UNIVERSIDAD NACIONAL DE PIURA

FACULTAD DE MEDICINA HUMANA

UNP FMH

ESTIMACIN DE PARMETROS
CURSO:
Bioestadstica

DOCENTE:
CPC. Alfredo Sulln Len

ALUMNOS:
Aponte Coronado, Nestor Crespo Guerreo, Frank Ordinola Calle, Daysi Saavedra Guevara, Jaime

Junio, 2012

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

INTRODUCCIN

En nuestros das, la estadstica se ha convertido en un mtodo efectivo para describir con exactitud los valores de datos econmicos, polticos, sociales, psicolgicos, biolgicos o fsicos, y sirve como herramienta para relacionar y analizar dichos datos. El trabajo del experto estadstico no consiste ya slo en reunir y tabular los datos, sino sobre todo en el proceso de interpretacin de esa informacin. El desarrollo de la teora de la probabilidad ha aumentado el alcance de las aplicaciones de la estadstica. Muchos conjuntos de datos se pueden aproximar, con gran exactitud, utilizando determinadas distribuciones probabilsticas; los resultados de stas se pueden utilizar para analizar datos estadsticos.

Es por esa razn fundamental, por la cual estudiamos el curso y por la cual realizamos este pequeo trabajo monogrfico.

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

TABLA DE CONTENIDOS

INTRODUCCIN2 TABLA DE CONTENIDOS.............................................................. 3 ESTIMACIN DE PARMETROS .................................................. 5 1. PROPIEDADES DESEABLES DE UN ESTIMADOR.5 2. ESTIMADORES DE MXIMA VEROSIMILITUD6 3. ALGUNOS ESTIMADORES FUNDAMENTALES...7 a. Estimador de la esperanza matemtica.7 b. Estimador de la varianza..8 ESTIMACIN CONFIDENCIAL..9 1. INTRODUCCIN..9 2. INTERVALOS DE CONFIANZA PARA LA DISTRIBUCIN NORMAL10 2.1. 2.2. 2.3. 2.4. 2.5. Intervalo para la media si se conoce la varianza.12 Intervalo para la media (caso general)...15 Intervalo de confianza para la varianza..20 Estimacin del tamao muestral..20 Intervalos para la diferencia de medias de dos Poblaciones.23

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

3. INTERVALOS DE CONFIANZA PARA VARIABLES DICOTMICAS.23 3.1. Intervalo para una proporcin.24 3.2. Eleccin del tamao muestral para una proporcin25 3.3. Intervalo para la diferencia de dos proporciones 26

BIBLIOGRAFA..29

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

ESTIMACIN DE PARMETROS

1. PROPIEDADES DESEABLES DE UN ESTIMADOR Sea X una v.a. cuya funcin de probabilidad (o densidad de probabilidad Si es continua) depende de unos parmetros desconocidos. Representamos mediante X1, . . . ,Xn una muestra aleatoria simple de la variable. Denotamos mediante fc a la funcin de densidad conjunta de la muestra, que por estar formada por observaciones independientes, puede factorizarse del siguiente modo:

Se denomina estimador de un parmetro , a cualquier v.a. Que se exprese en funcin de la muestra aleatoria y que tenga por objetivo aproximar el valor de

Obsrvese que el estimador no es un valor concreto sino una variable aleatoria, ya que aunque depende unvocamente de los valores de la muestra observados (Xi = xi), la eleccin de la muestra es un proceso aleatorio. Una vez que la muestra ha sido elegida, se denomina estimacin el valor numrico que toma el estimador sobre esa muestra. Intuitivamente, las caractersticas que seran deseables para esta nueva variable aleatoria (que usaremos para estimar el parmetro desconocido) deben ser: Consistencia: Cuando el tamao de la muestra crece arbitrariamente, el valor estimado se aproxima al parmetro desconocido. Carencia de sesgo: El valor medio que se obtiene de la estimacin para diferentes muestras debe ser el valor del parmetro. Eficiencia: Al estimador, al ser v.a., no puede exigrsele que para una muestra cualquiera se obtenga como estimacin el valor exacto del parmetro. Sin embargo podemos pedirle que su dispersin con respecto al valor central (varianza) sea tan pequea como sea posible. Suficiencia: El estimador debera aprovechar toda la informacin existente en la muestra.

