Processing math: 1%

miércoles, 8 de abril de 2015

La duración en el tiempo ( medida en horas ) de un determinado tipo de dispositivos ...

ENUNCIADO:
La duración en el tiempo ( medida en horas ) de un determinado tipo de dispositivos se distribuye de acuerdo al modelo normal, con una desviación estándar \sigma desconocida. Se ha seleccionado una muestra de tamaño n=16 y se ha observado que la duración media en la misma es \bar{x}=735 horas, con desviación estándar de 12 horas. Hallar el intervalo de confianza para la vida media de la población, \mu, al 95\,\% de confianza. ¿ Se puede aceptar afirmar que la media de la población es de 742 horas, con un nivel de significación \alpha=0'05 ?.

SOLUCIÓN:
A pesar de tratar aquí con una muestra pequeña ( n=16 ), se nos informa que la variable de la característica en estudio es normal en la población, por lo que según el Teorema Central del Límite, el estadístico ( estimador ) de la media \mu de la duración de dichos dispositivos sigue una distribución N\left(\mu,\sigma(\bar{x}\right), donde la desviación estándar del estimador en el muestro es \sigma(\bar{x})=\dfrac{\sigma}{\sqrt{n}}.

Ahora bien, al desconocer la desviación estándar de la población \sigma, vamos a aproximar dicho parámetro -- otra vez, por ser normal la variable de la característica en estudio en la población -- por la cuasidesviación estándar de la muestra, \hat{s}. Como conocemos el valor de la desviación estándar de la muestra ( s=12 ), y mediante la relación \dfrac{\hat{s}}{s}=\sqrt{\dfrac{n}{n-1}}
Así,
\dfrac{\hat{s}}{12}=\sqrt{\dfrac{16}{16-1}}
con lo cual
\hat{s}=12\,\sqrt{\dfrac{16}{16-1}} \approx 12'39
con ello, se puede decir que el estadístico estimador \bar{x} de \mu sigue -- con suficiente aproximación -- la distribución N(\mu, \dfrac{\hat{s}}{\sqrt{n}})

Mediante la transformación para tipificar la variable aleatoria de dicho estadístico
Z=\dfrac{\bar{x}-\mu}{\dfrac{\hat{s}}{\sqrt{n}}} \; \text{( que es}\, N(0,1) \text{)} podemos construir el intervalo de confianza al 99\,\%, que es (z_{-\alpha/2}\,,\,z_{\alpha/2}), donde z_{\alpha/2} es la abscisa del punto crítico, que encontramos en las tablas de la función de distribución F(z).
Deshaciendo ahora la transformación Z=\dfrac{\bar{x}-\mu}{\dfrac{\hat{s}}{\sqrt{n}}} vemos que el intervalo de confianza de \mu es I^{*}=(\bar{x}-E\,,\,\bar{x}+E), siendo E el error en la estimación, que es igual a z_{\alpha/2}\cdot \sigma(\bar{x}), esto es, E=z_{\alpha/2}\cdot \dfrac{\sigma}{\sqrt{n}}.


Procedemos a calcular los valores concretos del intervalo de confianza. Como \alpha=1-0'99=0'01, al consultar las tablas de la función distribución de Z encontramos P\lbrace \le z_{0'05/2}\rbrace = 1- 0'05/2 = 0'975, con lo cual z_{0'01/2} \approx 1'96. Así, pues, la expresión del error, E, es 1'96 \cdot \dfrac{12'39}{\sqrt{16}} \approx 6'07 horas. Por consiguiente, I^{*}=(735-6'07\,,\,735+6'07), esto es, I^{*}=(729\,,\,741), donde se han aproximado los extremos al dígito de las unidades.

Finalmente, vamos a dar respuesta a la pregunta de si puede aceptarse o no el enunciado: "la media es 742 horas" a nivel de significación ( riesgo ) del 5\,\%, es decir con un nivel de confianza del 95\,\%. Para ello, entendemos el intervalo de confianza de la media, \mu, como el intervalo de aceptación del test bilateral que se plantea al confrontar la hipótesis nula ( fundamental ) H_0: \mu=\mu_0, que corresponde a dicho enunciado; siendo la hipótesis alternativa, H_1, la que viene dada por \mu \neq \mu_0 . Como el valor postulado para la media, \mu_0 = 742 horas, no pertenece al intervalo de aceptación de la hipótesis nula ( intervalo de confianza I^{*} ) -- esto es, 742 \notin (729\,,\,741) --, debemos rechazar la hipótesis nula y, aceptando por tanto la alternativa, concluir que dicha afirmación no es aceptable, de acuerdo con el test realizado. \square


- - -

Referencias:
  [1] Compta, A., et. al., Matemàtiques II, Barcanova, Barcelona, 1993
  [2] Guàrdia, J.; Viader, M., Estadística, Castellnou, Barcelona, 1999
  [3] García Pérez, A., Estadística Básica con R, UNED, Madrid, 2010
  [4] Allepús, J., et. al., Exercicis d'inferència estadística, Cossetània, Valls, 2002
  [5] Gonick, L.; Smith, W, La Estadística en Cómic, Zendrera Zariquiey, Barcelona, 1999

No hay comentarios:

Publicar un comentario

Gracias por tus comentarios