ENTENDER ANTES DE CALCULAR

Inferencia: qué puedes saber de todos al preguntar a unos pocos

No puedes preguntar a todo el mundo, así que preguntas a unos pocos y estimas. Aquí verás qué se estima (una media o una proporción), cuánto se puede equivocar la estimación (el margen) y qué significa la confianza.

La idea del bloque y los conocimientos previos
Empieza por esta idea

Antes de calcular, separa lo que buscas (un número fijo de toda la población, μ\mu o p)p\text{)} de lo que ya tienes (el de tu muestra, x‾\overline x o p^).\widehat p\text{).} El intervalo es esa estimación con su margen de incertidumbre.

La media de una muestra varía menos que un dato

Un solo trayecto al instituto puede salir larguísimo o cortísimo. Si promedias 100 trayectos, los largos y los cortos se compensan, y ese promedio cambia mucho menos de una muestra a otra.

XX es el tiempo de un trayecto, con media μ\mu y desviación típica σ\sigma (cuánto se aparta típicamente un trayecto de μ).\mu\text{).} X‾\overline X es la media de nn trayectos independientes: conocer el tiempo de uno no da pistas sobre el de los demás. Se escribe con mayúscula porque cambia de una muestra a otra; x‾\overline x (minúscula) es el valor que sale en una muestra ya observada. La media de X‾\overline X sigue siendo μ\mu y su desviación es σ/n,\sigma/\sqrt n\text{,} llamada error estándar. La varianza es el cuadrado de esa desviación: σ2/n.\sigma^2/n\text{.}

«Error estándar» no significa que hayas hecho mal una cuenta: mide cuánto cambia el promedio al repetir muestras del mismo tamaño. Con 100 trayectos, 100=10,\sqrt{100}=10\text{,} así que su desviación es diez veces menor que la de un trayecto.

Si cada trayecto sigue una normal, su promedio también. Si no se conoce esa forma, el teorema central del límite dice que, con una muestra grande, el promedio se parece a una normal aunque los datos no lo sean; lo que sí se exige es que los datos sean independientes.

Cómo empezar tu ejercicio

Cuándo usar esta idea: Cuando la pregunta habla de la media de una muestra y no de la medida de una sola persona.

Para la varianza del promedio usa σ2/n;\sigma^2/n\text{;} para su desviación, σ/n.\sigma/\sqrt n\text{.} Si piden una probabilidad, tipifica con la desviación del promedio.

Un ejemplo, paso a paso

Los trayectos de casa al instituto siguen una normal con media 20 minutos y desviación 5 minutos. Promedias 100 trayectos independientes. ¿Qué desviación tiene ese promedio, cómo tipificas una media de 21 minutos y qué probabilidad hay de que el promedio supere 21?

