ESTADÍSTICA III

Estimación por intervalos

Giorgio Cunto Morales

Estimación por intervalos
• La estimación puntual es muy limitada.

• Cada muestra resulta en diferente valores estimados.

• Se puede establecer un intervalo alrededor del valor estimado

que con cierta confianza contenga el valor del parámetro
poblacional.

෡ estima a 𝜽 con una confianza de 100(1-α)%.

•𝜽
𝑃 𝜃መ − 𝛿1 ≤ 𝜃 ≤ 𝜃መ + 𝛿2 = 1 − 𝛼

Giorgio Cunto Morales

Visualizando

Giorgio Cunto Morales

Visualizando

Giorgio Cunto Morales

Visualizando

Giorgio Cunto Morales

Estimación por intervalos
• 𝑃 𝜃መ − 𝛿1 ≤ 𝜃 ≤ 𝜃መ + 𝛿2 = 1 − 𝛼

ത
𝑋−𝜇 𝑛
1. 𝑃 −𝑘 𝛼Τ
2
≤
𝜎
≤ 𝑘𝛼Τ2 = 1 − 𝛼

2. 𝑃 −𝑘𝛼Τ2 𝜎 ≤ 𝑋ത − 𝜇 𝑛 ≤ 𝑘𝛼Τ2 𝜎 = 1 − 𝛼

𝑘𝛼ൗ 𝜎 𝑘𝛼ൗ 𝜎
3. 𝑃 − 2
≤ 𝑋ത − 𝜇 ≤ 2
=1−𝛼
𝑛 𝑛

𝑘𝛼ൗ 𝜎 𝑘𝛼ൗ 𝜎 𝑘𝛼ൗ 𝜎 𝑘𝛼ൗ 𝜎

4. 𝑃 2
≥ −𝑋ത + 𝜇 ≥ − 2
=1−𝛼 →𝑃 − 2
≤ 𝜇 − 𝑋ത ≤ 2
=1−𝛼
𝑛 𝑛 𝑛 𝑛

𝑘𝛼ൗ 𝜎 𝑘𝛼ൗ 𝜎
5. 𝑃 𝑋ത − 2
≤ 𝜇 ≤ 𝑋ത + 2
=1−𝛼
𝑛 𝑛

𝑘𝛼ൗ 𝜎
6. 𝑋ത ∓ 2
𝑛

Giorgio Cunto Morales

Estimación por intervalos
1. 𝐼𝐶 = 95% = 100 1 − α %
95% 0,95
2. 1 − 𝛼 = 100%
=
1

3. 1 − 𝛼 = 0,95
4. 𝛼 = 1 − 0,95
5. 𝛼 = 0,05
𝛼
6. 2
= 0,025 → 𝑘𝛼Τ2 0,025 → 𝑧0,025

7. 𝐹 𝑘𝛼Τ2 = 0,975
8. 𝑘 = 1,96

Giorgio Cunto Morales

Visualizando

Z = 1,96
Giorgio Cunto Morales
Notas
• ↑ 𝐼𝐶 → ↑ 𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑 → ↓ 𝑝𝑟𝑒𝑠𝑖𝑐𝑖ó𝑛

• ↓ 𝐼𝐶 → ↓ 𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑 → ↑ 𝑝𝑟𝑒𝑠𝑖𝑐𝑖ó𝑛

• ℎ = 𝐿𝑠 − 𝐿𝑖 (𝐿𝑖𝑚𝑖𝑡𝑒 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 − 𝐿𝑖𝑚𝑖𝑡𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟)

𝑘𝛼ൗ 𝜎 𝑘𝛼ൗ 𝜎 𝑘𝛼ൗ 𝜎 𝑘𝛼ൗ 𝜎

• ℎ = 𝑋ത + 2
− 𝑋ത − 2
= 𝑋ത + 2
− 𝑋ത + 2
𝑛 𝑛 𝑛 𝑛

𝑘𝛼ൗ 𝜎
•ℎ=2 2
𝑛

• ↑ 𝑛 → ↓ 𝐼𝐶(𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑑𝑒𝑓𝑖𝑛𝑖𝑑𝑜)

Giorgio Cunto Morales
Importante
• La probabilidad de que un parámetro poblacional esté en el
ത
intervalo es de 0,95 (cuando se ha sustituido el valor de 𝑋)

• Los límites del intervalo son en sí variable aleatorias.

• Si ya se estima, concluimos que con 95% de confianza 𝝁 se

encuentra en ese intervalo, es decir, 95% de los intervalos
construidos contendrían 𝝁, y el 5% restante no.

• 𝝁 no es una variable aleatoria.

Giorgio Cunto Morales

Importante
• “Antes” de tomar la muestra los límites del intervalo son v.a.s y
han sido establecidas de tal forma que la probabilidad de que el
intervalo contenga al parámetro es de 0,95.

• “Después” de tomada la muestra y calculado los límites

hablamos de confianza, no de probabilidad.

