Estadística

Definiciones
Cantidad Pivotal
Intervalo de Confianza para la Media Poblacional
Intervalo de Confianza para la Proporción Poblacional
Estimación por Intervalos de Confianza

(Para una variable)
EST351
Estadística
2019
Estadística Francisco Barrera N. 1 / 19

Definiciones
Cantidad Pivotal
Definiciones
Índice
1 Definiciones
2 Cantidad Pivotal
3 Intervalo de Confianza para la Media Poblacional
4 Intervalo de Confianza para la Proporción Poblacional

Definiciones
Cantidad Pivotal
Definiciones
Definiciones
Un estimador de intervalo es una regla para calcular dos números,

por ejemplo a y b, para crear un intervalo del que se está
completamente seguro que contiene el parámetro de interés. El
concepto de “completamente seguro” significa “con gran
probabilidad”. Medimos esta probabilidad usando el coeficiente de
confianza, designado por 1 − α.

Definiciones
Cantidad Pivotal
Definiciones
Intervalos Aleatorios y de Confianza
Sea X1 , ..., Xn una m.a(n) desde una densidad proveniente de f (x ). Sea

T1 = t1 (x1 , ..., xn ) y T2 = t2 (x1 , ..., xn ) dos estadísticos que satisfacen
T1 ≤ T2 para los cuales P(T1 < θ < T2 ) = 1 − α.
Donde (T1 , T2 ) son un intervalo aleatorios a los cuales se le asigna el

100(1 − α) % de confianza. Para un valor (T1 = t1 , T2 = t2 ) también es
llamado Intervalos de Confianza (IC) del 100(1 − α) % para θ.
Observaciones:
A 1 − α se le llama habitualmente Coeficiente o Nivel de Confianza.
T1 lleva el nombre de Límite Inferior (LI, L).
T2 lleva el nombre de Límite Superior (LS, U).
Recordar: T1 yT2 son funciones que dependen de la muestra.

Definiciones
Cantidad Pivotal
Cantidad Pivotal
Índice
1 Definiciones
2 Cantidad Pivotal

Definiciones
Cantidad Pivotal
Cantidad Pivotal
Cantidad Pivotal
Sea X1 , ..., Xn una m.a(n) desde una densidad proveniente de

f (x , θ). Sea Q = q(x1 , ..., xn , θ) es decir Q es una función que
depende de una variable aleatoria y de un parámetro. Si la
distribución de Q no depende de θ entonces Q es llamada una
cantidad pivotal.
Sea X1 , ..., Xn una m.a(n) desde una dist N(θ, 9).
X̄ − θ es una cantidad pivotal, ya que X̄ − θ ∼ N(0, n9 )
(X̄ −θ) √ √
3 n es una cantidad pivotal, ya que (X̄ 3−θ) n ∼ N(0, 1)
X̄ √ X̄ √ 9
θ n No es una cantidad pivotal, ya que θ n ∼ N(θ, n )

Definiciones
Cantidad Pivotal
Cantidad Pivotal
Cantidad Pivotal
Procedimiento:
1 Se define el nivel de confianza 1 − α (habitualmente 0.95,
0.97,...).
2 Construimos la cantidad pivotal Q = q(x1 , ..., xn , θ) para
estimar θ.
3 Determinamos la distribución de la cantidad pivotal para
determinar la probabilidad que sea 1 − α, dejando en los
extremos la misma cantidad de probabilidad ( es decir α/2).
4 Ahora, despejamos θ y así se obtiene el IC. Este IC se utiliza
como estimador porque sólo depende de valores conocidos
(información muestral) con probabilidad de 1 − α de
equivocarnos.

Definiciones
Cantidad Pivotal
Cantidad Pivotal
Cantidad Pivotal

Definiciones Intervalo de Confianza para la Media: Caso 1
Cantidad Pivotal Intervalo de Confianza para la Media: Caso 2
Intervalo de Confianza para la Media Poblacional Intervalo de Confianza para la Media: Caso 3
Intervalo de Confianza para la Proporción Poblacional Intervalo de Confianza para la media
Índice
1 Definiciones
2 Cantidad Pivotal

IC para µ con varianza σ 2 conocida.
Supongamos que X es una variable aleatoria proveniente de una

muestra aleatoria de tamaño n desde una población normal con
media µ (desconocida) y varianza σ 2 conocida.
√
(X̄ −µ) n
Sea Zc = σ ∼ N(0, 1) una cantidad pivotal.
El Intervalo de confianza resultará:

σ
IC100(1−α) % = {X̄ ± √ · Z1−α/2 }
n

IC para µ y varianza σ 2 desconocidos (n < 30)

muestra aleatoria de tamaño n (menor a 30) desde una población
normal con media µ y varianza σ 2 desconocidos.
√
(X̄ −µ) n
Sea Tc = S ∼ t(n − 1) una cantidad pivotal.
S
IC100(1−α) % = {X̄ ± √ · t1−α/2 (n − 1)}
n

IC para µ y varianza σ 2 desconocidos (n ≥ 30)

muestra aleatoria de tamaño n (mayor o igual a 30) desde una
población normal con media µ y varianza σ 2 desconocidos.
√
(X̄ −µ) n
Sea Zc = S ∼ N(0, 1) una cantidad pivotal.
S
IC100(1−α) % = {X̄ ± √ · Z1−α/2 }
n

Intervalos de Confianza
En general un Intervalo de confianza es de la forma:
IC100(1−α) % = {X̄ ± d}
donde se define d: Error de Estimación (Margen de Error). Este
error se suele componer por el Error Estándar y un valor
denominado cuantil
Recordar que el error estándar (al
igual que la desviación estándar) es
una medida de variabilidad. En este
contexto, estudia la variabilidad que
presenta el estimador con respecto
del parámetro.

