4.

ESTIMACIN POR INTERVALO

4 ESTIMACION POR INTERVALO

4.1 INTRODUCCION
Vimos en el captulo anterior mtodos de estimacin puntual. Pero no podemos esperar que la estimacin
que produce coincida exactamente con el verdadero valor del parmetro desconocido . Aqu buscamos
entonces construir un intervalo [ 1 , 2 ] tal que la probabilidad que est en el intervalo sea alta.
Esta probabilidad tiene diferente interpretacin segn estemos en el caso bayesiano o no. Se tiene entonces
dos clases de mtodos para construir estos intervalos.
4.2 CASO BAYESIANO
En el caso bayesiano, el intervalo tiene una interpretacin inmediata a partir de la distribucin a posteriori de
. Lo nico inconveniente es la falta de unicidad de tal intervalo. Pero es natural buscar el intervalo de
largo mnimo.
Ejemplo 1: Vimos que si X ~ Bernoulli( ) y una distribucin a priori ~ Beta( a , b ) , entonces la
distribucin a posteriori de es una distribucin Beta( a + nX n , b + n nX n ) :

( | x1 ,..., x n ) = a + nxn 1 ( 1 )b+ n nxn 1 / B( a + nX n , b + n nX n )

(0 1)

Se define entonces un intervalo [ 1 , 2 ] de probabilidad 1 fijada a priori con pequeo, tal que
P( [ 1 , 2 ]) = 1 , calculada a partir de la distribucin .
4.3 INTERVALO DE CONFIANZA DE NEYMANN
En el caso de estimacin no bayesiana, el parmetro no se considera como una variable aleatoria. En este
caso es el intervalo [ 1 , 2 ] que es aleatorio, y se habla de la probabilidad de que el parmetro cubre el
intervalo. Los valores 1 y 2 son entonces funciones de los valores muestrales.
Sean X 1 , X 2 ,..., X n valores muestrales de X, se tiene que encontrar dos funciones 1 = t1 ( X 1 , X 2 ,..., X n ) y
2 = t 2 ( X 1 , X 2 ,..., X n ) tales que :
P( [ 1 , 2 ]) = 1
siendo la cantidad 1 fijada a priori y llamada el nivel de confianza. Generalmente se determinan las
funciones t 1 y t 2 a partir de un estimador de .
Ejemplo 2: Intervalo de confianza para una media.
Sea X ~ N ( , 2 ) , con la media desconocida y la varianza 2 conocida y una muestra de tamao n.
Sean X 1 , X 2 ,..., X n valores muestrales de X, entonces si X n es la media muestral, Z =

43

Xn

/ n

~ N ( 0 ,1 ) .

N. LACOURLY

Luego si P( u 1 Z u 2 ) = 1 , [ X n u 2

, X n u1

] define un intervalo para de nivel de

confianza 1 .
Hay una infinidad de intervalos de mismo nivel de confianza 1 . Pero se puede mostrar que el intervalo
de la forma [ X n u , X n + u ] , simtrico con respecto a X n , tiene el largo mnimo entre los intervalos de
mismo nivel de confianza igual a 1 . Por ejemplo, para = 0.05 , se obtiene el intervalo

[ X n 1.96
, X n + 1.96
].
n
n
Si no se supone que la varianza 2 es conocida, se tiene que usar un estadstico cuya distribucin muestral
no depende de 2 . Eso nos lleva a usar el estadstico
n( X n )
T=
( X i X n ) 2 /( n 1 )

que sigue una distribucin t-Student a n-1 g.l..

El estadstico T puede escribirse en funcin del estimador sesgado S n2 =
T=

Xn
Sn / n 1

o del estimador insesgado ~ n2 =

Si P( t 1 T t 2 ) = 1 , [ X n + t 1

~
n

, X n + t2

1
n 1

~
n

1
n

( X i X n )2
i

( X i X n )2 : T = ~ n /
i

de 2 :

] define un intervalo para de nivel de confianza

1 .

Como en el caso de la distribucin normal, el intervalo ms corto de nivel de confianza 1 es simtrico

~
~
con respecto a X n : [ X n t
,Xn + t
, ] con t tal que P( t T t ) = 1 en donde T ~ t n1 .
n
n
Ejemplo 3: Intervalo de confianza para una varianza.
Sean los valores muestrales X 1 , X 2 ,..., X n i.i.d. de la v.a. X ~ N ( , 2 ) . Observando que
U=

