Академический Документы
Профессиональный Документы
Культура Документы
LAS ENCUESTAS
Enero, 2005
VARIABLE ALEATORIA DISCRETA
Una variable Aleatoria Discreta tiene la forma:
X ={
X1 con probabilidad p1
X2 con probabilidad p2
X2 con probabilidad p2
.
.
.
Xn con probabilidad pn
p ( a x b) 0.10
0.05
b
a f ( x).dx 0.00
10
11
12
13
14
15
1
9
a b
La curva normal adopta un número infinito de formas,
determinadas por sus parámetros y expresada por la
función de densidad: f(x) =
x
2
1 x
-
1 2
e
e
2
donde: (media) y (desviación típica) son parámetros de
la distribución
e = 2.718 (base de Ln)
x = valores observados de la variable en estudio
Características de la distribución Normal
• Tiene forma de campana, es asintótica al eje de las abscisas
(para x = )
• Simétrica con respecto a la media () donde coinciden la mediana
(Mn) y la moda (Mo )
• Los puntos de inflexión tienen como abscisas los valores
+
- , Mo, Mn +
¿Cómo calcular probabilidades asociadas a una
curva normal específica?
Dado que tanto como pueden asumir infinitos valores lo
?? para todas las
que hace impracticable tabular las probabilidades
posibles distribuciones normales, se utiliza la distribución
normal reducida o tipificada
99%
68%
95%
99% z
-3 -2 -1 0 1 2 3
Pero para valores intermedios esta regla es insuficiente.
Las probabilidades de la variable tipificada (z) están
tabuladas para los diferentes valores de la variable.
Entonces una vez transformada la variable a valores de z
se busca en la tabla el área correspondiente
Hay varios tipos de tablas de la distribución normal
La que se explica aquí representa las áreas para los
diferentes valores de z desde 0 hasta +
Los valores
negativos de z NO
están tabulados, ya
que la distribución
es simétrica
+
0
la tabla consta de: *Margen izquierdo : Los enteros de z y
su primer decimal
* Margen superior: segundo decimal
* Cuerpo de la tabla: áreas correspondientes,
acumuladas, desde 0
hasta 3.99
0 1 2 3 4 5 6 7 8 9
0.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.1 .0398 .0438 .0478 .0517 .0557 .0596 .0363 .0675 .0675 .0754
0.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .... ...... ......
0.3 .1179 ..... ...... ...... ......
0.4 .1554 .... ..... ....
?
z
-3 -2 -1 0 1 2 3
ejemplo 1
¿Cuál es la probabilidad de que un valor de z esté entre 0 y -2.03?
Se busca en la tabla el área correspondiente a z = 2.03
0 1 2 3 4
1.8
1.9
2.0
2.1 0.47882
47. 88%
z
-3 -2 -1 0 1 2 3
ejemplo 2
¿Cuál es la probabilidad de que un valor de z esté entre -2.03 y 2.03 ?
En el ejemplo 1, vimos que la probabilidad de que z estuviera entre 0 y
2.03= 0.47882
La misma área hay entre 0 y
-2.03 , por lo tanto
P ( -2.03< z< 2.03) = 0.95764
?
95.76%
47.88% 47.88%
z
-3 -2 -1 0 1 2 3
ejemplo 3
¿Cuál es la probabilidad de que un valor de z sea mayor a 1.25 ?
1.- La probabilidad de 0 < z < + = 0.500
2.- La probabilidad de 0 < z < 1.25 = 0.39435
3.- La probabilidad de z > 1.25 =
0.500 - 0.39435= 0.10565
50%
39.44%
10.56%
? z
-3 -2 -1 0 1 2 3
ejemplo 4
Hallar P( -0.34 < z < )
P(0 < z <0.34) = 0.13307 = 63.31%
P(-0.34 < z < 0)
P (0 < z < ) = 0.50000
P( -0.34 < z < ) =
0.13307 + 0.50000 = 0.63307
13.31% 50%
-3 -2 -1 0 1 2 3
ejemplo 5
Hallar P( 0.34 < z < 2.30) P(0< z <0.34) = 0.13307
P( 0 < z < 2.30) = 0.4893
P (0.34 < z < 2.30) = 0.48930 - 0.13307 = 0.35623
35.62%
z
-3 -2 -1 0 1 2 3
EJEMPLO
0.40824
0.09176
? x
-0.5 1 2.5 4 5.5 6 7 8.5
-3 -2 -1 0 1 1.33 2 3 z
Hasta ahora vimos como dado un valor x de la variable,
hallar probabilidades transformando (estandarización) la
variable en valores de x-
z=
¿Cómo hallar un valor de x, dada la probabilidad?
