1 ∑ µ µ - Apuntes

EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA
INFERENCIA SOBRE µ CON σ2 DESCONOCIDA
Distribución de la media muestral
Muchas veces deseamos realizar inferencias acerca de la µ de una población pero no
contamos con la varianza poblacional (σ²). En estos casos podemos estimar la misma a
través de los datos de la muestra:
s2 =
1
υ
n
∑(x
i
− x)2
i =1
Donde
υ = n −1
Caso de distribuciones normales
Si tenemos una variable
x = N (µ ;σ 2 )
Se puede demostrar que la media de una muestra de n elementos ( X ) tiene
distribución T-Student con υ = n-1 grados de libertad:
tυ =
x−µ
s
n
Donde
υ = n −1
Caso de Distribuciones no normales
Si tenemos una variable X que no cumple con el supuesto de normalidad, se puede
demostrar que a medida que n aumenta la distribución de X tiende a la distribución
normal. Cuanto más similar sea la distribución de X a la distribución normal, menor
será el tamaño de muestra requerido. Para estar cubiertos en el peor de los casos
necesitaríamos un tamaño muestral de n = 40.
En este caso, nos quedaría:
tυ ≅
x−µ
s
n
Mariano Bonoli
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
Donde
υ = n −1
1 de 7
EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA
Intervalo de Confianza
La expresión del intervalo de confianza para este caso, es exactamente la misma que
existe en el caso de medias con desvíos conocidos donde reemplazamos el desvío
poblacional por el desvío muestral y la distribución Normal (Z) por la de T-Student (t). Así
obtenemos:
(
P x − t (υ ;1−α / 2 ) .
S
n
≤ µ ≤ x − t(υ ;1−α / 2 ) .
S
n
) = 1−α
Donde
1-α = NC = Nivel de Confianza
α = Riesgo
El tamaño de muestra para un determinado valor de Error muestral, se puede obtener a
través de la siguiente expresión:
 t (υ ;1−α / 2) .S 

n = 
E


2
Esta expresión presenta 2 problemas:
El primer lugar, no tenemos S hasta no haber extraído la muestra, por lo que se usa un
valor de S estimado a través de un a muestra piloto u otro procedimiento.
Por otro lado, n se halla en ambos términos de la ecuación ya que está presente en υ=n1. Nos resulta imposible despejar n. Por esta razón, no nos queda mas remedio que
recurrir en este caso que recurrir a un proceso iterativo, que no es otra cosa que ir
probando valores de υ=n-1 hasta que la fórmula devuelva el mismo valor de n.
Test de Hipótesis
Para realizar los ensayos de hipótesis, como en el caso de las medias con σ² conocida,
todas las expresiones se obtienen a partir de:
tυ =
x−µ
s
n
Por ejemplo,
H 0 )µ ≤ µ0
Mariano Bonoli
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
2 de 7
EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA
α
µo
t=
x c =?
x − µ0
x −µ
⇒ t (υ ;1−α ) = c
S
S
n
n
xc = µ 0 + t (υ ;1−α ) .
CR:
Si
x≥xc S
n
Rechazo la Ho
En estos ensayos de hipótesis, el cálculo de la potencia y tamaños de muestra requiere
complicados procedimientos que escapan al contenido de la materia.
Ejemplo
Una empresa investiga un producto farmacéutico que se supone disminuye el contenido
de colesterol en sangre. Este remedio impediría la acumulación de colesterol en las