Giorgio Cunto Morales

Interpretando confianza
• Si se toman repetidamente muestras de tamaño n y se calculan
los intervalos de para cada muestra:

• En promedio 95% de los intervalos calculados contiene el

parámetro.

Giorgio Cunto Morales

Intervalos de confianza para la media de una población
a. Con varianza conocida:

𝜎2
• ത
𝑋~𝑁(𝜇, )
𝑛

ത
𝑋−𝜇 𝑛
•𝑍= ~𝑁 0,1
𝜎

𝑘𝛼ൗ 𝜎 𝑘𝛼ൗ 𝜎
•𝑃 − 2
≤ 𝑋ത − 𝜇 ≤ 2
=1−𝛼
𝑛 𝑛

𝑘𝛼ൗ 𝜎
• 𝑋ത ∓ 2
𝑛
Giorgio Cunto Morales
Intervalos de confianza para la media de una población
b. Con varianza poblacional desconocida:

ത
𝑋−𝜇 𝑛−1
• 𝑡= ~𝑇 𝑛 − 1
𝑆

ത
𝑋−𝜇 𝑛−1
• 𝑃 −𝑡𝛼Τ2 ≤ ≤ 𝑡𝛼Τ2 = 1 − 𝛼
𝑆

1. 𝑃 −𝑡𝛼Τ2 𝑆 ≤ 𝑋ത − 𝜇 𝑛 − 1 ≤ 𝑡𝛼Τ2 𝑆 = 1 − 𝛼

𝑡𝛼ൗ 𝑆 𝑡𝛼ൗ 𝑆
2. 𝑃 − 2
≤ 𝑋ത − 𝜇 ≤ 2
=1−𝛼
𝑛−1 𝑛−1

𝑡𝛼ൗ 𝑆 𝑡𝛼ൗ 𝑆
3. 𝑃 2
≥ −𝑋ത + 𝜇 ≥ − 2
=1−𝛼
𝑛−1 𝑛−1

Giorgio Cunto Morales

Intervalos de confianza para la media de una población
𝑡𝛼ൗ 𝑆 𝑡𝛼ൗ 𝑆
3. 𝑃 2
≥ −𝑋ത + 𝜇 ≥ − 2
=1−𝛼
𝑛−1 𝑛−1

𝑡𝛼ൗ 𝑆 𝑡𝛼ൗ 𝑆
4. 𝑃 − 2
≤ 𝜇 − 𝑋ത ≤ 2
=1−𝛼
𝑛−1 𝑛−1

𝑡𝛼ൗ 𝑆 𝑡𝛼ൗ 𝑆
5. 𝑃 𝑋ത − 2
𝑛−1
≤ 𝜇 ≤ 𝑋ത + 2
𝑛−1
=1−𝛼

𝑡𝛼ൗ 𝑆
6. 𝑋ത ∓ 𝑛−1
2
; 𝑡𝛼Τ2 → 𝑘𝛼Τ2 𝑐𝑢𝑎𝑛𝑑𝑜 𝑛 ≥ 30

Giorgio Cunto Morales

Intervalos de confianza para la media de una población
c. Con varianza poblacional desconocida (empleando cuasivariaza):

ത
𝑋−𝜇 𝑛
• 𝑡= ~𝑇 𝑛 − 1
𝑆𝑐

ത
𝑋−𝜇 𝑛
• 𝑃 −𝑡𝛼Τ2 ≤ ≤ 𝑡𝛼Τ2 = 1 − 𝛼
𝑆𝑐

1. 𝑃 −𝑡𝛼Τ2 𝑆𝑐 ≤ 𝑋ത − 𝜇 𝑛 ≤ 𝑡𝛼Τ2 𝑆𝑐 = 1 − 𝛼

𝑡𝛼ൗ 𝑆𝑐 𝑡𝛼ൗ 𝑆𝑐
2. 𝑃 − 2
≤ 𝑋ത − 𝜇 ≤ 2
=1−𝛼
𝑛 𝑛

𝑡𝛼ൗ 𝑆𝑐 𝑡𝛼ൗ 𝑆𝑐
3. 𝑃 2
≥ −𝑋ത + 𝜇 ≥ − 2
=1−𝛼
𝑛 𝑛

Giorgio Cunto Morales

Intervalos de confianza para la media de una población
𝑡𝛼ൗ 𝑆𝑐 𝑡𝛼ൗ 𝑆𝑐
3. 𝑃 2
≥ −𝑋ത + 𝜇 ≥ − 2
=1−𝛼
𝑛 𝑛

𝑡𝛼ൗ 𝑆𝑐 𝑡𝛼ൗ 𝑆𝑐
4. 𝑃 − 2
≤ 𝜇 − 𝑋ത ≤ 2
=1−𝛼
𝑛 𝑛

𝑡𝛼ൗ 𝑆𝑐 𝑡𝛼ൗ 𝑆𝑐
5. 𝑃 𝑋ത − 2
𝑛
≤ 𝜇 ≤ 𝑋ത + 2
𝑛
=1−𝛼

𝑡𝛼ൗ 𝑆𝑐
6. 𝑋ത ∓ 2
𝑛
; 𝑡𝛼Τ2 → 𝑘𝛼Τ2 𝑐𝑢𝑎𝑛𝑑𝑜 𝑛 ≥ 30

Giorgio Cunto Morales

Intervalos de confianza para la media de una población finita
• Muestreo aleatorio simple requiere que, en el caso de poblaciones
finitas, el muestreo sea sin reemplazamiento.