2. ESTIMADORES DE MXIMA VEROSIMILITUD Sea X una v.a. con funcin de probabilidad

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

Las muestras aleatorias simples de tamao n, X1,X2, . . . ,Xn tienen por distribucin de probabilidad conjunta

Esta funcin que depende de n+1 cantidades podemos considerarla de dos maneras: Fijando , es una funcin de las n cantidades xi. Esto es la funcin de probabilidad o densidad. Fijados los xi como consecuencia de los resultados de elegir una muestra mediante un experimento aleatorio, es nicamente funcin de . A esta funcin de la denominamos funcin de verosimilitud. En este punto podemos plantearnos el que dado una muestra sobre la que se ha observado los valores xi, una posible estimacin del parmetro es aquella que maximiza la funcin de verosimilitud.

Figura 7.1: La funcin de verosimilitud se obtiene a partir de la funcin de densidad, intercambiando los papeles entre parmetro y estimador. En una funcin de verosimilitud consideramos que las observaciones x1, . . . ,xn, estn fijadas, y se representa la grfica con el valor de los valores que tomara la funcin de densidad para todos los posibles valores del parmetro . El estimador mximo verosmil del parmetro buscado, MV, es aquel que maximiza su funcin de verosimilitud, V ( ). Como es lo mismo maximizar una funcin que su logaritmo (al ser este una funcin estrictamente creciente), este mximo puede calcularse derivando con respecto a la funcin de verosimilitud (bien su logaritmo) y tomando como estimador mximo verosmil al que haga la derivada nula:

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

De modo ms preciso, se define el estimador mximo verosmil como la v.a.

Los estimadores de mxima verosimilitud tienen ciertas propiedades en general que a continuacin enunciamos: 1. Son consistentes; 2. Son invariantes frente a transformaciones biunvocas, es decir, si MV es el estimador mximo verosmil de y g( ) es una funcin biunvoca de , entonces g( MV) es el estimador mximo verosmil de g( ). 3. Si es un estimador suficiente de , su estimador mximo verosmil, MV es funcin de la muestra a travs de ; 4. Son asintticamente normales; 5. Son asintticamente eficientes, es decir, entre todos los estimadores consistentes de un parmetro , los de mxima verosimilitud son los de varianza mnima. 6. No siempre son insesgados. 3. ALGUNOS ESTIMADORES FUNDAMENTALES Vamos a estudiar las propiedades de ciertos estimadores que por su importancia en las aplicaciones resultan fundamentales: estimadores de la esperanza matemtica y varianza de una distribucin de probabilidad. a) Estimador de la esperanza matemtica Consideremos las muestras de tamao n, X1,X2, . . . ,Xn, de un carcter sobre una poblacin que viene expresado a travs de una v.a. X que posee momentos de primer y segundo orden, es decir, existen E[X] y Var [X]:

El estimador media muestral que denotaremos normalmente como X (en lugar de es

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

Por tanto es un estimador insesgado. Si adems sabemos que X se distribuye segn una ley gaussiana, se puede comprobar que coincide con el estimador de mxima verosimilitud: Proposicin:

b) Estimador de la varianza Al elegir un estimador de = Var [X], podemos comenzar con el estimador ms natural (que es el estimador mximo verosmil) sin embargo este no es insesgado, ya que el valor esperado del estimador

Se demuestra que es (n 1)/n . De esta manera, para conseguir un estimador insesgado de la varianza se introduce la cuasi varianza muestral:

