c

 

   


V
V
  V


›

 

En el tema anterior comentamos las diversas formas de inferencia sobre los parámetros de una
población:

G?   


? 
£º £0
O º 1.25641 (como O es la media de una Poisson, una posible estimación es la media
muestral)

? 
  ! £ "#$% &'  (

à
  
 
  
 
‰5.0% confidence interval for mean: 1.25641 +/ - 0.3‰ 53 [0. 57 7
1.654‰4]

In practical terms we state with ‰5.0% confidence that the true mean Llamadas diarias is
somewhere between 0. 57 7 and 1.654‰4. 

?   ' )  
£º£*  £
£*"£+£*£,£*%# ! 
' -

En este tema, estudiaremos cómo hacer las 
    ! , su fundamento teórico y
su interpretación.

Veamos un ejemplo primero:

Consideramos la variable â: estatura de los alumnos del grupo GM23, y queremos estimar su media.

Para ello consideramos la muestra (
3‰) tomada al comienzo del curso.

Una m  

 vendría dada de forma natural por la media muestral: â '  .

Si queremos una m  m, una primera idea es buscar un intervalo tal que el valor
de la media esté en dicho intervalo con una probabilidad determinada (por ejemplo, 0.‰5).

% Para hallar probabilidades,   
!' .   (
'$ .

En este caso, por la definición de la v.a. â podemos considerar que sigue una distribución normal
! ÿ 
(además, la muestra obtenida pasa el contraste de la normal con p-valor de 0.66). Por


tanto, por las propiedades de la distribución normal, sabemos que el estimador de la media, ,
también sigue una distribución normal:


]  , es decir â  
â    ]
 w  
 


% Para hallar el intervalo, podríamos $ !   Ú Ú  D ? ˜#   . 
O w Ú
ÿ 

Ú  '  @??
â

En este caso, Ú ' 
Ú  '  , y tendríamos que
    con probabilidad 0.‰5.

 
c

 
   


% Si ahora '  /
 , tenemos que â    ]

â    ] con probabilidad

0.‰5.

El intervalo sería  â    ] â    ]  

 

!%
  '    '  '  
  realizada, se tiene que â '  y
3‰, pero
desconocemos el valor de ]. Una solución, es aproximarlo por la cuasidesviación típica de la muestra
áº6.243.

Con esos datos, $ 
  ! (172.65 , 176.57) para  con una confianza del ‰5%.

(Con Statgraphics se obtiene: ³‰5.0% confidence i nterval for mean: [172.5‰
176.63‰]´, que es muy
similar
las diferencias se deben al uso de la cuasivarianza en lugar de ], y comentaremos este
aspecto más adelante.)

j mm


? $Por qué decimos  (en lugar de probabilidad?

$Es correcto decir que O w

 ' ? Se pueden calcular probabilidades de
v.a., pero      !, por lo que no es correcto hablar de probabilidades. Por ello,
cuando tenemos un intervalo obtenido a partir de los datos de una muestra, se habla de
confianza.

? Si tomamos otra muestra de la misma población, $habríamos obtenido el mismo intervalo?

$ 0   ! '  ( ?

La 
 para obtenerlo 1  0, pero los valores concretos que toma el intervalo
dependen de los datos de la muestra y de su tamaño.


i   m m  mm  mm



En general, para hallar "£%: intervalo de confianza para un parámetro £ con un nivel de confianza
de 2 c, seguiremos los mismos pasos que en el ejemplo anterior. Formalizamos el método de la
siguiente forma:

i)?  ' !  â ' â ÿ â   â £
que:

G? depende de los datos de la
  y del parámetro £: â
â ÿ â  Ú â £

G? con '$'  $$''  '.  '  ' '  £.
 
ii)? Encontramos !   Ú Ú  ?˜# .  O 
w

 'c @
iii)? Å  /
 £ en la expresión anterior para obtener
 '
 w â   â 
 '
 w â   â 
tales que O w