paredes arteriales previniendo la arteriosclerosis. Se han tratado 10 pacientes voluntarios
con la droga en experimentación. Luego de un tiempo prudencial se midió el nivel de
colesterol en sangre de los mismos:
x [mg/ml]
239 144 113 228 192 104 175 166 179 204
Se sabe que el nivel medio habitual de colesterol en sangre es de 250 mg/ml, para este
tipo de pacientes. Se desea saber si la droga reduce efectivamente el nivel de colesterol.
Se sabe que la droga actualmente utilizada reduce el nivel de colesterol hasta una media
de 180 mg/ml.
a) Evaluar si la nueva reduce el colesterol (α=5%).
b) Estime el nivel de colesterol que tendrá un paciente tratado con este
medicamento.
c) Cuantas muestras más habría que extraer si se deseara reducir en un 40% el
Error de la estimación anterior.
En este caso debemos adoptar un criterio pesimista ya que la decisión está asociada al
lanzamiento de un producto al mercado. Recordemos que en los planteos de hipótesis
solo podemos afirmar H1 en el caso de Rechazar Ho, pero en caso de no rechazar Ho no
podemos decir nada ni sobre Ho ni sobre H1. Si lo que queremos es probar que el
remedio reduce el colesterol, no nos queda mas remedio que plantear Ho) µ≥200 y si
rechazamos esta hipótesis podemos decir que H1 es verdadera.
Mariano Bonoli
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
3 de 7
EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA
vs
H 0 ) µ ≥ 200
H 1 ) µ < 200
La hipótesis nula será rechazada en el caso de que el valor de
bajo’.
CR y RD : Si
x ≤ x c Rechazo la Ho
x sea ‘sospechosamente
El medicamento reduce el colesterol
α=5%
x c =?
t=
Antes de calcular
µo = 200
x − µ0
x −µ
⇒ t (υ ;α ) = −t (υ ;1−α ) = c
S
S
n
n
x c, debemos calcular S:
n
∑x
x=
S2 =
1
υ
n
= 174,4
n
∑ ( xi − x ) 2 =
i =1
i
i =1
1
υ
n
∑ (x
i
− x ) 2 = 1997,44
i =1
S = 1997,44 = 44,68
xc = µ 0 − t (υ ;1−α ) .
CR y RD : Si
S
44,68
44,68
= 250 − t (9;0,95) .
= 250 − 1,833.
= 224,1
n
10
10
x ≤ 224,1 Rechazo la Ho El medicamento reduce el colesterol
Como x =174,4 es menor a 224,1, Rechazo la Ho y se puede decir que el medicamento
es efectivo.
b)
(
P x − t(υ ;1−α / 2 ) .
S
n
≤ µ ≤ x − t(υ ;1−α / 2 ) .
Mariano Bonoli
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
S
n
)=1−α
4 de 7
EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA
1-α=0,95
1-α/2=0,975
(
)
(
)
, 68
, 68
P 174,4 − t( 9;0,975 ) . 4410
≤ µ ≤ 174,4 + t( 9;0,975 ) . 4410
= 0,95
, 68
, 68
P 174,4 − 2,2622 . 4410
≤ µ ≤ 174,4 + 2,2622 . 4410
= 0,95
P (142,4 ≤ µ ≤ 206,4 ) = 0,95
c)
En primer lugar calcularemos el error de la estimación realizada en el punto b).
Recordemos que se definía como error a la semiamplitud del intervalo:
E Anterior =
LimiteSup − LimiteInf 206,4 − 142,4
=
= 32
2
2
O bien:
E Anterior = t (υ ;1−α / 2 ) .
S
n
, 68
= 2,2622. 4410
= 32
Como queremos reducir este Error en un 40%:
E Nuevo = 0,6.E Anterior = 19,2
O sea que estamos buscando el tamaño de muestra para que el intervalo tenga una
amplitud de 19,2*2=38,4 en vez de una amplitud de 32*2=64.
Para esto aplicamos la fórmula del tamaño de muestra:
 t (υ ;1−α / 2) .S 

