Intervalo de confianza

Las lneas verticales representan 50 construcciones diferentes de intervalos de confianza para la estimacin del
valor .
En estadstica, se llama intervalo de confianza a un par de nmeros entre los cuales se estima que
estar cierto valor desconocido con una determinada probabilidad de acierto. Formalmente, estos
nmeros determinan un intervalo, que se calcula a partir de datos de una muestra, y el valor
desconocido es un parmetro poblacional. La probabilidad de xito en la estimacin se representa con 1
- y se denomina nivel de confianza. En estas circunstancias, es el llamado error aleatorio o nivel de
significacin, esto es, una medida de las posibilidades de fallar en la estimacin mediante tal intervalo.
1

El nivel de confianza y la amplitud del intervalo varan conjuntamente, de forma que un intervalo ms
amplio tendr ms posibilidades de acierto (mayor nivel de confianza), mientras que para un intervalo
ms pequeo, que ofrece una estimacin ms precisa, aumentan sus posibilidades de error.
Para la construccin de un determinado intervalo de confianza es necesario conocer
la distribucin terica que sigue el parmetro a estimar, . Es habitual que el parmetro presente
una distribucin normal. Tambin pueden construirse intervalos de confianza con la desigualdad de
Chebyshov.
En definitiva, un intervalo de confianza al 1 - por ciento para la estimacin de un parmetro
poblacional que sigue una determinada distribucin de probabilidad, es una expresin del tipo [
1
,
2
]
tal que P[
1

2
] = 1 - , donde P es la funcin de distribucin de probabilidad de .
Ejemplos
Intervalo de confianza para la media de una poblacin
De una poblacin de media y desviacin tpica se pueden tomar muestras de n elementos. Cada una
de estas muestras tiene a su vez una media ( ). Se puede demostrar que la media de todas las medias
muestrales coincide con la media poblacional:
2

Pero adems, si el tamao de las muestras es lo suficientemente grande,
3
la distribucin de medias
muestrales es, prcticamente, una distribucin normal (o gaussiana) con media y una desviacin tpica
dada por la siguiente expresin: . Esto se representa como sigue: .
Si estandarizamos, se sigue que:
En una distribucin Z ~ N(0, 1) puede calcularse fcilmente un intervalo dentro del cual caigan un
determinado porcentaje de las observaciones, esto es, es sencillo hallar z
1
y z
2
tales que P[z
1
z z
2
] =
1 - , donde (1 - )100 es el porcentaje deseado (vase el uso de las tablas en una distribucin
normal).
Se desea obtener una expresin tal que
En esta distribucin normal de medias se puede calcular el intervalo de confianza donde se encontrar
la media poblacional si slo se conoce una media muestral ( ), con una confianza determinada.
Habitualmente se manejan valores de confianza del 95 y del 99 por ciento. A este valor se le llamar 1
(debido a que es el error que se cometer, un trmino opuesto).
Para ello se necesita calcular el punto X
/ 2
o, mejor dicho, su versin estandarizada Z
/ 2
junto con
su "opuesto en la distribucin" X
/ 2
. Estos puntos delimitan la probabilidad para el intervalo, como se
muestra en la siguiente imagen:

Dicho punto es el nmero tal que:

Y en la versin estandarizada se cumple que:
z
/ 2
= z
/ 2

As:

Haciendo operaciones es posible despejar para obtener el intervalo:

De lo cual se obtendr el intervalo de confianza:

Si no se conoce y n es grande (habitualmente se toma n 30):
4

, donde s es la desviacin tpica de una muestra.
Aproximaciones para el valor z
/ 2
para los niveles de confianza estndar son 1,96 para 1 = 95% y
2,576 para 1 = 99%.
Intervalo de confianza para una proporcin
El intervalo de confianza para estimar una proporcin p, conocida una proporcin muestral p
n
de una
muestra de tamao n, a un nivel de confianza del (1-)100% es:

En la demostracin de estas frmulas estn involucrados el Teorema Central del Lmite y la
aproximacin de una binomial por una normal
La distribucin de muestreo de S
2
:

Teorema: Sea X
1,
X
2,,
X
n,
una muestra aleatoria de una distribucin normal con media
y varianza
2
. Entonces:
( )
2
1 i
2
x
o

=
n
i
x
=
( )
2
2
1
o
s n
tiene una distribucin _
2
con (n-1)
grados de libertad. x y s
2
son tambin variables aleatorias independientes.
Ejemplo: Si X
1,
X
2,.,
X
10
es una muestra aleatoria de una poblacin distribuida
normalmente con media 8 y varianza 9. Calcular la probabilidad de que la varianza
muestral sea mayor que 3,753


Definicin: Sea Z una variable aleatoria normal estndar y sea _
2
una aleatoria Ji-
cuadrada con v grados de libertad. Entonces si Z y _
2
son independientes:
T =
v
Z
2
_
se dice que tiene una distribucin t con v grados de libertad.
Si no se conoce y n < 30, se tiene sustituyendo en la expresin anterior:

T =
2
2
1) - (n
1)s - (n
-
o
o

n
x
|
.
|

\
|
=
-

x
s
n

~ t
n-1
g.l.

Distribucin F: Supngase que deseamos comparar las varianzas de dos poblaciones
normales basados en la informacin contenida en muestras aleatorias independientes de
las poblaciones. Supngase que una muestra aleatoria contiene n
1
variables aleatorias
distribuidas normalmente con una varianza comn
o
2
1
y que la otra muestra aleatoria
contiene n
2
variables aleatorias distribuidas normalmente con una varianza comn
o
2
2
. Si
calculamos
s
2
1
de las observaciones en la muestra 1, entonces
s
2
1
es una estimacin de
o
2
1
. De manera similar
s
2
2
calculada a partir de las observaciones de la segunda muestra
es una estimacin para
o
2
2
. As intuitivamente podramos pensar en utilizar
s
s
2
2
2
1
para
hacer inferencias con respecto a las magnitudes relativas de
o
2
1
y
o
2
2
; si dividimos cada
s
2
1
por
o
2
1
entonces la razn siguiente:

o
o
2
2
2
2
2
1
2
1
s
s
=
s
s
2
2
2
1
2
1
2
2
o
o
tiene una distribucin F con(n
1
-1) y (n
2
-1) grados de libertad. La
definicin general de una distribucin F es como sigue:
Definicin: Sean
_
2
1
y
_
2
2
variables aleatorias independientes con v
1
y v
2
grados de
libertad respectivamente. Entonces: F =
2
2
2
1
2
1
v
v
_
_
se dice que tiene una distribucin F con
v
1
grados de libertad del numerador y v
2
grados de libertad del denominador.