• Las variables de la muestra dejan de ser independientes, y no puede

emplearse el TLC.

• Se obtiene un menor número de muestras.

• Posibles muestras con reemplazamiento:𝑉𝑁,𝑛 = 𝑁 𝑛
• Posibles muestras sin reemplazamiento: 𝑉𝑁,𝑛 = 𝑁 𝑁 − 1 … 𝑁 − 𝑛 + 1

• N siendo el número de elementos de la población y n el tamaño de la

muestra.
Giorgio Cunto Morales
Intervalos de confianza para la media de una población finita

• La varianza de la media muestral se modifica en

𝜎2 𝑁 − 𝑛
𝑉𝑎𝑟 𝑋ത =
𝑛 𝑁−1

• La varianza de la media muestral termina siendo menor debido

a que (𝑁 − 𝑛) < 𝑁 − 1 .

• Factor de corrección para poblaciones finitas:

𝑁−𝑛
𝑁−1
Giorgio Cunto Morales
Intervalos de confianza para la media de una población finita

• ¿Cómo queda la distribución?

𝜎 2 𝑁−𝑛
• ത
𝑋~𝑁(𝜇, )
𝑛 𝑁−1

𝜎 2 𝑁−𝑛
• lim
𝑁→∞ 𝑛 𝑁−1

𝜎2 𝑁−𝑛 𝜎2
• lim =
𝑛 𝑁→∞ 𝑁−1 𝑛

Giorgio Cunto Morales

Intervalos de confianza para la media de una población finita
a. Con varianza conocida:

𝜎 2 𝑁−𝑛
• ത
𝑋~𝑁(𝜇, )
𝑛 𝑁−1

ത
𝑋−𝜇
1. 𝑃 −𝑘𝛼Τ2 ≤ ≤ 𝑘𝛼Τ2 = 1 − 𝛼
𝜎2 (𝑁−𝑛)
𝑛 (𝑁−1)

ത
𝑋−𝜇
2. 𝑃 −𝑘𝛼Τ2 ≤ 𝜎2 (𝑁−𝑛)
≤ 𝑘𝛼Τ2 = 1 − 𝛼
𝑛 (𝑁−1)

𝜎2 (𝑁−𝑛) 𝜎2 (𝑁−𝑛)
3. 𝑃 −𝑘𝛼Τ2 ≤ 𝑋ത − 𝜇 ≤ 𝑘𝛼Τ2 =1−𝛼
𝑛 (𝑁−1) 𝑛 (𝑁−1)

Giorgio Cunto Morales

Intervalos de confianza para la media de una población finita

𝜎2 (𝑁−𝑛) 𝜎2 (𝑁−𝑛)
3. 𝑃 −𝑘𝛼Τ2 ≤ 𝑋ത − 𝜇 ≤ 𝑘𝛼Τ2 =1−𝛼
𝑛 (𝑁−1) 𝑛 (𝑁−1)

𝜎2 (𝑁−𝑛) 𝜎2 (𝑁−𝑛)
4. 𝑃 𝑘𝛼Τ2 ≥ −𝑋ത + 𝜇 ≥ −𝑘𝛼Τ2 =1−𝛼
𝑛 (𝑁−1) 𝑛 (𝑁−1)

𝜎2 (𝑁−𝑛) 𝜎 2 (𝑁−𝑛)
5. 𝑃 −𝑘𝛼Τ2 ≤ 𝜇 − 𝑋ത ≤ 𝑘𝛼Τ2 =1−𝛼
𝑛 (𝑁−1) 𝑛 (𝑁−1)

𝜎2 (𝑁−𝑛) 𝜎2 (𝑁−𝑛)
6. 𝑃 𝑋ത − 𝑘𝛼Τ2 ≤ 𝜇 ≤ 𝑋ത + 𝑘𝛼Τ2 =1−𝛼
𝑛 (𝑁−1) 𝑛 (𝑁−1)

𝜎2 (𝑁−𝑛)
7. 𝑋ത ∓ 𝑘𝛼Τ2
𝑛 (𝑁−1)

Giorgio Cunto Morales

Intervalos de confianza para la media de una población finita
b. Con varianza desconocida:

ഥ
𝑋−𝜇

𝜎2 (𝑁−𝑛)
𝑛 (𝑁−1)
• 𝑡= ~𝑇 𝑛 − 1
𝑛𝑆2
𝜎2

𝑆 𝑁−𝑛
• 𝑋ത ∓ 𝑡𝛼Τ2 𝑠𝑖 𝑛 ≤ 31
𝑛−1 𝑁−1

𝑆 𝑁−𝑛
• 𝑋ത ∓ 𝑘𝛼Τ2 𝑠𝑖 𝑛 ≥ 31
𝑛−1 𝑁−1

Giorgio Cunto Morales

Intervalos de confianza para la media de una población finita
c. Con varianza desconocida (empleando cuasivarianza):

ഥ
𝑋−𝜇

𝜎2 (𝑁−𝑛)
𝑛 (𝑁−1)
• 𝑡= ~𝑇 𝑛 − 1
(𝑛−1)𝑆2
𝑐
𝜎2

𝑆𝑐 𝑁−𝑛
• 𝑋ത ∓ 𝑡𝛼Τ2 𝑠𝑖 𝑛 ≤ 31
𝑛 𝑁−1

𝑆𝑐 𝑁−𝑛
• 𝑋ത ∓ 𝑘𝛼Τ2 𝑠𝑖 𝑛 ≥ 31
𝑛 𝑁−1

Giorgio Cunto Morales

Determinación tamaño de una muestra
𝑘𝛼ൗ 𝜎 𝑘𝛼ൗ 𝜎
1. ℎ = 𝑋ത + 2
𝑛
− 𝑋ത − 2
𝑛

𝑘𝛼ൗ 𝜎 𝑘𝛼ൗ 𝜎
2. 𝑋ത + 𝑛
2
− 𝑋ത + 2
𝑛

𝑘𝛼ൗ 𝜎
2
3. ℎ = 2 𝑛

𝑘𝛼ൗ 𝜎
2
4. 𝑛=2
ℎ

𝑘𝛼ൗ 𝜎
5. 𝑛 = [2 2
]2
ℎ

Giorgio Cunto Morales

Intervalos de confianza para la varianza poblacional
a. Población normal

𝑛𝑆 2 2
• 2 ~𝜒 𝑛 − 1 ; 𝑙𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑛𝑜 𝑒𝑠 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎
𝜎

𝑛𝑆 2
1. 𝑃 𝑎≤
𝜎2
≤𝑏 =1−𝛼

𝑎 1 𝑏
2. 𝑃 𝑛𝑆 2
≤ 𝜎2 ≤ 𝑛𝑆 2 = 1 − 𝛼

𝑛𝑆 2 𝑛𝑆 2
3. 𝑃 ≥ 𝜎2 ≥ =1−𝛼
𝑎 𝑏

𝑛𝑆 2 𝑛𝑆 2
4. 𝑃 ≤ 𝜎2 ≤ =1−𝛼
𝑏 𝑎

𝑛𝑆 2 𝛼 𝑛𝑆 2 𝛼
• 𝑃 ≤𝑎 = ; 𝑃 𝜎2 ≥𝑏 =
𝜎2 2 2

• 𝑎 = 𝜒 21−𝛼Τ ; 𝑏 = 𝜒 2 𝛼Τ
2 2

Giorgio Cunto Morales

Intervalos de confianza para la varianza poblacional

𝑛𝑆 2 𝑛𝑆 2 𝑛𝑆 2 𝑛𝑆 2
• 𝑃 ≤ 𝜎2 ≤ =1−𝛼 → 𝑃 ≤ 𝜎2 ≤ =1−𝛼
𝑏 𝑎 𝜒2 𝛼ൗ 𝜒2 1−𝛼ൗ
2 2

• Cuando n no es muy pequeña el intervalo es:

𝑛𝑆 2 𝑛𝑆 2
( 2 ; )
𝜒 𝛼ൗ 𝜒2 1−𝛼ൗ
2 2

• Para desviación estándar:

𝑛𝑆 2 𝑛𝑆 2
( 2 ; 2
)
𝜒 𝛼ൗ 𝜒 1−𝛼ൗ
2 2

Giorgio Cunto Morales

Intervalos de confianza para la varianza poblacional
• Empleando cuasivarianza muestral (varianza muestral insesgada)

(𝑛−1)𝑆𝑐2 2 (𝑛−1)𝑆𝑐2
• 𝑃 ≤𝜎 ≤ =1−𝛼
𝜒2 𝛼ൗ 𝜒2 1−𝛼ൗ
2 2

• Cuando n no es muy pequeña el intervalo es:

(𝑛−1)𝑆𝑐2 (𝑛−1)𝑆𝑐2
( 2 ; 2 )
𝜒 𝛼ൗ 𝜒 1−𝛼ൗ
2 2

• Para desviación estándar:

(𝑛 − 1)𝑆𝑐2 (𝑛 − 1)𝑆𝑐2
( 2
; 2
)
𝜒 𝛼ൗ 𝜒 1−𝛼ൗ
2 2

Giorgio Cunto Morales

Intervalos de confianza para la varianza poblacional
• Para poblaciones no normales:

𝑛𝑆 2 2
• No se cumple que ~𝜒 𝑛−1
𝜎2

• Sin embargo, sabemos que 𝑆 2 (estimador de máxima verosimilitud 𝜎 2 ) se distribuye de

forma tal que:

2 𝑛−1 𝜎2 2 𝑛−1 (𝜎2 )2

• lim 𝑆 ~𝑁( ; )
𝑛→∞ 𝑛 𝑛2

• Cambia la estructura del intervalo de confianza.

(𝑛−1)𝜎2
𝑆2− 𝑛𝑆 2 −(𝑛−1)𝜎2
𝑛
1. 𝑃 −𝑘𝛼Τ2 ≤ ≤ 𝑘𝛼Τ2 = 1 − 𝛼 → 𝑃 −𝑘𝛼Τ2 ≤ 𝑛 ≤ 𝑘𝛼Τ2 = 1 − 𝛼
2(𝑛−1)(𝜎2 )2 𝜎2 𝑛 2(𝑛−1)
𝑛2

Giorgio Cunto Morales

Intervalos de confianza para la varianza poblacional
𝑛𝑆2
𝑛𝑆 2 −(𝑛−1)𝜎2 𝜎2 ( 2 − 𝑛−1 )
𝜎
2. 𝑃 −𝑘𝛼Τ2 ≤ ≤ 𝑘𝛼Τ2 = 1 − 𝛼 → 𝑃 −𝑘𝛼Τ2 ≤ ≤ 𝑘𝛼Τ2 = 1 − 𝛼
𝜎2 2(𝑛−1) 𝜎2 2(𝑛−1)

𝑛𝑆2
( 2 − 𝑛−1 )
𝜎
3. 𝑃 −𝑘𝛼Τ2 ≤ ≤ 𝑘𝛼Τ2 = 1 − 𝛼
2(𝑛−1)

𝑛𝑆 2
4. 𝑃 𝑛 − 1 − 𝑘𝛼Τ2 2 𝑛 − 1 ≤
𝜎2
≤ 𝑛 − 1 + 𝑘𝛼Τ2 2(𝑛 − 1) = 1 − 𝛼

1 𝜎2 1
5. 𝑃 ≤
𝑛𝑆 2
≤ = 1−𝛼
𝑛−1 +𝑘𝛼ൗ 2 𝑛−1 𝑛−1 −𝑘𝛼ൗ 2(𝑛−1)
2 2

𝑛𝑆 2 2 𝑛𝑆 2
6. 𝑃 ≤𝜎 ≤ =1−𝛼
𝑛−1 +𝑘𝛼ൗ 2 𝑛−1 𝑛−1 −𝑘𝛼ൗ 2(𝑛−1)
2 2

𝑛𝑆 2 𝑛𝑆 2
• ;
𝑛−1 +𝑘𝛼ൗ 2 𝑛−1 𝑛−1 −𝑘𝛼ൗ 2(𝑛−1)
2 2

Giorgio Cunto Morales

Intervalos de confianza para proporción poblacional
𝑝 1−𝑝
• 𝑝~𝑁
ො 𝑝, 𝑛

ො
(𝑝−𝑝) 𝑛
1. 𝑃 −𝑘𝛼Τ2 ≤ ≤ 𝑘𝛼Τ2 = 1 − 𝛼
𝑝(1−𝑝)

2. 𝑝Ƹ ≈ 𝑝

ො
(𝑝−𝑝) 𝑛 ො
𝑝(1− ො
𝑝) ො
𝑝(1− ො
𝑝)
3. 𝑃 −𝑘𝛼Τ2 ≤
ො ො
≤ 𝑘𝛼Τ2 = 1 − 𝛼 → 𝑃 −𝑘𝛼Τ2 𝑛
≤ (𝑝Ƹ − 𝑝) ≤ 𝑘𝛼Τ2 𝑛
=1−𝛼
𝑝(1−𝑝)

𝑝ො 1−𝑝ො ො
𝑝(1− ො
𝑝)
4. 𝑃 +𝑘𝛼Τ2 𝑛
≥ 𝑝 − 𝑝Ƹ ≥ −𝑘𝛼Τ2 𝑛
=1−𝛼

𝑝ො 1−𝑝ො ො
𝑝(1− ො
𝑝)
5. 𝑃 𝑝Ƹ − 𝑘𝛼Τ2 𝑛
≤ 𝑝 ≤ 𝑝Ƹ + 𝑘𝛼Τ2 𝑛
=1−𝛼

ො
𝑝(1− ො
𝑝)
• 𝑝ො ∓ 𝑘𝛼Τ2 𝑛
Giorgio Cunto Morales
Intervalos de confianza para proporción poblacional
• Si la población es finita se introduce el término de ajuste en la
varianza del estimador.

𝑝 1−𝑝 𝑁−𝑛
• 𝑝~𝑁
Ƹ 𝑝,
𝑛 𝑁−1

• Por lo tanto los límites del intervalo de confianza estarán dados

por:

ො
𝑝(1− ො 𝑁−𝑛
𝑝)
• 𝑝Ƹ ∓ 𝑘𝛼Τ2
𝑛 𝑁−1

Giorgio Cunto Morales

Intervalos de confianza para diferencia de medias
a. Para varianza conocida

𝜎𝑥2 𝜎𝑦2
• 𝑋ത ത
− 𝑌~𝑁(𝜇 𝑥 − 𝜇𝑦 ; 𝑛 + )
𝑥 𝑛𝑦

ത 𝑌ത −(𝜇𝑥 −𝜇𝑦 )
𝑋−
• 𝑃 −𝑘𝛼Τ2 ≤ ≤ 𝑘𝛼Τ2 =1−𝛼
2
𝜎2
𝑥 +𝜎𝑦
𝑛𝑥 𝑛𝑦

𝜎𝑥2 𝜎𝑦2
• 𝑋ത − 𝑌ത ∓ 𝑘𝛼Τ2 +
𝑛𝑥 𝑛𝑦

Giorgio Cunto Morales

Intervalos de confianza para diferencia de medias
• Población finita

𝜎𝑥2 𝑁𝑥 −𝑛𝑥 𝜎𝑦2 𝑁𝑦 −𝑛𝑦

• 𝑋ത − 𝑌ത ∓ 𝑘𝛼Τ2 +
𝑛𝑥 𝑁𝑥 −1 𝑛𝑦 𝑁𝑦 −1

Giorgio Cunto Morales

Intervalos de confianza para diferencia de medias
b. Para varianza desconocida

𝑆𝑥2 𝑆𝑦2
• 𝑋ത ത
− 𝑌~𝑁(𝜇 𝑥 − 𝜇𝑦 ; 𝑛 −1 + )
𝑥 𝑛𝑦 −1

ത 𝑌ത −(𝜇𝑥 −𝜇𝑦 )
𝑋−
• 𝑃 −𝑘𝛼Τ2 ≤ ≤ 𝑘𝛼Τ2 =1−𝛼
2
𝑆2
𝑥 + 𝑆𝑦
𝑛𝑥 −1 𝑛𝑦 −1

𝑆𝑥2 𝑆𝑦2
• 𝑋ത − 𝑌ത ∓ 𝑘𝛼Τ2 +
𝑛𝑥 −1 𝑛𝑦 −1

Giorgio Cunto Morales

Intervalos de confianza para diferencia de medias
• Población finita

𝑆𝑥2 𝑁𝑥 −𝑛𝑥 𝑆𝑦2 𝑁𝑦 −𝑛𝑦

• 𝑋ത − 𝑌ത ∓ 𝑘𝛼Τ2 +
𝑛𝑥 −1 𝑁𝑥 −1 𝑛𝑦 −1 𝑁𝑦 −1

Giorgio Cunto Morales

Intervalos de confianza para diferencia de medias
c. Varianza desconocida pero igual

ത 𝑌ത −(𝜇𝑥 −𝜇𝑦 )
𝑋−
• 𝑡= ~𝑡(𝑛𝑥 + 𝑛𝑦 + 2)
(𝑛𝑥 +𝑛𝑦 )(𝑛𝑥 𝑆2 2
𝑥 +𝑛𝑦 𝑆𝑦 )
(𝑛𝑥 𝑛𝑦 )(𝑛𝑥 +𝑛𝑦 −2)

ത 𝑌ത −(𝜇𝑥 −𝜇𝑦 )
𝑋−
• 𝑃 −𝑡𝛼Τ2 ≤ ≤ 𝑡𝛼Τ2 =1−𝛼
(𝑛𝑥 +𝑛𝑦 )(𝑛𝑥 𝑆2 2
𝑥 +𝑛𝑦 𝑆𝑦 )
(𝑛𝑥 𝑛𝑦 )(𝑛𝑥 +𝑛𝑦 +2)

(𝑛𝑥 +𝑛𝑦 )(𝑛𝑥 𝑆𝑥2 +𝑛𝑦 𝑆𝑦2 )

• 𝑋ത − 𝑌ത ∓ 𝑡𝛼Τ2
(𝑛𝑥 𝑛𝑦 )(𝑛𝑥 +𝑛𝑦 −2)

Giorgio Cunto Morales

Intervalos de confianza para diferencia de proporciones

𝑝𝑥 1−𝑝𝑥 𝑝𝑦 1−𝑝𝑦
•𝑝
ෞ𝑥 − 𝑝
ෞ𝑦 ~𝑁 𝑝𝑥 − 𝑝𝑦 , + =1−𝛼
𝑛𝑥 𝑛𝑦

ෞ𝑥 −𝑝ෞ𝑦 −(𝑝𝑥 −𝑝𝑦 )

𝑝
• 𝑃 −𝑘𝛼Τ2 ≤ ≤ 𝑘𝛼Τ2 =1−𝛼
𝑝𝑥 1−𝑝𝑥 𝑝𝑦 1−𝑝𝑦
𝑛𝑥
+ 𝑛𝑦

ෞ𝑥 1−𝑝
𝑝 ෞ𝑥 𝑝ෞ𝑦 1−𝑝ෞ𝑦
• 𝑝
ෞ𝑥 − 𝑝
ෞ𝑦 ± 𝑘𝛼Τ2 +
𝑛𝑥 𝑛𝑦

Giorgio Cunto Morales

Intervalos de confianza para diferencia de proporciones
• Para poblaciones finitas con muestreos sin reemplazamiento.

ෞ𝑥 1−𝑝
𝑝 ෞ𝑥 𝑁𝑥 −𝑛𝑥 𝑝ෞ𝑦 1−𝑝ෞ𝑦 𝑁𝑦 −𝑛𝑦
• 𝑝
ෞ𝑥 − 𝑝
ෞ𝑦 ± 𝑘𝛼Τ2 +
𝑛𝑥 𝑁𝑥 −1 𝑛𝑦 𝑁𝑦 −1

Giorgio Cunto Morales

Intervalos de confianza para proporción de varianzas
• Para un ratio entre varianzas recordamos que al emplear varianzas muestrales:
(𝑛𝑥 )𝑆2
𝑥
𝜎2𝑥 𝑛𝑥 𝑆2 𝑥
(𝑛𝑥 −1) 𝜎2 (𝑛 −1) 𝑛𝑥 𝑆𝑥2 𝜎𝑦2 (𝑛𝑦 −1)
• 𝐹= (𝑛𝑦 )𝑆2
= 𝑥 𝑥
2 = ~𝐹(𝑛𝑥 − 1, 𝑛𝑦 − 1); la distribución no es simétrica.
𝑦 𝑛𝑦 𝑆𝑦 𝑛𝑦 𝑆𝑦2 𝜎𝑥2 (𝑛𝑥 −1)
2
𝜎𝑦 2
𝜎𝑦 (𝑛𝑦 −1)
(𝑛𝑦 −1)

𝑛𝑥 𝑆𝑥2 𝜎𝑦2 (𝑛𝑦 −1) 𝑛𝑦 𝑆𝑦2 (𝑛𝑥 −1) 𝜎𝑦2 𝑛𝑦 𝑆𝑦2 (𝑛𝑥 −1)
1. 𝑃 𝑎≤
𝑛𝑦 𝑆𝑦2 𝜎𝑥2 (𝑛𝑥 −1)
≤𝑏 =1−𝛼 →𝑃 𝑎
𝑛𝑥 𝑆𝑥2 (𝑛𝑦 −1)
≤
𝜎𝑥2
≤𝑏
𝑛𝑥 𝑆𝑥2 (𝑛𝑦 −1)
=1−𝛼

1 𝑛𝑥 𝑆𝑥2 (𝑛𝑦 −1) 𝜎𝑥2 1 𝑛𝑥 𝑆𝑥2 (𝑛𝑦 −1)

2. 𝑃
𝑎 𝑛𝑦 𝑆𝑦2 (𝑛𝑥 −1)
≥
𝜎𝑦2
≥
𝑏 𝑛𝑦 𝑆𝑦2 (𝑛𝑥 −1)
=1−𝛼

1 𝑛𝑥 𝑆𝑥2 (𝑛𝑦 −1) 𝜎𝑥2 1 𝑛𝑥 𝑆𝑥2 (𝑛𝑦 −1)

3. 𝑃
𝑏 𝑛𝑦 𝑆𝑦2 (𝑛𝑥 −1)
≤
𝜎𝑦2
≤
𝑎 𝑛𝑦 𝑆𝑦2 (𝑛𝑥 −1)
=1−𝛼

𝑛𝑥 𝑆𝑥2 𝜎𝑦2 (𝑛𝑦 −1) 𝛼 𝑛𝑥 𝑆𝑥2 𝜎𝑦2 (𝑛𝑦 −1) 𝛼

• 𝑃 ≤ 𝑎 = ;𝑃 ≥𝑏 =
𝑛𝑦 𝑆𝑦2 𝜎𝑥2 (𝑛𝑥 −1) 2 𝑛𝑦 𝑆𝑦2 𝜎𝑥2 (𝑛𝑥 −1) 2

• 𝑎 = 𝐹1−𝛼Τ2 ; 𝑏 = 𝐹𝛼Τ2

Giorgio Cunto Morales

Intervalos de confianza para proporción de varianzas
1 𝑛𝑥 𝑆𝑥2 (𝑛𝑦 −1) 𝜎𝑥2 1 𝑛𝑥 𝑆𝑥2 (𝑛𝑦 −1)
• 𝑃 ≤ ≤ =1−𝛼
𝑏 𝑛𝑦 𝑆𝑦2 (𝑛𝑥 −1) 𝜎𝑦2 𝑎 𝑛𝑦 𝑆𝑦2 (𝑛𝑥 −1)

