Estimación de intervalos de

confianza

8-1
 Un banquero requiere saber sobre el porcentaje de deudas
vencidas del banco.

 Un gerente de recursos humanos necesita conocer sobre la

remuneración promedio de trabajo especializado en el área de
contratación de la compañía.

 Un gerente de programación televisiva necesita saber del

porcentaje de gente que ve cada uno de sus programas.

 El gerente de un restaurante requiere conocer del porcentaje de

clientes que ordenarán el plato del día.

8-2
 Se tienen múltiples situaciones donde se requieren estimar
parámetros poblacionales, los cuales tendrán que efectuarse en
base a la toma de una muestra de la población por razones de
costo, tiempo y de viabilidad.

 Se tienen otras situaciones donde se reciben estimados de

parámetros poblacionales que deberán ser evaluados antes de
basar decisiones en ellos. ¿Fue la muestra suficientemente grande
en la estimación del parámetro?¿Cuánta confianza se tiene en el
estimado?

A continuación se introduce la metodología requerida para

desarrollar e interpretar estimaciones estadísticas respecto de
valores poblacionales.

8-3
 Objetivos

 Distinguir entre una estimación puntual y una por intervalo de

confianza.

 Construir e interpretar un intervalo de confianza para una

media poblacional usando la distribución Z o t.

 Determinar el tamaño de muestra requerido para estimar una

media o proporción poblacional con un margen de error
específico.

 Construir e interpretar un intervalo de confianza para una

proporción poblacional.

8-4
 Desarrollo y Cobertura

 Introduce el uso de estadísticos para estimar parámetros.

 Dado que la obtención de parámetros puede ser
costosa, dilatada y a veces imposible.

 Intervalos de confianza para la Media Poblacional, μ.

 Cuando la desviación estándar poblacional σ es conocida.

 Cuando la desviación estándar poblacional σ es desconocida.

 Intervalos de confianza para la Proporción Poblacional, π.

 Determinar el tamaño de muestra requerido para medias y

proporciones.

8-5
 Punto Estimado o Estimado Puntual

 Un punto estimado es un número, estimado a través de una

muestra, y empleado como estimación de un parámetro
desconocido.

 Ejemplo:
Para determinar el costo de un producto se selecciona una
muestra y cada producto de la muestra es seguido a través de
todo el proceso productivo, registrándose los costos en que se
incurre. Se indentifica el costo total de cada producto y luego el
costo promedio de la muestra. Este costo promedio es un
estimado puntual, o punto estimado, del verdadero costo promedio
de producción, el cual es un parámetro de la producción.

8-6
 Puntos Estimados

Se puede estimar un con un estadístico

parámetro… (un punto estimado)

Media μ x
Proporción π p
Un punto estimado es un número, estimado a través de
una muestra, y empleado como estimación de un
parámetro desconocido.
8-7
 Punto Estimado o Estimado Puntual

 La igualdad exacta entre un parámetro y su punto

estimado es imposible.

Se tiene un error muestral y, a través del estimado

puntual, no es posible hacer inferencias respecto
del error muestral, cuán lejos está x de μ.

 Para superar esta situación se puede recurrir a la

estimación de intervalos de confianza.

8-8
 Intervalos de Confianza

 Un intervalo de confianza proporciona información

adicional. Se estima a partir de data muestral y tiene
la siguiente estructura:

Límite de Límite de
Confianza Confianza
Inferior Punto Estimado Superior
Ancho del intervalo de
confianza
8-9
 Proceso de Estimación

Muestra Aleatoria Estoy 95%

seguro que μ
está entre 40
Población Media y 60.
(media, μ, es x = 50
desconocida)

Muestra

8-10
 Fórmula General

 La fórmula general para todos

los intervalos de confianza es:

Punto Estimado  (Valor Crítico)(Error Estándar)

Valor z ( ó t) basado
en el nivel de
confianza deseado

8-11
 Nivel de Confianza

 Nivel de Confianza
 Confianza en que el intervalo
contendrá al parámetro
desconocido
 Un porcentaje (menor al 100%)
 Los más comunes: 90%, 95%, 99%.

8-12
 Nivel de Confianza, (1-)
(continuación)

 Suponer un nivel de confianza de 95%.

