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.

Proporción de la muestra y su dispersión

Cada alumno responde sí o no y tú cuentas los «sí». Para comparar encuestas de distinto tamaño conviene pasar el recuento a fracción: 40 de 100 y 400 de 1000 son el mismo 0,4.

Antes de hacer la encuesta, el número de «sí» es incierto y lo llamamos RR (mayúscula); una vez hecha, el valor observado es r,r\text{,} como en «Población, muestra y lo que quieres estimar». nn es el número de respuestas y p^=R/n\widehat p=R/n su proporción: la misma letra p^\widehat p vale antes de la encuesta (aleatoria) y después (el número r/nr/n que obtuviste). pp es la proporción de toda la población. Si repites la encuesta, cambia RR y también p^,\widehat p\text{,} aunque pp siga siendo la misma.

Con respuestas independientes de probabilidad p,p\text{,} el recuento RR es binomial, B(n,p):B(n,p)\text{:} cuenta los «sí» de nn respuestas independientes, cada una con probabilidad pp de ser «sí». Su media es npnp y su varianza np(1−p).np(1-p)\text{.} Al pasar de personas a proporción divides entre n;n\text{;} la media pasa a pp y la desviación queda p(1−p)/n.\sqrt{p(1-p)/n}\text{.} Esa desviación, o error estándar, mide cuánto varía la proporción entre muestras; la escribimos σp^.\sigma_{\widehat p}\text{.} La varianza es el cuadrado de esa desviación.

Para calcular una probabilidad con la tabla ZZ necesitamos que p^\widehat p sea aproximadamente normal. Contar «sí» y «no» sigue una binomial: si esperas al menos 5 «sí» (np≥5)np\ge5\text{)} y al menos 5 «no» (n(1−p)≥5),n(1-p)\ge5\text{),} su forma se parece a una campana y la tabla vale. Con menos, la forma es muy torcida: con n=10n=10 y p=0,05p=0{,}05 casi siempre salen 0 o 1 «sí», y la tabla falla. Aquí usamos el umbral 5; si un enunciado fija otro, usa el suyo. Esta comprobación es solo para usar la tabla: la fórmula de la desviación no la necesita.

Cómo empezar tu ejercicio

Cuándo usar esta idea: Cuando la variable es la fracción de personas que cumple algo y no su número.

Distingue si te dan un recuento observado o la proporción de la población; con un recuento, divídelo entre el tamaño de la muestra.

Un ejemplo, paso a paso

El 40 % de un instituto va en autobús (p=0,4).p=0{,}4\text{).} Eliges 100 alumnos al azar, con respuestas independientes. ¿Qué media y qué desviación tiene su proporción de usuarios, y qué probabilidad hay de que más de la mitad vaya en autobús? Redondea la desviación a milésimas y zz a centésimas.