Otro concepto importante es la amplitud (o longitud) que tiene el

intervalo.
a = LS − LI = 2 · d
En general, uno desea tener un valor para a muy pequeño.
Observación 1: El IC construido habitualmente no es único, se

pueden construir muchos. Por lo tanto, si se comparan IC que tiene
el mismo coeficiente pero distinto nivel de confianza, se escoge el
que tiene menor longitud, lo que asegura mayor precisión en mi
estimación. Para ello, cuando más pequeño deseemos que sea a,
más grande deberá ser nuestro tamaño de muestra.

Observación 2: Un error es pensar que niveles altos de confianza
generan IC más precisos. En general, mientras más alto el nivel de
confianza, más largo será el IC.
Observación 3: Uno de los usos más interesantes que tienen los IC

es que sirve para determinar tamaños muestrales. Sin embargo,
esto es posible cuando se trabaja en el Caso 1.

Definiciones
Cantidad Pivotal
Intervalo de Confianza para la Proporción
Índice
1 Definiciones
2 Cantidad Pivotal

Definiciones
Cantidad Pivotal
IC para la proporción

muestra aleatoria de tamaño n desde una población binomial con
media p y varianza p(1 − p). Nos interesa estimar el parámetro p
con un IC.
Si el tamaño de muestra es muy√

grande una Cantidad Pivotal se
p) n
(p−b
define de la forma: Zc = √ ∼ N(0, 1)
p (1−b
b p)
donde pb = x Número total de éxitos

= Número
n total de intentos
Observación: Gracias al Teorema del Límite Central y con n muy
grande, la distribución normal resulta ser una buena aproximación
de la distribución binomial.

Definiciones
Cantidad Pivotal
IC para la proporción
El Intervalo de Confianza para la proporción del 100(1 − α) %

resulta ser:
 s 
 pb(1 − pb) 
IC100(1−α) % = pb ± Z1−α/2 ·
 n 

Estadística

Cargado por

Información del documento

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

Estadística

Cargado por

Copyright:

Formatos disponibles

Definiciones

Estimación por Intervalos de Confianza

Estadística Francisco Barrera N. 1 / 19

3 Intervalo de Confianza para la Media Poblacional

4 Intervalo de Confianza para la Proporción Poblacional

Estadística Francisco Barrera N. 2 / 19

Un estimador de intervalo es una regla para calcular dos números,

Estadística Francisco Barrera N. 3 / 19

Intervalos Aleatorios y de Confianza

Sea X1 , ..., Xn una m.a(n) desde una densidad proveniente de f (x ). Sea

Donde (T1 , T2 ) son un intervalo aleatorios a los cuales se le asigna el

Estadística Francisco Barrera N. 4 / 19

3 Intervalo de Confianza para la Media Poblacional

4 Intervalo de Confianza para la Proporción Poblacional

Estadística Francisco Barrera N. 5 / 19

Sea X1 , ..., Xn una m.a(n) desde una densidad proveniente de

Estadística Francisco Barrera N. 6 / 19

Estadística Francisco Barrera N. 7 / 19

Estadística Francisco Barrera N. 8 / 19

3 Intervalo de Confianza para la Media Poblacional

4 Intervalo de Confianza para la Proporción Poblacional

Estadística Francisco Barrera N. 9 / 19

IC para µ con varianza σ 2 conocida.

Supongamos que X es una variable aleatoria proveniente de una

El Intervalo de confianza resultará:

Estadística Francisco Barrera N. 10 / 19

IC para µ y varianza σ 2 desconocidos (n < 30)

Supongamos que X es una variable aleatoria proveniente de una

El Intervalo de confianza resultará:

Estadística Francisco Barrera N. 11 / 19

IC para µ y varianza σ 2 desconocidos (n ≥ 30)

Supongamos que X es una variable aleatoria proveniente de una

El Intervalo de confianza resultará:

Estadística Francisco Barrera N. 12 / 19

En general un Intervalo de confianza es de la forma:

Estadística Francisco Barrera N. 13 / 19

Otro concepto importante es la amplitud (o longitud) que tiene el

Observación 1: El IC construido habitualmente no es único, se

Estadística Francisco Barrera N. 14 / 19

Observación 3: Uno de los usos más interesantes que tienen los IC

Estadística Francisco Barrera N. 16 / 19

3 Intervalo de Confianza para la Media Poblacional

4 Intervalo de Confianza para la Proporción Poblacional

Estadística Francisco Barrera N. 17 / 19

Supongamos que X es una variable aleatoria proveniente de una

Si el tamaño de muestra es muy√

donde pb = x Número total de éxitos

Estadística Francisco Barrera N. 18 / 19

El Intervalo de Confianza para la proporción del 100(1 − α) %

Estadística Francisco Barrera N. 19 / 19

También podría gustarte