Академический Документы
Профессиональный Документы
Культура Документы
Muestra y poblacin
Valor Correcto
Valor esperado
Valor verdadero
17.05.2012
Muestra y poblacin
Poblacin
Poblacin La totalidad de los elementos posibles de inters. Muestra Parte de la poblacin
Por ejemplo: Lote Produccin anual Extensiones de suelo contaminado Cuerpos de agua
La seleccin de una muestra debe ser: aleatoria representativa independiente repetible muchas veces
17.05.2012
Muestra y poblacin
Descripcin
Poblacin
La descripcin se realiza mediante:
Muestra
Parmetros
Por ejemplo:
Valores caractersticos
x
s
En relacin a la poblacin, a los valores caractersticos siempre se les atribuye una incertidumbre.
Valores estimados
17.05.2012 EQL Consulting, Leipzig 4
Muestra y poblacin
Poblacin, muestra
Poblacin Muestra
Lo que el cliente
desea conocer!
Poblacin
Muestra
17.05.2012
Muestra y poblacin
Poblacin, muestra
Conclusiones
En qu rango de valores (intervalo de dispersin) es de esperarse que se encuentran los valores caracteristicos de una muestra de una poblacin determinada?
Intervalo de dispersin aleatorea de los valores caractrst.
6
, x ,s
Parmetros de la poblacin Indervalo de confianza de los parmetros
/2
/2 1- /2
Conclusin directa
Conclusin indirecta
1-
/2
, x ,s
1 - : Nivel de confianza : Probabilidad de error
En qu rango de valores (Intervalo de confianza) es de esperarse que estn los parmetros de la poblacin a la que pertenece una muestra determinada?
17.05.2012 EQL Consulting, Leipzig
Muestra y poblacin
-1,9600
1 - = 95% /2
1,9600
/2
3,00 4,00
0,00
1,00
2,00
IDA
nivel de confianza P = 1 - : Probabilidad de que los valores conocidos de una muestra caigan en el IDA Probabilidad de error : Probabilidad de que los valores conocidos de la muestra puedan ubicarse fuera del IDA
17.05.2012 EQL Consulting, Leipzig 7
Muestra y poblacin
IDA
Clculo del IDA para parmetros caractersticos de posicin
IDA de dos colas Valor individual
x = u
1 2
n
cn
Media
x = u
1 2
x u(1 )
x + u(1 )
~= u x
1 2
x u(1 )
cn
x + u(1 )
cn
1 2
x + u
1 2
Los valores conocidos inferior y superior establecen los valores lmites del IDA.
Muestra y poblacin
IDA
Aplicacin
El IDA se aplica, por ejemplo, cuando se realiza:
cumplimiento con valores lmites permisibles o valores nominales,pruebas de valores de garanta o elaboracin de diagramas de control de calidad para control de procesos Los valores ms comunes para la probabilidad de error son: Nivel de confianza 1 90,0% 95,0% 99,0% 99,9% 0,1 0,05 0,01 0,001 IDA 1 cola u() -1,2816 -1,6449 -2,3263 -3,0902 1 0,9 0,95 0,99 0,999 u(1 ) 1,2816 1,6449 2,3263 3,0902
17.05.2012
Muestra y poblacin
IDA
Probabilidad y precisin
10% de probabilidad 99% de
probabilidad
90% de
probabilidad
17.05.2012
10
Muestra y poblacin
IDA
Distribucin 2
Para definir el IDA de la desviacin estndar se utiliza la distribucin 2.
0,20
2
0,15
g(
0,10 0,05 0,00 0 f=4 10 f = 10 20 f = 30 30
40
50
60
Cuando la varianza s2 de una muestra procede de una poblacin con la varianza 2, entonces la variable 2 sigue una distribucin 2 con el parmetro f = n - 1. f s2 2 f = 2
Muestra y poblacin
IDA
Clculo del IDA de la desviacin estndar.
IDA de dos colas:
f ; 2
2
s
f ;1 2
f = n 1
(2f ; )
f
(2f ;1 )
f
17.05.2012
12
Muestra y poblacin
IDA
Resumen de frmulas
Valor caracterstico
Valor individual
dos colas
x = u
1 2
una cola
x + u(1 ) x u (1 )
Media
x = u
1 2
x + u(1 ) x u(1 )
Mediana
~= u x
1 2
cn
x u(1 ) x + u(1 )
n n
cn cn
Desviacin estndar
2 f ; 2
2 f ;1 2
(2f ; )
f
f
13
f
17.05.2012
(2f ;1 )
Muestra y poblacin
Valores inicales
Valores nominales: Valores medidos: = 10,0 g = 0,2 g
x = 9,87 g
VK =
=?