R de 100 personas con p = 0,4 y su proporciónUn histograma de la binomial con 100 intentos y probabilidad 0,4: barras de 25 a 55 aciertos, con el máximo en 40. Debajo hay un segundo eje con la misma escala en proporción: 40 aciertos son 0,4. Una banda marca una desviación a cada lado: de unos 35 a 45, o de 0,35 a 0,45.3040500,30,40,5arriba: recuento R · abajo: proporciónbanda naranja: ±1 desviación
El mismo dibujo se lee con dos escalas: el recuento RR (arriba) y la proporción p^=R/100\widehat p=R/100 (debajo). El centro está en R=40,R=40\text{,} p^=0,4.\widehat p=0{,}4\text{.} La desviación del recuento es ≈4,9\approx4{,}9 y la de la proporción ≈0,049:\approx0{,}049\text{:} es la misma separación dividida entre 100.100\text{.}
Del recuento a la proporción: la media y la desviación se dividen entre n;n\text{;} la varianza, entre n2n^2
Recuento RRProporción p^\widehat p
Media40400,40{,}4
Varianza24240,00240{,}0024
Desviación≈4,9\approx4{,}9≈0,049\approx0{,}049
  1. La fracción de «no» es 1−p=1−0,4=0,6.1-p=1-0{,}4=0{,}6\text{.} El recuento RR de usuarios tiene media np=100⋅0,4=40np=100\cdot0{,}4=40 y varianza np(1−p)=100⋅0,4⋅0,6=24.np(1-p)=100\cdot0{,}4\cdot0{,}6=24\text{.}
  2. Pasamos a proporción dividiendo entre n=100.n=100\text{.} Media: 40/100=0,4=p.40/100=0{,}4=p\text{.} Una distancia al centro dividida entre nn tiene su cuadrado dividido entre n2,n^2\text{,} así que la varianza se divide entre n2:n^2\text{:} 24/1002=0,0024.24/100^2=0{,}0024\text{.}
  3. La desviación es la raíz de la varianza: 0,0024≈0,049,\sqrt{0{,}0024}\approx0{,}049\text{,} unos 4,9 puntos porcentuales. Es lo que da la fórmula directa: p(1−p)/n=0,4⋅0,6/100=0,0024.\sqrt{p(1-p)/n}=\sqrt{0{,}4\cdot0{,}6/100}=\sqrt{0{,}0024}\text{.}
  4. Para usar la tabla comprobamos que esperamos suficientes «sí» y «no»: np=100⋅0,4=40≥5np=100\cdot0{,}4=40\ge5 y n(1−p)=100⋅0,6=60≥5.n(1-p)=100\cdot0{,}6=60\ge5\text{.} Se cumple, así que p^≈N(0,4; 0,049).\widehat p\approx N(0{,}4;\,0{,}049)\text{.}
  5. Probabilidad de que más de la mitad vaya en autobús: tipificamos con la desviación de p^,\widehat p\text{,} z=(0,5−0,4)/0,049≈2,04.z=(0{,}5-0{,}4)/0{,}049\approx2{,}04\text{.} Con Φ(z)\Phi(z) el área a la izquierda de zz en la tabla, P(p^>0,5)=1−Φ(2,04)=1−0,9793=0,0207:{P(\widehat p>0{,}5)}=1-\Phi(2{,}04)=1-0{,}9793=0{,}0207\text{:} unas 2 de cada 100 encuestas.

Lo que obtenemos: La proporción tiene media 0,40{,}4 y desviación aproximada 0,049;0{,}049\text{;} la probabilidad de que supere 0,50{,}5 es ≈0,02.\approx0{,}02\text{.}

Ahora, los símbolos en palabras

σp^\sigma_{\widehat p}
Desviación de la proporción muestral p^\widehat p (error estándar).
p^≈N(p, p(1−p)/n)\widehat p\approx N\left(p,\ \sqrt{p(1-p)/n}\right)
Si se cumplen las condiciones de más abajo, p^\widehat p es aproximadamente normal con media pp y desviación p(1−p)/n\sqrt{p(1-p)/n} (el segundo número de NN es la desviación).
σp^=p(1−p)n\sigma_{\widehat p}=\sqrt{\frac{p(1-p)}{n}}

Ojo con este error: Dar p(1−p)/np(1-p)/n como desviación: es la varianza, falta la raíz. Aquí daría 0,00240{,}0024 en lugar de 0,049.0{,}049\text{.}

Para ir más allá

El recuento tiene varianza np(1−p).np(1-p)\text{.} Al dividirlo entre n,n\text{,} sus distancias al centro se dividen entre nn y los cuadrados de esas distancias entre n2.n^2\text{.} La varianza de la proporción queda np(1−p)/n2=p(1−p)/n;np(1-p)/n^2=p(1-p)/n\text{;} su raíz es la desviación. Si pp no se conoce, en un intervalo se sustituye por p^;\widehat p\text{;} la cobertura es aproximada.

Ahora prueba la idea

Si p=0,5p=0{,}5 y n=400,n=400\text{,} ¿qué error estándar tiene p^?\widehat p\text{?}

Ver la respuesta y el porqué

0,5⋅0,5/400=0,000625=0,025.\sqrt{0{,}5\cdot0{,}5/400}=\sqrt{0{,}000625}=0{,}025\text{.}

El segundo 0,50{,}5 sale de la parte restante: 1−0,5=0,5.1-0{,}5=0{,}5\text{.}

Ver los otros bloques