Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Intervalos de Confianza
Intervalos de Confianza
ESTIMACIÓN
199
7.1. Introducción y definiciones
200
Ejemplo
X N (µ, 1) ; µ ∈ R
El parámetro a estimar es µ
201
7.2. Estimación puntual. Propiedades
deseables de los estimadores
P[θ −h ≤ T ≤ θ+h]
debería ser grande
θ−h θ θ+h
202
Error cuadrático medio
P[θ −h ≤ T ≤ θ+h]
debería ser grande
θ−h θ θ+h
T estimador de θ
ECM ( T ) = E [( T − θ ) 2 ] = Var [ T ] + [ θ − E [ T ]] 2
203
Ejemplo
Sea X1, … , Xn una muestra aleatoria simple (m.a.s.) de
una población X de la que se sabe que E[X] = µ y
Var[X] = σ2.
Sea T = X un estimador de µ.
Hallar el error cuadrático medio que se comete.
Solución.-
ECM ( X ) = Var [ X ] + µ − E [ X ] ( ) 2
∑ Xi
i E [ X i ] nµ
E[X ] = E =∑ = =µ
n i n n
Por lo tanto el ECM es
1
ECM ( X ) = Var[ X ] = Var ∑ X i =
n i
1 nσ 2 σ2
=
n 2 ∑ Var[ X i ] = n 2
=
n
i
204
7.2.2. Estimadores Insesgados
θ − E[T]
205
Ejemplo
Solución
206
2.-
1 2 1 2
2
E S = E
n − 1
(
) (
∑ X i − X = E n −1 ∑ ( X i − µ ) − X − µ
( ))
i i
1
( ) ( )
2 2
= E ∑ ( X i − µ ) + ∑ X − µ − 2∑ ( X i − µ ) X − µ
n −1
i i i
1 2 2
E ( X − µ ) + E ∑ ( X − µ ) − 2 E ( X − µ ) ∑ ( X i − µ )
n − 1 ∑ i
=
i i i
1 2 2 2
E ( X − µ ) + nE ( X − µ ) − 2nE ( X − µ )
n − 1 ∑ i
=
i
1 2 σ2 σ2
n − 1 ∑
= σ +n − 2n =
n n
i
2
=
1 2
nσ + σ 2 − 2σ 2 =
( n − 1)σ =σ2
n −1 n −1
207
7.3. Estimación por intervalos de confianza
7.3.1. Introducción
208
Definición: Intervalos de confianza bilaterales
P [θ ≥ h1(T) ] = 1−α
P [θ ≤ h2(T) ] = 1−α
( )
θ
Intervalo aleatorio
( )
θ fijo
. . . . . . . . .θ. . . . . . . .
( )
θ
( )
θ
209
7.3.2. Intervalos de confianza para una
población normal
Independientes entre sí
X 1, X 2 ,... X n
Xi N ( µ, σ )
Se desea estimar alguno de los parámetros, o ambos,
según sea o no conocido el otro
210
7.3.2.1. Intervalos de confianza para la media
2
Varianza poblacional conocida σ 0
P [ − zα / 2 ≤ Z ≤ zα / 2 ] = 1 − α
z1−α / 2 = − zα / 2 zα / 2
211
P [ − zα / 2 ≤ Z ≤ zα / 2 ] = P − zα / 2 ≤
( X − µ)
≤ zα / 2 = 1 − α
σ0
n
σ0 σ0
P − zα / 2 ≤ X − µ ≤ zα / 2 = 1−α
n n
σ0 σ0
P − X − zα / 2 ≤ − µ ≤ − X + zα / 2 = 1−α
n n
σ0 σ0
P X + zα / 2 ≥ µ ≥ X − zα / 2 = 1−α
n n
σ0 σ0
P X − zα / 2 ≤ µ ≤ X + zα / 2 = 1−α
n n
σ0 σ0
X − zα / 2 , X + zα / 2
n n
212
I.C. para µ, con varianza conocida, al nivel de
confianza 1−α
σ0 σ0
X − zα / 2 , X + zα / 2
n n
NOTA:
• A medida que aumenta el tamaño de la muestra
disminuye la amplitud del intervalo
213
Ejemplo. Se desea estudiar el peso en gramos del fruto
producido por una planta. Para ello se tomó una muestra
de 16 plantas observando los siguientes pesos: 506, 508,
499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506,
502, 509, 496. El peso del fruto de cada planta es una v.a.
