Tamaño de muestra para estimar la media poblacional

a) Si el tamaño de la población es infinita, entonces el tamaño de la muestra está dado por:

Z2 / 2 . 2
n
E2
Donde:
n  es el tamaño de la muestra
Z  es el nivel de significancia
E  es la precisión o error
  es la var ianza
b) Si el tamaño de la población se conoce, entonces el tamaño demuestra está dado por :
N .Z12 / 2 . 2
n
( N  1) E 2  Z12 / 2 . 2
Donde:
n  es el tamaño de la muestra
N  es el tamaño de la población
Z  es el nivel de significancia
E  es la precisión o error
  es la var ianza
Ejemplo
Se desea estimar el ingreso promedio de las familias que viven en el asentamiento
humano wichanzao , que por estudios anteriores se conoce que la desvición de los de
los ingresos es de 908.07 soles , para ello se definen los siguientes criterios:
- Nivel de confianza = 95%
- Error máximo tolerable = 200
Solución:
datos :
n?
1    0.95  1   / 2  0.975  Z1 / 2  Z 0.975  1.96
E  200
  908.07
Z2 / 2 . 2
n
E2
Sustituyendo datos:
(1.962 )(908.07 2 )
n  79.19  80
(2002 )

Tamaño de la muestra para estimar la proporción poblacional

a) Si el tamaño de la población es infinita, entonces el tamaño de la muestra está dado por:
 Z12 / 2 . p.q
n
E2
Donde:
n  es el tamaño de la muestra
Z  es el nivel de significancia
E  es la precisión o error
p  es la proporción de interés
q  es la proporción de no interés
b) Si el tamaño de la población se conoce, entonces el tamaño demuestra está dado por :
N .Z12 / 2 . p.q
n
( N  1) E 2  Z12 / 2 . p.q
Dónde:
n  es el tamaño de la muestra
N  es el tamaño de la población
Z  es el nivel de significancia
E  es la precisión o error
p  es la proporción de interés
q  es la proporción de no interés
Ejemplo:
Se quiere realizar un estudio sobre la proporción de familias que poseen servicio de cable TV,
Para ello se necesita hallar el tamaño de muestra de una población de 54000 intentando de no
incurrir en un error no menor del 7 por ciento y con una fiabilidad del 95%.
Solución:
datos :
n?
N  54000
1    0.95  1   / 2  0.975  Z1 / 2  Z 0.975  1.96
E  0.07
p  0.5
q  0.5
Fórmula:
N .Z12 / 2 . p.q
n
( N  1) E 2  Z12 / 2 . p.q
Reemplazando datos:
(54000)(1.962 )(0.5)(0.5)
n
(54000  1)(0.07 2 )  (1.962 )(0.5)(0.5)
n  195.29  195

Estimación puntual e interválica de la diferencia de medias poblacionales cuando las varianzas

poblacionales no se conocen, pero se consideran diferentes.
si :  12   22 :
 Estimación puntual está dado por : u1  u 2  x1  x 2
La estimación por intervalo está dado por:
s12 s22 s2 s2
x1  x 2  t1 / 2, v   u1  u2  x1  x 2  t1 / 2, v 1  2
n1 n2 n1 n2
Donde:
2
 s12 s22 
  
v   12 2  2 indica los grados de libertad de la distribución t
n n
 s12   s22 
   
 n1    n2 
n1  1 n2  1
Ejemplo:
Un fabricante de unidades reproductoras de video está probando el diseño de dos
microcircuitos para determinar si producen un flujo de corriente medio equivalente. El
departamento de ingeniería de desarrollo ha obtenido los siguientes datos:
Diseño 1: n1  15 x1  24.2 s12  10
Diseño 2 : n2  10 x 2  23.9 s22  20
Usando   0.10 , determínese un intervalo de confianza para averiguar si hay alguna
diferencia en el flujo de corriente medio entre los dos diseños, donde se supone que ambas
poblaciones son normales, pero se desea suponer que las varianzas poblacionales desconocidas
sean diferentes.
Solución:
datos :
1    0.90  1   / 2  0.95
grados de libertad :
2
 s12 s22   10 20 
2