n = 
E


2
Reemplazando:
 t ( n−1;0,975) .44,68 

n' = 
19,2


2
Para resolver esta ecuación realizamos el siguiente proceso iterativo:
1. Comenzamos reemplazando en la ecuación, el valor de n cualquiera.
Supongamos n=20.
2. Calculamos
2
2
 t (19;0,975) .44,68   2,093.44,68 
 = 
n' = 
 = 23,72 ⇒ n' = 24
19,2
19,2


 
Mariano Bonoli
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
5 de 7
EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA
Reemplazando n=20, obtenemos n’=24. Estamos buscando que ambos términos de la
ecuación sean iguales, por lo que este resultado no nos sirve.
3. El siguiente paso consiste en reemplazar los sucesivos valores de n’ que vamos
obteniendo por n hasta obtener el mismo valor de n que reemplazamos:
Como obtuvimos en el paso anterior n’=24, reemplazamos:
2
2
 t ( 23;0,975) .44,68   2,0687.44,68 
 = 
n' = 
 = 23,2 ⇒ n' = 24
19,2
19,2


 
Finalmente, reemplazando n=24, obtenemos la respuesta deseada.
Por lo tanto habría que extraer unas 14 muestras más para reducir el error muestral en un
40%.
Ejercicios Propuestos
1) En un lote de novillos se desea calcular el tamaño de muestra para poder dar un
intervalo de confianza para el peso promedio de los mismos. A tal efecto, se sabe que el
desvío estándar de sus pesos es aproximadamente de 20kg y se desea que el error de
muestreo, esto es, la semiamplitud del intervalo, valga 10kg. Calcule el tamaño de
muestra para un nivel de confianza del 90%.
RTA: n=13
2) En una industria textil hay un lote de tambores de 100litros de capacidad que contienen
un suavizante textil, que se han usado parcialmente, por lo que se desea estimar el
contenido medio de los mismos. A tal efecto se tomó una muestra de 15 tambores, se
midieron sus contenidos y se obtuvo una media de 63litros, con un desvío estándar de
12,5litros. Calcular: a) Los límites de confianza del 80% para el contenido medio de los
tambores de la población. b) ¿Qué tamaño de muestra adicional habría que tomar para
poder dar un error de muestreo de ±3litros?.
RTA: a) 63 ± 4,3. b) n=15 datos mas.
3) Se desea estimar el ingreso medio de los habitantes de una ciudad a efectos de lo cual
se tomó una muestra de 100 personas, que arrojó una media de $625 y un desvío
estándar de $576. a) Calcule los límites de confianza del 90% para el ingreso medio de
esta ciudad. b) ¿Qué tamaño de muestra adicional deberá tomarse si se desea un error
de muestreo de ±$50? c) Ud. seguramente advertirá que esta variable No tiene
distribución Normal  El modelo apropiado para esta situación es el Lognormal; ¿queda
invalidado nuestro cálculo por ello?.
RTA: a) 625 ± 95,6. b) 260 c) No.
4) La variabilidad entre parcelas de un mismo cultivo es inherente a las mismas parcelas
e independiente de la variedad del cultivo que se somete a prueba. Se realizó un
experimento con una nueva variedad sobre 20 parcelas de 100m2, que arrojó un
rendimiento medio de 37,8kg y un desvío de 4,2kg. a) Calcule un intervalo de confianza
del 90% para el rendimiento medio verdadero. b) ¿Qué tamaño de muestra habría que
tomar para tener un error muestral de 1kg?.
RTA: a) 37,8 ± 1,6. b) 50
Mariano Bonoli
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
6 de 7
EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA
5) Un camión trae lotes de fardos de alfalfa especial para caballos de carrera, que deben
tener en promedio 10kg de alfalfa. Dado que en el stud no se dispone de báscula para
camiones, se toma una muestra de 10 fardos del camión, antes de descargarlo. Para un
lote recién recibido, la muestra arrojó un peso medio de 9,7kg con un desvío de 0,23kg. a)
¿Acepta Ud. el lote, con probabilidad 5% de equivocarse? Calcule el nivel de significación
“a posteriori”. b) Calcule un intervalo de confianza del 90% para el peso medio de los
fardos.
RTA: a) Se rechaza el lote α*=0,0013. b) 9,7 ± 0,13.
6) Una pequeña fábrica de pinturas ha desarrollado un producto que puede competir en
calidad y precio con el de la empresa líder del ramo. Se ha establecido la conveniencia de
su lanzamiento si se puede asegurar una venta media mínima de 100 lt por cliente y por
año. A tal efecto, se enviaron muestras gratis a 16 posibles clientes, interrogándoselos
luego sobre el volumen anual de pintura que estarían dispuestos a comprar. Se obtuvo
así una media muestral de 114 lt con un desvío estándar de 18 lt. a) Asumiendo un riesgo
del 10%, ¿cuál sería la decisión recomendada?. Calcule el nivel de significación “a
posteriori”. b) Calcular los límites de confianza del 90% para el volumen medio de pintura.
c) ¿A cuántos clientes más habría que enviar muestras para tener un intervalo cuya
amplitud sea la mitad del anterior?
RTA: a) Lanzar el producto, α*=0,0036. b) 114 ± 8. c) 41
7) Una empresa radicada en el interior del país comenzará una campaña de ventas si el
ingreso medio de las familias de la zona supera los $1000 por mes. A efectos de tomar
una decisión se toma una muestra de 100 familias registrándose un ingreso medio en el
último mes de $1100 y un desvío estándar de $923. Asumiendo un 1% de probabilidad de
comenzar la campaña equivocadamente: a) ¿Aconsejaría Ud. comenzar la campaña de
ventas?. Calcule el nivel de significación “a posteriori”. b) Calcule límites de confianza del
90% para el ingreso medio de esta zona. c) Recalcule tamaño de muestra para reducir a
la mitad el error muestral del intervalo hallado.
RTA: a) No, α*=01,14. b) 1100 ± 153. c) n=395
8) Una empresa textil utiliza en una de sus confecciones un hilo de coser cuya resistencia
a la rotura es una variable Normal de media 2,9 kg. Considera la posibilidad de cambiar
de producto, por otro más barato, con la finalidad de bajar costos. Un proveedor ofrece un
producto alternativo, considerablemente más barato, asegurando que no presenta
importantes diferencias con respecto al que usa actualmente la empresa. Se solicita
entonces una prueba al nuevo proveedor, consistente en tomar una muestra de 100
observaciones, que arrojó una media de 2,79kg, con un desvío estándar de 0,32kg. Se ha
establecido que, si el producto ofrecido tuviera la misma resistencia media que el actual,
la probabilidad de adoptarlo debe ser 0,95. ¿Qué recomienda Ud.?
RTA: a) No adoptarlo. Se rechaza hipótesis optimista. α*=0,00043.
Mariano Bonoli
71.03 ESTADÍSTICA TÉCNICA, INGENIERÍA, UBA.
Oct2006
7 de 7