100 %
=
VK = 2%
VK 100 = VK 10 2 = 0,2 = 100 100
s = 0,27 g n = 12
17.05.2012
14
Muestra y poblacin
IDA
Ejemplo
1. Prueba de la media
x ob / un = u
1 2
nivel de confianza 95 %
= 0,05
u
1 2
99%
= 0,01
/ = 0,005 2
1 0 ,01 = 0 ,995 2
/ = 0,025 2
0 ,05 = 0 ,975 2
= 1,96
x ob / un = 10 u
0 ,05 1 2
x ob / un = 10 u
0 ,01 1 2
0 ,2 = 10 2 ,5758 0 ,0577 12
x ob / un = 10 0 ,11
9 ,89 g x 10 ,11 g
x ob / un = 10 0 ,15
9 ,85 g x 10 ,15 g
Muestra y poblacin
IDA
Ejemplo
2. Prueba de la desviacin estndar
2 f ; 2
Valor nominal:
= 10,0 g 0,2 g
2 f ;1 2
f = n 1
f = 12 1 = 11
nivel de confianza:
(2 11 ; 0 ,025 )
11 0 ,2 s
95%
(2 11 ; 0 ,975 )
11 0 ,2
99%
(2 11 ; 0 ,005 )
11 0 ,2 s
(2 11 ; 0 ,995 )
11
0 ,2
3 ,8158 0 ,2 s 11
0 ,12 g s 0 ,28 g
21,9201 0 ,2 11
2 ,6032 0 ,2 s 11
0 ,10 g s 0 ,31 g
26 ,7569 0 ,2 11
En ambos niveles de confianza la desviacin estndar calculada cae dentro del IDA. No hay desviaciones.
17.05.2012 EQL Consulting, Leipzig 16
Muestra y poblacin
Conclusin indirecta
Intervalo de Confianza (IC)
A cada valor caracterstico de una muestra corresponde un indicador sobre la exactitud del clculo. Este indicador se obtiene mediante el IC .
Los intervalos de confianza de los parmetros estn estrechamente relacionados con los IDA de los valores caractersticos y pueden ser derivados de ellos.
dos situaciones
conocida.
desconocida.
17.05.2012
17
Muestra y poblacin
IC
IC de la media
1. es conocida Para el IDA de la media:
En sta rea cae x con la probabilidad (1 - )
u
1 2
xsup/ inf = u
1 2
+ u
1 2
x
Es decir,
1 2
1 2
x + u
1 2
Cuando x cae en ste intervalo (lo que ocurre con la probabilidad (1 - ) ), entonces la distancia de respecto a x es mxima para
1 2
n
18
17.05.2012
Muestra y poblacin
IC
IC de la media
1. es conocida.
Por tanto, para un IC del valor medio puede enunciarse:
= x u
1 2
17.05.2012
19
Muestra y poblacin
IC
IC de la media
2. es desconocida El procedimiento es el mismo que el para IC con conocida.
Def.:
t=
17.05.2012
20
Muestra y poblacin
g(t); g(u)
IC
Distribucin t
Distribucin t
La distribucin t es muy semejante a la distribucin normal N(0;1). Es continua, simtrica, con forma de campana y tiene un rea de variacin de - s + .
0.05 0.00 -8.0 f=1 -6.0 f=2 -4.0 -2.0 0.0 f=5 f = 10 2.0 4.0 6.0 t; u N(0,1) 8.0
La forma de la distribucin t es independiente de und y se determina solamente a travs de los grados de libertad (gl) f = n 1 Cuanto menores son los gl, son mayores las desviaciones respecto a N(0;1). Para gl mayores, la distribucin t se convierte en la distribucin normal N(0;1).
17.05.2012 EQL Consulting, Leipzig 21
Muestra y poblacin
Valores caractersticose
Grados de libertad (gl)
El nmero de grados de libertad (gl) de una cantidad aleatoria se define mediante el nmero de observaciones libres disponibles, de los datos muestrales n menos la cantidad a de parmetros muestrales calculados (estimado).
f =na
Ejemplo: Dada la suma de 3 cantidades, se puede disponer libremente de 2 cantidades; la tercera se comprometi en la suma..
