Intervalos de confianza

La estimación de parámetros se puede realizar a través de dos caminos, la

estimación puntual o por intervalos de confianza.
La estimación puntual del parámetro poblacional es un valor numérico que se obtiene a
partir de alguna fórmula conocida mediante el uso de una muestra de la población.

En las aplicaciones, cualquier estimación puntual del parámetro de la población, aun

cuando tenga todas las propiedades, tiene la limitación que no proporciona información
acerca de la precisión de la estimación obtenida. Es decir la magnitud del error debido al
muestreo.

La precisión de la estimación puntual puede evaluarse en una muestra, por

estimación de un intervalo junto con una medida de la seguridad que tal intervalo contenga
al parámetro desconocido de la población. Dichos intervalos se llaman intervalos de
confianza o estimación por intervalo del parámetro desconocido.

Intervalo de Confianza

Sea X1, X2,……., Xn una muestra aleatoria de una población X, cuya distribución de
probabilidad es f(x, ϴ). Sean ϴ1 y ϴ2 dos estadísticos tales que ϴ1 < ϴ2 , para los cuales se
cumple:

P [ θ1 ≤ θ ≤ θ2 ] =γ=1−α

γ no depende de θ ; entonces el intervalos de confianza se llama del γ % de confianza para θ

.

θ1 :se llama el límite inferior de confianza para θ

θ2 :se llama el límite superior de confianza para θ

ESTUDIO DEL PARÁMETRO MEDIA

Intervalos de confianza para la media poblacional, μ , con varianza poblacional

conocida, σ 2.

[ ]
Z α ∗σ Z α ∗σ
1− 1−
2 2
IC μ = X − ;X+
√n √n
Z α ∗σ
1−
Error de estimación: 2

√n
Intervalo de confianza para la media poblacional con varianza poblacional
desconocida, pero el tamaño de muestra es igual o superior a 30.

[ ]
Z α ∗S Z α ∗S
1− 1−
2 2
IC μ = X − ;X+
√n √n

S: Desviación estándar de la muestra.

S=
√ ∑ ( xi2 )−n· x 2 ; fórmula para datos no ordenados entablas
n−1

S= √ ∑ ¿¿ ¿ ¿

Z α ∗S
1−
Error de estimación: 2

√n
Intervalos de confianza para la media con varianza poblacional desconocida.
Y el tamaño de muestra es inferior a 30.

[ ]
t ∗S t ∗S
( α2 )
( n−1 ) 1− ( α2 )
( n−1 ) 1−
IC μ = X − ;X+
√n √n
t ∗S
Error de estimación: ( α2 )
( n−1) 1−

√n

Tamaño de muestra para la media:

( )
2
z∗σ
n≥
e
Error de estimación: e
Intervalo de confianza para la proporción poblacional.

X
Un estimador puntual de la proporción p en la distribución binomial está dado por ^p= .
n
x
Por lo tanto, la proporción muestral observada ^p= , se usa como estimador puntual del
n
parámetro p.

Si p es desconocido se puede establecer un intervalo de confianza para p, ( p1 ≤ p ≤ p 2 )

considerando la distribución muestral de ^P, la cual es el mismo de la variable X. Para una
muestra aleatoria de tamaño n suficientemente grande ( se puede considerar
suficientemente grande a partir de n=30), la variable ^ P tiene una distribución
aproximadamente normal con media μ ^p=E [ P ^ ] =p , y la varianza σ 2^p= pq
n
^p − p
Z=
Y la variable aleatoria
√
pq tiene distribución aproximadamente normal estándar.
n

Expresión para calcular el intervalo de confianza para la proporción:

IC p= ^p −Z
[ 1−
α
2
∗
√ ^p∗q^
n 1− √ ]
; ^p + Z α ∗
2
^p∗q^
n

Error de estimación: Z
1−
α
2
∗
√ ^p∗q^
n

Tamaño de muestra para la proporción:

2
Z ∗^p∗q^
n≥ 2
e

Error de estimación: e
Ejemplo:
En un estudio sobre consumo de combustible en una gran ciudad se eligió una muestra
de vehículos y se observó la cantidad de bencina (en litros) que consumían diariamente,
obteniéndose la siguiente distribución de frecuencias.

Consumo de bencina Número de

(litros) automóviles
1-4 3
4-7 8
7-10 35
10-13 30
13-15 20

Asumiendo que el consumo de bencina se distribuye aproximadamente normal, estime:

a. IC del 95% para la media verdadera (media poblacional).

[ ]
Z α ∗S Z α ∗S
1− 1−
2 2
IC μ = X − ;X+
√n √n
Cálculo de los datos:

Consumo de Marca de Número de Xi·ni Xi2·ni

bencina clase automóviles
(litros) xi
1-4 2,5 3 7,5 18,75
4-7 5,5 8 44 242
7-10 8,5 35 297,5 2528,75
10-13 11,5 30 345 3967,5
13-15 14 20 280 3920
 Total (n) 96 974 10677

x=
974
96
=10 ,15 litros ; S=
96−1 √
10677−96 ·10 ,152
=2 , 88

Si el nivel de confianza es del 0,95, α =0 , 05

Z 0 , 05 =Z 0,975 =1 , 96
1−
2

[
IC (μ)95 %= 10 , 15−1,
96∗2 ,88
√ 96
; 10 ,15+ 1,
96∗2 ,88
√ 96 ]
IC (μ)95 %=[10 , 15−0 ,58 ; 10 , 15+0 , 58]

IC (μ)95 %=[9 , 57 ; 10 , 73]

Con un 95% de confianza, el consumo medio diario de bencina de los

automiviles en esta cuidad va desde 9,57 litros a 10,73 litros.

b. IC del 95 % para la proporción de todos los clientes que consumen 8.5 o más litros
de bencina diariamente.

Consumo de bencina Número de Ni

(litros) automóviles
1-4 3 3
4-7 8 11
7-10 35 46
10-13 30 76
13-15 20 96
Total (n) 96

[
IC p= ^p −Z
1−
α
2
∗
√ ^p∗q^
n
; ^p + Z α ∗
1−
2√ ]
^p∗q^
n

Notar que el 8,5 no es límite superior de intervalo, más bien está contenido en el
intervalo 3, esto nos obliga a usar la fórmula de percentiles.

8 , 5=7 +
[ 96 · k
100 ]
−11 ·
3
35

k =29 , 69 %
El 29,69 % de los autos consumen menos de 8,5 litros, por lo tanto, el 70,13%
consume 8,5 o más litros.

Datos:

^p=0,7031; q=0,2969
^

Si el nivel de confianza es de 0,95, α =0 , 05

Z 0 , 05 =Z 0,975 =1 , 96
1−
2

[
IC ( p)95 %= 0,7031−1 ,96∗
√ 0,7031∗0,2969
96
; 0,7031+1 , 96∗
√
0,7031∗0,2969
96 ]
IC ( p)95 %=[0,7013−0 , 09 ; 0,7013+0 , 09]

IC ( p)95 %=[0,6113 ; 0,7913]

Con un 95% de confianza, la proporción real de autos que consumen

diariamente 8,5 o más litros de bencina en esta ciudad va desde 0,6113 hasta
0,7913.