Intervalos de Confianza

4/08/2018
Estadística II
Luis Carlos Bravo Melo, M.Sc.
[email protected]
Universidad Autónoma del Occidente

Cali – Colombia
2018
CONCEPTOS BÁSICOS DE INFERENCIA
Inferencia Estadística
• Muestreo aleatorio.
• Estimadores media, varianza y proporción muestral.
• Teorema central del límite.
• Intervalos de confianza para la media, la proporción y la varianza.
• Tamaño de la muestra.
UAO Estadística II Luis C. Bravo M.
1
4/08/2018
INTERVALOS DE CONFIANZA
Dado que 𝑥 , 𝑠, 𝑝 son estimadores puntuales, no son muy

confiables, puesto que no se sabe que tan alejados o cercanos
estén del verdadero valor del parámetro. Por tanto, es
aconsejable estimar los parámetros mediante un rango de
valores, entre los que posiblemente se encuentre el valor que se
desea estimar.
A pesar de todas estas propiedades, no tenemos garantías de

que el valor puntual obtenido, por cada estimador este lo
suficientemente cerca del parámetro, podemos hacer una
estimación por medio de un intervalo.
Una estimación por intervalos para un parámetro poblacional es

conocida como intervalo de confianza, sin embargo, no podemos
estar seguros que el intervalo contiene al verdadero valor del
parámetro poblacional desconocido.
Aunque, el intervalo de confianza es construido de forma que se

tenga una alta confianza (probabilidad) de que el intervalo
contenga el parámetro poblacional.
2
4/08/2018
Estimador por intervalo:
Dado un parámetro θ, un estimador por intervalo de θ, es un
intervalo 𝜃1 < 𝜃 < 𝜃2 que contiene al parámetro objetivo con
cierta probabilidad. Tanto 𝜃1 como 𝜃2 son aleatorios.
A la probabilidad de que el intervalo contenga al parámetro
objetivo se le denomina coeficiente de confianza (1 − 𝛼):
P 𝜃1 < 𝜃 < 𝜃2 = 1 − 𝛼
Así, 1 − 𝛼 × 100% se denomina confiabilidad.
Ej. P 𝜃1 < 𝜃 < 𝜃2 = 0.95; significa que si se toman 100 m.a.

del mismo tamaño y se construyen los intervalos de confianza,
en 95 de ellos va a estar el parámetro.
INTERVALO DE CONFIANZA PARA LA MEDIA:
Un intervalo de confianza del (1-α)*100%, para la estimación de la

media μ está dado por:
   
 1 *100%
  X  Z1 2 ; X  Z1 2 
 n n
Este procedimiento es correcto sólo en circunstancias concretas:
• Los datos deben proceder de una muestra aleatoria.
• La población de los datos debe ser normal.
• Si la población no es normal, el tamaño de la muestra debe ser
grande (teorema central del límite).
• Se tiene que tener conocimiento de la desviación estándar.
3
4/08/2018
Para la estimación de μ el intervalo de confianza de (1-α)*100%

estará determinado como:
   
 1 *100%
  X  Z1 2 ; X  Z1 2 
 n n
La expresión que suma y resta a la media muestral se conoce
como margen de error.

Margen de error :   Z1 2
n
Analicemos un poco la expresión del margen de error.


Margen de error :   Z1 2
n
De su expresión podemos ver que:
• Entre más grande sea el tamaño de la muestra menor es el
margen de error.
• A menor nivel de confianza menor es el margen de error.
• Entre menor sea la varianza o variabilidad de los elementos
que conforma la población menor es el margen de error.
4
4/08/2018
A partir de la expresión del margen de error es posible encontrar