Un trayecto varía mucho; el promedio de 100, muy pocoDos campanas con la misma media 20. La ancha, con desviación 5, representa un trayecto. La estrecha y alta, con desviación 0,5, representa el promedio de 100 trayectos. Una vertical en 21 minutos queda cerca del centro en la ancha y lejos, a dos desviaciones, en la estrecha.101520253021 minun trayectoσ = 5promedio de 100σ = 0,5z de 21: 0,2 (ancha) frente a 2 (estrecha)
Las dos campanas están centradas en 20,20\text{,} pero la de la media de 100100 trayectos tiene desviación 5/100=0,5:5/\sqrt{100}=0{,}5\text{:} es mucho más estrecha. El valor 2121 está a z=0,2z=0{,}2 de la campana ancha (un trayecto normal) y a z=2z=2 de la estrecha (un promedio raro).
Mismo dato, dos escalas
Un trayecto XXPromedio de 100, X‾\overline X
Media20202020
Desviación550,50{,}5
zz de 21 minutos0,20{,}222
Probabilidad de superar 21≈0,42\approx0{,}42≈0,0228\approx0{,}0228
  1. Un trayecto tiene μ=20\mu=20 y σ=5.\sigma=5\text{.} El promedio de n=100n=100 trayectos tiene la misma media, 20:20\text{:} promediar no mueve el centro.
  2. Su desviación es el error estándar σ/n.\sigma/\sqrt n\text{.} Sustituimos: 5/100=5/10=0,55/\sqrt{100}=5/10=0{,}5 minutos.
  3. Tipificar es restar la media y dividir entre la desviación: z=(valor−media)/desviacioˊn.z=(\text{valor}-\text{media})/\text{desviación}\text{.} Para una media de 21 usamos la escala del promedio: z=(21−20)/0,5=2.z=(21-20)/0{,}5=2\text{.} Está a 2 errores estándar del centro.
  4. Probabilidad: P(X‾>21)=P(Z>2)=1−Φ(2),{P(\overline X>21)}={P(Z>2)}=1-\Phi(2)\text{,} donde Φ(z)\Phi(z) es el área de la normal estándar a la izquierda de zz (la que da la tabla). Con Φ(2)=0,9772\Phi(2)=0{,}9772 sale 1−0,9772=0,0228:1-0{,}9772=0{,}0228\text{:} es raro que el promedio de 100 trayectos pase de 21.
  5. Con la escala de un trayecto sería (21−20)/5=0,2:(21-20)/5=0{,}2\text{:} respondería sobre un trayecto suelto, no sobre el promedio de 100. De hecho, un trayecto suelto pasa de 21 con probabilidad 1−Φ(0,2)=1−0,5793≈0,42,1-\Phi(0{,}2)=1-0{,}5793\approx0{,}42\text{,} muy distinta de 0,0228.0{,}0228\text{.}

Lo que obtenemos: La media muestral tiene desviación 0,50{,}5 minutos; el valor 21 se tipifica como z=2z=2 y P(X‾>21)≈0,0228.{P(\overline X>21)}\approx0{,}0228\text{.}

Ahora, los símbolos en palabras

σX‾\sigma_{\overline X}
Desviación de la media muestral X‾\overline X (error estándar).
X‾∼N(μ, σn)\overline X\sim N\left(\mu,\ \dfrac{\sigma}{\sqrt n}\right)
X‾\overline X sigue una normal (N)N\text{)} con media μ\mu y desviación σ/n:\sigma/\sqrt n\text{:} exacta si cada dato es normal, aproximada si nn es grande. En N(a,b)N(a,b) el segundo número es la desviación, no la varianza.
X‾∼N(μ, σn),\overline X\sim N\left(\mu,\ \frac{\sigma}{\sqrt n}\right),σX‾=σn\sigma_{\overline X}=\frac{\sigma}{\sqrt n}

Ojo con este error: Dividir entre nn en vez de entre n:\sqrt n\text{:} la división por nn ocurre en la varianza (σ2/n)\sigma^2/n\text{)} y la desviación es su raíz. Con σ/n\sigma/n saldría 0,050{,}05 en vez de 0,5.0{,}5\text{.}

Para ir más allá

De dónde sale: XiX_i es el dato número ii y la varianza, Var⁡,\operatorname{Var}\text{,} es el cuadrado de la desviación: Var⁡(Xi)=σ2.\operatorname{Var}(X_i)=\sigma^2\text{.} Con datos independientes las varianzas se suman, así que X1+⋯+XnX_1+\cdots+X_n tiene varianza nσ2.n\sigma^2\text{.} Al dividir entre n,n\text{,} las distancias al centro se dividen entre nn y sus cuadrados entre n2n^2 (entre 2: la desviación baja a la mitad y la varianza a la cuarta parte). Queda σ2/n,\sigma^2/n\text{,} y su raíz es σ/n.\sigma/\sqrt n\text{.}

La regla orientativa n≥30n\ge30 no garantiza por sí sola una buena aproximación para cualquier población. El modelo y la forma de los datos también importan.

Ahora prueba la idea

Si σ=8\sigma=8 minutos y promedias n=64n=64 trayectos, ¿qué error estándar tiene el promedio?

Ver la respuesta y el porqué

8/64=18/\sqrt{64}=1 minuto.

64=8,\sqrt{64}=8\text{,} así que dividimos la desviación de un trayecto entre 8.

Ver los otros bloques