Universidad de las Fuerzas Armadas

Facultad de Energı́a y Mecánica

ESTADÍSTICA

Marı́a José Tapia Rodrı́guez

2 de agosto de 2018

1
 Estadı́stica

Estimación e intervalos de confianza

Estimadores puntales e intervalos de confianza de una me-
dia
Estimador Puntual. Estadı́stico calculado a partir de información de la muestra para estimar
el parámetro poblacional.
Intervalos de confianza de una media poblacional
Intervalo de Confianza. Conjunto de valores que se forma a partir de una muestra de datos
de forma que exista la posibilidad de que el parámetro poblacional ocurra dentro de dicho
conjunto con una probabilidad especı́fica. La probabilidad especı́fica recibe el nombre de nivel
de confianza.
Para calcular el intervalo de confianza, consideraremos dos situaciones:
1. Utilizamos los datos de la muestra para calcular µ con x̄, mientras que la desviación
estándar de la población (σ) es conocida.

2. Utilizamos los datos de la muestra para calcular µ con x̄, mientras que la desviación
estándar de la población es desconocida. En este caso, sustituimos la desviación estándar
de la(s) muestra(s) por la desviación estándar de la población (σ).

1. Desviación estándar de la población conocida (σ)

P (L ≤ θ ≤ U ) = 1 − α

P (X̄l ≤ µx ≤ X̄u ) = 1 − α

Bilateral
 
P x̄ − |Z α2 | √σxn ≤ µx ≤ x̄ + x̄ − |Z α2 | √σxn = 1 − α

Unilateral superior
 
P µx ≤ x̄ + x̄ − |Z α2 | √σxn = 1 − α

Unilateral inferior
 
P x̄ − |Z α
2
| √σxn ≤ µx = 1 − α

2
 Estadı́stica

1.1. Ejercicios
1. Se encuentra que la concentración promedio de zinc que se obtiene en una muestra de
mediciones en 36 sitios diferentes de un rı́o es de 2.6 gramos por mililitro. Calcule los
intervalos de confi anza del 95 % y 99 % para la concentración media de zinc en el rı́o.
Suponga que la desviación estándar de la población es de 0.3 gramos por mililitro.
Probabilidad y Estadistica para ingenieria y ciencias, Novena Edición, Walpole Myers
Myers, Capitulo 9, Sección 9.4, Ejemplo 9.2.

IC = 0, 95

α = 0, 05

α
= 0, 025
2

Z0 , 025 = −1, 96
 
P x̄ − |Z α2 | √σxn ≤ µx ≤ x̄ + x̄ − |Z α2 | √σxn = 1 − α

 
P 2, 6 − 1, 96 √0,3
36
≤ µ x ≤ 2, 6 + 1, 96 0,3
√
36
= 1 − 0, 05

P (2, 502 ≤ µx ≤ 2, 698) = 0, 95

IC = 0, 99

α = 0, 01

α
= 0, 005
2

Z0 , 005 = −2, 575

 
P x̄ − |Z α2 | √σxn ≤ µx ≤ x̄ + x̄ − |Z α2 | √σxn = 1 − α

 
P 2, 6 − 2, 575 √0,3
36
≤ µ x ≤ 2, 6 + 2, 575 0,3
√
36
= 1 − 0, 05

P (2, 4713 ≤ µx ≤ 2, 729) = 0, 95

3
 Estadı́stica

2. Desviación estándar poblacional σ desconocida

Se trabaja con la distribución t que es una distribución de probabilidad continua.

X̄ − µ
t= (1)
√S
n

Bilateral
 
P x̄ − t α2 (n − 1) √Sxn ≤ µx ≤ x̄ + t α2 (n − 1) √Sxn = 1 − α

Unilateral superior
 
P µx ≤ x̄ + t α2 (n − 1) √Sxn = 1 − α

Unilateral inferior
 
P x̄ − t α2 (n − 1) √Sxn ≤ µx = 1 − α

Intervalos de confianza para diferencia de media

3. Desviación estándar poblacional conocidas
Bilateral
 q q 
2 σ2 2 2 σ2 2
P (x¯1 − x¯2 ) − |Z α2 | σn11 + n2
≤ µ1 − µ2 ≤ (x¯1 − x¯2 ) + |Z α2 | σn11 + n2
=1−α

Unilateral superior
 q 
2 σ2 2
P µ1 − µ2 ≤ (x¯1 − x¯2 ) + |Z | σn11 + α
2 n2
=1−α

Unilateral inferior
 q 
2 σ2 2
P (x¯1 − x¯2 ) − |Z α2 | σn11 + n2
≤ µ1 − µ2 = 1 − α

4. Desviación estándar desconocida e iguales

Sp2 ; estimador convinado de varianza
(n1 −1)s21 +(n2 −1)s22
Sp2 = n1 +n2 −2

Bilateral

4
 Estadı́stica

  q   q 
P (x¯1 − x¯2 ) − |t α2 ,(n1 +n2 −2) | Sp n11 + 1
n2
≤ µ1 − µ2 ≤ (x¯1 − x¯2 ) + |t α2 ,(n1 +n2 −2) | Sp n11 + 1
n2
=
1−α

Unilateral superior
  q 
P µ1 − µ2 ≤ (x¯1 − x¯2 ) + |t α2 ,(n1 +n2 −2) | Sp n11 + 1
n2
=1−α

Unilateral inferior
  q  
P (x¯1 − x¯2 ) − |t α2 ,(n1 +n2 −2) | Sp n11 + 1
n2
≤ µ1 − µ2 = 1 − α

5. Desviación estándar desconocida y diferentes

v ; grados de libertad
2
s2 2

1 + s2
n1 n2
v= s2
!2
s2
!2
1 2
n1 n2
n1 −1
+ n2 −1

Bilateral
 q 2 q 2 
s s22 s s22
P (x¯1 − x¯2 ) − |t 2 ,v | n11 +
α
n2
≤ µ1 − µ2 ≤ (x¯1 − x¯2 ) − |t 2 ,v | n11 +
α
n2
=1−α

Unilateral superior
 q 2 
s s22
P µ1 − µ2 ≤ (x¯1 − x¯2 ) − |t α2 ,v | n11 + n2
=1−α

Unilateral inferior
 q 2 
s s22
P (x¯1 − x¯2 ) − |t 2 ,v | n11 +
α
n2
≤ µ1 − µ2 =1−α