Estadstica Inferencial I

INTERVALO DE CONFIANZA
Estimador puntual: Utiliza un nmero nico o valor para localizar una estimacin del parmetro.

Estimador por intervalo de confianza: Denota un rango dentro del cual se puede encontrar el parmetro y el nivel de confianza que el intervalo contiene al parmetro.

Limites de confianza: Son los lmites del intervalo de confianza inferior (LIC) y superior (LSC), se determinan sumando y restando a la media de la muestra X un cierto nmero Z (dependiendo del nivel o coeficiente de confianza) de errores estndar de la media X .

P(Z<= - Zexcel ) = alfa/2

P(Z>= + Zexcel ) = alfa/2

Intervalo de confianza donde se encuentra el parmetro con un NC =1-a

Interpretacin del intervalo de confianza: Tener un 95% de confianza en que la media poblacional real y desconocida se encuentra entre los valores LIC y LSC. Nivel de significancia = 1- intervalo de confianza = error tipo 1 = alfa

Cmo obtenemos un intervalo de confianza? Estimacin puntual + error de estimacin

Estadstica Inferencial I De dnde viene el error de estimacin?

Desv. Estndar X multiplicador de nivel de confianza deseado Za/2

Descripcin Estimacin de con sigma conocida, muestra grande n>30 Estimacin de con sigma desconocida, muestra grande n>30, se toma la desv. Est. de la muestra S Estimacin de con muestras pequeas, n < 30 y sigma desconocida Estimacin de la

Intervalo de confianza

X Za / 2 / n
X Za / 2 s / n

X ta / 2 s / n
(n 1) s 2 (n 1) s 2

a
2

, n 1

1 , n 1 2

Estimacin de la proporcin

sp

p (1 p ) n

p Za / 2 s p
Tamao de muestra Para estimar n en base a un error mximo

n Za / 2 2 /( X ) 2
2

( X )
Para estimar n en base a un error mximo Si se especifica un intervalo total de error, el error ( p ) mximo es la mitad del intervalo

n Za / 2 (1 ) /( p ) 2
2

Utilizar 0.5 que es peor caso

Estadstica Inferencial I INTERVALOS DE TOLERANCIA En algunas situaciones, el ingeniero est ms interesado en el sitio donde pueden caer las observaciones individuales o mediciones que en estimar parmetros. Por ejemplo, si se fabrica una pieza que a fin de cuentas ser ensamblada en un automvil, entonces es probable que existan especificaciones sobre alguna dimensin crtica de la pieza y que el inters recaiga en la proporcin de piezas manufacturadas que caen dentro de los lmites de las especificaciones. Un mtodo que puede emplearse para determinar las cotas o lmites sobre las observaciones individuales es encontrar un intervalo de tolerancia para una proporcin fija de las observaciones. Lmites de tolerancia Para una distribucin normal con media y varianza desconocidas, los lmites de tolerancia estn dadas por xks, donde k est determinado de modo que se pueda establecer con una confianza del 100(1) por ciento de que los lmites contienen al menos una proporcin p de la poblacin intervalo de prediccin

INTERVALO DE PREDICCIN Un intervalo de prediccin es un intervalo elaborado con una serie de datos de las muestras de modo que contenga observaciones futuras. Tenga en cuenta que ste es un problema diferente a la elaboracin de un intervalo para el promedio con cierto grado de confianza, como se muestra en la Parte 1 de esta serie de artculos. Supongamos que una futura muestra se toma en las mismas condiciones y de la misma poblacin o proceso que la muestra original y que la muestra era aleatoria o que el proceso estaba en condiciones de control estadstico. Hay muchas variaciones sobre este tema, pero todas tienen que ver con el problema esencial de lo que pasar en el futuro y con qu frecuencia suceder la esencia de la estadstica. Podemos tener intervalos de prediccin para los datos de las variables, o para datos del tipo de atributo; podemos basar ms la prediccin en un modelo paramtrico, como la distribucin normal o usar mtodos no paramtricos. Ambos son tiles en la prctica. Tambin podemos pone condiciones sobre la prediccin futura. Por ejemplo, tal vez queramos que el intervalo tenga como mnimo 4 de las siguientes 5, o que tenga el promedio de la prxima muestra de 10. En este

Estadstica Inferencial I artculo, exploramos el uso comn de los intervalos de prediccin cuando la distribucin normal sea pertinente. Supongamos que tenemos una muestra aleatoria de n observacionesX1, X2, .., Xn y sabemos que los datos provienen de una distribucin normal, pero no sabemos el promedio ni la distribucin estndar de la distribucin. Una nica observacin futura sera Xn+1 y su error de prediccin seraXn+1 - . La varianza de este error de prediccin puede resultar ser:

que se calcula por

(1)

Queremos un intervalo de prediccin para la prxima nica observacin de esta distribucin normal. Para nuestros fines, la frmula es:

(2) El intervalo de prediccin para la futura observacin Xn+1 ser siempre ms amplio que un intervalo de confianza para el promedio debido a la mayor variabilidad del error de prediccin para una nica observacin en comparacin con el error del clculo del promedio. El trmino bajo el signo de raz cuadrada aparece porque estamos teniendo en cuenta la variabilidad en el promedio de la muestra (s/ ) como tambin la variabilidad del nico valor futuro (s). El valor det/2 es un nmero positivo tomado de la distribucin t de Student usando n - 1 grados de libertad de tal manera que d P(-t/2 t t/2) = 1 - . Cuando se sustituyen los nmeros reales en la Ecuacin 2, decimos que el intervalo de prediccin obtenido tiene una confianza relacionada C = 1 - de contener la siguiente observacin. Recordemos las n = 22 pruebas de adhesin ante tensin hechas en U-700 muestras de aleaciones. En la Parte 1, encontramos = 13.71 y s = 3.55 por lo tanto el 95% de intervalo de confianza para era 12,14 15,28. Si aplicamos la frmula para este ejemplo y usamos una confianza del 95%, el valor de t con 21 grados de libertad es t = 2,080 y el intervalo de prediccin para la siguiente observacin,X23', puede determinarse de la siguiente manera.

Estadstica Inferencial I

El intervalo para ms de un valor futuro debe necesariamente ser mayor que el intervalo para un valor futuro porque estamos tratando de captar valores mltiples en el mismo nivel de confianza total. Hay una manera exacta de sacar el valor t modificado, pero la mayora de los usuarios usan el valor t corregido de Bonferroni. En el caso de una confianza especificadaC = 1 - , el valor t se modifica como t/(2k). Como queremos un lmite mximo, usamos la forma + de la Ecuacin 2, que da 22,85 como lmite mximo. Formalmente, el intervalo unilateral es (-, 22,85] con una confianza del 95% de contener las siguientes cinco observaciones. Hay muchas variaciones sobre este tema cuando la distribucin normal es pertinente. Es importante mencionar que el intervalo de prediccin es similar a un intervalo de confianza en cuanto a que la probabilidad de captura (confianza) es un resultado a largo plazo. Es decir, la confianza es la proporcin a largo plazo de los casos, en las mismas condiciones y con datos diferentes, que prediran adecuadamente lo que decimos que dara.

Bibliografa http://www.mat.uda.cl/hgomez/Apuntes/Intervalos.pdf http://www3.enusa.es/webMathematica/Public/Docs/HelpEstadistica/HelpEstadis tica01/file.html http://escuela.med.puc.cl/recursos/recepidem/EPIANAL9.HTM docencia.izt.uam.mx/maa/.../INTERVALOS_CONFIANZA.doc