Enunciado:
Se desea realizar una encuesta entre la población mayor de edad de un determinado país, con una sola pregunta que tiene respuesta dicotómica: "sí" o "no". Si se admite un margen de error del $2\,\%$ y se fija un nivel de confianza del $95\%$ en la estimación de la proporción $p$, ¿ cuál debes ser el tamaño mínimo de la muestra ?.
Resolución:
La característica de la población en estudio corresponde a una variable aleatoria $X$ que tiene distribución de Bernoulli $B(1,p)$, siendo $p$ la proporción de una de las dos tendencias, digamos que del "sí". Para el caso de muestras grandes, la variable aleatoria del estimador $\hat{p}$ tiene una distribución en el muestreo
    $\hat{p} \approx N(p\,,\,\sqrt{\dfrac{p\,(1-p)}{n}}$
luego hemos visto con anterioridad que el intervalo de confianza de $p$ viene dado por
    $I=[\;\hat{p}-z_{\alpha / 2 } \cdot \sqrt{\dfrac{\hat{p}\,(1-\hat{p})}{n}}\;,\;\hat{p}+z_{\alpha / 2 } \cdot \sqrt{\dfrac{\hat{p}\,(1-\hat{p})}{n}}\;]$
siendo el marge de error
    $z_{\alpha / 2 } \cdot \sqrt{\dfrac{\hat{p}\,(1-\hat{p})}{n}}$
Como no contamos con el valor de $\hat{p}$, supondremos que éste es igual a $0'5$, que es la situación equilibrada en el resultado de la encuesta, para la cual el tamaño de la muestra alcanza una cota superior; entonces la cantidad
    $\sqrt{\dfrac{\hat{p}\,(1-\hat{p})}{n}}$
es, en este caso
    $\sqrt{\dfrac{0'5 \cdot 0'5}{n}}$
es decir
    $\dfrac{0'5}{\sqrt{n}}$
Entonces, imponiendo el requerimiento del enunciado
    $z_{\alpha / 2 } \cdot \sqrt{\dfrac{\hat{p}\,(1-\hat{p})}{n}} \prec 0'02$
esto es
    $z_{\alpha / 2 } \cdot \dfrac{0'5}{\sqrt{n}} \prec 0'02$
y, por las tablas de la distribución normal $N(0,1)$ sabemos que
    $P\{Z \ge z_{\alpha / 2}\} = \alpha / 2 \Rightarrow z_{\alpha /2} = 1'96$
la desigualdad a resolver queda
    $1'96 \cdot \dfrac{0'5}{\sqrt{n}} \prec 0'02 $
y de aquí
    $\sqrt{n} \succ \dfrac{1'96 \cdot 0'5}{0'02}$
y elevando al cuadrado en ambos miembros de la desigualdad
    $n \succ \bigg(\dfrac{1'96 \cdot 0'5}{0'02}\bigg)^2 = 2401$
$\square$
Un blog con cuestiones, ejercicios, problemas, aplicaciones y comentarios relacionados con los contenidos de Matemáticas del segundo curso de Bachillerato en la modalidad de Ciencias Sociales
domingo, 26 de enero de 2014
Intervalo de confianza para la estimación de una proporción. Margen de error, coeficiente de confianza y tamaño de la muestra.
domingo, 19 de enero de 2014
Estimación de una proporción para muestras grandes
Sea $X$ la variable aleatoria asociada a una característica dicotómica de un individuo en una población; esto es, $X \sim B(1,p)$ ( distribución de Bernoulli ), donde $p$ es la probabilidad de que se dé uno de los dos atributos de dicha característica ( por ejemplo, la probabilidad de elegir una bola blanca que forma parte de la población (conjunto) de bolas blancas y negras contenidas en una urna. Es claro que $p$ ( establecemos que sea la probabilidad que la bola sea blanca ) es un parámetro, en principio, desconocido de la distribución de la variable aleatoria que describe dicha característica de los individuos de la población ( ser bola blanca o ser bola negra ), y, por tanto, nos proponemos resolver el problema de estimar dicho parámetro, $p$, considerando un muestreo aleatorio simple, encontrando un intervalo de estimación de dicho parámetro a un nivel de confianza de $(1-\alpha)\cdot 100\,\%$.
