una figura a cuyo traz zado nos m muestre muestra Con esta la distrib bucin de calificacione c es de CI, para p individu uos de la p poblacin, y la distribu ucin de las medias m de la a muestra basadas b en muestras d de veinticin nco casos.

Ya pode emos contes star pregun ntas tanto de d la propor rcin de pru uebas indiv viduales arr riba o debajo de d cierto pu unto, como acerca de la proporciin de las m medias, arr riba o debaj ajo de 2

un punto o. Por ejem mplo, qu porcentaje e de califica aciones individuales d del CI cae a arriba del 105? ? Para una a calificacin n de 105,

El valor en la tabla a de puntua aciones par ra z=0.33 e es 12,93, re edondea al 13%. Est to es, e las calific caciones in ndividuales de CI ca ae entre la a media (100) y los 105. 13% de Sustraye endo del 50 0%, encont tramos que e el 37% de e las califica aciones ind dividuales d de CI cae arrib ba de 105. De mane era parecid da, qu po orcentaje de d las medi as de la m muestra cae e arriba de 105? Cmo esta pregunta conciern ne a la variabilidad de e las media as, la desv viacin est ndar que debe utilizarse es M; por lo que

El valor de la tabla a para z= 1,67, 1 es 45 5,25 (redon ndeado al 4 45%). O s sea, 45% de las stra cae en ntre la med dia (de las medias) y los 105. S Sustrayendo del medias de la mues 50%, encontramos que el 5% de las med dias de la m muestra cae e arriba de 105, que puede compara arse al 37% % de las calificaciones individuale es que cae arriba de 105. PRUEBA A DE HIPO OTESIS DE MEDIAS DE D LAS MU UESTRAS. Suponga amos que un psic logo est interesad do en det terminar s si la cond dicin socioeco onmica de e los padres s de un ni o est rela acionada co on la calificacin del C CI del nio. En un intent to de obten ner evidenc cia para ap oyar su hip ptesis, sel leccion al azar una mue estra de 36 6 nios en una u comunidad de po osicin econ nmica elev vada. Encontr que la media m del CI C para los 36 nios de d su mues stra era de 105. C mo puede este psiclogo utilizar este hech ho para pr robar su h hiptesis? El proceso o de infere encia estadsti ica usada en e este caso puede se er resumido o de la siguiente mane era: 1. El CI est estandariza e ado en un rango com mpleto de h habilidades s intelectuales y niveles socio oeconmico os a travs s de todo ell pas. El n nio prome edio obtiene e una alificacin de d CI de 10 00 de acuer rdo con los autores de e la prueba. . ca 2. El investigador tambi n sabe, a travs d e los halla azgos publicados po or los autores de la as pruebas, que la de esviacin es stndar de todas las c calificacione es de CI C de la prue eba es de 15. Ya que e el investig gador tom una muestra de 36 n nios, l sabe que e el error estndar ve erdadero de e las media as para mu uestras de este 1 =15 5/6 = 2.50). ta amao es de d 2.5 ( M = / = 15/ 3. Recurdese R que los es stadgrafos han acord dado, en lo general, que si un ev vento oc curre por azar a menos de 5 vec ces en 100 0 (Pr 0,05), enton nces cuand do tal 3

ev vento ocurra, la hipt tesis de nu ulidad se re echaza (es sto es, que la hiptesis de que ocurra por azar es e rechaza ada). Qu u tan lejo os de 100 (la media que es speramos en la muestra) deber r caer la media que e encontrem mos en nuestra muestra m para a poder rec chazar la hiptesis de la nulidad) ). Si el re ea total bajo o la curva normal n de la a poblacin n de las me edias de las s muestras para muestras de N=36 es conside erada como o de 100%, las colas e extremas de e la curva, cada una de las cuales contiene 2,5% 2 del r rea, van a representa ar, sumadas, el 5% de las medias de d la mues stra que est tarn ms retiradas r de e la media verdadera. Si la media de la mues stra observ vada cae en e una de e estas co olas, la hip ptesis de nulidad puede rechazarse porque la probabilidad de un na media ta an grande o tan peque ea ser m menor 5. que 0.05 Lo lmite es de las calificacion nes crudas para esta as colas pu ueden ser encontrada as al localizar r en la tabla a de puntua aciones z la as calificacio ones que e estn ms c cercanas al 2.50 y al 97,5 50%. Esto os lmites de calificaciones Z 1. .96. Ahora a el investig gador los p podr convertir r en lmites superior e inferior de calificacion nes crudas: :

De aqu que el 95% de las medias m de la muestra caern de entro de 95 5.10 y 104.90 si =100. 4. Al A comparar r su media de la mues stra observa ada con es stos lmites, el investig gador po odr decidir si deber o no rech hazar la hiptesis de nulidad. Y Ya que encontr que la medi ia del CI para p su mu uestra de 3 36 nios de e una zona a residencia al de osicin eco onmica elevada era de 105, y que el lm mite superio or de lo qu ue l po es speraba qu ue arrojara la media, por p puro az zar, era 104 4.90; el psic clogo conc cluye que su mues stra fue tom mada de una poblacin n con una m media difere ente de 100 0. dor conside era que su us hallazgo os proporcio onan evide encia de qu ue el 5. El investigad nivel socioec conmico de d los padre es est rela acionado co on el CI del hijo. de que su m muestra dif fiere de la de la Su razonamiento est basado en el hecho d po oblacin es studiada po or los autor res de la pr rueba en un solo aspecto: l tom m la muestra m de sus s nios de d hogares de un nivell socioecon nmico elev vado. COMO DETERMI INAR EL INTERVA ALO DE CONFIAN NZA PARA A LA ME EDIA VERDAD DERA. erior, el inv vestigador estaba e inte eresado en determina ar si su muestra En el ejemplo ante pudo ha aber sido to omada de una u poblacin que tuv vieses una media ver rdadera de 100. Ya que la media de e su muestr ra fue tal qu ue slo pud do haber oc currido por azar, meno os de 5 veces s en 100 (si ( 0 100 0), la hiptesis de q ue la med dia verdade era es 100 0 fue 4