£

 '   c 
iv)? El intervalo de confianza buscado es "£%: w

 




 
c

 
   

j m 


Distinguimos entre la ½


 


  ½
 ( intervalo de confianza)

 '  $   ' "% Å '  $   ' "%

A partir del resultado de la muestra

±2 ± ˜,
Como
 '
 w â   â 
 '
 w â   â son
se tiene que los extremos del intervalo
'1  (y por tanto !), tiene sentido 


±2 ±  ˜ (son 0
   )
interpretar 
c como una  $$'': por lo que no tiene sentido hablar de
O w

£

 '   c  probabilidad O w
£
  '   c 
 Por eso, 
c se interpreta como ! ' 
  (.
Se dice que w

 es  intervalo de confianza
Se dice que w   es  intervalo de confianza
para £ al ÿ  c

para £, pues si se obtiene otra muestra, el
(también se habla del m m  c , resultado sería distinto y se tiene  intervalo
que se interpreta como la probabilidad de que £ de confianza para £
esté fuera de dicho intervalo)
Una  ( del ‰5% significa que si
obtenemos 100 intervalos de confianza para £ el
verdadero valor de £estaría en ‰5 de ellos.

! 
En adelante, utilizaremos la siguiente notación:


   : muestra aleatoria simple de la v.a. â.

    J
â : media muestral ( ' )
J
ÿ 
    ÿ 

á  : cuasivarianza muestral ( á  '  J
).
J 
á ' á  : cuasidesviación típica muestral

‰  m  mm m m 


En este apartado estudiaremos:

? cómo hallar los intervalos de confianza para los 2
 '  !$ y
? cómo hallar intervalos de confianza para 
 2
 ' ' !$ ,

considerando siempre que dichas variables siguen una '$ 
.

‰ 
m  m m  m

  m 

En este apartado consideramos â  ! ÿ
. Estudiaremos los siguientes intervalos:

G? IC(): Intervalo de confianza para la media

? Si ] es conocida
? Si ] es desconocida
G? IC( Ô): Intervalo de confianza para la varianza

 
c

 
   


 
c

 
   


m mm  

G? á m  


â
R
 â c   ]
c
!   â '  w   donde  w8
c   '   
] 

8  ÿ  


c  c  c 

 c    c    


G? á m  m  


â c
!   â '   

R
 â c     donde w
  c  


 

  

c  
c  c 

c   c  


 
m m 


w
  
ÿ

  ÿ

   
!   â

  
 R ÿ Ô    donde  w 
  '  

 
c   c  

 
 
   
!    " 
 
   
!    " 
 
c

 
   







 
 
c  
c 

c 

c
Ô
  
c
Ô  
±
 

‰   m  mm  m   m 

Consideramos:

? â2 y âÔ son v.a. independientes

? â   ! ÿ  
, â   ! ÿ  
.
? â22 â 2 âÔ2 â Ôm.a.s. de X 1 y X2
? : tamaño de la muestra de â2
? : tamaño de la muestra de âÔ
? â  â  : medias muestrales de â2 y âÔ
?    : cuasivarianzas muestrales de â2 y âÔ

Estudiaremos los siguientes intervalos:

): Intervalo de confianza para el    ' !(' !'  '  

 
G? IC(   
G? IC(2ÕÔ): Intervalo de confianza para la '  ' 
'' !'  '  
? Si se puede suponer igualdad de varianzas
? Con varianzas distintas
G? IC(2ÕÔ): Intervalo de confianza para la '  ' 
'' 
  '


 
    
m mmmm m   m   mm mm 

 ]    
!   â ' '      ÿ Ô 

 
   
  ]  ]  ] 


  
R
]   ]        donde  w 
 '  ÿ Ô 

 
   
 
c     c    

—
?
?


 
c

 
   




 
c

 
   

' '  '  . !( - "! 3 4%

G? Si 1 ?R  ]   ]   podemos aceptar que son iguales. 
Si 1 O?R  ]   ]  podemos considerar que son diferentes.
 
G?