un tamaño de muestra n que cumpla con ciertas características:
 Z1 2 
2
n 
  
De su expresión podemos ver que:
• Entre más pequeño sea el margen de error mayor es el
tamaño de la muestra.
• A mayor nivel de confianza mayor es el tamaño de la muestra.
• Entre mayor sea la varianza o variabilidad de los elementos
que conforma la población mayor es el tamaño de la muestra.
Ejemplo:
El tiempo que tardan los clientes de una cafetería de la universidad en ser
atendidos al medio día, sigue una distribución normal con media µ
desconocida y desviación estándar σ = 0.5 minutos. Para una muestra
aleatoria de n = 25 clientes se obtuvo un tiempo medio de 5.2 minutos.
• Calcular un intervalo de confianza del 95% para el tiempo medio que se
tarda en atender a los clientes.
• Encontrar el tamaño de muestra necesario para estimar dicho tiempo
medio con un el error de ± 0.2 minutos y un nivel de confianza del 90%.
5
4/08/2018
Solución:
La formula general del intervalo de confianza para la media es:
   
 1 *100%
  X  Z1 2 ; X  Z1 2 
 n n
Solución:
De acuerdo a los datos del ejercicio tenemos:
 0.5 0.5 
  5.2  Z1 2 ;5.2  Z1 2 
 25 
95%
25
Veamos cuanto es el valor de z1-α/2. Tenemos que 1 – α = 0.95, entonces
despejando se tiene: α = 0.05, por lo cual z1-0.05/2 = z0.975.
6
4/08/2018
Solución:
Buscamos el valor de z0.975 en la tabla de la distribución normal estándar y
encontramos que z0.975 = 1.96. Entonces:
 0.5 0.5 
  5.2  1.96 ;5.2  1.96   5.004; 5.396
 25 
95%
25
Con una confianza del 95% se espera que el verdadero valor del tiempo
medio se encuentre entre 5.004 y 5.396 minutos.
Solución:
La formula general del tamaño de muestra es:
 Z1 2 
2
n 
  
7
4/08/2018
Solución:
De acuerdo a los datos del ejercicio tenemos:
 Z1 2  0.5  
2
n 
 0.2 
Veamos cuanto es el valor de z1-α/2. Tenemos que 1 – α = 0.90, entonces
despejando se tiene: α = 0.10, por lo cual z1-0.10/2 = z0.95.
Solución:
Buscamos el valor de z0.95 en la tabla de la distribución normal estándar y
 1.64  0.5  
2
n   16.91  17.

 0.2 
Por lo cual el tamaño de muestra necesario es de 17 clientes.
8
4/08/2018
INTERVALO DE CONFIANZA PARA LA PROPORCIÓN:
Como la proporción se puede ver como una media, entonces es

posible obtener de manera análoga una expresión de un
intervalo de confianza para la proporción poblacional P la cual
está dada por:
 p 1  p  p 1  p  
P 1 *100%
  p  Z1 2 ; p  Z1 2 
n n
 

• Si el tamaño de la muestra es grande (teorema central del
límite).
Ejemplo:
Un fabricante de piezas metálicas asegura, a una compañía que
le compra un producto en forma regular, que el porcentaje de
productos defectuosos no es mayor del 4%. La compañía decide
comprobar la afirmación del fabricante seleccionando, de su
inventario, 200 unidades de este producto y probándolas.
¿Deberá sospechar la compañía de la afirmación del fabricante si
se descubren un total de 19 unidades defectuosas en la
muestra?, responda la pregunta empleando un nivel de
confianza del 95%.
9
4/08/2018
Solución:
Para responder a esta pregunta se construye un intervalo de
confianza del 95% para la proporción P y observa en que valores
se encuentran sus límites respecto al valor asegurado de 0.04.
 p 1  p  p 1  p  
P 1 *100%
  p  Z1 2 ; p  Z1 2 
 n n 
Del enunciado se tiene que:
n  200, p  19 200  0.095 y   0.05  1   2  0.975.
Buscamos el valor de z0.975 en la tabla de la distribución normal y
Solución:
 0.0951  0.095  0.0951  0.095  
P 95 %
 0.095  1.96 ; 0.095  1.96 
 200 200 
 0.0544; 0.1356
Como el valor de 0.04, se encuentra por fuera del intervalo de
confianza del 95%, hay suficiente evidencia para rechazar la
afirmación del fabricante.
10
4/08/2018
EJERCICIO_1:
Una compañía constructora resuelve estudiar la resistencia a la