Ejemplo: Sea una variable distribuida normalmente con =4 y
=2 . Hallar el valor de x que deja por encima de él un 38.20%
(0.3820)
Se debe desestandarizar :
x=z+
0.5000 - 0.382 = 0.118 Se busca en la
tabla el valor más aproximado :0.1179 38.20%
corresponde a z =+ 0.30
Sustituyendo en la fórmula
0.30x2+4 =4.60 x=?
4.60
TABLA: DISTRIBCION t DE ESTUDENT
TEORIA DE LA ESTIMACION
La estadística aborda dos tipos de problemas:
Teoria de la Estimacion
Inferencia ¿Cual e s las horas extras promedio que laboran en una dependenci a
Estadistic a Teoria de los Contrastes de Hipotesis
¿El tiempo adicional de labores entre dos dependenci as son iguales
Estimacion Puntual
Formas de
Estimación
Estimacion por intervalos
Alternativas: Hipótesis A
v/s Hipótesis B, donde A y
B no pueden cumplirse
Tipos de Hipótesis: simultáneamente.
Hipótesis Alternativas
Hipótesis Anidadas Anidadas: Hipótesis A y B,
donde A es un caso especial
de B.
HIPOTESIS A Se definen:
CONTRASTAR medida de discrepancia con una
distribución de probabilidad conocida
Media = $15,000
$4,000
Consultoría Virgen del Carmen S.A.
Consultoría Virgen del Carmen S.A.
Población y Muestra
Se tiene información sobre los ingresos mensuales en soles
correspondientes una población de 6 personas que trabajan en la pequeña
empresa CVC. Se desea conocer el ingreso promedio y la dispersión de los
datos alrededor del promedio (desviación standart):
C 2200
Desviación estándar:
D 1900 9600000
1600000 1264.91
6
E 1500
Coeficiente de Variación:
F 900
1264.91
Ingreso medio 2400 CV *100 52.70
Pr omedio 2400
El ingreso promedio de las 6 personas es de 2,400 nuevos soles mensual con una
desviación típica de 1264.91 que al comparar con el ingreso promedio nos muestra
una elevada dispersión que en términos relativos representa el 52.7%.
La cuasivarianza de la población es de la siguiente
manera:
S2
( X E ( X )) 2
9600000
S
2
1920000
N 1 5
9600000
S 1920000 1385.64
5
A B C D E F
4800 3100 2200 1900 1500 900
X 2400
El error de muestreo de estimar la media poblacional
2X
( X E ( X )) 2
6400000
2
X 320000
N 20
320000
2
X X 565.7
Al calcular el valor promedio (valor esperado) de las medias
muestrales de todas las muestras posibles su valor reproduce el
promedio poblacional.
X 2400
El error de muestreo de estimar la media poblacional
2X
( X E ( X )) 2
6400000
2
X 320000
N 20
320000
2
X X 565.7
Estimación del Error Muestral
Una forma alternativa de obtener el error de estimación es a partir
de la fórmula siguiente, para lo cual se requiere conocer, el
tamaño de la población N, el tamaño de la muestra n, y el valor de
la varianza poblacional :
N n 1,265 6 3
X 565.7
n N 1 3 6 1
S N n 1,385.64 63
sX 565.7
n N 3 6
Entonces, tanto el promedio poblacional como el proveniente de
todas las muestras posibles son iguales. Del mismo modo hay
una igualdad entre la desviación estándar de la media muestral
respecto a la media poblacional y el error estándar de la media
muestral o error de muestreo.
X 2400 X s X 565.7
s Nn
sX
n N
Nº de Muestras Error Margen
muestra Posibles standart de error
LCI ( X ) LCS( X )
1 ABC 539 2318 1049 5685
2 ABD 595 2558 709 5825
3 ABE 674 2897 236 6030
4 ABF 798 3433 -499 6366
5 ACD 651 2800 167 5766
6 ACE 710 3052 -219 5886
7 ACF 811 3486 -853 6119
8 ADE 735 3161 -428 5895
9 ADF 827 3556 -1023 6089
10 AEF 857 3686 -1286 6086
11 BCD 255 1096 1304 3496
12 BCE 327 1408 859 3675
13 BCF 452 1942 125 4008
14 BDE 340 1462 705 3628
15 BDF 450 1934 33 3900
16 BEF 464 1996 -163 3830
17 CDE 143 616 1250 2483
18 CDF 278 1195 472 2862
19 CEF 266 1142 391 2676
20 DEF 205 884 550 2317
Qué es el “error muestral”?
