Alejandra Zambrano

Santiago Salamanca

Taller 4

1. a. Al presentarse una muestra de la población de niños de cierta escuela se busca determinar un

estimador de la media poblacional que sea eficiente e insesgada. Se tomará como estimador, en
este caso, la media aritmética ya que es menos variable y sensible.
n
( ∑ x i = x 1 + x 2 + .... + x n )/n
i=1

Nos ayudamos con R con la función mean() para obtener este dato fácilmente, que nos da como
resultado una media aritmética de X = 1865.133 y una desviación estándar σ = 2657.265 .

b. Ya teniendo nuestro estimador es necesario saber que tan eficiente es estimando la verdadera
media poblacional, por lo tanto calculamos el intervalo de confianza de la siguiente forma. Se debe
tomar en cuenta que tomaremos esta distribución como una t de student ya que es una muestra
pequeña de 15 niños y no conocemos su error estándar sólo una estimación de su desviación
estándar.

[
I .C = X ± t(1−α) * σ̂
X ]

Siendo X nuestro estimador de media poblacional, t nuestro valor de la tabla t con grados de
libertad n-1 (14) y un alpha(1-porcentaje), y σ nuestro error estándar. Con la función t.test
logramos encontrar nuestro intervalo de confianza al 95\% y al 90\%

1. 0.99=[ -177.2867, 3907.5534].

margen de error= 2,042.4204

2.0.95= [656.6936 ,3073.5731]

margen de error= 1,208.4401

 figura1: Comparacion de intervalos de
confianza.

Como podemos apreciar la media encontrada en el punto (a) se puede considerar un estimador
eficiente pues analizado en un 95% y en un 99% se encuentra dentro de los dos intervalos. Se
logra afirma que nuestra media se presenta un 95 y 99 de veces dentro de cada intervalo. El
primer intervalo tiene un tamaño de 3,730.266y el segundo de 2,416.8795, es posible notar que la
diferencia de tamaño no es mucha (casi mitad de σ ). Se puede analizar más el intervalo
comparándolo con la desviación estándar, ya que, en el primer margen de error se puede ver que
este es de menos de una desviación estándar de la media, y en el segundo es casi la mitad de la
desviación. Esto nos puede decir que nuestro estimador es un candidato viable a aproximar la
verdadera media poblacional de las calorías ingeridas por los niños.

2.​ Muestra: 64 estudiantes

X = $ 950.000

S = $ 105.000

Como se puede observar a simple vista de los datos reportados, se trata de una muestra lo
suficientemente grande como para determinar que sigue un comportamiento de distribución
normal y no T-Student. De esta forma, se puede analizar el ejercicio desde el aspecto de la Ley de
los Grandes Números.

Inicialmente se plantea encontrar los Intervalos de Confianza al 87%, 92% y 97%. Para lo cual se
siguieron los siguientes pasos:

I.C 87%

● α = 0.23 df = 64 − 1 = 63

Una vez definidos estos valores, se procede a buscar el valor de Z para una distribución normal,
con el fin de obtener uno de los parámetros de la fórmula estipulada para los I.C.

[
I .C = X ± Z (1−α) * σ̂
X ]
 Para este caso, obtenemos un valor de Z = 1.534149

o Posteriormente procedemos a calcular la desviación estándar o error estándar de

nuestro ejercicio:

σ̂2 = N
N −1
2
*S =
64
63
2
* 105.000 = 1.12x10
10

σ̂2 = σ̂ 2 = 1.12x1010 = 175′000.000

X N 64

2
σ̂ =
X √σ̂ X
= √175′000.000 = 13.228, 76

Con base en esto, ya tenemos lo necesario para construir el I.C que se pide, de esta forma:

I .C = 950.000 ± [1.534149 * 13.228, 76]

(929, 705.111074; 970, 294.888925)

Esto determina que en el 87% de los casos, la media poblacional se encontrará dentro de
este intervalo de confianza. En el 23% de los mismos, la media poblacional se
encontrará afuera.

Es decir que, en 87 de cada 100 casos que se generen, la media poblacional estará incluida
en el intervalo de confianza.

I.C 92%

● α = 0.08 df = 64 − 1 = 63

Para este caso, obtenemos un valor de Z =1.779386

o En este caso, ya conocemos nuestro error estándar:

2
σ̂ =
X √σ̂ X
= √175′000.000 = 13.228, 76

Con base en esto, ya tenemos lo necesario para construir el I.C que se pide, de esta forma:

I .C = 950.000± [1.779386 * 13.228, 76]

(926,460.929 , 973,539.070341)
 Esto determina que en el 92% de los casos, la media poblacional se encontrará dentro de
este intervalo de confianza. En el 8% de los mismos, la media poblacional se
encontrará afuera.

I.C 97%

● α = 0.03 df = 64 − 1 = 63

Para este caso, obtenemos un valor de Z = 2.220352

o En este caso, ya conocemos nuestro error estándar:

2
σ̂ =
X √σ̂ X
= √175′000.000 = 13.228, 76

Con base en esto, ya tenemos lo necesario para construir el I.C que se pide, de esta forma:

I .C = 950.000± [2.220352 * 13.228, 76]

(920627.5; 979372.5)

Esto determina que en el 97% de los casos, la media poblacional se encontrará dentro de
este intervalo de confianza. En el 3% de los mismos, la media poblacional se
encontrará afuera.

Fuente:

Figura 1:

O.J(2018)​Intervalo de confianza.​ Tomado de ​https://conceptosclaros.com/intervalo-confianza/​.

Codigo

#1

calorias<-c(1230,11430,833,1418,1090,1270, 1420,1135,1251,1522,1141,1600,939,870,828)

t.test(calorias,conf.level=0.99)

t.test(calorias,conf.level=0.90)

sd(calorias)

#2

qt(0.065, df=63)

qt(0.04, df=63)

qt(0.015, df=63)