 Una interpretación de frecuencia relativa:

 El 95% de todos los intervalos de confianza que
pueden ser construidos contendrá al parámetro
desconocido.

 Un intervalo específico contendrá o no al

parámetro.
 No hay probabilidad involucrada en un intervalo
específico.

8-13
 Intervalos de Confianza

Intervalos de
Confianza

Media Proporción
Poblacional Poblacional

σ σ
conocida desconocida

8-14
 Intervalo de Confianza para μ
(σ Conocida)
 Supuestos
 Desviación estándar poblacional σ es
conocida.
 Población tiene distribución normal.

 Si la población no es normal, usar una

muestra grande n > 30.

 Intervalo de confianza:
Error estándar
Estimado
σ
xz
Punto

Valor
crítico n
8-15
 Hallando el Valor Crítico
 Considerar un intervalo de z  1.96
confianza al 95%:
1   .95 0.95/2 = 0.475
buscar en la
tabla Z

α α
 .025  .025
2 2

Z unds.: z = -1.96 0 z = 1.96

Límite de Límite de
X unds.: Confianza Punto Estimado Confianza
Inferior Superior
σ x σ
xz xz
n n
8-16
 Niveles de Confianza Comunes
 Los niveles de confianza comúnmente
usados son 90%, 95% y 99%
Nivel de Valor
Confianza Crítico, z
80% 1.28
90% 1.65
95% 1.96
98% 2.33
99% 2.58
99.8% 3.08
99.9% 3.27

8-17
 Cálculo de un Intervalo de Confianza
para la Media (s Conocida)
1. Seleccionar una muestra aleatoria de
tamaño n.
2. Especificar el nivel de confianza.
3. Calcular la media muestral.
4. Determinar el error estándar.
5. Determinar el valor crítico (z) de la tabla
normal estándar.
6. Calcular el intervalo de confianza.

8-18
 Ejemplo

 Una muestra de 11 circuitos de una

población normal grande tiene una
resistencia media de 2.20 ohms. Se sabe
de evaluaciones pasadas que la desviación
estándar poblacional es 0.35 ohms.

 Determinar un intervalo de confianza al

95% para la resistencia media de la
población.

8-19
 Ejemplo
(continuación)

Solución:
σ
xz
n
 2.20  1.96 (0.35/ 11)
 2.20  .2068
1.9932 2.4068

Con un 95% de confianza la resistencia

media poblacional está aproximadamente
entre 1.99 y 2.41 ohms

8-20
 Interpretación

 Estamos 95% seguros que la resistencia media

poblacional está entre 1.9932 y 2.4068 ohms.

 Aunque la media poblacional podría estar o no

en este intervalo, el 95% de los intervalos
formados de esta manera la contendrán.

8-21
Margen de Error

8-22
 Margen de Error
 Margen de Error (e): Es la cantidad agregada y
sustraída al punto estimado para formar el intervalo de
confianza
 Define la relación entre el parámetro (población) y su estadístico
(muestra).
 Medida de la cercanía que se espera que el estimado puntual esté del
parámetro poblacional, según el nivel de confianza especificado.

Ejemplo: Margen de error para estimar μ, σ conocida:

σ σ
xz ez
n n
8-23
 Factores que Afectan el
Margen de Error

σ
ez
n
 Dispersión de datos, σ : e cuando σ

 Tamaño de muestra, n : e cuando n

 Nivel de confianza, 1 -  : e si 1-

8-24
Intervalo de Confianza para μ
(σ Desconocida)

8-25
 Intervalo de Confianza para μ
(σ Desconocida)

 Si la desviación estándar poblacional, σ,

es desconocida, podemos sustituirla por
la desviación estándar muestral, s.
 Esto introduce incertidumbre extra, desde
que s varía de muestra a muestra.
 Entonces usamos la distribución t en vez
de la distribución normal estándar.

8-26
 Intervalo de Confianza para μ
(σ Desconocida)
(continuación)
 Supuestos
 Desviación estándar poblacional es desconocida.
 Población tiene distribución normal.
 Si la población no es normal, usar una muestra
grande n > 30.

 Usar la distribución t (de Student)

 Intervalo de Confianza:
s
xt
n
8-27
 Distribución t (de Student)

 Las distribuciones t son una familia de

distribuciones.
 El valor t depende de los grados de
libertad (gl.)
 Número de observaciones que son libres de variar
después que la media muestral ha sido calculada.

gl. = n – 1
 Solamente hay n-1 datos independientes en la muestra
dado que la media muestral ha sido calculada.

8-28
 Distribución t (de Student)
Comparación de distribuciones t con Z cuando
n crece
Cuando n , el estimado de s se
Normal hace mejor y t converge a Z
Estándar
(t con gl = )

t (gl = 13)
Las distribuciones t son
simétricas y tienen forma
de campana, pero tienen t (gl = 5)
colas más gruesas que la
normal

0 t
8-29
 Tabla t (de Student)

Nivel de Confianza
Sea: n = 3, gl = n - 1 = 2,
gl 0.50 0.80 0.90 nivel de confianza = 90%

1 1.000 3.078 6.314

2 0.817 1.886 2.920

3 0.765 1.638 2.353 /2 = 0.05

El cuerpo de la tabla
contiene valores t, 0 2.920 t
no probabilidades
8-30
 Distribución t: Valores
Comparación con el valor z

Nivel de t t t z
Confianza (10 gl) (20 gl) (30 gl) ____

0.80 1.372 1.325 1.310 1.28

0.90 1.812 1.725 1.697 1.64
0.95 2.228 2.086 2.042 1.96
0.99 3.169 2.845 2.750 2.58

Nota: Comparación de t con z cuando n crece

8-31
 Ejemplo
Una muestra aleatoria de n = 25 tiene x = 50 y
s = 8. Construir un intervalo de confianza al
95% para μ

 gl = n – 1 = 24, entonces t/2 , n 1  t 0.025,24  2.0639

El intervalo de confianza es:
s 8
xt  50  (2.0639)
n 25
46.698 53.302

8-32
 Aproximación para Muestras
Grandes
 Como t se parece a z cuando el tamaño muestral
crece, una aproximación es usada a veces cuando n
es grande.
 La tabla proporciona valores t hasta los 500 grados
de libertad.
 Hay programas que proporcionan el valor t correcto
para cualquier grado de libertad.

Fórmula correcta, Aproximación para

σ desconocida n grande

s s
xt xz
n n
8-33
 Tamaño de la Muestra
Lo ideal es tener un alto nivel de confianza, un bajo
margen de error y un tamaño de muestra pequeño.

Lamentablemente, estos tres objetivos están en conflicto,

se requiere un balance entre los mismos.

8-34
 Determinación del Tamaño de
Muestra
 El tamaño de muestra requerido puede ser
hallado considerando un margen de error
deseado (e) y un nivel de confianza (1 - )

 Tamaño de muestra requerido, σ conocida:

s z σ
2
zσ 2 2

ez n     2
n  e  e

8-35
 Tamaño de Muestra Requerido:
Ejemplo
Si s = 45. ¿Cuál es el tamaño de muestra
necesario al 90% de confianza para estar
dentro del ± 5?

zσ 2 2
1.645 (45) 2 2
n 2  2
 219.19
e 5

Entonces el tamaño de muestra requerido es n=220

(Siempre redondear
hacia arriba)
8-36
¿Qué si no se conoce la desviación estándar
de la población?

8-37
Tres alternativas:

 Considerar un valor d para la DS, tal que se tenga la

seguridad que la DS de la población será menor a ese
valor d.

 Tomar una muestra piloto y en base a ella estimar la

DS de la población. Los datos de la muestra piloto
podrán ser usados más adelante como unidades de la
muestra que se recolecte.

 Emplear el rango de los valores que puede tomar la

población, para estimar su DS.
Continúa….
8-38
 Rango de Valores Poblacionales
 La regla empírica y la distribución normal indican que virtualmente
todos los valores de la población están contenidos en el intervalo:

μ ± 3σ

Por lo tanto, los valores poblacionales están:

De μ - 3σ a μ + 3σ

Esto es, se tiene un rango:

R = ( μ + 3σ ) - ( μ - 3σ ) = 6σ

De esta forma, si se conoce el rango poblacional, la DS de la

población se puede estimar como:

σ ≈ R / 6 o en forma más conservadora: σ ≈ R / 4

8-39
 Estimación de una proporción poblacional

Se ha visto la estimación de una media poblacional, sin embargo hay

situaciones en que lo que interesa es la estimación de la proporción
de la población que satisface o posee determinado atributo.

