DISTRIBUCIONES MUESTRALES E INTERVALOS DE CONFIANZA

A) TEOREMA DE LÍMITE CENTRAL

Si de una población no normal con media finita  y varianza  2 se extraen muestras aleatorias
de n observaciones, entonces, cuando n   , la media muestral x se distribuye de manera
2
aproximadamente normal, con media  y varianza .
n
Observación. La aproximación se vuelve más precisa cuando n es grande.
Ejemplo
La duración de la enfermedad de Alzheimer desde el inicio de los síntomas hasta la muerte
varía de tres a 20 años; el promedio es 8años con una varianza de 16. El administrador de un
centro médico selecciona al azar, de la base de datos del centro médico, los expedientes de 30
pacientes que murieron de Alzheimer y anota la duración media. Encuentre las probabilidades
aproximadas para estos eventos:

1. La duración promedio es menor que 7 años.

 7 8 
P  x  7  P  z    P  z  1,37   0, 0853
 4 / 30 
2. La duración promedio excede 7 años.
P  x  7  1  P  x  7  1  0,0853  0,9147
3. La duración promedio queda dentro del intervalo de 1 año de la media poblacional.
 7 8 9 8 
P  7  x  9  P  x   P  1,37  x  1,37
 4 / 30 4 / 30 
P  7  x  9  0,9147  0,0853  0,8294

B) Para la media poblacional cuando la varianza poblacional es desconocida

Supongamos que la variable aleatoria X tiene distribución normal con media  y


2
varianza desconocida. Si desde dicha población se toma la muestra aleatoria

X u
X 1 ,...., X n , la variable aleatoria t  tiene distribución t-Student con n  1
S
n
grados de libertad, donde X y S son la media muestral y la desviación estándar
muestral respectivamente.
En los siguientes capítulos, la estadística:
 X u t ( n 1)
t con distribución
S
n
se usará para construir intervalos de confianza y postular hipótesis respecto a la media
poblacional, con el supuesto de que la varianza poblacional es desconocida.
C) Para la proporción P de una población grande

En algunas situaciones el parámetro sobre el que se trata de evaluar hipótesis es la

proporción de elementos con cierta característica A ( P ) en una población. Por ejemplo,
la proporción de estudiantes que llegan temprano a la clase de estadística, la proporción
de estudiantes provenientes de colegios nacionales que postularon al proceso de admisión
2019-I a la UNMSM, la proporción de estudiantes motivados con la carrera profesional
que han escogido, etc.

Si X 1 ,...., X n es una muestra aleatoria de tamaño n desde una población donde p es la

proporción de elementos con cierta característica A (en la muestra aleatoria),entonces, en
muestras grandes p tiene distribución aproximadamente N(0,1), donde

1 n 1 si el elemento posee la caracterís tica 

p  Xi , X i  .
n i 1 0 si el elemento no posee la caracterís tica 

pP
Luego, la estadística Z tiene distribución aproximadamente N(0,1) se usará
PQ
n
para construir intervalos de confianza y postular hipótesis para el parámetro poblacional
P . Observación Q=1-P

En muchos estudios educativos, es necesario comparar ciertas características en dos o

más grupos de sujetos; así por ejemplo, si pensamos aplicar un nuevo método de
enseñanza como aquel que puede tener un porcentaje mayor de alumnos aprobados que
otro método de enseñanza tradicional, o cuando nos planteamos si los niños de las
distintas comunidades rurales tienen o no la misma estatura.

Ejemplo
El candidato A piensa que puede ganar las elecciones regionales si obtiene por lo
menos 55% de los votos en su distrito. Las últimas encuestas arrojan que el 50% de
los votantes de la región están a su favor. Se extrae una muestra aleatoria de 100
electores que salen de depositar su voto, ¿Cuál es la probabilidad que esos resultados
indiquen que el candidato A ganará las elecciones?
Solución

 
 p  P 0,55  0,50 
P  p  0,55  P     P  Z  1  1  P  Z  1
 PQ 0,5 X 0,5 
 n 100 
 1  FZ  z   0,1587

ESTIMACIÓN DE PARÁMETROS

Objetivo. Se desea inferir el valor de una característica de la distribución de probabilidad

en la población llamada parámetro.
Estimador. Es el estadístico muestral empleado para obtener una estimación puntual de un
parámetro.
¿Cuáles de los muchos estadísticos disponibles emplear como estimadores puntuales?
n n

x  x  x
2
i i
a
̂ = x  i 1
Pˆ  p  ˆ 2  s 2  i 1
; a: número de unidades en la clase de
n n n 1
interés en la muestra.
Estimación por intervalos
El objetivo es establecer un rango que incluya el valor de determinado parámetro con una
probabilidad dada.
La amplitud de un intervalo de confianza tenderá a ser mayor o menor según sea grande o
pequeña la varianza de la variable aleatoria.