( X i X n )2 ~ 2
2

n 1 ,

se construye un intervalo de nivel de confianza 1 a partir de

P( u 1 U u 2 ) = P

( X i X n )2 2 ( X i X n )2 = 1
u2

u1

44

4. ESTIMACIN POR INTERVALO

Ejemplo 4: Intervalo para la diferencia de dos medias

Sean dos poblaciones normales N ( 1 , 12 ) y N ( 2 , 22 ) . Se consideran una muestra aleatoria de tamao
n1 de la primera poblacin y una muestra aleatoria de tamao n 2 de la segunda poblacin, las dos muestras
siendo independientes. Si X 1 y X 2 son las medias muestrales respectivas:
d = X 1 X 2 ~ N ( 1 2 ,

12 22
).
+
n1
n2

Si las varianzas son conocidas entonces un intervalo para = 1 2 esta dado por:

12 22
2 2
,X1 X2 + u 1 + 2 ]
+
n1
n2
n1
n2
en donde u se determina a partir de las tablas de la distribucin normal segn el nivel de confianza 1 .
[ X1 X2 u

Si las varianzas no son conocidas, para encontrar un estadstico que nos sirve y cuya distribucin no depende
de estas varianzas, hay que hacer alguno supuesto suplementario. En efecto si tomamos como estimador de
12 22
+
con 12 y 22 las respectivas varianzas muestrales sesgadas,
la varianza de la diferencia
n1
n2
n1 12

12

n 2 22

22

~ n21 + n2 2 y

12 22
+
n1
n2

( X1 X2 ) /
n1 12

12

n 2 22

22

~ t n1 + n2 2

/( n1 + n 2 2 )

que depende de las varianzas desconocidas 12 y 22 .

Si se supone que estas varianzas son proporcionales: 22 = k 12 , entonces se tiene un estadstico que no
depende de 12 y 22 . Usualmente se toma k=1:
( X1 X2 )
n 2 + n 2 22 n1 + n 2
( 1 1
)(
)
n1 + n 2 2
n1 n 2

~ t n1 + n2 2

Ejemplo 5: Intervalo para el cuociente de dos varianzas: la distribucin F de Fisher

Sean dos poblaciones normales N ( 1 , 12 ) y N ( 2 , 22 ) . Nos interesamos al cuociente de las varianzas:
Q=

12
22

El estadstico

n1 12

12

~ n21 1 y el estadstico

n 2 22

22

~ n22 1 , siendo estos independientes.

45

N. LACOURLY

sU
sigue una distribucin de F de
rV
con una funcin de densidad igual a:

Si U ~ r2 y V ~ s2 y son independientes, entonces se dice que Y =

Fisher a r y s grados de libertad denotada Fr ,s
h( y ) =

(( r + s ) / 2 )r r / 2 s s / 2 y ( r 2 ) / 2
( r / 2 ) ( s / 2 )( ry + s )( r + s ) / 2

y > 0

En efecto, como U y V son independientes, se puede calcular fcilmente la funcin de densidad conjunta de
(U,V):
u ( r 2 ) / 2 e u / 2 v ( s 2 ) / 2 e v / 2
u > 0 , v > 0
f ( u ,v ) = r / 2
2 ( r / 2 )2 s / 2 ( s / 2 )
Con el cambio de variables (U,V) (Y,Z) con U=rYZ/s y V=Z, obtenemos la densidad conjunta de (Y,Z):
g( y , z ) = ( rz / s )

( r / s )( r 2 ) / 2 y ( r 2 ) / 2 z 2 +( r + s ) / 2 e ryz / 2 s e z / 2
2 ( r + s ) / 2 ( r / 2 ) ( s / 2 )

y > 0 , z > 0

Se deduce la densidad marginal de Y:

+

fY ( y ) =

g ( y , z )dz =

(( r + s ) / 2 )r r / 2 s s / 2 y ( r 2 ) / 2
( r / 2 ) ( s / 2 )( ry + s )( r + s ) / 2

Para construir un intervalo de confianza para el cuociente Q=

(

12
22

y > 0

, usamos entonces el estadstico

n 2 1 n1 12 22
)(
)(
) ~ Fn1 1 , n 2 1 .
n1 1 n 2 22 12

Ejercicio:

Muestre que si Y ~ Fr ,s entonces

Muestre que

1
~ Fs ,r .
Y

rY / s
~ Beta(( r 2 ) / 2 ,( s 2 ) / 2 ) .
1 + rY / s

Ejemplo 6: Intervalo para una proporcin

Sea la proporcin de piezas defectuosas en un lote de piezas fabricadas por una industria. El nmero de
piezas defectuosas Y encontradas en una muestra aleatoria simple de tamao n sigue una distribucin
binomial B( n , ) . Para construir un intervalo de confianza para una proporcin es ms complicado que para
una media o varianza. Cuando n es pequeo hay que recorrer a la distribucin binomial (tablas y bacos
fueron calculados para determinar valores de 1 y 2 para los diferentes valores de k y n y del nivel de
confianza 1 ).