•. . .
.
•Promedio muestral
• Parámetro
La magnitud de esa variación se la denomina Error Muestral, para un estadístico, un tamaño de muestra y un
tipo de diseño dados.
Qué es el “error muestral”?
A)
B)
Estimación Muestral
Parámetro
Tamaño de muestra de A menor que de B
El Error Muestral para un estadístico y un tipo de diseño dado disminuye según aumente el tamaño de la
muestra
Error de muestreo (SX): Es el error muestral expresado en
unidades de la variable que se está analizando. Es calculada con
los datos de una muestra. Es una medida de su variación en todas
las muestras posibles. Mide el grado de precisión de la estadística
basado en la muestra
X s X
( X E ( X )) 2
s Nn s2
sx (1 f )
N n N n
n
X s X
( X E ( X )) 2
N
n
A partir de la
desviación 2
X s X 1 f
estándar s
estimado con
los datos de la
muestra.
n
Cómo se estima el “Error Muestral”?
X s X
( X E ( X )) 2
N
n
A partir de la
desviación 2
X s X 1 f
estándar s
estimado con
los datos de la
muestra.
n
Cuando tendremos “buena” precisión?
2 dispersión
1 f n
s débil
tasa de tamaño de
muestreo muestra
cercana a 1 grande
N
f
n
Qué es el “margen de error” ?
Márgenes de Error
s
1.96
n
Qué es el “Nivel de Confianza” ? (cont.)
Márgenes de Error
Márgenes de Error
para tamaño A
Márgenes de Error
para tamaño B
Márgenes de Error para un mismo nivel de confianza (95%) pero con tamaños de
muestra distintos
INTERVALO DE CONFIANZA
“S” conocida
estimación Z1a / 2 * S
“S” desconocida
Caso: N grande:
s s2 N n
sX
n n N
s
Intervalo de
Confianza estimación 1.96
n
Calculo de Error Standart, Margen de Error e Intervalo de
confianza
Margen
E 4.3 * s X 3,486
de error
S 2
E Z1a / 2
2
Z S
n n 1a / 2
2
E
TAMAÑO DE LA MUESTRA
yc pc
Relación entre los elementos que
determinan el tamaño de una muestra
n tamaño
de la muestra
Znivel s Dispersión
Constante
c margen
de error
Cómo razono para calcular el tamaño de
una muestra simple al azar para un
promedio o proporción?
Para esto fijo el máximo valor (C) para la diferencia entre mi estimación
y el valor del parámetro, y a esto llamo mi margen de error deseado
C C
Márgenes de Error
El Nivel de Riesgo señala de alguna forma el porcentaje de muestras “malas” que nos
permitimos
ESTIMACION DEL TAMAÑO DE LAS MUESTRAS EN
EL INEI
Z * * N
2 2
n 2 2
Z * EE * N
2
Z * P * (1 P) * N
2
n 2
Z * P * (1 P) N * EE 2
1.- DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA
A.Precisión
Es considerada en función de la variabilidad de los
indicadores asociados a las categorías del estudio
más importantes de la encuesta.
Coeficiente de Variación (CV%): Es el error
muestral expresado en términos relativos. Se define
como la razón entre el error estándar y la
estadística calculada de la muestra.
CV CALCULADO PRECISIÓN OBTENIDA
Hasta 5% Muy Buena
De 5% a 10% Buena
De 10% a 20% Aceptable
Más de 20% No confiable (sólo
referencial)
Errores Relativos (CV) Para diferentes valores de
“P”, según Tamaño de Muestra
RRORES RELATIVOS (CV) PARA DIFERENTES VALORES DE “ P ”, SEGÚN TAMAÑO DE MUES
MUESTRA
LOTES ERROR RELATIVO(CV) PARA DIFERENTES
(n) VALORES DE P
P = 0,1 P = 0,2 P = 0,4 P = 0,5
No Si
Si
Z 2 P1 P
n
E2
FASES PARA DETERMINAR EL DISEÑO DE UNA
MUESTRA
2. PASOS ESPECÍFICOS PARA DETERMINAR EL TAMAÑO DE LA
MUESTRA
1º se tiene que fijar los niveles de precisión a nivel del lugar donde
se realizará el estudio en función del cálculo del CV o error relativo.