Scribd
Cargar
4 vistas2 páginas

Cálculo de Intervalos de Confianza

El documento presenta cálculos estadísticos para estimar intervalos de confianza y realizar pruebas sobre proporciones poblacionales a partir de una muestra. Se aplican las fórmulas de Wald y Wilson para estimar los intervalos de confianza e identificar cuándo son aplicables.

Cargado por

Jose
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
4 vistas2 páginas

Cálculo de Intervalos de Confianza

El documento presenta cálculos estadísticos para estimar intervalos de confianza y realizar pruebas sobre proporciones poblacionales a partir de una muestra. Se aplican las fórmulas de Wald y Wilson para estimar los intervalos de confianza e identificar cuándo son aplicables.

Cargado por

Jose
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

> x=148

> n=177
> conf=0.99
> decs=2
> p = x/n ; round(p*100,decs) # Estimacion puntual
[1] 83.62
> z = qnorm((1+conf)/2) ; round(z,3) # Cuantil de la Tabla 1
[1] 2.576
> ifelse(x>5,ifelse(n-x>5,"Wilson es aplicable","Wilson no es
aplicable"),"Wilson no es aplicable") ifelse(x>20,ifelse(n-
x>20,"Wald es aplicable","Wald no es aplicable"),"Wald no es
aplicable")
Error: unexpected symbol in "ifelse(x>5,ifelse(n-x>5,"Wilson es
aplicable","Wilson no es aplicable"),"Wilson no es aplicable")
ifelse"
> p = x/n ; round(p*100,decs) # Estimacion puntual
[1] 83.62
> z = qnorm((1+conf)/2) ; round(z,3) # Cuantil de la Tabla 1
[1] 2.576
> ifelse(x>5,ifelse(n-x>5,"Wilson es aplicable","Wilson no es
aplicable"),"Wilson no es aplicable")
[1] "Wilson es aplicable"
> ifelse(x>20,ifelse(n-x>20,"Wald es aplicable","Wald no es
aplicable"),"Wald no es aplicable")
[1] "Wald es aplicable"
>
> lim_inf = p - z * sqrt(p*(1 - p)/n) - 1/(2*n) # Limite
inferior del IC
> lim_sup = p + z * sqrt(p*(1 - p)/n) + 1/(2*n) # Limite
superior del IC
> [Link] = round(c(lim_inf,lim_sup),decs+2); round([Link],decs+2)
# Estimacion por IC
[1] 0.7617 0.9106
> round(100*[Link],decs) # Estimacion en %
[1] 76.17 91.06
> [Link] =([Link][2]-[Link][1])*100/2; round([Link],decs)
# Precision del IC
[1] 7.44
>
> d=0.04
> p2 = ifelse( abs([Link][1])<abs([Link][2]),[Link][1],
[Link][2])
> [Link] =((z/d)^2)*p2*(1-p2); [Link] # T de muestra con
información
[1] 752.7004
>
> [Link] = [Link](x, n, correct=TRUE)$conf;
round([Link],decs+2) # Estimacion por IC
[1] 0.7715 0.8858
attr(,"[Link]")
[1] 0.95
> round(100*[Link],decs) # Estimacion en %
[1] 77.15 88.58
attr(,"[Link]")
[1] 0.95
> semiamplitud=([Link][2]-[Link][1])*100/2;
round(semiamplitud,decs) # Semiamplitud del IC
[1] 5.72
>
> p1 = ifelse(abs([Link][1])<abs(0.5-
[Link][2]),[Link][1], [Link][2])
> [Link] =((z/d)^2)*p1*(1-p1); [Link] # T de muestra con
información
[1] 731.085
>
> [Link] =(z/(2*d))^2; [Link] # T de muestra sin
información
[1] 1036.703
>
>

También podría gustarte