La cual presenta como valor esperado

. Se puede comprobar adems que

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

ESTIMACIN CONFIDENCIAL
1. INTRODUCCIN Anteriormente establecimosla teora que concierne a la definicin y concepto de un estimador puntual, as como las propiedades deseables que debe verificar para considerar el producto una buena estimacin del parmetro. Existen, no obstante, multitud de circunstancias en las que el internes de un estudio no estriba tanto en obtener una estimacin puntual para un parmetro, como determinar un posible rango de valores o intervalo en los que pueda precisarse, con una determinada probabilidad, que el verdadero valor del parmetro se encuentra dentro de esos lmites. Las tcnicas que abordan este tipo de situaciones, se encuadran dentro de la estadstica Inferencial bajo el ttulo de Estimacin Confidencial. O Estimacin por Intervalos de Confianza. El desarrollo terico de cmo llega a constituirse un intervalo, realizado en el caso ms intuitivo y sencillo, as como los intervalos de confianza para los parmetros ms usuales: Medias, varianzas y proporciones, para una y dos poblaciones, son el objetivo de este captulo. Para ello empezamos bajo el supuesto de que nuestra variable en estudio es una variable aleatoria que sigue una distribucin cualquiera Nuestro objetivo ser determinar los lmites del intervalo de confianza para estos. Sea X Fam( ) una v.a. de cierta familia, que se distribuye segn un parmetro que desconocemos. Para estimar dicho parmetro a partir de una muestra aleatoria simple

Hemos definido lo que es un estimador (~X ) y hemos enunciado las buenas propiedades que es deseable que posea. Cuando se realiza el experimento aleatorio de extraer una muestra concreta de la poblacin, el estimador (que a veces denominaremos estimador puntual) nos da una aproximacin de .

Esto es lo que estimacin asigna un estimacin del parmetro.

se denomina puntual, pues se punto como valor del

La estimacin confidencial o estimacin por intervalos de confianza asigna un conjunto de valores como estimacin del parmetro, que generalmente tiene forma de intervalo: I(X).

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

Diremos que I(~X) es un intervalo aleatorio al nivel de significacin equivalentemente, intervalo aleatorio al nivel de confianza 1 si

, o

O lo que es lo mismo:

Es importante comprender correctamente esta idea: I(~X ) es un conjunto aleatorio que depende de la muestra elegida. Por tanto para cada muestra tenemos un intervalo de confianza diferente. Si elegimos un nivel de confianza por ejemplo de = 95%, y encontramos (mediante la tcnica que sea) intervalos de confianza al 95% que se correspondan con cada una de las muestras, lo que sabemos es que en el 95% de los casos los intervalos de confianza dieron una respuesta correcta. En el 5% restante se obtuvo una respuesta incorrecta. Cuando una muestra ha sido elegida mediante un muestreo aleatorio simple, no tiene sentido decir I(~x) con probabilidad 1 , pues solo puede ocurrir que (fijada la muestra) el parmetro est o que no est dentro del intervalo. Sin embargo por comodidad a veces se utiliza esa expresin, donde lo que queremos con esa frase es expresar la idea de que si hubisemos tomados muest ras del mismo tamao en una gran cantidad de ocasiones, hubisemos acertado por lo menos en un 100 (1 )% de las ocasiones al decir que el parmetro estaba en el intervalo que cada muestra suministra.

2. INTERVALOS DE CONFIANZA PARA LA DISTRIBUCIN NORMAL

Dada una variable aleatoria de distribucin gaussiana, , nos interesamos en primer lugar, en calcular intervalos de confianza para sus dos parmetros, y .

