Documentos de Académico
Documentos de Profesional
Documentos de Cultura
7.8. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Bibliografı́a 14
7.1. Introducción
tanto, no podremos saber con seguridad si el valor del parámetro θ se encuentra dentro
del intervalo obtenido cuando se selecciona una sola muestra.
El objetivo que se pretende con los intervalos de confianza es obtener un interva-
lo de poca amplitud y con un nivel de confianza 1 − α alto cuyos valores más frecuentes
suelen ser 0.90, 0.95 y 0.99. La precisión de la estimación por intervalos vendrá carac-
terizada por estas dos medidas: nivel de confianza y amplitud del intervalo. Ası́ pues,
para un nivel de confianza fijo, cuanto más pequeño sea el intervalo de confianza, más
precisa será la estimación.
Puesto que
X̄ − µ
√ tiene distribución en el muestreo N (0, 1)
σ/ n
será
X̄ − µ
P −zα/2 < √ < zα/2 = 1 − α
σ/ n
de forma que
σ σ
x̄ − zα/2 √ , x̄ + zα/2 √
n n
es un intervalo de confianza para µ de nivel de confianza 1 − α.
para obtener
X̄ − µ
P −tn−1,α/2 < √ < tn−1,α/2 =1−α
S/ n
lo cual proporciona
s s
x̄ − tn−1,α/2 √ , x̄ + tn−1,α/2 √
n n
como intervalo de confianza para µ de nivel de confianza 1 − α.
de forma que !
n
X (Xi − µ)2
P χ2n,1−α/2 < < χ2n,α/2 =1−α
i=1
σ2
y por tanto !
n n
1 X 1 X
(xi − µ)2 , (xi − µ)2
χ2n,α/2 i=1
χ2n,1−α/2 i=1
2
es un intervalo de confianza para σ de nivel de confianza 1 − α.
La asimetrı́a de la distribución χ2 hace que el intervalo anterior, obtenido elimi-
nando colas iguales α/2 en los dos extremos de la distribución, no sea de longitud mı́ni-
ma. Sin embargo, la diferencia no es lo suficientemente importante como para tomarse
la molestia de buscar en la tabla los valores que minimizan la longitud.
Según ello
(n − 1)S 2
P χ2n−1,1−α/2 < < χ2n−1,α/2 =1−α
σ2
y resulta !
(n − 1)s2 (n − 1)s2
,
χ2n−1,α/2 χ2n−1,1−α/2
como intervalo de confianza para σ 2 de nivel de confianza 1 − α (con la misma conside-
ración acerca de la longitud mı́nima que en el caso anterior).
Consideramos ahora la situación en la cual se dispone de dos muestras aleatorias
simples (X1 , X2 , . . . , Xn ) e (Y1 , Y2 , . . . , Ym ) de dos poblaciones normales N (µ1 , σ1 ) y
N (µ2 , σ2 ), independientes.
Como
X̄ − Ȳ − (µ1 − µ2 )
q tiene distribución en el muestreo N (0, 1)
σ12 σ22
n
+ m
r r !
σ12 σ22 σ12 σ22
x̄ − ȳ − zα/2 + , x̄ − ȳ + zα/2 +
n m n m
es un intervalo de confianza para µ1 − µ2 de nivel de confianza 1 − α.
Análogo resultado se obtiene, reemplazando σ12 y σ22 por S12 y S22 , en el caso en
que las varianzas poblacionales sean desconocidas pero los tamaños de ambas muestras
sean los suficientemente grandes (n, m ≥ 15). En el caso de tamaños muestrales grandes,
también se puede prescindir de la hipótesis de normalidad y utilizar el Teorema Central
del Lı́mite, como después se comentará en más detalle.
Puesto que
S12 /σ12
tiene distribución en el muestreo Fn−1,m−1
S22 /σ22
será
S12 /σ12
P Fn−1,m−1,1−α/2 < 2 2 < Fn−1,m−1,α/2 = 1 − α
S2 /σ2
y por tanto
s21 s21
1 1
2
, 2
s2 Fn−1,m−1,α/2 s2 Fn−1,m−1,1−α/2
es un intervalo de confianza para σ12 /σ22 de nivel de confianza 1 − α.
En el caso en que (X1 , Y1 ), (X2 , Y2 ), . . . , (Xn , Yn ) sea una muestra aleatoria sim-
ple (de datos apareados) de una población normal bidimensional de medias (µ1 , µ2 ) y
covarianza σ11 6= 0, la construcción de intervalos de confianza para µ1 − µ2 se basa en
que
√ X̄ − Ȳ − (µ1 − µ2 )
n tiene distribución en el muestreo tn−1
SD
Concretamente,
sD sD
x̄ − ȳ − tn−1,α/2 √ , x̄ − ȳ + tn−1,α/2 √
n n
2
es un intervalo de confianza para µ1 −µ2 de nivel de confianza 1−α, donde SD representa
la cuasi-varianza muestral de las diferencias Di = Xi − Yi .
Hasta ahora hemos considerado que las poblaciones de partida eran normales
y se han obtenido intervalos de confianza para distintos parámetros. Pero en muchas
situaciones nos podemos encontrar con poblaciones cuya distribución no es conocida, no
siendo de aplicación los criterios dados anteriormente, siendo necesario buscar alterna-
tivas.
La diferencia con los intervalos obtenidos anteriormente es que aquellos eran exactos y
ahora son aproximados y sólo son válidos para muestras grandes, n > 30.
donde
número de éxitos en n pruebas
p̂ =
n
2 σ2
n = 4zα/2
L2
7.8. Problemas
1. Un fabricante de fibras sintéticas desea estimar la tensión de ruptura media de
una fibra. Se diseña un experimento en el que se observan las tensiones medias
de ruptura, en libras, de 16 hilos del proceso, seleccionados aleatoriamente. Las
tensiones son 20.8, 20.6, 21.0, 19.9, 20.2, 19.6, 19.8, 20.9, 21.1, 20.4, 20.6, 19.7,
19.6, 20.3 y 20.7. Suponga que la tensión de ruptura de una fibra se encuentra
modelada por una distribución normal con desviación tı́pica de 0.45. Construir un
intervalo de confianza estimado del 98 % para el valor real de la tensión de ruptura
promedio de la fibra.
2. Las peleas semanales en Madrid se distribuyen como una Poisson con parámetro
desconocido. En 30 semanas se observan 217 peleas. Determinar un intervalo de
confianza al 90 % para el número medio de peleas semanales.
Xi 169,7 168,5 165,9 177,8 179,6 168,9 169,2 167,9 181,8 163,3
Yi 168,2 165,5 164,4 175,7 176,6 166,1 167,1 166,3 179,7 161,5
11. Sea (X1 , . . . , Xn ) e (Y1 , . . . , Ym ) dos muestras aleatorias simple de dos poblaciones
independientes con distribuciones exponenciales de parámetros λ1 y λ2 respecti-
vamente. Determinar un intervalo de confianza para λ1 /λ2 .
12. Sea X una variable aleatoria absolutamente continua con función de densidad
2
f (x) = 2θxeθx , x>0
[1] Casas, J.M. (1997). Inferencia Estadı́stica. Centro de Estudios Ramón Areces.