compresión de una mezcla de concreto, con el objetivo de hacer
control de calidad. Para ello se tomaron 18 cilindros de prueba
de acuerdo con las normas establecidas. Se encontró en la
muestra que luego de 28 días de curado que la media muestral
es de 280 kg/cm2 y según la compañía la desviación estándar del
proceso es de 20 kg/cm2.
Construir un intervalo de confianza del 96% para el valor real de
la resistencia promedio a la compresión de la mezcla de
concreto.
SOLUCIÓN_1:
Construir un intervalo del 96% de para el valor real de la resistencia promedio

a la compresión de la mezcla de concreto.
   
 1 *100%
  X  Z1 2 ; X  Z1 2 
 n n
Del enunciado se tiene que:
n  18, x  280,   20 y   0.04  1   2  0.98.
Buscamos el valor de z0.98 en la tabla de la distribución normal y encontramos
que z0.98 = 2.054. Entonces:
  20   20  
  280  2.054 ; 280  2.054 
 18   18  
96 %

 270.32; 289.68
11
4/08/2018
Distribución t
En muchos casos el conocimiento de σ no es más factible que el conocimiento

de µ. A menudo, de hecho, una estimación de σ la debe proporcionar la
información muestral que produce 𝑥 . Como resultado para tratar con las
inferencias sobre µ se considera la estadística:
𝑋−𝜇
𝑇=
𝑆 𝑛
Si el tamaño de la muestra es pequeño, los valores de 𝑠 2 fluctúan de forma
considerable de una muestra a otra y la distribución T se desvía de forma
apreciable de la de una distribución normal estándar.
Si el tamaño de la muestra es suficientemente grande, digamos 𝑛 ≥ 30, la
distribución de T no difiere de manera considerable de la normal estándar.
Diferente en caso contrario.
Distribución t
𝑋−𝜇
≈𝑍
𝜎 𝑛
Es empleada para hacer inferencias de la media poblacional 𝜇 cuando se
conoce 𝜎. Pero esto último no siempre ocurre; por tanto 𝜎 se estima
mediante una muestra y se calcula 𝑠 (d.e. muestral), ya que 𝑠 es un estimador
de 𝜎. Así,
𝑋−𝜇
𝑇= ~ 𝑡(𝑛−1)
𝑠 𝑛
Esto es, T tiene una distribución t-student con 𝑣 = 𝑛 − 1 grados de libertad.
Por tanto, la distribución t se utiliza cuando no se conoce 𝜎 y se trabaja con
muestras pequeñas (𝑛 < 30).
12
4/08/2018
INTERVALO DE CONFIANZA PARA LA MEDIA (muestra pequeña 𝒏 < 𝟑𝟎 y σ desconocida):
Un intervalo de confianza del (1-α)*100%, para la estimación de la

media μ está dado por:
𝑠 𝑠
𝜇 1−𝛼 ×100% = 𝑋− 𝑡1−𝛼 2, 𝑛−1 ; 𝑋 + 𝑡1−𝛼 2, 𝑛−1
𝑛 𝑛

• La población de los datos debe ser normal.
• El tamaño de la muestra es pequeño (𝑛 < 30).
• No se tiene que tener conocimiento de la desviación estándar
poblacional.
EJERCICIO_2:
El peso promedio de ciertos componentes eléctricos en una

muestra de 25 de éstos fue de 46 mg, la varianza calculada a
partir de ésta muestra fue de 5.0625. Suponiendo que los pesos
están normalmente distribuidos y que la presente muestra
constituye una muestra aleatoria de esa población, construir el
intervalo de confianza al 95% para 𝜇.
13
4/08/2018
Solución_2:
Se tiene que:
𝑛 = 25 𝜎 2 = ¿ ? 𝑠 = 2.25𝑚𝑔 𝑥 = 46𝑚𝑔 1 − 𝛼/2 = 0.975
Así, 𝑡1−𝛼 2, 𝑛−1 = 𝑡0.975, 24 = 2.064