Normal con desviación típica 5 gr. Obtener un intervalo
de confianza al nivel de confianza 0.9 para el peso medio
del fruto de esta planta.
Solución.-
I.C. para µ con varianza conocida
al nivel de confianza 1−α
σ0 σ0
X − zα / 2 , X + zα / 2
n n
x = 503.75; n = 16; σ 02 = 25 ; σ 0 = 5
214
σ0 σ0
X − zα / 2 , X + zα / 2
n n
x = 503.75; n = 16; σ 02 = 25 ; σ 0 = 5
zα / 2 = z0.05 = 1.645
5 5
503.75 − 1.645 4 , 503.75 + 1.645 4 =
= [501.69, 505.81]
215
Varianza poblacional desconocida
Estimador: X
Distribución muestral: T=
( X − µ)
→ t n-1
S
n
1 2
Cuasidesviación típica S= (
n −1 ∑ i
X − X )
i
t1−α / 2 = −tα / 2 tα / 2
P −tα / 2; n−1 ≤ T ≤ tα / 2; n−1 = 1 − α
P −tα / 2; n−1 ≤
( X − µ ) ≤ tα / 2; n−1 = 1 − α
S
n
216
P −tα / 2; n−1 ≤
( X − µ)
≤ tα / 2 ; n−1 = 1 − α
S
n
S S
P −tα / 2; n−1 ≤ X − µ ≤ tα / 2; n−1 = 1−α
n n
S S
P − X − tα / 2; n−1 ≤ − µ ≤ − X + tα / 2; n−1 = 1−α
n n
S S
P X + tα / 2; n−1 ≥ + µ ≥ X − tα / 2; n−1 = 1−α
n n
S S
P X − tα / 2; n−1 ≤ µ ≤ X + tα / 2; n−1 = 1−α
n n
S S
X − tα / 2;n−1 , X + tα / 2;n−1
n n
217
Ejemplo. Se desea estudiar el peso en gramos del
fruto producido por una planta. Para ello se tomó una
muestra de 16 plantas observando los siguientes pesos:
506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493,
496, 506, 502, 509, 496. Del peso del fruto sólo se
conoce que es una v.a. Normal. Obtener un intervalo de
confianza al nivel de confianza 0.9 para el peso medio
del fruto de esta planta.
Solución
S S
X − tα / 2; n−1 , X + tα / 2; n−1
n n
x = 503.75 ; s = 6.2022 ; n = 16
s s
x − tα / 2; n−1 , x + tα / 2; n−1 =
n n
6.2022 6.2022
= 503.75 − 1.75 × , 503.75 + 1.75 × =
4 4
= [501.0319, 506.4681]
218
S S
X − tα / 2; n−1 , X + tα / 2; n−1
n n
x = 503.75 ; s = 6.2022 ; n = 16
6.2022 6.2022
503.75 − 1.75 × , 503.75 + 1.75 ×
=
4 4
= [501.0319, 506.4681]
219
7.3.2.2. Intervalos de confianza para la varianza
1
( )
2
Estimador: Cuasivarianza S2 = ∑ Xi − X
n −1
i
Distribución muestral
n
∑( Xi − X )
2
i =1 ( n − 1) S 2
= → χ n2−1
σ2 σ2
2
2 ( n − 1) S 2
P χ1−α / 2; n−1 ≤ ≤ χα / 2; n−1 = 1 − α
σ2
α/2 α/2
1−α
220
2
( n − 1) S
P χ12−α / 2; n−1 ≤ ≤ χα2 / 2; n−1 = 1 − α
σ2
χ2 χ 2
1−α / 2; n −1 1 α / 2; n−1
P ≤ ≤ = 1−α
n −1 S 2 2 2
( ) σ ( n − 1 ) S
2 2
( n − 1) S 2 ( n − 1) S
P ≥σ ≥ = 1−α
χ2 2
χα / 2; n−1
1−α / 2; n−1
2 2
( n − 1) S ( n − 1) S
P ≤σ2 ≤ = 1−α
χ2 χ 2
α / 2;n−1 1−α / 2;n −1
2 2
( n − 1) S ( n − 1) S
,
χ2 χ 2
α / 2; n−1 1−α / 2 ; n −1
221
Ejemplo
Se desea estimar la varianza del nivel de nistamina en un
ungüento. Se conoce por larga experiencia que su
distribución sigue una ley Normal. Se toma una muestra
de 9 ungüentos, dando el nivel siguiente (en millones de
unidades/gr): 1, 0.9, 1.5, 2.8, 3.1, 3.2, 2.5, 1.9, 2. Estimar
la varianza mediante dos intervalos de confianza al nivel
de confianza del 99% y del 95%.
