PDF superior ¿Confía en los intervalos de confianza?

¿Confía en los intervalos de confianza?

¿Confía en los intervalos de confianza?

La confianza está asociada al procedimiento de construcción o generación de intervalos; esta confianza existe antes de conocer el intervalo de confianza que se va a establecer a partir de los datos de la muestra aleatoria que se tomó. De igual manera si se tiene esta información a priori, se puede suponer que el 95% –si ese es el nivel de confianza que se determinó– de los intervalos que se establezcan con el procedimiento dado, va a contener la media poblacional μ. Así, Behar señala que “con el enfoque frecuentista, el contexto en el cual se explica el significado de ‘confianza’, es el de la potencial repetición de las estimaciones, de esta manera “la confianza” no la tiene el intervalo concreto que se obtuvo mediante un procedimiento aleatorio como resultado de la realización de una muestra aleatoria, sino que la confianza está asociada al procedimiento aleatorio que genera el intervalo”. Además, añade que la verdad es que “jamás se sabrá” si el intervalo establecido contiene la media poblacional μ o no; “no obstante, por las credenciales del procedimiento, si toca decidir, yo puedo actuar como si el intervalo particular hubiera atrapado la media verdadera, con el riesgo asociado al procedimiento generador”. Entonces, suponer que en un intervalo específico está la media poblacional μ, significa que los valores del intervalo son valores plausibles para el parámetro μ.
Mostrar más

12 Lee mas

Intervalos de Confianza Jackknife para Cuantiles en Muestreo con Probabilidades Desiguales

Intervalos de Confianza Jackknife para Cuantiles en Muestreo con Probabilidades Desiguales

Se considera la estimación de cuantiles en poblaciones finitas mediante la técnica jackknife. Se emplea un estimador jackknife de varianza para muestreo con probabilidades desiguales que funciona mejor que el estimador jackknife clásico. La calidad del intervalo de confianza hallado se demuestra vía simulación. El intervalo de confianza propuesto mostró probabilidades de cobertura cercanas al nivel de confianza nominal, así como longitudes promedio y varianzas mucho menores que las longitudes promedio y las varianzas de los intervalos empleando la metodología jackknife tradicional.
Mostrar más

15 Lee mas

Concepciones de profesores de matemáticas en formación respecto a los intervalos de confianza

Concepciones de profesores de matemáticas en formación respecto a los intervalos de confianza

 Estudiantes y expertos no asocian el nivel de confianza con una frecuencia relativa, es decir, no comprenden que el nivel de confianza lo que dice es que si se repite el muestreo muchas veces y se construye un intervalo de confianza para cada muestra obtenida, se espera que un porcentaje igual al nivel de confianza de dichos intervalos contengan el parámetro que se desea estimar.

6 Lee mas

VENTAS EFECTIVAS EN UN CALL CENTER CON INTERVALOS DE CONFIANZA

VENTAS EFECTIVAS EN UN CALL CENTER CON INTERVALOS DE CONFIANZA

Intervalos de Confianza: Un intervalo de confianza tiene un límite inferior y un límite superior. Estos límites se hallan calculando la media muestral o poblacional. Luego se suma una cierta cantidad a la media para hallar el límite superior y restando esa misma cantidad se halla el límite inferior.

5 Lee mas

Estudio de capacidad de sistemas de medida utilizando intervalos de confianza generalizados

Estudio de capacidad de sistemas de medida utilizando intervalos de confianza generalizados

Es claro entonces que el punto crucial en la construcción de un intervalo de confianza generalizado, es la derivación de la CPG. Tal derivación, según expresa Weerahandi (1993) en su trabajo, no es una tarea trivial y requiere algo de intuición. En los últimos años, varios son los autores que han utilizado los resultados de Weerahandi para desarrollar procedimientos inferenciales en problemas no convencionales, tales son los casos, entre otros, de Chiang (2001) quien propuso un enfoque para construir intervalos de confianza para funciones de componentes de variancia en modelos lineales mixtos balanceados; Krishnamoorthy y Mathew (2004) quienes aplicaron ICGs para el desarrollo de límites de tolerancia unilaterales en modelos aleatorios balanceados y desbalanceados y Burdick, Borror y Montgomery (2005) quienes utilizaron esta metodología para proponer ICGs para varios indicadores de bondad de los sistemas de medición en el contexto del control de procesos. Sin embargo, y a pesar de que cada autor ha presentado numerosos ejemplos de derivación de CPGs para la construcción de ICGs en situaciones particulares, no se ha provisto aún un método general para construir estas cantidades, de modo que cada nuevo problema requiere algo de innovación y creatividad para hallar una cantidad pivotal apropiada.
Mostrar más

