Loading web-font TeX/Main/Regular

viernes, 21 de febrero de 2014

Se desea estimar el tiempo de permanencia de los pacientes en un hospital; para ello, se ha seleccionado una muestra aleatoria simple de 800 pacientes de dicho hospital y se ha observado una media muestral de la permanencia en el hospital de 4'5 días, con una desviación típica ( de la muestra ) de 3'2 días. Obtener un intervalo de confianza al 95\,\% para la media de la permanencia en dicho hospital.

Enunciado:
Se desea estimar el tiempo de permanencia de los pacientes en un hospital; para ello, se ha seleccionado una muestra aleatoria simple de 800 pacientes de dicho hospital y se ha observado una media muestral de la permanencia en el hospital de 4'5 días, con una desviación típica ( de la muestra ) de 3'2 días. Obtener un intervalo de confianza al 95\,\% para la media de la permanencia en dicho hospital.

Resolución:
Se nos pide estimar la media, \mu, del tiempo de permanencia en el hospital, calculando un intervalo de confianza, con un coeficiente 1-\alpha=0'95. A pesar de no conocer el tipo de modelo de distribución de probabilidad de la variable aleatoria permanencia en el hospital, al tratarse de una muestra grande ( n=800 ) y haber realizado un muestreo aleatorio simple, podemos suponer que la distribución en el muestreo del estimador de la media, \mu, correspondiente a la variable aleatoria permanencia en el hospital de la población, sigue una distribución aproximadamente normal ( Teorema Central del Límite ), por lo que un buen estimador de la media de la población es \dfrac{\overline{x}-\mu}{\sigma(\overline{x})}, siendo la desviación típica del estimador: \sigma(\overline{x})=\sigma / \sqrt{n}. Ahora bien, no conocemos tampoco la desviación típica de la población \sigma, con lo cual deberemos también estimarla a partir de la información de la muestra, y un buen estimador de la desviación típica de la población es la cuasidesviación típica S ( que es un estimador centrado de \sigma ), que se relaciona con la desviación típica de la muestra, s ( estimador no centrado y cuyo valor es un dato del problema ), de la forma S=s\,\sqrt{\frac{n}{n-1}}, y con los datos del problema se obtiene una cuasidesviación típica S=3'2\cdot \sqrt{\dfrac{800}{800-1}}=3'2020 ( aproximando por redondeo simétrico con cuatro cifras decimales ).

Así, pues, el estimador \overline{x} de la media \mu de la población tiene una distribución en el muestreo tal que su variable tipificada Z es Z=\dfrac{\overline{x}-\mu}{S/\sqrt{n}} \approx N(0,1); por lo tanto, el intervalo de confianza de \mu es I=[\overline{x}-E\,,\,\overline{x}+E], donde E denota el margen de error en la estimación y viene dado por E=z_{\alpha/2}\cdot \dfrac{S}{\sqrt{n}}, y siendo z_{\alpha / 2} la abscisa de f(z) tal que P\{Z \ge \alpha/2 \}=\alpha/2=F(1-\alpha/2), denotando por F(z) la función de distribución de probabilidad de Z \sim N(0,1) ( tablas ). Entonces, al ser 1-\alpha=0'95 vemos que \alpha=0'05 y, por tanto, \alpha/2=0'025, luego F(1-0'025)=F(0'975)=1'96 ( tablas ), luego E=1'96 \cdot \dfrac{3'2020}{\sqrt{800}} = 0'2219 ( es decir, E \approx 22\,\% ), con lo cual obtenemos el intervalo de confianza I=[4'5-0'2219\,,\,4'5+1'96 \cdot 0'2219], es decir, I=[4'2781\,,\,4'7219]

En conclusión: podemos afirmar que la media del tiempo de permanencia en el hospital, \mu, de la población es tal que \mu \in [4'2781\,,\,4'7219] a nivel de confianza del 95\,\% y con un margen de error en la estimación igual a E \approx 22\,\%.

\blacksquare


[nota del autor]

No hay comentarios:

Publicar un comentario

Gracias por tus comentarios