Академический Документы
Профессиональный Документы
Культура Документы
David Giuliodori
DISTR.NORM.ESTAND(Z)
1 −z 2
f (z) = √ e 2 (1)
2π
Funciones de Probabilidad en Excel
DISTR.NORM.ESTAND.INV(p)
DISTR.T.CD(x;gl)
DISTR.T.N(x;gl)
Funcion (Distribución χ2 )
DISTR.CHICUAD.CD(x;gl)
DISTR.CHICUAD(x;gl)
Funcion (Distribución F)
DISTR.F.CD(x;gl1 ;gl2 )
DISTR.F.N(x;gl1 ;gl2 )
Cuando uno quiere hacer inferencia sobre algún parámetro poblacional construye
un estimador que sea el adecuado para inferir el valor de dicho parámetro. Sin
embargo, esta estimación puntual del parámetro no da ningún tipo de información
acerca del posible grado de “error” que podemos estar cometiendo.
Varianza conocida
Sea una variable aleatoria X con media µ y varianza σ 2 , entonces por el Teorema
Central del Límite, cuando n es grande, tenemos que X se distribuye:
X ∼ N(µ, σ 2 /n)
X −µ
√ ∼ N(0, 1) (2)
σ/ n
Intervalos para la Media
Problema
Una empresa que vende agroquímicos para los cultivos, quiere saber la cantidad
mensual que vende de agroquimímico específico para el cultivo de soja, en
promedio, por cliente. Toma una muestra al azar de 50 clientes y encuentra que,
en promedio vendió 15 dosis. Si sabe por estudios anteriores que la población se
distribuye aproximadamente normal con una desviación estándar de 3 dosis, se
pide encontrar:
Un intervalo de confianza del 95 % para la media de la venta mensual de
dicho agroquímico
Si luego se conociera que la media poblacional es de 14 litros, ¿qué pudo
haber pasado?
Un intervalo de confianza del 99 %. Explicar la diferencia con el obtenido en
el primer punto
Intervalos para la Media
Para calcular intervalos de confianza para la media, y debido a que se trata de una
población aproximadamente normal (en este caso, si no se cumpliese el supuesto
de poblaciones normales, el tamaño de muestra es mayor a 30, por lo que también
sería válido el estadístico aplicado en la estimación), entonces podemos afirmar
que:
X −µ
P Zα/2 ≤ √ ≤ Z1−α/2 = 1−α (4)
σ/ n
Intervalos para la Media
σ σ
P Zα/2 √ ≤ X − µ ≤ Z1−α/2 √ = 1−α
n n
σ σ
P − X + Zα/2 √ ≤ −µ ≤ −X + Z1−α/2 √ = 1−α
n n
σ σ
P X − Z1−α/2 √ ≤ µ ≤ X − Zα/2 √ = 1−α (5)
n n
Ahora bien, teniendo en cuenta que nos piden un intervalo de confianza del 95 %,
podemos escribir:
3 3
15,03 − 1,96 √ ≤ µ ≤ 15,03 − (−1,96) √
50 50
14,19 ≤ µ ≤ 15,86 (6)
3 3
15,03 − 2,58 √ ≤ µ ≤ 15,03 − (−2,58) √
50 50
13,93 ≤ µ ≤ 16,12 (7)
# N i v e l de c o n f i a n z a
n i v e l _ c o n f =0.95
# Varianza poblacional
v a r =3∗∗2
# Datos m u e s t r a l e s
data =[13.68 ,13.57 ,10.26 ,12.4 ,16.99 ,13.98 ,16.13 ,19.23 ,17.76 ,16.1 ,
16.79 ,11.54 ,17.62 ,14.17 ,17.02 ,13.12 ,13.97 ,16.69 ,13.62 ,15.58 ,
12.4 ,14.92 ,16.74 ,15.39 ,13.42 ,15.67 ,15.25 ,15.35 ,15.35 ,14.52 ,
15.42 ,16.47 ,12.91 ,16.17 ,13.65 ,14.67 ,13.94 ,15.03 ,16.01 ,15.75 ,
16.28 ,16.22 ,15.77 ,13.95 ,16.24 ,14.63 ,12.36 ,15.08 ,17.19 ,14.52]
Media M u e s t r a l = 1 5 . 0 2 9 8
S Muestral = 1.7327063766706414
n m u e s t r a l = 50
z = 1.959963984540054
I n t e r v a l o de c o n f i a n z a : [ 14.198257705390192 ; 15.861342294609807 ]