     
vv  n1 n2 
  15 10 
 2  16.17  16
2 2 2 2
 s12   s22   10   20 
       
 n1    n2   15    10 
n1  1 n2  1 15  1 10  1
t0.95,16  1.74
formula :
s12 s22 s12 s22
x1  x 2  t1 / 2, v   u1  u2  x1  x 2  t1 / 2, v 
n1 n2 n1 n2
sustituyendo :
10 20 10 20
24.2  23.9  1.74   u1  u2  24.2  23.9  1.74 
15 10 15 10
 2.541  u1  u2  3.141
No existe diferencia en el flujo de corriente medio entre ambos diseños al 10% de significancia.
Prueba de hipótesis de la igualdad de varianzas poblacionales
Suponga que dos poblaciones normales independientes son de interés, las medias y las
varianzas poblacionales. Por ejemplo, u1 , 12 , u2 y  22 , son desconocidas y se quiere probar una
hipótesis acerca de la igualdad de las dos varianzas de la siguiente manera:
H 0 :  12   22
H1 :  12   22
Y suponga que se cuenta con dos muestras de tamaño n1 de la población 1 y de tamaño n2 de
la población 2, y sean las varianzas s12 y s22 las varianzas muestrales. El procedimiento para la
prueba de la hipótesis requiere del uso de la distribución de probabilidad F a través del
estadístico de prueba siguiente:
s12
F0  2
s2
Ejemplo:
Las capas de óxido sobre obleas semiconductoras se someten a grabado en una mezcla de gases
para conseguir el espesor correcto. La variabilidad del espesor de estas capas de óxido es una
característica crítica de las obleas, y es deseable una variabilidad reducida en las faces
subsecuentes del procesamiento. Se estudian dos mezclas diferentes de gases a fin de
determinar si una de ellas es mejor para reducir la variabilidad del espesor del óxido. Se
someten a corrosión 20 obleas en cada gas. Las desviaciones estándar muestrales del espesor
del óxido son s1  1.96 angstroms y s2  2.13 angstroms, respectivamente. ¿Hay evidencia que
indique que deba preferirse alguno de los dos gases? Use   0.05 .
Solución:
H 0 :  12   22
1..- Hipótesis:
H1 :  12   22
2.-nivel de significancia:   0.05
s12
3.- esta dígrafo de contraste: F 
s22
1.962
Reemplazando datos: F0   0.84
2.132
4.- región crítica:
Valores críticos:
F( / 2, n1 1, n2 1)  F(0.025,19,19)  2.53
1 1 1
F(1 / 2, n1 1, n2 1)     0.40
F( / 2, n1 1, n2 1) F(0.025,19,19) 2.53
Región de rechazo : 0,0.40  2.53, 
5.-decisión: como F0  0.84  0.4  F0  R. A / H 0
6.- Conclusión: No hay evidencia sólida que indique que alguno de los gases dé como resultado
una varianza menor del espesor del sólido.
Prueba de hipótesis para la media poblacional de las diferencias ( es decir en poblaciones
dependientes)
Tenemos muestras pareadas o correlacionadas cuando sabemos de antemano que una
observación está relacionada con la otra. Pueden ser observaciones tomadas al mismo tiempo,
diseño pareado 1, o medidas tomadas en un mismo sujeto o unidad en dos oportunidades o
tiempo distintos (diseño pareado 2).
El número de observaciones es el número de pares.
Test t pareado
Supuestos: La muestra de las diferencias es una muestra aleatoria de una población de
diferencias. El modelo de la población de las diferencias es Normal, supuesto que no es
relevante si el tamaño de la muestra n es grande.
Hipótesis:
H 0 : d  0
H1 : d  0 o
H : 0
1 d o
H1 : d  0 .
Se determina el nivel de significancia 
Datos: Muestra de n diferencias de la cual se calcula el promedio de las diferencias d y la

desviación estándar de las diferencias

sd .

d
t
sd
Test estadístico observado: n

Este es el test estadístico y su distribución bajo H0 , es una distribución t con n-1 grados de
libertad.

El valor-p del test, depende de la dirección de la hipótesis alternativa.

Ejemplo: