2.

5 intervalos de predicción

Un intervalo de predicción es una estimación de un intervalo de

valores en el que se producirá una observación futura con
determinada probabilidad, dado lo que ya se ha observado. un
intervalo de predicción guarda la misma relación con una observación
futura que un intervalo de confianza.

Muestran con relación a un parámetro de población no observable:

Los intervalos de predicción estiman la distribución de futuros sucesos
individuales según su valor, mientras que los intervalos de confianza y
de credibilidad predicen la distribución de la media real de la población
u otra cantidad de interés que no puede ser observada directamente
(por ejemplo, cuando solo se poseen muestras de poblaciones muy
grandes).
Podemos tener intervalos de predicción para los datos de las
variables, o para datos del tipo de atributo; podemos basar más la
predicción en un modelo paramétrico, como la distribución normal o
usar métodos no paramétricos. Ambos son útiles en la práctica.
También podemos pone condiciones sobre la predicción futura

Es importante mencionar que el intervalo de predicción es similar a un

intervalo de confianza en cuanto a que la probabilidad de captura
(confianza) es un resultado a largo plazo. Es decir, la confianza es la
proporción a largo plazo de los casos, en las mismas condiciones y
con datos diferentes, que predirían adecuadamente lo que decimos
que daría.

Ejemplo 1. Intervalo de confianza para la media con 𝜎 conocida

Se ha obtenido una muestra de 25 alumnos de una Facultad para

estimar la calificacio ́n media de los expedientes de los alumnos en la
Facultad. Se sabe por otros cursos que la desviación típica de las
puntuaciones en dicha Facultad es de 2.01 puntos.

La media de la muestra fue de 4.9.

1. Intervalo de confianza al 90 %.

Solución
1. Intervalo de confianza al 90 %. Usamos la fórmula:

𝜎
𝑋 ± 𝑧𝛼/2 √ 𝑛

Los cuantiles de orden 0.05 y 0.95, que encierran en el centro de la

dis- tribucio ́n normal un ́area igual a 0.9 se muestran en el gr ́afico
siguiente:

Por último, sustituyendo los datos en la fórmula del intervalo, tenemos:

2,01
4,9 ± 1,64√25 ≡ 4,9 ± 0,66
25

2 (4,24, 5,56)

*Intervalo de confianza* : En estadística, se llama intervalo de

confianza a un par o varios pares de números entre los cuales se
estima que estará cierto valor desconocido con un determinado nivel
de confianza
2.6 Analisis de correlación
El análisis de correlación consiste en un procedimiento estadístico
para determinar si dos variables están relacionadas o no. El resultado
del análisis es un coeficiente de correlación  que puede tomar valores
entre -1 y +1.  El signo indica el  tipo de correlación entre las dos
variables . Un signo positivo indica que existe una relación positiva
entre las dos variables; es decir, cuando la magnitud de una
incrementa, la otra también.  Un signo negativo  indica que existe una
relación negativa entre las dos variables. Mientras los valores de una
incrementan, los de la segunda variable disminuyen. Si dos variables
son independientes, el coeficiente de correlación es de magnitud cero .
La fuerza de la relación lineal incrementa a medida que el coeficiente
de correlación se aproxima a -1 o a +1.

La fórmula general para calcular el coeficiente de correlación entre dos

variables es:

El coeficiente de correlación es el resultado de dividir la covarianza

entre las variables X y Y entre la raíz cuadrada del producto de la
varianza de X y la de Y.  

1.- Calcular la covarianza entre la variable X y la variable Y (entre las

dos columnas de la matriz) de acuerdo a la siguiente fórmula:

Se calcula la media de todos los valores de X y de Y Se realiza la

sumatoria del producto de las diferencias entre cada observación de
cada variable y su media correspondiente. La sumatoria calculada
anteriormente se divide entre el número total de observaciones menos
1

2. Calcular las varianza de la variable X y la varianza de la variable Y

y obtener la raíz cuadrada de cada una:
 Producto de desviaciones estándar Para cada variable se calcula la
desviación estándar y se multiplican

 3. Se divide la covarianza entre el producto de las desviaciones

estándar 

Referencias:

*José Alquicira. (2017). Análisis de correlación. 2020, Octubre 31,

Conogasi.org Sitio web: http://conogasi.org/articulos/analisis-de-
correlacion-2/

*Hahn, G. J., y Meeker, W. Q., (1991). Statistical Intervals: A Guide for

Practitioners(Los intervalos estadísticos: Una guía para los usuarios) ,
Wiley-Interscience, John Wiley and Sons Inc., New York, N.Y.

*Javier S.(Abril del 2017) Sobre los intervalos de confianza y

predicción, obtenido de:
http://sigma.iimas.unam.mx/jsantibanez/Cursos/Regresion/2017_2/IntP
red.pdf