Õ
m m mm mm   m   mm mm

á m
m m
m
m ]  ' ]  
   m 

 
G?

ÿ â  â 
 ÿ 
w     w   
!    
     donde   ' 
  
 


  c
R
 
 Ô? wâ 
â   c       donde  w   
c   '   
 


' '  '  . 
' - "! '  (3 4%

G? Si 0 ?R 2
Ôpodemos aceptar que son iguales.
G? Si 0 O?R 2
Ôpodemos considerar que son diferentes.

á m
m m
m
m ]  ' ]      

 
G?

ÿ â  â 
 ÿ 

!    
      donde el número de grados de libertad ½ viene dado por la
 

  




  
 
aproximación de Welch: 
  


 

 
 


  
   

 

   c
R

Ô? ÿ â 
â 
 c   

 donde w  c  




?
j m 

Para estudiar la igualdad de medias de dos v.a. aleatorias independientes con distribución normal,
seguiremos los siguientes pasos:

i)? ' si se puede suponer o no 

   m!(:
 
? hallar IC(    )y
? estudiar si contiene o no al 1.

ii)? ' la 
   m
':
? hallar el R 2
Ô que corresponda y
? estudiar si contiene o no al 0.

 #
c

 
   


Õ
m m mm mm   m
m  m  

Ejemplo: Se quiere estudiar los efectos de una dieta al cabo de 6 meses
para ello se mide el peso
de las personas antes de iniciar la dieta y el peso de esas mismas personas al cabo de 6 meses de
dieta.

En este caso que â2 y âÔ son v.a. tales que â  ÿ  ] 
, â   ÿ  ] 
, pero    

'  '  .

Cuando â2 y â Ô representan características diferentes de la misma población y se quieren contrastar

sus diferencias, conviene tomar 
m   m  : se obtiene el valor de â2 y â Ô sobre los


 individuos de la población y se define la ! mm
Õ.

En este caso, denotamos por el tamaño de la muestra (es igual para â 2 y âÔ)

â2
 ÕâÔ
es
una m.a.s. de la variable diferencia 
â2Õâ Ô. 

es la media muestral de 
â2ÕâÔ (por tanto
â 
â  ).

  es la cuasivarianza muestral de 
â2ÕâÔ. (No se puede calcular en función de    , pues no
hay independencia de las variables.)

Ejemplo:

â2 : peso de una persona antes de comenzar la dieta

âÔ : peso de una persona a los 6 meses de comenzar la dieta
: diferencia de peso al cabo de 6 meses de comenzar la dieta

Se toma una muestra de 15 personas y se obtienen los siguientes datos:

â2 7 6 ‰ 7 6 65 70.5 76 ‰‰ 102 64 67.5 ‰2 101

âÔ 76 5 ‰‰ 73 5 63 65 75 ‰6.5 ‰0 61 5.5 6 ‰0 ‰5
 2 1 -1 5 1 2 5.5 1 2.5 12 3 2.5 -0.5 2 6

Con esos datos se obtiene que: â 
# , â 
# , Å '  ,  Å '  . De hecho, se
trabajará sólo con los datos de la variable 

Suponemos que la v.a.  sigue un modelo de distribución normal ! ÿ
, donde 

  .

Por tanto, para estudiar la diferencia de medias, podemos hallar el intervalo de confianza para Å
,
es decir un intervalo de confianza para la media de una población normal (ver ‰.2.1). Tenemos:

Å Å c
!   â ' Å
   R
 Å c    donde  w 
c   '   
Å 


' '  '  ' . 
' '   "! '  (3 4%

G? Si 0 ?R no podemos considerar que sean diferentes. 
G? Si 0 O?R podemos considerar que son diferentes.

En el ejemplo, para un nivel de confianza del ‰5% se obtiene el intervalo [1.1576‰ , 4.70 ‰ ], por lo
que podemos considerar que sí hay una diferencia de peso significativa.

$Sería correcto garantizar que se adelgazan 3 kg.?$ que se adelgaza al menos 1 kg?