1 𝑛𝑥 𝑆𝑥2 (𝑛𝑦 −1) 𝜎𝑥2 1 𝑛𝑥 𝑆𝑥2 (𝑛𝑦 −1)

• 𝑃 ≤ ≤ =1−𝛼
𝐹𝛼ൗ 𝑛𝑦 𝑆𝑦2 (𝑛𝑥 −1) 𝜎𝑦2 𝐹1−𝛼ൗ 𝑛𝑦 𝑆𝑦2 (𝑛𝑥 −1)
2 2

• Por lo que el intervalo de confianza termina siendo:

1 𝑛𝑥 𝑆𝑥2 (𝑛𝑦 − 1) 1 𝑛𝑥 𝑆𝑥2 (𝑛𝑦 − 1)

;
𝐹𝛼ൗ 𝑛𝑦 𝑆𝑦 (𝑛𝑥 − 1) 𝐹1−𝛼ൗ 𝑛𝑦 𝑆𝑦2 (𝑛𝑥 − 1)
2
2 2

Giorgio Cunto Morales

Intervalos de confianza para proporción de varianzas
• Para un ratio entre varianzas recordamos que al emplear cuasivarianzas muestrales:
(𝑛𝑥 −1)𝑆2
𝑐𝑥
𝜎2𝑥 2 𝜎2
𝑆𝑐𝑥
(𝑛𝑥 −1) 𝑦
• 𝐹= (𝑛𝑦−1)𝑆2
= 2 𝜎2 ~𝐹(𝑛𝑥 − 1, 𝑛𝑦 − 1); la distribución no es simétrica.
𝑐𝑦 𝑆𝑐𝑦 𝑥
2
𝜎𝑦
(𝑛𝑦 −1)

2 𝜎2
𝑆𝑐𝑥 2
𝑆𝑐𝑦 𝜎𝑦2 2
𝑆𝑐𝑦
𝑦
1. 𝑃 𝑎≤ 2 𝜎2
𝑆𝑐𝑦
≤𝑏 =1−𝛼 →𝑃 𝑎 2
𝑆𝑐𝑥
≤
𝜎𝑥2
≤𝑏 2
𝑆𝑐𝑥
=1−𝛼
𝑥

2
1 𝑆𝑐𝑥 𝜎𝑥2 2
1 𝑆𝑐𝑥
2. 𝑃 2
𝑎 𝑆𝑐𝑦
≥
𝜎𝑦2
≥ 2
𝑏 𝑆𝑐𝑦
=1−𝛼

2
1 𝑆𝑐𝑥 𝜎𝑥2 2
1 𝑆𝑐𝑥
3. 𝑃 2
𝑏 𝑆𝑐𝑦
≤
𝜎𝑦2
≤ 2
𝑎 𝑆𝑐𝑦
=1−𝛼

2 𝜎2
𝑆𝑐𝑥 2 𝜎2
𝑆𝑐𝑥
𝑦 𝛼 𝑦 𝛼
• 𝑃 2 𝜎2 ≤ 𝑎 = ;𝑃 2 𝜎2 ≥𝑏 =
𝑆𝑐𝑦 𝑥 2 𝑆𝑐𝑦 𝑥 2

• 𝑎 = 𝐹1−𝛼Τ2 ; 𝑏 = 𝐹𝛼Τ2

Giorgio Cunto Morales

Intervalos de confianza para proporción de varianzas

2
1 𝑆𝑐𝑥 𝜎𝑥2 2
1 𝑆𝑐𝑥 2
1 𝑆𝑐𝑥 𝜎𝑥2 1 2
𝑆𝑐𝑥
• 𝑃 2 ≤ ≤ =1−𝛼 →𝑃 ≤ ≤ =1−𝛼
𝑏 𝑆𝑐𝑦 𝜎𝑦2 2
𝑎 𝑆𝑐𝑦 2
𝐹𝛼ൗ 𝑆𝑐𝑦 𝜎𝑦2 2
𝐹1−𝛼ൗ 𝑆𝑐𝑦
2 2

• Por lo que el intervalo de confianza termina siendo:

2
1 𝑆𝑐𝑥 1 𝑆𝑐𝑥2
( 2 ; 2 )
𝐹𝛼ൗ 𝑆𝑐𝑦 𝐹1−𝛼ൗ 𝑆𝑐𝑦
2 2

Giorgio Cunto Morales

Ejercicios a discutir
• Ejemplo 9.1

• Ejemplo 9.3

• Propuesto 9.16

• Propuesto 9.17

• Propuesto 9.20

• Propuesto 9.23

• Propuesto 9.32

• Propuesto 9.49
Giorgio Cunto Morales
 Giorgio Cunto Morales
gcuntomo@ucab.edu.ve | https://www.lintedin.com/in/giorgiocmorales/

Giorgio Cunto Morales