14 Lee mas

Procedimientos para la estimacin por intervalos de confianza en las investigaciones biomdicas

Procedimientos para la estimacin por intervalos de confianza en las investigaciones biomdicas

diariamente informaciones clínicas y epidemiológicas, por lo que es necesario tener bien claro qué es lo que se debe presentar y cómo se tiene que hacer. El objetivo de este artículo es describir las ventajas del cálculo de los intervalos de confianza para la correcta interpretación de los resultados en las investigaciones biomédicas. Se realizó una revisión de libros de texto de bioestadística y estadística para salud pública, además de artículos científicos recogidos en bases de datos como Scielo, MedLine y PubMed, todos publicados en el período desde 2004-2014. Para la búsqueda
Mostrar más

9 Lee mas

Comparación de intervalos de confianza para la distribución multinomial

Comparación de intervalos de confianza para la distribución multinomial

A lo largo de este trabajo se abord´ o el problema de los Intervalos de Confi- anza para la Distribuci´ on Multinomial. De los an´ alisis de las simulaciones, es claro que tres procedimientos son superiores; el intervalo de confianza basa- do en la Funci´ on de Verosimilitud, el Intervalo basado en m´ etodo de la F y el Intervalo basado en el m´ etodo de Quesenberry y Hurst. El primero de ellos exige encontrar ra´ıces num´ ericamente, el otro basado en la distribuci´ on F es directo y el de Quesenberry y Hurst basado en la aproximaci´ on de la distribuci´ on chi cuadrada. Lo anterior debido a que los ´ındices encontrados con estos m´ etodos son los m´ as altos del conjunto.
Mostrar más

58 Lee mas

Comparación de intervalos de confianza para la función de supervivencia, en un tiempo de interés, con censura a derecha

Comparación de intervalos de confianza para la función de supervivencia, en un tiempo de interés, con censura a derecha

Bie, Borgan y Liestol (1987), construyen intervalos de confianza para la funci´ on haz- ard acumulada, a trav´ es del estimador de Nelson Aalen, Kaplan Meier, transforma- ci´ on logar´ıtmica y arcoseno, con tama˜ nos de muestra n = 25, 50 y 200, utilizando distribuci´ on de tiempos/censura (Exponencial/Exponencial, Exponencial/Uniforme y Weibull/Uniforme) en los tiempos de inter´ es (0.2,0.6 y 1.0), compararon los interva- los de confianza est´ andar, transformaci´ on logar´ıtmica y arcoseno a trav´ es de la tasa de error con nivel de confianza del 95 %, tambi´ en cambian los niveles de confianza de 90 %, 95 % y 99 % con 20000 simulaciones para el tiempo 0,4 y porcentajes de censura 0 %, 25 %, 50 % y 75 %.
Mostrar más

65 Lee mas

Comparación de Cuatro Métodos Diferentes para Aproximar Intervalos de Confianza para la Probabilidad de Exito en el Modelo Binomial Única

Comparación de Cuatro Métodos Diferentes para Aproximar Intervalos de Confianza para la Probabilidad de Exito en el Modelo Binomial Única

aunque el error por este hecho puede resultar relevante al realizar una aproximación puntual, en el caso de intervalos de confianza, este tipo de error se vuelve poco importante en relación con el error por asimetría, dado por (l-2p)(l-c2)/6, y propone un intervalo que corrige por asimetría y no por continuidad, suponiendo que esta última fuente de error es casi cero. El argumento de Hall es que mientras más lejos esté el parámetro de 0.5, el error por asimetría es mayor en relación con el error por continuidad (al aproximar a través de la normal). Sin pérdida de generalidad, puede analizarse el caso para un intervalo unilateral. Si se tiene un intervalo de la forma
Mostrar más