Ejemplo: La estimación de la proporción de la población de

clientes que están satisfechos con el servicio brindado
por una empresa.

8-40
 Se denota con π la proporción de la población que satisface el
atributo de interés.

 Una estimación puntual o un estimado punto de π está dado por la

proporción p de objetos de la muestra que satisfacen el atributo en
cuestión:

p = x/n
Donde:
p: Proporción muestral
x: Número de objetos que satisfacen el atributo
n: Tamaño de la muestra

8-41
 Intervalos de Confianza para
la Proporción Poblacional, π

 Un intervalo estimado para la proporción

poblacional ( π ) puede ser calculado
agregando y sustrayendo una tolerancia
(que expresa la incertidumbre) a la
proporción muestral ( p ).

8-42
 Intervalos de Confianza para
la Proporción Poblacional, π
(continuación)

 Recordar que la distribución de la proporción

muestral es aproximadamente normal si el
tamaño de muestra es grande, con desviación
estándar
π(1 π)
σπ  np ≥ 5 y n(1-p) ≥ 5
n
 Estimación con los datos muestrales:

p(1 p)
sp 
n
8-43
 Límites de un Intervalo de
Confianza
 Los límites de confianza, inferior y superior, para la
proporción poblacional son calculados con la
fórmula

p(1 p)
pz
n
 Donde
 z es el valor normal estándar para el nivel de confianza deseado
 p es la proporción muestral
 n es el tamaño de muestra

8-44
 Ejemplo

 Una muestra aleatoria de 100 personas

indica que 25 son zurdos.
 Construir un intervalo de confianza al
95% para la proporción poblacional de
zurdos.

8-45
 Ejemplo
(continuación)
 Una muestra aleatoria de 100 personas
indica que 25 son zurdos. Construir un
intervalo de confianza al 95% para la
proporción poblacional de zurdos.
1. p  25/100  0.25
2. Sp  p(1  p)/n  0.25(0.75)/100  0.0433

3. 0.25  1.96 (0.0433)

0.1651 0.3349
8-46
 Interpretación

 Estamos 95% seguros que el porcentaje de

zurdos en la población está entre
16.51% y 33.49%

 Aunque este rango podría contener o no la

proporción poblacional, el 95% de los inter-
valos construidos de esta forma y de
tamaño muestral 100 la contendrá.

8-47
 Cambiando el Tamaño de
Muestra
 Incrementos en el tamaño de muestra
reducen el ancho del intervalo de
confianza.

Ejemplo:
 Si el tamaño de muestra en el ejemplo anterior
fuera el doble, 200, y si 50 fueran los zurdos en la
muestra, entonces el intervalo todavía seguiría
centrado en 0.25, pero con el ancho reducido

0.19 0.31

8-48
Hallando el Tamaño Muestral Requerido
en Problemas de Proporción

Definir el π(1 π)
margen de error: ez
n

z π (1 π)
2
Calcular n: n 2
e
π puede ser estimado con una muestra
piloto. Si es necesario ser conservador usar
π = 0.50 (máxima variación posible, por lo
tanto, máximo tamaño de muestra)
8-49
 ¿Qué Tamaño de Muestra?

 ¿Cuán grande debería ser una muestra

para estimar la proporción de defectuosos
en una población grande con margen de
error de 3% y 95% de confianza?
(Asumir que una muestra piloto da p=0.12)

8-50
 ¿Qué Tamaño de Muestra?
(continuación)

Solución:
Para el 95% de confianza, usar z = 1.96
e = 0.03
p = 0.12, usar esto para estimar π

z 2 π (1  π) (1.96)2 (0.12)(1 0.12)

n   450.74
e2 (0.03) 2

Usar n = 451

8-51
 Resumen
 Se expuso la estimación puntual.
 Se introdujo la estimación de intervalos.
 Se discutió la estimación por intervalos de
confianza para la media [σ conocida].
 Se discutió la estimación por intervalos de
confianza para la media [σ desconocida].
 Se expuso la determinación del tamaño de
muestra para problemas de media y proporción.
 Se discutió la estimación por intervalos de
confianza para la proporción.
8-52