He aqu un resumen de las situaciones que consideraremos:

Intervalo para la media si se conoce la varianza: Este no es un caso prctico (no se puede conocer sin conocer previamente

), pero sirve para introducirnos en el problema de la estimacin confidencial de la media; Intervalos de confianza para la media (caso general): Este se trata del caso con verdadero inters prctico. Por ejemplo sirve para estimar intervalos que contenga la media del colesterol en sangre en una 10

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

poblacin, la altura, el peso, etc, cuando disponemos de una muestra de la variable. Intervalo de confianza para la varianza: ste es otro caso de inters en las aplicaciones. El objetivo es calcular un intervalo de confianza para , cuando slo se dispone de una muestra.

Estimacin de tamao muestral: La utilidad consiste en decidir cul deber ser el tamao necesario de una muestra para obtener intervalos de confianza para una media, con precisin y significacin dadas de antemano. Para que esto sea posible es necesario poseer cierta informacin previa, que se obtiene a partir de las denominadas muestras piloto. Intervalos para la diferencia de medias de dos poblaciones Ms adelante, consideramos el caso en que tenemos dos poblaciones donde cada una sigue su propia ley de distribucin problemas asociados a este caso son a) Diferencia de medias homocedticas Se realiza el clculo del intervalo de confianza suponiendo que ambas variables tienen la misma varianza, es decir son homocedticas. En la prctica se usa este clculo, cuando ambas variables tienen parecida dispersin. b) Diferencia de medias (caso general) Es el mismo caso que el anterior, pero se realiza cuando se observa que hay diferencia notable en la dispersin de ambas variables. y . Los

2.1.

Intervalo para la media si se conoce la varianza Este caso que planteamos es ms a nivel terico que prctico: difcilmente vamos a poder conocer con exactitud mientras que es desconocido. Sin embargo nos aproxima del modo ms simple a la estimacin confidencial de medias. Para estimar , el estadstico que mejor nos va a ayudar es conocemos su ley de distribucin: , del que

11

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

Esa ley de distribucin depende de (desconocida). Lo ms conveniente es hacer que la ley de distribucin no dependa de ningn parmetro desconocido, para ello tipificamos:

Este es el modo en que haremos siempre la estimacin puntual: buscaremos una relacin en la que intervengan el parmetro desconocido junto con su estimador y de modo que estos se distribuyan segn una ley de probabilidad que es bien conocida y a ser posible tabulada.

De este modo, fijado

, consideramos la v.a.

y tomamos

un intervalo que contenga una masa de probabilidad de . Este intervalo lo queremos tan pequeo como sea posible. Por ello lo mejor es tomarlo simtrico con respecto a la media (0), ya que all es donde se acumula ms masa (vase la figura 8.1). As las dos colas de la distribucin (zonas ms alejadas de la media) se repartirn a partes iguales el resto de la masa de probabilidad, .

Figura: La distribucin probabilidad es

y el intervalo ms pequeo posible cuya . Por simetra, los cuantiles y slo

12

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

difieren en el signo.

Vamos a precisar cmo calcular el intervalo de confianza:

Sea

el percentil

de Z, es decir, aquel valor de

que deja

por debajo de si la cantidad decir:

de la masa de probabilidad de Z, es

Sea

el percentil

, es decir,

Es til considerar en este punto la simetra de la distribucin normal, y observar que los percentiles anteriores son los mismos aunque con el signo cambiado:

El intervalo alrededor del origen que contiene la mayor parte de la masa ( ) es el intervalo siguiente (cf. Figura 8.1):

Lo que habitualmente escribiremos como:

De este modo podemos afirmar que existe una probabilidad de de que al extraer una muestra aleatoria de la variable en estudio, ocurra:

13

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

De este modo un intervalo de confianza al nivel para la esperanza de una normal de varianza conocida es el comprendido entre los valores

La forma habitual de escribir este intervalo est inspirada en la Figura :

Figura: Intervalo de confianza para la media.

2.2.

Intervalo para la media (caso general) Como hemos mencionado, los casos anteriores se presentarn poco en la prctica, ya que lo usual es que sobre una poblacin quizs podamos conocer si se distribuye normalmente, pero el valor exacto de los parmetros y no 14

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

son conocidos. De ah nuestro inters en buscar intervalos de confianza para ellos. El problema que tenemos en este caso es ms complicado que el anterior, pues no es tan sencillo eliminar los dos parmetros a la vez. Para ello nos vamos a ayudar de lo siguiente:

Por el teorema de Cochran sabemos por otro lado que:

Y que adems estas dos ltimas distribuciones son independientes. A partir de estas relaciones podemos construir una distribucin de Student con n-1 grados de libertad (cf. figura 8.3):

Figura: La distribucin es algo diferente a cuando n es pequeo, pero conforme ste aumenta, ambas distribuciones se aproximan.

15

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

Simplificando la expresin anterior tenemos:

Dado el nivel de significacin percentil ,

buscamos en una tabla de

el

, el cual deja por encima de si la cantidad

de la masa de probabilidad (figura 8.4). Por simetra de la distribucin de Student se tiene que , luego

Figura: La distribucin de Student tiene las mismas propiedades de simetra que la normal tipificada.

El intervalo de confianza se obtiene a partir del siguiente clculo:

16

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

Es decir, el intervalo de confianza al nivel para la esperanza de una distribucin gaussiana cuando sus parmetros son desconocidos es:

Figura: Intervalo de confianza para cuando (caso general).

es desconocido

Al igual que en el caso del clculo del intervalo de confianza para cuando es conocido, podemos en el caso desconocido, utilizar la funcin de verosimilitud (figura8.5) para representarlo geomtricamente. En este caso se usa la notacin:

Ejemplo

17

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

Se quiere estimar un intervalo de confianza al nivel de significacin para la altura media de los individuos de una ciudad. En principio slo sabemos que la distribucin de las alturas es una v.a. X de distribucin normal. Para ello se toma una muestra de n=25 personas y se obtiene

Solucin: En primer lugar, en estadstica inferencial, los estadsticos para medir la dispersin ms convenientes son los insesgados. Por ello vamos a dejar de lado la desviacin tpica muestral, para utilizar la cuasidesviacin tpica:

Si queremos estimar un intervalo de confianza para el estadstico

, es conveniente utilizar

y tomar como intervalo de confianza aquella regin en la que

es decir,

18

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

o dicho de forma ms precisa: Con un nivel de confianza del podemos decir que la media poblacional est en el intervalo siguiente (vase la Figura):

Figura: Clculo del intervalo de confianza para la media usando para ello la distribucin de Student y la funcin de verosimilitud asociada, la cual est tiene su mximo en , ya que esta estimacin puntual de es la mximo verosmil.

2.3.

Intervalo de confianza para la varianza Un intervalo de confianza al nivel 1 para la varianza de una distribucin gaussiana (cuyos parmetros desconocemos) lo obtenemos como:

Ejemplo Se estudia la altura de los individuos de una ciudad, obtenindose en una muestra de tamao 25 los siguientes valores:

Calcular un intervalo de confianza con altura de los individuos de la ciudad.

= 0, 05 para la varianza

de la

Por tanto, para el valor poblacional de la desviacin tpica tenemos que

19

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

Con una confianza del 95 %, que por supuesto contiene a las estimaciones puntuales S = 10 y S = 10, 206 calculados sobre la muestra. 2.4. Estimacin del tamao muestral Antes de realizar un estudio de inferencia estadstica sobre una variable, lo primero es decidir el nmero de elementos, n, a elegir en la muestra aleatoria. Para ello consideremos que el estudio se basara en una variable de distribucin normal, y nos interesa obtener para un nivel de significacin dado, una precisin (error) d. Para ello, recordemos que un intervalo de confianza para una media en el caso general se escribe como:

Si n es suficientemente grande, la distribucin t de Student se aproxima a la distribucin normal. Luego una manera de obtener la precisin buscada consiste en elegir n con el siguiente criterio:

Donde S2 es una estimacin puntual a priori de la varianza de la muestra. Para obtenerla nos podemos basar en una cota superior conocida por nuestra experiencia previa, o simplemente, tomando una muestra piloto que sirve para dar una idea previa de los parmetros que describen una poblacin. Ejemplo En los ltimos ejemplos se ha estudiado la variable altura de los individuos de una poblacin, considerando que esta es una variable que se distribuye de modo gaussiana.

20

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

Para ello se tom una muestra de 25 individuos (que podemos considerar piloto), que ofreci los siguientes resultados:

Calcular el tamao que debera tener una muestra para que se obtuviese un intervalo de confianza para la media poblacional con un nivel de significacin = 0, 01 (al 99 %) y con una precisin de d = 1 cm. Solucin: Obsrvese que sobre la muestra piloto, el error cometido al estimar el intervalo al 95% fue aproximadamente de 42 cm por lo que si buscamos un intervalo de confianza tan preciso, el tamao de la muestra, n, deber ser bastante mayor. En este caso se obtiene:

21

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

Por tanto, si queremos realizar un estudio con toda la precisin requerida en el enunciado se debera tomar una muestra de 694 individuos. Esto es una indicacin de gran utilidad antes de comenzar el estudio. Una vez que el muestreo haya sido realizado, debemos confirmar que el error para el nivel de significacin dado es inferior o igual a 1 cm, utilizando la muestra obtenida.

2.5.

Intervalos para la diferencia de medias de dos poblaciones Consideremos el caso en que tenemos dos poblaciones de modo que el carcter que estudiamos en ambas (X1 y X2) son v.a. distribuidas segn leyes gaussianas:

X 1 N ( 1 , 12 )
2 X 2 N ( 2 , 2 )

En cada una de estas poblaciones se extrae mediante muestreo aleatorio simple, muestras que no tienen por qu ser necesariamente del mismo tamao (respectivamente n1 y n2)

X 1 X 11 , X 12 ,...,X 1n1
Podemos plantearnos a partir de las muestras el saber qu diferencias existen entre las medias de ambas poblaciones, o por ejemplo estudiar la relacin existente entre sus dispersiones respectivas. A ello vamos a dedicar los siguientes puntos. 3. INTERVALOS DE CONFIANZA PARA VARIABLES DICOTMICAS Cuando tenemos una variable dicotmica (o de Bernoulli) a menudo interesa saber en qu proporcin de casos, p ocurre el xito en la realizacin de un experimento. Tambin nos puede interesar el comparar la diferencia existente entre las proporciones en distintas poblaciones. Tambin es de inters calcular para un nivel de significacin dado, el tamao muestral necesario para calcular un intervalo de confianza de cuyo radio sea menor que cierta cantidad.

3.1.

Intervalo para una proporcin Sean X 1 ,..., X n Ber ( p ) . Si queremos estimar el parmetro p, la manera ms natural de hacerlo consiste en definir la suma de estas --- lo que nos proporciona una distribucin binomial. 22

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

X X 1 ... X n B(n, p) y tomar como estimador suyo la v.a.

Es decir, tomamos como estimacin de p la proporcin de xitos obtenidos en n pruebas. La distribucin del nmero de xitos es binomial, y puede ser aproximadaa la normal cuando el tamao de la muestra n es grande, y p no es una cantidad muy cercana a cero o uno. As:

Esta expresin presenta dificultades para el clculo, siendo ms cmodo sustituirla por la siguiente aproximacin:

Para encontrar el intervalo de confianza al nivel de significacin para p se considera el intervalo que hace que la distribucin de ZN(0,1) deje la probabilidad fuera del mismo. Es decir, se considera el intervalo cuyos extremo son cuantiles / 2 y 1 - / 2 . As se puede afirmar con confianza de 1- que:

3.2.

Eleccin del tamao muestral para una proporcin Previo con una muestra de 100 individuos se realiz una estimacin confidencial, con un 95% de confianza, del porcentaje de votantes a una cuestin en un referndum, obtenindose un margen de error de 9,3 puntos. Si pretendemos reducir el error a 1 punto y queremos aumentar el nivel de confianza hasta el 97% ( ) hemos de tomar una muestra lgicamente de mayor tamao, N. La tcnica para aproximar dicha cantidad consiste en observar que el error cometido en una estimacin es de la forma: 23

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

donde es una estimacin puntual de p. Por tanto un valor de N que satisfaga nuestros requerimientos con respecto al error sera:

Si en un principio no tenemos una idea sobre que valores puede tomar p, debemos considerar el peor caso posible, que es en el que se ha de estimar el tamao muestral cuando p=q=1/2. As:

Continuemos el ltimo ejemplo. Se quiere estimar el resultado de un referndum mediante un sondeo, y sin tener una idea sobre el posible resultado del mismo, se desea conocer el tamao de muestra que se ha de tomar para obtener un intervalo al 97% de confianza, con un error del 1 Solucin: Como no se tiene una idea previa del posible resultado del referndum, hay que tomar un tamao de muestra, N, que se calcula mediante:

As para tener un resultado tan fiable, el nmero de personas a entrevistar debe ser muy elevado --lo que puede volver excesivamente costoso el sondeo.

3.3.

Intervalo para la diferencia de dos proporciones Vamos a considerar que tenemos dos poblaciones de modo que en cada una de ellas estudiamos una v.a. dicotmica (Bernoulli) de parmetros respectivos p1 y p2. De cada poblacin vamos a extraer muestras de tamao n1 y n2

Entonces

24

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

Si las muestras son suficientemente grandes ocurre que

Esta ltima relacin se puede aproximar por otra que simplifica bastante los clculos:

Por el mismo razonamiento que en el caso de una poblacin llegamos a que una aproximacin para un intervalo de confianza al nivel diferencia de proporciones de dos poblaciones es: para la

Ejemplos: Ejemplo 1. En el estado de Colima se realiza una encuesta con la intencinde estimar la proporcin de estudiantes ( N = 8, 000) en nivel medio superior y superior que han consumido algn tipo de drga. Dado que se trata de una pregunta delicada, se us el mtodo de respuesta aleatorizada con p =56 .Setom una muestra aleatoria simple de n = 200 estudiantes. En los resultadosse encontraron 45 respuestas "s" de los 200 entrevistados.a) f) Suponga que n= 200 estudiantes es una muestra preliminar. Cul es el tamao de muestra necesario para estimar la proporcin poblacional con 25

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

una precisin de 5% de la proporcin preliminar y una conabilidad de 95%?

N= Donde: N= 8, 000 : el tamao de la poblacin = 1.96 p= d = (0 . 05)(0. 0875) = 0.004375

Por lo tanto:

(unidadesmuestrales) g) Suponga que n = 200 estudiantes es una muestra preliminar. Cul es eltamao de muestra necesario para estimar el total poblacional con una pre-cisin del 5% del total preliminar y con una conabilidad de 95% ? N= Donde: N= 8, 000 : el tamao de la poblacin = 1.96 p= d = (0 . 05)(700) = 35

Por lo tanto:

(unidadesmuestrales) 26

Estimacin de Parmetros UNIVERSIDAD NACIONAL DE PIURA

BIBLIOGRAFA

1. ESTADSTICA GENERAL. http://tarwi.lamolina.edu.pe/~cgonzales/pdf/Estadistica%20General/unidad_6.p df 2. ESTADSTICA I. http://www.itescam.edu.mx/principal/webalumnos/sylabus/asignatura.php?clave _asig=INB-0403&carrera=IIND0405001&id_d=109

3. Http://es.scribd.com/doc/55958638/111/El-tamano-de-la-muestra-para-laproporcion-y-el-total

27