Luego,
2.25 2.25
𝜇 95% = 46 − 2.064; 46 + 2.064
25 25
𝜇 95% = 45.0712; 46.9288
Al 95% de confiabilidad, el peso promedio de los componentes

eléctricos va a estar entre 45.0712 y 46.9288.
Distribución Muestral de la Varianza
Sea 𝑋1 , 𝑋2 , … , 𝑋𝑛 una muestra aleatoria de una población. Entonces, la

cantidad
𝑛
2
1
𝑆 = 𝑋𝑖 − 𝑋 2
𝑛−1
𝑖=1
Recibe el nombre de varianza muestral. Y su raíz cuadrada (𝑆) se
denomina desviación estándar muestral.
Si se define la varianza muestral de este modo (con divisor 𝑛 − 1),
entonces, la media de su distribución muestral es la verdadera varianza
poblacional:
𝐸 𝑆2 = 𝜎2
14
4/08/2018
Distribución Muestral de la Varianza
Si 𝑆 2 es la varianza de una muestra aleatoria de tamaño 𝑛 de una

población, distribuida normalmente con media 𝜇 y varianza 𝜎 2 ,
entonces, la distribución muestral de
𝑛
(𝑛 − 1)𝑆 2 𝑖=1 𝑋𝑖 − 𝑋
2
=
𝜎2 𝜎2
2
Es una distribución 𝜒 con 𝑛 − 1 grados de libertad.
El símbolo 𝜒 2 se lee «ji-cuadrada» o «chi-cuadrada».
Propiedades de la Distribución 𝜒 2
• Esta distribución sólo está definida para valores no negativos

de la variable aleatoria.
• Un miembro concreto de la familia 𝜒 2 viene caracterizado por
un único parámetro, grados de libertad (𝜈): 𝜒 2 (𝜈).
• La forma de una distribución 𝜒 2 depende del grado de
libertad 𝜈.
• El área total limitada por la curva de una distribución 𝜒 2 es 1.
• Las distribuciones 𝜒 2 no son simétricas. Tienen colas que se
extienden a la derecha (sesgadas a la derecha).
15
4/08/2018
INTERVALO DE CONFIANZA PARA LA VARINZA
Un intervalo de confianza del (1 − 𝛼) ∗ 100% , para la

estimación de la varianza 𝜎 2 está dado por:
 ( n  1) S 2 ( n  1) S 2 
 2
  ; 
(1 )*100 %
  2
 /2  2
1 / 2 
Con 𝑛 − 1 grados de libertad.
EJEMPLO:
Una muestra aleatoria de 15 tabletas para el dolor de estómago

tiene una desviación estándar de 0.8% en la concentración del
ingrediente activo. Halle un intervalo de confianza del 90% para
la varianza y para la desviación estándar poblacional.
16
4/08/2018
Solución:
Se tiene que:
𝛼
𝑛 = 15 𝑠 = 0.8 = 0.05 1 − 𝛼/2 = 0.95
2
Así, 𝜒1−𝛼 2, 𝑛−1 = 𝜒0.95, 14 = 6.571
𝜒𝛼 2, 𝑛−1 = 𝜒0.05, 14 = 23.685
 ( n  1) S 2 ( n  1) S 2 
2   ; 
(1 )*100 %
  / 2
2
12 / 2 
 (15  1)(0.8) 2 (15  1)(0.8) 2 
2   ;   (0.378 ; 1.364 )
 23.68 6.57 
90%
Con una confianza del 90%, la varianza poblacional de la concentración

del ingreso activo está entre 0.378 y 1.364 (% al cuadrado).
Solución:
De lo anterior, y dado que la desviación estándar es igual a la raíz

cuadrada, podemos obtener un intervalo de confianza del 90% para la
desviación poblacional tomando las raíces cuadradas. Así,
 90%
 (0.61 ; 1.17 )
Por tanto, nuestro intervalo de confianza del 90% para la desviación
estándar poblacional de la concentración porcentual del ingrediente
activo de estas tabletas va del 0.61% al 1.17%.
17
4/08/2018
Tamaño de la muestra para estimar