Solución
2 1 2
Cuasivarianza: s =
n −1 ∑ ( xi − x ) = 0.74
i
Nivel de confianza: 1 − α = 0.99; α = 0.01; α / 2 = 0.005
χα2 / 2;n−1 = χ 0.005;8
2 = 22.0; χ12−α / 2;n−1 = χ 0.995;8
2 = 1.34
0.005 0.005
0.99
2
χ 0.995;8 = 1.34 χ 20.005;8 = 22.0
2 2
( n − 1) s , ( n − 1) s =
χ2 χ 2
α / 2; n−1 1−α / 2; n−1
= [ 0.2691, 4.4179]
222
Nivel de confianza: 1 − α = 0.95
1 2
s2 = ( )
n −1∑ i
Cuasi-varianza: x − x = 0.74
i
χ α2 / 2 ; n−1 = χ 0.025
2
; 8 = 17.5
0.025 0.025
0.95
2
χ 0.975;8 = 2.18 χ 20.025;8 = 17.5
2 2
( n − 1) s ( n − 1) s =
,
χ2 χ 2
α / 2; n−1 1−α / 2; n−1
= [ 0.3383, 2.7156]
223
7.3.3.Intervalos de confianza para dos
poblaciones Normales independientes
m.a.s. de tamaño n Y de Y
Y , S Y2
Y1, Y2 ,..., Yn Y
224
7.3.3.1. Intervalos de confianza para la
diferencia de medias
Estimador: T = X − Y
Distribución muestral:
( X − Y ) − ( µ X − µY )
Z= → N (0; 1)
σ X2 σ Y2
+
nX nY
P [ − zα / 2 ≤ Z ≤ zα / 2 ] = 1 − α
z1−α / 2 = − zα / 2 zα / 2
225
P [ − zα / 2 ≤ Z ≤ zα / 2 ] = 1 − α
P − zα / 2 ≤
( (
X − Y ) − µ X − µY )
≤ zα / 2 = 1 − α
σ 2
σ 2
X Y
+
n X nY
2 2
σ σ
(
)
P X − Y − zα / 2
nX
X
+
nY
Y
≤ µ X − µY ≤
2 2
σ X σY
( )
≤ X − Y + zα / 2
nX
+
nY = 1−α
2 2
X −Y ± z σ σ Y
( ) α /2 n n
X
+
X Y
226
Ejemplo
Se están utilizando normalmente en una granja avícola
dos tipos de piensos compuestos A y B. Queriendo
comparar la media de engorde con ambos piensos, para
un nivel de confianza 0.9, se alimentan a 20 aves durante
cierto tiempo con el pienso A obteniéndose una ganancia
media de peso de 0.4 Kgr por ave. Simultáneamente a
otras 19 aves se les alimenta con el pienso B y se obtiene
un engorde medio de 0.5 Kgr.
Se conoce por experiencias previas que las variables
objeto de estudio, engorde con cada uno de los piensos,
son normales con varianzas de 0.05 para el pienso A y
0.1 para pienso B. Estimar la diferencia de engorde
medio.