67 Lee mas

Interpretando correctamente en salud pública estimaciones puntuales, intervalos de confianza y contrastes de hipótesis

Interpretando correctamente en salud pública estimaciones puntuales, intervalos de confianza y contrastes de hipótesis

Como el parámetro θ es desconocido, no sabemos en cuál de las dos situaciones nos encontramos. Des- de el punto de vista de la inferencia clásica, recurri- mos al principio de muestreo repetido, y afirmamos que si repitiésemos el cálculo de la estimación un gran número de veces la proporción de dichas estimaciones que verifican la primera condición estará cerca de 0.99. En otras palabras, el estimador θ(x) es bueno porque en 99% de los casos conduce a estimaciones que di- fieren poco del verdadero valor del parámetro. Con- sideraciones análogas pueden hacerse en relación, por ejemplo, con los intervalos de confianza y con los con- trastes de hipótesis.
Mostrar más

6 Lee mas

V. COEFICIENTES DE VARIACIÓN E INTERVALOS DE CONFIANZA

V. COEFICIENTES DE VARIACIÓN E INTERVALOS DE CONFIANZA

Hasta 10% ........................................................................ Buena De 11% a 20% ........................................................................ Aceptable Más de 20% ........................................................................ No confiable A continuación, se presentan los coeficientes de variación e intervalos de confianza de las principales variables obtenidas en la encuesta a nivel de total país, urbano, rural y por regiones, las cuales fueron obtenidos en base al software CENVAR (Sistema de cálculo de la varianza) bajo IMPS.
Mostrar más

6 Lee mas

Intervalos de confianza bootstrap bajo incumplimiento de supuestos en regresiones splines penalizadas

Intervalos de confianza bootstrap bajo incumplimiento de supuestos en regresiones splines penalizadas

El método Bootstrap es un método de replicación desarrollado por Efron (1979). Consiste en la reutilización de la muestra original. De ésta se seleccionan un número determinado de veces muestras con reposición de igual tamaño (denominadas bootstrap), a partir de la cual se obtienen estimaciones de los parámetros de interés aplicando el mismo estimador a cada una de ellas. Luego se podrán obtener estima- ciones de variancia e intervalos de confianza.

9 Lee mas

Una aplicación de intervalos de confianza para la mediana de supervivencia en el modelo de regresión de Cox

Una aplicación de intervalos de confianza para la mediana de supervivencia en el modelo de regresión de Cox

Sean a y b los elementos m´as peque˜ no y m´as grande de U respectivamente. Con g (a) < 0 y g (b) > 0, se puede utilizar el m´etodo de bisecci´ on para encontrar dos elementos adyacentes de U donde g cambia de signo. Entonces se interpola linealmente entre estos dos puntos para encontrar la soluci´ on de g (t) = 0, o simplemente se toma el elemento m´as grande para ser el l´ımite de confianza. Notar que este procedimiento tambi´en se puede utilizar para calcular pruebas basadas en intervalos de confianza bootstrap para los cuantiles ξ p en ausencia de

80 Lee mas

Intervalos de confianza Bootstrap en regresión p spline con errores autocorrelacionados

Intervalos de confianza Bootstrap en regresión p spline con errores autocorrelacionados

Se considera un tamaño de muestra 100, y se seleccionan 200 muestras del modelo plan- teado para distintos valores de : 0.2, 0.4, 0.6, y 0.8. Para cada uno de los valores de x’s, se obtiene y ˆ , y se construye en cada una de las 200 repeticiones el intervalo de confianza por los cinco métodos presentados en el punto 3: clásico, Bootstrap Paramétrico, Bootstrap Empírico, Bootstrap Wild, y Bootstrap Correlacionado. Se define la cobertura de cada uno de los métodos como el porcentaje de intervalos que cubren al verdadero valor que surge del modelo teórico.