(x x )
i
i =n
v=
17.05.2012
i =1
n 1
Muestra y poblacin
IC
Distribucin t
La distribucin t tiene, junto con una menor altura, una extensin claramente mayor respecto a la distribucin normal.
g(t); g(u)
0.45 0.40 0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.00 -8.0 f=1 -6.0 f=2 -4.0 -2.0 0.0 f=5 f = 10 2.0 4.0 6.0 N(0,1) t; u 8.0
Distribucin t
DN
N(0;1) 1,960 2,576 3,291 f=2 4,303 9,925 31,599
Distribucin t
f=5 2,570 4,032 6,869 f = 150 1,976 2,609 3,357
Muestra y poblacin
IC
IC de la media
2. es desconocida. Con ayuda de los valores t puede determinarse los ICs. Para un IC de dos colas , la media : = x t Para un IC de una cola: inferior superior
f ;1 2
s n
x t (f ; 1 )
s n
x + t (f ; 1 )
s n
17.05.2012
24
Muestra y poblacin
IC
IC de la desviacin estndar
f ;1 2
f ; 2
(2f ;1 )
0 < s
(2f ; )
17.05.2012
25
Muestra y poblacin
IC
IC de la desviacin estndar
Para el IC de la desviacin estndar se tiene:
f ; 2
2
s
f ;1 2
2 f ; 2
y anlogamente
f ; 2
lmite superior
2 f ;1 2
lmite inferior
Con esto se definen los valores lmite del intervalo que contiene a con la probabilidad definida. Esto es el IC de la desviacin estndar .
17.05.2012 EQL Consulting, Leipzig 26
Muestra y poblacin
IC
Resumen de las frmulas
dos colas
Media
una cola
conocida
x u
1 2
x + u
1 2
x + u(1 ) x u (1 )
desconocida x t
f ;1 2
s s x + t f ;1 n n 2
x + t (f ; 1 ) x t (f ; 1 )
s n s n
Desviacin estndar
2 f ;1 2
2 f ; 2
(2f ;1 )
0 < s
17.05.2012 EQL Consulting, Leipzig
(2f ; )
27
Muestra y poblacin
IC
Ejemplos
La concentracin de una solucin debe ser de 1,50% con de 0,01%. La solucin es medida 5 veces, con 1,48%; 1,47%; 1,50%; 1,48% y 1,49%. Se cumple con la norma ( = 5%)? Solucin: Calcular el IC de la media y de la desviacin estndar y comparar con los valores nominales (Sollwerten).
IC de la media : = x t
f ; 1 2
s n
1,484 t
0 ,05 4;1 2
Datos iniciales:
Mediciones:
x = 1,484% s = 0,011%
1,484 2 ,7765
n=5 = 5%
17.05.2012
28
Muestra y poblacin
IC
Ejemplo
IC de la desviacin estndar:
f f
f ;1 2
f ; 2
0 ,011
2 0 ,05 4; 1 2
0 ,011
2 0 ,05 4; 2
Datos iniciales:
Mediciones:
x = 1,484% s = 0,011%
0 ,011
0 ,0066 0 ,0316
n=5 = 5%
La dispersin es correcta.
17.05.2012
29
Muestra y poblacin
x =u
x =u n =u
1 2 2
n= u 1 2 x
u 1 2 n= x u 1 2 n= d
2
2 2
2
d= x
u 1 2 nx > d
= Probabilidad de error
17.05.2012 EQL Consulting, Leipzig
30
Muestra y poblacin
u 1 2 nx > d
d= x
u 1 2 ns 1+ 0,5 d
d= s
A travs de estes ecuaciones se puede estimar que nmero mnimo de mediciones se necesita para lograr la precisin d deseada.
Media: d es la diferencia mnima que se puede identificar al usar ese nmero de muestras.
Lit.: Lothar Sachs Angewandte Statistik Springer-Verlag 1990
17.05.2012
31
Muestra y poblacin
Ejemplo: media
El resultado debe tener la precisin de 0,1 g/mL D.E. del Mtodo A: 0,05 g/ml y del Mtodo B. 0,15 g/mL Nmero de muestras para identificar una diferencia de las medias de 0,1 g/mL con la probabilidad de error de = 5% ?
u 1 2 nx > d
d= x
d = 0,1
u 0,05 1 2 nx > 0,1
2
= 0,05 = 5%
2 0,05
2
d = 0,1
u 0,05 1 2 nx > 0,1
= 0,15 = 5%
2 0,15
2 2
nx 1
nx 9
17.05.2012
32
Muestra y poblacin
u 1 2 ns 1+ 0,5 d
d=
= 1%
s=2
u 1 0,01 2 ns 1+ 0,5 0 , 5 1,5
2
= 0,5
d=
= 1%
s=1
u 1 0,01 2 ns 1+ 0,5 0 , 5 0,5
2
ns 1+ 29,95 = 30,95
ns 1+ 0,125 = 1,125
ns 31
17.05.2012
ns 2
33