Solución
n A = 20 ; x A = 0.4 ; 2 = 0.05
σA
nB = 19 ; xB = 0.5 ; σ B2 = 0.1
2 σ2 2 σ2
x A − xB − zα / 2 σ A + B, x −x +z σ A+ B
A B α /2
n A nB n A nB
227
n A = 20 ; x A = 0.4 ; 2 = 0.05
σA
nB = 19 ; xB = 0.5 ; σ B2 = 0.1
2 σ2 2 σ2
x A − xB − zα / 2 σ A + B, x −x +z σ A+ B
A B α /2
n A nB n A nB
zα / 2 = z0.05 = 1.645
= [ −0.2449, 0.0449]
228
Varianzas poblacionales desconocidas
pero iguales σ X2 = σ Y2
Estimador: T = X − Y
Distribución muestral
( X − Y ) − ( µx − µ y )
T= → tn + n − 2
1 1 x y
Sp +
n X nY
(nx − 1) S x2 + (n y − 1) S y2
Sp =
nx + n y − 2
t1−α / 2 = −tα / 2 tα / 2
229
P −tα / 2;n X −nY −2 ≤ tn X −nY −2 ≤ tα / 2;n X −nY −2 = 1 − α
P −tα / 2; n + n − 2 ≤
( (
X − Y ) − µ X − µY )
≤ tα / 2; n + n − 2 =
X Y 1 1 X Y
Sp +
n X nY
1 1
P X − Y − tα / 2; n X + nY −2 × S p + ≤ µ X − µY ≤
n X nY
1 1
≤ X − Y + tα / 2; n X + nY − 2 × S p + = 1−α
n X nY
1 1
X − Y ± tα / 2; n X + nY − 2 × S p +
n X nY
230
Ejemplo
Se están utilizando normalmente en una granja avícola
dos tipos de piensos compuestos A y B. Queriendo
comparar la media de engorde con ambos piensos, para
un nivel de confianza 0.9, se alimentan a 22 aves durante
cierto tiempo con el pienso A obteniéndose una ganancia
media de peso de 0.4 Kgr por ave con una varianza de
0.03. Simultáneamente a otras 20 aves se les alimenta
con el pienso B y se obtiene un engorde medio de 0.5
Kgr con una varianza de 0.09.
Se conoce por experiencias previas que las variables
objeto de estudio, engorde con cada uno de los piensos,
son normales con varianzas poblacionales iguales.
Estimar la diferencia de engorde medio.
Solución
1 1
x A − xB ± tα / 2;n A + nB − 2 × s p +
n A n B
n A = 22 ; x A = 0.4 ; σˆ A2 = 0.03
nB = 20 ; xB = 0.5 ; σˆ B2 = 0.09
231
n A = 22 ; x A = 0.4 ; σˆ A2 = 0.03
nB = 20 ; xB = 0.5 ; σˆ B2 = 0.09
2 nA ˆ 2 2 nB ˆ 2
sA = σ A = 0.0316 ; sB = σ B = 0.095
nA − 1 nB − 1
tα / 2; n A + nB − 2 = t 0.05;40 = 1.684
2 2
(n A − 1) s A + (nB − 1) sB
sp = = 0.2484
n A + nB − 2
t nX + nY −2 = t40
232
Varianzas poblacionales desconocidas
2 2
pero iguales, σ X = σ Y
Tamaños muestrales grandes
Estimador: T = X − Y
Distribución muestral:
( X − Y ) − ( µ X − µY ) n X , nY → ∞
Z= → N (0; 1)
S X2 S Y2
+
nX nY
P [ − zα / 2 ≤ Z ≤ zα / 2 ] = 1 − α
z1−α / 2 = − zα / 2 zα / 2
233
P [ − zα / 2 ≤ Z ≤ zα / 2 ] = 1 − α
P − zα / 2 ≤
( (
X − Y ) − µ X − µY )
≤ zα / 2 = 1 − α
2 2
S X SY
+
n X nY
2 2
S S
( )
P X − Y − zα / 2
X
+
n X nY
Y
≤ µ X − µY ≤
2 2
S X SY
( )
≤ X − Y + zα / 2 +
n X nY = 1−α
2
X −Y ± z SX S Y2
( ) α /2 +
n X nY
234
Ejemplo
Se están utilizando normalmente en una granja avícola
dos tipos de piensos compuestos A y B. Queriendo
comparar la media de engorde con ambos piensos, para
un nivel de confianza 0.9, se alimentan a 100 aves
durante cierto tiempo con el pienso A obteniéndose una
ganancia media de peso de 0.5 Kgr por ave con una
cuasivarianza de 0.08. Simultáneamente a otras 120 aves
se les alimenta con el pienso B y se obtiene un engorde
medio de 0.2 Kgr con una cuasivarianza de 0.09.