46

4. ESTIMACIN POR INTERVALO

Cuando n es grande, se puede usar la aproximacin a la distribucin normal N ( n , n ( 1 )) , pero la

varianza depende tambin de .
Y
Sea = el estimador de Mxima Verosimilitud de , se tiene:
n
n ( )
u ) = 1
P(
(1 )
Lo que equivale a: P( n( ) 2 u 2 ( 1 ) 0 ) = 1 .
Las soluciones de la ecuacin: ( n + u 2 ) 2 ( 2 n + u 2 ) + n 2 = 0
siendo

2 n + u 2 u 4 + 4 nu 2 4 n 2 u 2

, se obtiene el siguiente intervalo de confianza para :

2( n + u 2 )
[

n
n + u2

( +

2
2

( 1 ) u 2
u2
n
+ u ) + u (1 ) + u ]

+ 2,
)u
(
n
2n
n
2n
4n n + u 2
4n 2

Para n muy grande, se puede aproximar a un intervalo de confianza ms simple por:

[ u

( 1 )
( 1 )
]
, + u
n
n

4.4 EJERCICIOS
1. Sea una m.a.s. X 1 , X 2 ,..., X n de una distribucin normal de media desconocida y varianza 2
conocida.
a) D el nmero mnimo n del tamao de la muestra para que un intervalo de confianza I a 95% tenga un
largo L a lo ms igual a 0.016 .
b) Sea L = / 5 . D el nivel de confianza 1 cuando n=10, 20, 30 y 100.
c) Repetir b) con 2 desconocido. Comente.
d) D el intervalo de confianza de largo mnimo para con un nivel de confianza de 95%, cuando 2 = 4 .
2. Una empresa desea estimar el promedio de tiempo que necesita una secretaria para llegar a su trabajo. Se
toma una m.a.s. de 36 secretarias y se encuentra un promedio muestral de 40 minutos. Suponiendo que el
tiempo de trayecto proviene de una N ( , 2 ) , con 2 = 12 , d un intervalo de confianza para la media .
3. Se dispone de 10 muestras de sangre tomadas en las mismas condiciones a una misma persona. Se
obtiene para cada una la dosis de Colesterol (en gramos) 245, 248, 250, 247, 249, 247, 247, 246, 246, 248.
Cada medida puede considerarse como una realizacin particular de la variable X "tasa de Colesterol". Se
supondr que X ~ N ( , 2 ) .
a) D un intervalo de confianza para al 95% suponiendo 2 = 1.5 .

47

N. LACOURLY

b) D un intervalo de confianza para al 95% suponiendo 2 desconocida.

c) Construya un intervalo de confianza para 2 con un nivel de confianza de 95% .
4. En el ejercicio 6 del capitulo 3, muestre que para construir un intervalo de confianza al 95% para , en el
caso no bayesiano, hay que resolver una desigualdad de segundo grado en y escriba la desigualdad.
5. En el ejercicio 7 del capitulo 3, suponiendo las Yi independientes y n grande, d un intervalo de
confianza para con un nivel de confianza de 95% .
6.

Se tienen 2 muestras de tamaos n1 y n 2 respectivamente de una misma v.a. X medida sobre dos

poblaciones distintas. Se asume que para ambas poblaciones X sigue una distribucin Normal: N ( 1 , 12 ) y
N ( 2 , 22 ) respectivamente.

a) Construya un intervalo de confianza para = 1 2 , suponiendo que 22 = k 2 12 en que k es una

constante conocida.
b) Muestre que los extremos del intervalo anterior convergen en probabilidad si los tamaos de las muestras
crecen.
c) Se supone ahora la constante k desconocida. D un mtodo para construir un intervalo de confianza para
la constante k.
d) Que inconveniente cree Ud. que tiene este mtodo?
7. Se considera una v.a. X ~ N ( ,1 ) y una m.a.s. de X con una sola observacin x. Dada una constante
a>0, se define el intervalo aleatorio: C a ( x ) = [ Min( 0 , x a ), Max( 0 , x + a )] .
a) Muestre que P( C a ( x ) | = 0 ) = 1 x .
b) Muestre que C a ( x ) | es un intervalo de confianza para de nivel de confianza 1 = 95%, cuando
a=1.65.
c) Sea ( ) ( ) una distribucin a priori para . Deducir la distribucin a posteriori de dado x.
d) Sea la funcin de distribucin de la normal N(0,1). Muestre que se encuentra una probabilidad
si x -a
( x ) ( a )

condicional P( C a ( x ) | x ) = ( a ) ( a ) si - a x a
( a ) ( x )
si x > a

e) Deducir que, para a=1.65, la probabilidad condicional P( C a ( x ) | x ) 0.90 y que

lim P( C a ( x ) | x ) = 1 .
a

48