ESTIMACIÓN POR INTERVALOS EN POBLACIONES NORMALES

PARÁMETRO  < estimador- z DS estimador, estimador+DS estimador>

Donde DS es la desviación estándar y n  30.

INTERVALO DE CONFIANZA PARA LA MEDIA CON VARIANZA CONOCIDA

Ejemplo. En la Facultad de Ciencias Biológicas se aplicó un test de Razonamiento

Abstracto donde se conoce que  2  26, 64 ; se extrae una muestra aleatoria de 30
estudiantes obteniendo una media muestral de 19,1. Construya un intervalo de confianza
al 95% para la media poblacional..

Solución

26,64 26,64
  19,1  1,96 ;19,1  1,96  entonces   17, 2; 21, 0 
30 30

El verdadero promedio en razonamiento abstracto de los estudiantes de la Facultad de

Ciencias Biológicas se encuentra entre 17,2 y 21,0 con un nivel de confianza de 95%.

INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL CUANDO LA

VARIANZA ES DESCONOCIDA (MUESTRA PEQUEÑA)

1. Una muestra aleatoria de 20 estudiantes de la Facultad de Psicología responde a una

prueba de inteligencia espacial, obteniéndose una media de 70 y una desviación típica
de 1.
2. ¿Entre qué límites se hallará la verdadera inteligencia espacial promedio de los
estudiantes de Psicología, con un nivel de confianza de 95%? Suponga que los puntajes
medios de la prueba de inteligencia espacial se distribuyen normalmente.

Solución
Observación: cuando la muestra es pequeña se trabaja con la distribución t que tiene n-1
grados de libertad. Es decir si el tamaño de muestra es 10 entonces trabajamos con 9 grados
de libertad.
En este ejemplo el tamaño de muestra es 20, leemos en la tabla t con 19 grados de libertad.

1 1
  < 70-2,093 , 70 + 2,093 >
20 20

  <70 -0,4676 ; 70 +0,4676 >

  <69,53 ; 70,47 >

La verdadera inteligencia espacial promedio de los estudiantes de Psicología se encuentra
entre 69,53 y 70,47, con un nivel de confianza de 95%.

2, Se ha realizado un experimento muy costoso para evaluar un nuevo proceso para

producir diamantes sintéticos. Con el nuevo proceso se ha generado 6 diamantes con pesos
0,46 0,61 0,52 0,48 0,51 0,54 quilates. Construya el intervalo de confianza al 95%
para el peso medio poblacional de los diamantes.
Solución
En este ejemplo n=6 entonces leemos en la tabla t con 5 grados de libertad
x  0, 53 s = 0,0055857

0, 055857 0, 055857
  < 0,53 – 2,571 , 0,53 + 2,571 >
6 6

  < 0,4714 ; 0,5886 >

INTERVALO DE CONFIANZA PARA LA MEDIA CON VARIANZA

DESCONOCIDA EN MUESTRAS GRANDES. (cualquier distribución)

s s
 < xz ;x  z 
n n

1. Para estimar los salarios docentes de una universidad se tomó una muestra aleatoria de
50 docentes, donde se encontró que la media de los sueldos es 840,1 soles y la varianza
es 122,44 (soles) 2 . Obtener un intervalo de confianza al 95% para estimar la media de
los salarios de todos los docentes de esa universidad.
Solución x  840,1 n= 50 s  122, 44  11, 07 . A pesar que no se conoce la
distribución poblacional de los salarios, como la muestra es grande nos basamos en el
teorema de límite central.

11, 07 11, 07
  < 840,1 - 1,96 ; 840,1 + 1,96 >
50 50
  < 837,03 ; 843,17 >

El intervalo de confianza al nivel del 95% para la media de los salarios de todos los
docentes de esa universidad es < 837,03 ; 843,17 >

INTERVALO DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL

1. Construya un intervalo de confianza al 95% para la verdadera población de

estudiantes con síntomas clínicos de trastorno de la personalidad en la población
universitaria española si en una muestra al azar de 400 estudiantes se observó una
proporción de 20% con síntomas clínicos.
Solución

(0, 2)  0,8  (0, 2)  0,8 

P  < 0,20- 1,96 ; 0,20+ 1,96 >
400 400

P  < 0,16 ; 0,24 >

Obsevación
En este caso no es posible calcular la varianza de p porque P es desconocido, entonces
pq a 80
la estimo Vˆ  p   . En este caso a=80, luego p   p  p  0, 20
n 400 400