rechazad da. En est ta seccin daremos algunos pro cedimiento os por medio de los cu uales el invest tigador pod dr estimar los lmites s dentro de los cuales s cae su media verdadera. El inves stigador no podr nun nca decir que q la med dia verdadera es igu ual a una c cierta calificacin. En el mejor de los casos, slo podr decir que e la media verdadera a cae entre do os puntos especficos. e . Estos dos s puntos so on seleccio onados de t tal manera que, en prom medio, la pr robabilidad es igual a 1de q que la med dia verdadera caiga entre ellos. Comnment C te utilizamo os =0.05. As con = 0.05, ac certamos 9 95 veces en n 100 cuando decimos d qu ue la media a verdadera a cae dentro o de estos dos puntos s. Suponga amos que la desviaci n estndar verdadera a ( ) de un na poblacin es igual a 40, pero la media verd dadera se desconoce e. An m s, suponga amos que un investig gador desea estimar el valor v de la media verd dadera y se elecciona a al azar una muestra d de 16 casos de e esta poblacin. Dad do que M= / ent tonces M= =10. Aun c cuando la r razn no sea perfectame p nte evident te, podemo os establece er lmites para la media verdadera de manera similar a la a del proced dimiento ut tilizado para a determina ar los lmite es dentro d de los cuales caern c las medias m de las muestr ras. As, co on la ausencia de la m media verda adera podemos utilizar la misma frm mula que antes, sustit tuyendo la m media de la a muestra p por la erdadera: media ve X1= (lm mite inferior) ) = (z) ( M) + M= (1.96 6) (10) + M Xs= (lm mite superior r) = (-z) ( M) + M = (-1.96) (10) + M = M (z) ( M) = M (1.9 96) (10) Suponga amos que en e este ejemplo encon ntramos qu ue la media a de nuestro os 16 caso os fue igual a 120. Sustitu uiremos entonces 120 0 dentro de la ecuacin de manera que: =1 120 (196) (10 0). As Xs= 120+19.6 6=139,6 y XI= 120 -19 9,6 = 100,4 y estimam mos que c caer entre 10 00,4 y 139,6 6.

La lgica de este procedimiento se ilustra en la anterior. Supongamos que =500 y M=10, al usar la tabla de puntuaciones z sabremos que el 95% de todas las medias de la muestra caen entre 480,40 y 519,60 (o sea, 1,96 x M). Sin embargo, un investigador no conocer la media verdadera y establecer un intervalo de confianza como se ilustra usada anteriormente. Por ejemplo, se encontr que la media de la muestra uno era igual al 490. Usando la formula = M (z) ( M) = 490 (1,96) (10) = 490 19,60. De esta manera el investigador establece el lmite superior para su media verdadera en 509,60 y el lmite inferior en 470,40 El investigador dir entonces que el 95% del intervalo de confianza para la media verdadera () es de 470,40 a 509,60. Slo cuando la media de la muestra cae fuera del intervalo de 480,40 a 519,60, como es el caso de la muestra 6, el intervalo de confianza para la media verdadera no incluye la media verdadera. Pero, ya que la media de la muestra caer el 95% de las veces entre 480,40 y 519,60, el intervalo de confianza para la media incluir a la media verdadera el 95% de las veces. Por otra parte, el investigador estar equivocado el 5% de las veces (o 5 veces de cada cien intentos), cuando diga que la media verdadera cae dentro del intervalo de confianza. Si el investigador no desea estar equivocado el 5% de las veces, puede establecer intervalos de confianza de mayor amplitud. Otro intervalo comn es el intervalo de confianza de 99%, en el cual el investigador establece sus lmites suficientemente amplios de manera que slo estar equivocado una de cada cien veces. En la tabla de puntuaciones z, vemos que el 99% de todas las medias de las muestras caern entre z= 2,58. Por lo tanto, si sustituimos 2,58 dentro de la frmula para establecer el intervalo de confianza para la media tendremos los valores para el intervalo de confianza de 99%: =M (2,58) ( M) Por ejemplo, la media de la muestra uno fue igual a 490 y el intervalo de confianza de 99% igual a 490 (2,58) (10), o de 464,20 a 515,80. Si se desea, pueden utilizarse intervalos de confianza todava ms amplios. Sin embargo, cuando la probabilidad de no incluir a la media verdadera en el intervalo de confianza disminuye, la amplitud del intervalo aumenta. Por ejemplo para disminuir las probabilidades de cometer un error de 4% (bajando de 5% a 1%), tendremos que aumentar la amplitud del intervalo cerca de 25% (de z = 1,.96 a z = 2,58). El intervalo de confianza de 95% se utiliza ms frecuentemente que el intervalo de confianza de 99% debido a que el aumento de la amplitud del intervalo es mucho ms grande que la disminucin en el porcentaje de errores.