9 Lee mas

Tratamiento de los intervalos de confianza en textos universitarios

Tratamiento de los intervalos de confianza en textos universitarios

En tercer lugar, en el análisis de textos se pudo establecer que los elementos de significación que resume el EOS según Batanero (2000) identificados en los libros son explícitos, no en cantidad, pero si para cada uno de los elementos relacionándolo con el marco conceptual. Aunque expertos como Olivo (2008) menciona que hay poco estudio de esta temática en la Estadística, se considera que hay un determinado estudio pero no en detalle y tan extenso como se quisiera analizar para las distintas situaciones. En el mismo sentido, los Intervalos de confianza a nivel universitario, ocupa más importancia para verificar y comprobar una hipótesis o calcular un valor o parámetro desconocido, que simplemente saber calcularlo. Sin embargo, los estudiantes de nivel universitario no son exentos de tener algún tipo de falencia o problema con las matemáticas, pues sus carreras no son aquellas que permiten estudiar y dedicar tiempo en el estudio de las mismas, lo que puede ser un factor problemático a la hora de analizar y estudiar dicha temática. Además, la escasa literatura que existe sobre el mismo, teniendo en cuenta el porcentaje dedicado en los textos a esta temática, incide en que se le dedique poca atención y tiempo de trabajo dentro del aula.
Mostrar más

90 Lee mas

U3.3. Intervalos de confianza

U3.3. Intervalos de confianza

En muchos problemas no es posible encontrar intervalos de confianza de nivel exacto 1 - α, o bien son de muy difícil construcción. En otros casos disponemos de muy poca información sobre la distribución de las variables aleatorias en estudio. En estos dos tipos de situaciones es posible obtener intervalos de confianza de nivel aproximado cuando el tamaño de la muestra es grande, utilizando los resultados aportados por el Teorema Central del Límite.

8 Lee mas

Intervalos de confianza: una aproximacin intuitiva para el no estadstico

Intervalos de confianza: una aproximacin intuitiva para el no estadstico

Cuando se estudian proporciones en distintos grupos se pueden comparar las diferencias entre ellos y determinar si la diferencia es estadísticamente significativa usando iC. así, en el mismo ejemplo hipotético se observó que en los 860 adolescentes entrevistados, 387 (0.45 ó 45%) eran mujeres y 473 (0.55 ó 55%), varones. De las 387 mujeres, 82 eran fumadoras (0.212 ó 21.2%; p 1 ) y de los 473 varones, 153 eran fumadores (0.323 ó 32.2%; p 2 ). La diferencia observada de fumadores entre hombres y mujeres es de 0.111 u 11.1% (p 1 -p 2 ). ¿Es esta diferencia estadísticamente significativa? o por el contrario, ¿es la diferencia observada parte de la variabilidad muestral? para contestar esta pregunta se construye un iC con la diferencia observada. para construir el iC para la diferen- cia de proporciones se requiere: 1) Establecer el nivel de confianza que se desea observar y 2) Conocer el error estándar de la diferencia de proporciones. para asignar el nivel de confianza se emplean los valores de z, como se mencionó antes. Las fórmulas para el cálculo del error estándar de la diferencia de proporciones y del iC para la diferencia de proporciones, se presentan en el cuadro II. Con la información del ejemplo se obtiene un iC al 95% para la diferencia de proporciones de 0.0522 a 0.1698.
Mostrar más

6 Lee mas

Intervalos confianza

Intervalos confianza

Cuando la muestra se obtiene de poblaciones con distribuci´on Bernoulli, o de Poisson, usaremos intervalos de confianza asint´oticos, para ponernos en la situaci´on anterior. Para ello las cantidades pivotales utilizadas tendr´an una distribuci´on l´ımite (cuando N → ∞ ) independiente de par´ametros desconocidos.

15 Lee mas

Tema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas.

Tema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas.

1. Pruebas de estimación . A partir del parámetro de la muestra hacemos una estimación de ese parámetro en la población calculando el intervalo de confianza. 2. Pruebas de conformidad , que permiten verificar si el parámetro calculado en una muestra puede proceder de una población determinada. Puede proceder si ese parámetro está dentro del intervalo de probabilidad de la población. Estas pruebas contestan a las preguntas: ¿Puede proceder...de...?, ¿Es conforme...con...?

5 Lee mas

Intervalos de confianza para la media

Intervalos de confianza para la media

N (, ). Sabemos que la distribución de las medias de las edades en muestras de tamaño 36 tiene como media 52 años y como desviación típica 0,5. a) Halla la media y la desviación típi[r]

20 Lee mas

Show all 930 documents...