Para estimar dicho parámetro $p$ procederíamos de la siguiente manera: extraeríamos una muestra de tamaño $n$ de la urna; es decir elegimos al azar, $n$ bolas de la urna, de forma sucesiva y reemplazando las bolas que vayamos sacando al objeto de garantizar la independencia de las sucesivas realizaciones; obtendremos así $x_1,x_2,\ldots,x_n$, correspondientes a cada una de las variables aleatorias $X_1,\ldots,X_n$ que configuran el muestreo aleatorio simple, todas ellas del mismo tipo que la variable aleatoria, $X$, que describe la característica de la población. Dichos valores son unos o ceros, de acuerdo con algún convenio establecido; así, por ejemplo, al extraer una de las bolas, anotamos un uno si es ésta es blanca o un cero si es negra; a continuación, habiendo anotado la ristra de unos y ceros, observaríamos - esto es: calcularíamos - el valor de la media muestral, que es igual a la suma del conjunto de unos y ceros dividida ésta por el tamaño muestral, cantidad que, naturalmente, es la proporción $\hat{p}$ de bolas blancas de la muestra. Hecho ésto procederemos a realizar la estimación utilizando el cálculo de la probabilidades, que es lo que sigue a continuación.
Recordemos que, al estudiar la distribución en el muestro de algunos estimadores (en el Tema anterior), vimos que la variable aleatoria, $\hat{P}$, que corresponde al estimador de una proporción $p$ ( que, en realidad, es lo que se trata de obtener aquí), sigue una distribución normal de parámetros $\mu=p$ (media) $\sigma(\hat{p})=\sqrt{p(1-p) / n}$ para un tamaño muestral lo suficientemente grande, pongamos que $n \ge 100$; es decir, en estas condiciones y tipificando la variable podemos decir que
    $Z=\dfrac{\hat{P}-p}{\sqrt{p(1-p) / n}} \sim N(0,1)$
Tengamos en cuanta que al desconocer el parámetro $p$ debemos, a su vez, estimar la desviación típica sustituyendo dicho parámetro por el valor medido en la muestra, $\hat{p}$, es decir, tomaremos para la desviación típica del estimador $\hat{P}$ de la proporción
    $\sigma(\hat{p})=\sqrt{\dfrac{\hat{p}(1-\hat{p}}{n}}$
y, por tanto, utilizaremos la variable tipificada
    $Z \sim \dfrac{\hat{P}-p}{\sqrt{\hat{p}(1-\hat{p}) / n}} \sim N(0,1)$
a la hora de hacer los cálculos con la distribución de probabilidad del estimador de la proporción.
Llegados a este punto, es evidente que podemos proceder de la misma manera que en en el caso de la estimación de la media de una población. Es decir, para estimar ( a partir del muestreo ) el parámetro $\mu$ mediante un intervalo de confianza, tal que $p \in I=(\hat{p}-c,\hat{p}+c)$ con un coeficiente de confianza $1-\alpha$, tendremos que calcular pues los extremos de dicho intervalo $I$. Para ello, partimos de la interpretación del coeficiente de confianza como una probabilidad, que es la siguiente:
    $P\{\hat{p}-c \prec p \prec \hat{p}+c\}=1-\alpha$
que es lo mismo que
    $P\{\hat{p}-c-\hat{p} \prec p - \hat{p} \prec \hat{p}+c - \hat{p}\}=1-\alpha$
simplificando
    $P\{-c \prec p - \prec c\}=1-\alpha$
que es igual a
    $P\{c \succ \hat{p}-p \succ -c\}=1-\alpha$
y por tanto
    $P\{-c \prec \hat{p} - p \prec c\}=1-\alpha$
con lo cual
    $P\{\dfrac{-c}{\sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}} \prec \dfrac{p-\hat{p}}{\sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}} \prec \dfrac{c}{\sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}} \}=1-\alpha$
es decir
    $P\{\dfrac{-c}{\sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}} \prec Z \prec \dfrac{c}{\sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}} \}=1-\alpha$
y, habiendo tipificado la variable, calcularemos el valor de la abscisa $z_{\alpha /2 }$, es decir, el valor de