Estimar la diferencia de engorde medio.
Solución
s 2A s B2
( x − x ) ± z +
A B α /2
n A nB
235
nA = 100 ; x A = 0.5 ; s 2A = 0.08
zα / 2 = z0.05 = 1.645
S A2 S B2
( x − x ) ± z + =
A B α /2
n A nB
= [ 0.2352, 0.3648]
236
7.3.3.2. Intervalos de confianza para el
cociente de varianzas: σ X2 / σ Y2
nX
1
( )
2
S X2
∑
n X − 1 i =1
Xi − X
Estimador: T= = nY
S Y2 1
( )
2
∑
nY − 1 i =1
Yi − Y
Distribución muestral
S X2
σ X2 S X2 σ Y2
F= = → Fn X −1, nY −1
S Y2 S Y2 σ X2
σ Y2
α/2 α/2
1−α
237
P F1−α / 2; nX −1, nY −1 ≤ F nX −1, nY −1 ≤ Fα / 2; nX −1, nY −1 = 1 − α
σ Y2 S X2
P F1−α / 2; nX −1, nY −1 ≤ ≤ Fα / 2; nX −1, nY −1 = 1 − α
σ X2 S Y2
S Y2 σ Y2 S 2
P F1−α / 2; nX −1, nY −1 ≤ ≤ Fα / 2; nX −1, nY −1 Y = 1−α
2
SX σ 2X SX2
1 S X2 σ X2 S X2 1
P ≥ ≥ = 1−α
F1−α / 2; n −1, n −1 S Y2 σ Y2 S Y2 Fα / 2; nX −1, nY −1
X Y
2
1 SX σ 2X 2
SX 1
P ≤ ≤ = 1−α
Fα / 2; n −1, n −1 2 2
SY σ Y S Y F1−α / 2; nX −1, nY −1
2
X Y
238
2
1 SX σ 2X SX
2
1
P ≤ ≤ = 1−α
Fα / 2; n −1, n −1 2 2
SY σ Y S Y F1−α / 2; nX −1, nY −1
2
X Y
1
= Fα / 2; nY −1, n X −1
F1−α / 2; nX −1, nY −1
1 S X2 σ 2X
S X2
P ≤ ≤ Fα / 2; nY −1, n X −1 = 1−α
F1−α / 2; n −1, n −1 2 2 2
SY σY SY
X Y
2 2
I.C. para σ X / σ Y con medias poblacionales
desconocidas, al nivel de confianza 1−α
1 2
SX 2
SX
, Fα / 2 ; nY −1 , n X −1
Fα / 2; nX −1, nY −1
SY2 SY2
239
Ejemplo
Una central lechera recibe diariamente leche de dos
granjas A y B. Deseando estudiar la calidad de los
productos se eligen dos muestras al azar de la leche
suministrada por cada una de las granjas analizando el
contenido en grasa. Para la granja A se han tomado 11
muestras obteniéndose una cuasivarianza de 0.034,
mientras que para la granja B ha sido de 0.027 en un total
de 16 muestras.
Es conocido por experiencias previas que los contenidos
medios en grasa de la granjas son normales e
independientes. Estimar el cociente de varianzas al nivel
de confianza de 0.98.