𝝁
El tamaño de la muestra necesario para estimar 𝜇 con una confiabilidad de
1 − 𝛼 × 100% y un error de estimación 𝜀 viene dada por:
2
𝑍1−𝛼 2 𝜎
𝑛=
𝜀
Donde 𝜀 es el error máximo de estimación; la distancia a la que el investigador
quiere que esté la estimación del verdadero valor de la media.
𝜀 = 𝑥−𝜇
Por lo general 𝜎 no se conoce, por lo tanto se debe estimar. Esto se puede
hacer:
• Se extrae una muestra piloto respecto a la variable de estudio y se extrae 𝑠 2
• Se puede utiliza 𝜎 de estudios previos o similares.
• Si los datos son normales o provienen de una distribución normal o
parecida, al 95% de confiabilidad, se puede afirmar que σ = 1 4 𝑅.

𝝁
Si se conoce el tamaño de la población 𝑁 y 𝑛 ≥ 0.05𝑁, entonces 𝑛 se ajusta

mediante:
𝑛
𝑛′ = 𝑛
1+
𝑁
O se calcula directamente mediante la fórmula:
𝑁𝑍 2 1−𝛼/2 𝜎 2
𝑛=
𝜀 2 𝑁 − 1 + 𝑍 2 1−𝛼/2 𝜎 2
18
4/08/2018

𝑷
El tamaño de la muestra necesario para estimar 𝑝 con una confiabilidad de
1 − 𝛼 × 100% y un error de estimación 𝜀 viene dada por:
𝑍 2 1−𝛼/2 𝑝(1 − 𝑝)
𝑛=
𝜀2
Donde 𝜀 es el error máximo de estimación; la distancia a la que el investigador

quiere que esté la estimación del verdadero valor de la proporción.
𝜀 = 𝑝−𝑃
Por lo general 𝑝 se estima mediante una muestra piloto. También se suele
utilizar 𝑃 de estudios previos o similares.
Muchas veces cuando no se conoce 𝑝, se supone que 𝑝 = 0.5, el cual

proporciona el máximo tamaño de la muestra.

𝑷
Si se conoce el tamaño de la población 𝑁 y 𝑛 ≥ 0.05𝑁, entonces 𝑛 se ajusta

mediante:
𝑛
𝑛′ =
𝑛−1
1+
𝑁
O se calcula directamente mediante la fórmula:
𝑁𝑍 2 1−𝛼/2 𝑝(1 − 𝑝)
𝑛=
𝜀 2 𝑁 − 1 + 𝑝(1 − 𝑝)𝑍 2 1−𝛼/2
19
4/08/2018
EJERCICIO_1:
Un investigador desea hacer una estimación del consumo de

oxigeno (en litros/minuto) de estudiantes entre 17 y 21 años de
edad, después de hacer ejercicio. Él desea que su estimación
esté a 0.1 𝑙/𝑚𝑖𝑛 de la verdadera media, con una confiabilidad
del 95%. Estudios anteriores, bajo las mismas condiciones,
indican una varianza de 0.09 (𝑙/𝑚𝑖𝑛)2 . ¿Qué tamaño debe tener
la muestra que necesita este investigador?
R// 35 es el número de estudiantes a los cuales hay que

realizarles el experimento.
EJERCICIO_1:
Para el ejercicio anterior, el investigador llega a conocer que la

población de estudiantes entre 17 y 21 años de edad es de 600
estudiantes. Siguiendo con los parámetros expuestos
anteriormente, ¿qué cambio habría que hacerle al tamaño de la
muestra encontrado y como quedaría éste?
R// 𝑛′ = 33 es ahora el número de estudiantes a los cuales hay

que realizarles el experimento (debido al conocimiento del
tamaño de la población).
20
4/08/2018
EJERCICIO_2:
Un especialista en mercadotecnia desea calcular el tamaño de la

muestra de hogares para determinar en que proporción de
hogares por lo menos uno de sus miembros ve un programa
determinado de TV. En esa comunidad hay un total de 500
hogares. El analista desea que su estimación esté a 0.04 de la
estimación verdadera, con una confiabilidad del 90%. En una
muestra piloto de 15 hogares, el 35% de los entrevistados
indicaron que alguien miraba regularmente dicho programa.
R// 218 es el número de hogares a los cuales hay que realizarles

la entrevista.
21

Intervalos de Confianza

Cargado por

Copyright:

Formatos disponibles

Intervalos de Confianza

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Intervalos de Confianza

Cargado por

Copyright:

Formatos disponibles

4/08/2018

Luis Carlos Bravo Melo, M.Sc.

Universidad Autónoma del Occidente

CONCEPTOS BÁSICOS DE INFERENCIA

UAO Estadística II Luis C. Bravo M.

Dado que 𝑥 , 𝑠, 𝑝 son estimadores puntuales, no son muy

UAO Estadística II Luis C. Bravo M.

A pesar de todas estas propiedades, no tenemos garantías de

Una estimación por intervalos para un parámetro poblacional es

Aunque, el intervalo de confianza es construido de forma que se

Ej. P 𝜃1 < 𝜃 < 𝜃2 = 0.95; significa que si se toman 100 m.a.

Un intervalo de confianza del (1-α)*100%, para la estimación de la

UAO Estadística II Luis C. Bravo M.

Para la estimación de μ el intervalo de confianza de (1-α)*100%

UAO Estadística II Luis C. Bravo M.

Analicemos un poco la expresión del margen de error.

UAO Estadística II Luis C. Bravo M.

A partir de la expresión del margen de error es posible encontrar

UAO Estadística II Luis C. Bravo M.

UAO Estadística II Luis C. Bravo M.

UAO Estadística II Luis C. Bravo M.

UAO Estadística II Luis C. Bravo M.

UAO Estadística II Luis C. Bravo M.

UAO Estadística II Luis C. Bravo M.

n   16.91  17.

UAO Estadística II Luis C. Bravo M.

Como la proporción se puede ver como una media, entonces es

Este procedimiento es correcto sólo en circunstancias concretas:

UAO Estadística II Luis C. Bravo M.

UAO Estadística II Luis C. Bravo M.

UAO Estadística II Luis C. Bravo M.

Una compañía constructora resuelve estudiar la resistencia a la

UAO Estadística II Luis C. Bravo M.

Construir un intervalo del 96% de para el valor real de la resistencia promedio

En muchos casos el conocimiento de σ no es más factible que el conocimiento

UAO Estadística II Luis C. Bravo M.

UAO Estadística II Luis C. Bravo M.

Un intervalo de confianza del (1-α)*100%, para la estimación de la

Este procedimiento es correcto sólo en circunstancias concretas:

UAO Estadística II Luis C. Bravo M.

El peso promedio de ciertos componentes eléctricos en una

UAO Estadística II Luis C. Bravo M.

Así, 𝑡1−𝛼 2, 𝑛−1 = 𝑡0.975, 24 = 2.064

𝜇 95% = 45.0712; 46.9288

Al 95% de confiabilidad, el peso promedio de los componentes

Sea 𝑋1 , 𝑋2 , … , 𝑋𝑛 una muestra aleatoria de una población. Entonces, la

UAO Estadística II Luis C. Bravo M.

Si 𝑆 2 es la varianza de una muestra aleatoria de tamaño 𝑛 de una

El símbolo 𝜒 2 se lee «ji-cuadrada» o «chi-cuadrada».

UAO Estadística II Luis C. Bravo M.

• Esta distribución sólo está definida para valores no negativos

UAO Estadística II Luis C. Bravo M.

Un intervalo de confianza del (1 − 𝛼) ∗ 100% , para la

Con 𝑛 − 1 grados de libertad.

UAO Estadística II Luis C. Bravo M.

Una muestra aleatoria de 15 tabletas para el dolor de estómago

UAO Estadística II Luis C. Bravo M.

Con una confianza del 90%, la varianza poblacional de la concentración

UAO Estadística II Luis C. Bravo M.