    $\dfrac{c}{\sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}}$
de la siguiente manera:
Por ser simétrica la función de densidad de probabilidad de una distribución normal tipificada podemos escribir
    $P\{Z \prec -z_{\alpha /2 } \} = P\{Z \succ z_{\alpha /2 } \}=\alpha / 2$
luego
    $P\{Z \prec z_{\alpha /2 } \} = 1-P\{Z \succ z_{\alpha /2 } \}=1- \dfrac{\alpha}{2}$
cantidad que corresponde al valor de la función de distribución de probabilidad en dicha abscisa, $F(z_{\alpha /2})$, y que leeremos en las tablas de $Z \sim N(0,1)$
Una vez obtenido dicho valor, recordemos que
    $z_{\alpha /2} = \dfrac{c}{\sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}}$
y de aquí obtenemos el valor de $c$:
    $c=z_{\alpha /2}\,\sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}$
Entonces podemos afirmar que, con un coeficiente de confianza del $(1-\alpha)\cdot 100 \,\%$, la proporción , $p$, de la población pertenece al intervalo de confianza dado por
    $I=\Big(\;\hat{p}- z_{\alpha /2}\, \sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}\,,\,\hat{p}+ z_{\alpha /2}\, \sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}\;\Big)$
Comentario:     Entendiendo $I$ como un intervalo de incertidumbre en la estimación del parámetro ( la proporción $p$ de la población, en el caso que nos ocupa ), podemos escribir también que
    $p = \hat{p}\,\pm\, z_{\alpha /2}\,\sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}$
donde la cantidad
    $z_{\alpha /2}\, \sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}$
se puede ver como el ínfimo ( la menor de las cotas superiores)
y, respectivamente,
    $-z_{\alpha /2}\, \sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}$
como el supremo ( la mayor de las cotas inferiores)
del error absoluto del valor estimado de la proporción de la población $p$, a un nivel de confianza de $(1-\alpha)\cdot 100 \,\%$
esto es, como un margen de error absoluto en el resultado de dicha estimación.
Interpretación del intervalo de confianza desde el punto de vista estadístico:
Si procediéramos a efectuar un número suficientemente grande de realizaciones del muestreo, para situarnos dentro del dominio de validez de la Ley de los Grandes Números ( probabilidad $\overset{n \gg 1}{ \rightarrow }$ frecuencia del recuento ), es decir, eligiendo repetidamente, un gran número de muestras de la población, entonces al medir/observar las proporciones muestrales respectivas, se puede decir que el $(1-\alpha)\cdot 100 \,\%$ de la veces encontraríamos dicho valor de la media dentro del intervalo de confianza de la media de la población que hemos calculado.
Ejemplo:
Una urna contiene un gran número de bolas negras y blancas ( iguales en tamaño, masa y textura ). Se desea estimar la proporción de bolas blancas a partir de un muestreo aleatorio simple obteniendo un intervalo de confianza, a un nivel de confianza del $95\,\%$. Para ello se extrae una muestra de $200$ bolas, de las cuales se ha observado que $50$ son blancas.
Resolución:
Sea $p$ dicha proporción a estimar. Teniendo en cuenta que el tamaño muestral es $n=200$ y que la proporción observada en la muestra es $\hat{p}=50/200=0'25$ ( es decir, un $25\,\%$ ), entonces
&nsbsp &nbs $p \in I=(0'25 - c\,,\, 0'25+c)$
donde
    $e=z_{\alpha /2}\, \sqrt{\dfrac{\hat{p}(1-\hat{p})}{n}}$
es decir
    $e=1'96\, \sqrt{\dfrac{0'25 \cdot (1-0'25)}{200}} \approx 0'0600$
luego, con un nivel de confianza del $95\,\%$, podemos afirmar que
&nsbsp   $p \in I=(0'19\,,\, 0'31)$
Conclusión:
    Habiendo tomado una muestra aleatoria simple de $200$ bolas concluimos que, a nivel de confianza del $95\,\%$, la proporción estimada de la población de bolas blancas es de un $25\,\%$ con un margen de error del $6\,\%$.
$\square$