Solución
1 s 2A s 2A
, Fα / 2; n −1, n −1
Fα / 2; nA −1, n B −1 s B2 B A
s B2
240
n A = 11 ; s A2 = 0.034 ; nB = 16 ; sB2 = 0.027
1 s 2A s 2A
, Fα / 2; n −1, n −1
=
Fα / 2; nA −1, n B −1 s B2 B A
s B2
1 0.034 0.034
= × , 4.56 × = [ 0.3314, 5.7422]
3.80 0.027 0.027
241
7.3.4. Intervalo de confianza para una
proporción
Distribución asintótica ( n → ∞ ):
n → ∞
X → N ( np ; npˆ (1 − pˆ ) )
X n→∞ pˆ (1 − pˆ )
pˆ = → N p;
n n
pˆ − p n → ∞
Z= → N ( 0; 1)
pˆ ( 1 − pˆ )
n
242
pˆ − p n→∞
Z= → N (0;1)
pˆ (1 − pˆ )
n
α/2 α/2
1−α
z1−α / 2 = − zα / 2 zα / 2
P [ − zα / 2 ≤ Z ≤ zα / 2 ] = 1 − α
pˆ − p
P [ − zα / 2 ≤ ≤ zα / 2 ] = 1 − α
pˆ (1 − pˆ )
n
pˆ (1 − pˆ ) pˆ (1 − pˆ )
P pˆ − zα / 2 ≤ p ≤ pˆ + zα / 2 = 1−α
n n
pˆ (1 − pˆ ) pˆ (1 − pˆ )
pˆ − zα / 2 , pˆ + zα / 2
n n
243
Ejemplo
Se ignora la proporción de ranas tigre que se encuentran
en una región de México. Para dar una estimación se ha
tomado una muestra de 100 ranas observando que 15 de
ellas son de este tipo. Hallar un intervalo de confianza al
nivel de confianza del 0.95 para la proporción de ranas
tigre.
Solución
15
pˆ = = 0.15 ; zα / 2 = z0.025 = 1.96
100
pˆ (1 − pˆ ) pˆ (1 − pˆ )
pˆ − zα / 2 , pˆ + zα / 2 =
n n
= [ 0.081, 0.219]
244
7.3.5. Intervalo de confianza para la
diferencia de proporciones
Estimador puntual de p1 − p 2 :
p1 −
p 2 = X n X − Y nY
Distribución asintótica ( n X , nY → ∞ : )
X Y ∞
n X , nY →
p1 − p 2 = − →
n X nY
N p1 − p2 ;
(
p1 1 −
p1
+
)
p2 1−
p2( )
nX nY
245
Z=
( p1 −
p 2 ) − ( p1 − p 2 ) n ,n → ∞
X Y
→ N (0; 1)
p1 (1 −
p1 ) p 2 (1 −
p2 )
+
nX nY
α/2 α/2
1−α
z1−α / 2 = − zα / 2 zα / 2
P [ − zα / 2 ≤ Z ≤ zα / 2 ] =
P − zα 2 ≤
( p1 −
p2 ) ( )
− p1 − p 2
≤ zα 2 = 1 − α
p1 (1 −
p1 ) ( )
p2 1 − p2
+
nX nY
246
P − zα 2 ≤
( p1 −
p2 ) ( )
− p1 − p 2
≤ = 1 − α
p1 (1 −
p1 )
( )
p2 1 − p2
+
nX nY
p 1 −
p (
p 1 −
p2 ) ( ) (
(
)
P p1 − p 2 − zα 2
1
nX
1
+
2
nY
≤ p1 − p 2 ≤ )
(
p1 1 −
p1 )
(
p2 1 −
p2 )
(
≤
p1 − )
p 2 + zα 2
nX
+
nY = 1−α
p 1 −
p (
p 1 −
p2 ) ( )
(
)
p1 − p 2 ± zα 2
1
nX
1
+
2
nY
247
Ejemplo
Se desean comparar las proporciones de ranas pipiens
que se encuentran en dos regiones independientes de
México. Para dar una estimación se ha tomado una
muestra de 80 ranas observando que 5 de ellas son de
este tipo en la zona A, habiendo 8 de 100 en la zona B.
Hallar un intervalo de confianza al nivel de confianza del
0.95 para la diferencia de proporciones de ranas pipiens.
Solución
5
p1 = = 0.0625 ; zα / 2 = z 0.025 = 1.96
80
8
p2 = = 0.08 ; n X = 80 ; nY = 100
100
p −
p 2 ± zα / 2
p1(1 −
p1
+
)
p 2 1 −(
p2 )
=
1
nX nY
0.0625 − 0.08 ± 1.96 0.0625(1 − 0.0625) + 0.08(1 − 0.08) =
80 100
= [ −0.0926, 0.0576]
248