Intervalos

ESTADÍSTICA INFERENCIAL
Estimación por intervalos
Fernando Madera Martı́nez

Departamento de Matemáticas y Estadı́sticas
Universidad de Córdoba
7 de junio de 2019
ESTADÍSTICA INFERENCIAL 1 / 66
Tabla de contenido
1 Introducción
2 Estimación Puntual
3 Estimación Por Intervalos
Intervalo de confianza para una población
Intervalo de confianza para la media µ, (σ conocida)
Intervalo de confianza para la media µ, (σ desconocida)
Intervalo de confianza para la proporción π
Intervalo de confianza para la varianza σ 2
Intervalo de confianza para dos poblaciones
Intervalo de confianza para µ1 − µ2 , (σ1 , σ2 conocidas)
Intervalo de confianza para µ1 − µ2 , (σ1 , σ2 desconocidas)
Intervalo de confianza para muestras pareadas
Intervalo de confianza para π1 − π2
Intervalo de confianza para σ12 /σ22
4 Bibliografı́a
Introducción
Tabla de Contenido
1 Introducción
4 Bibliografı́a
Introducción
Introducción
Estimación puntual y por intervalo

Las distribuciones de probabilidad que tienen una variable que repre-
senta cierta caracterı́stica de una población se definen completamente
cuando se conocen sus parámetros, pero cuando éstos no se conocen,
será necesario estimarlos con base en los datos muestrales para hacer
inferencias sobre la población. Por ejemplo, los parámetros de una dis-
tribución normal son la media,µ, y la desviación estándar, σ, que en
caso de desconocerse será necesario estimarlos a partir de los datos en
la muestra.
Estimación Puntual
Tabla de Contenido
1 Introducción
4 Bibliografı́a
Estimación puntual
Un estimador puntual de un parámetro desconocido es un estadı́sti-

co que genera un valor numérico simple, que se utiliza para hacer
una estimación del valor del parámetro desconocido; por ejemplo, tres
parámetros sobre los que con frecuencia se desea hacer inferencia son:
Un estimador puntual de un parámetro desconocido es un estadı́sti-

co que genera un valor numérico simple, que se utiliza para hacer
una estimación del valor del parámetro desconocido; por ejemplo, tres
parámetros sobre los que con frecuencia se desea hacer inferencia son:
Parámetros po- Estimadores

Nombre
blacionales puntuales
La media del proceso µ X
La varianza del proceso σ2 S2
La desviación estándar del proceso σ S
La proporción de artı́culos que tienen cierta caracterı́stica π P = X/n
Relación entre población y muestra
Estimación Por Intervalos
Una forma operativa de saber qué tan precisa es la estimación consiste en

calcular un intervalo de confianza que indique un rango “donde puede estar
el parámetro” con cierto nivel de seguridad o confianza.
Una forma operativa de saber qué tan precisa es la estimación consiste en

calcular un intervalo de confianza que indique un rango “donde puede estar
el parámetro” con cierto nivel de seguridad o confianza.
Definición (Intervalo de confianza)
Sea θ un parámetro de interés de una población. Una estimación del paráme-
tro θ a partir de una muestra, puede tener la forma
Li ≤ θ ≤ Ls
A este se le llama intervalo de confianza del 100 (1 − α) % para θ. A las

cantidades Li y Ls se les llama lı́mites de confianza inferior y superior
respectivamente, y a la cantidad 1−α, se le llama coeficiente de confianza
Estimación por intervalo

Los lı́mites inferior y superior de un intervalo del 100 (1 − α) % de
confianza para el parámetro θ, son tales que
P (Li ≤ θ ≤ Ls ) = 1 − α
Estimación por intervalo

Los lı́mites inferior y superior de un intervalo del 100 (1 − α) % de
confianza para el parámetro θ, son tales que
P (Li ≤ θ ≤ Ls ) = 1 − α
Interpretación
Suponga que se obtuvieran 100 muestras aleatorias independientes de
la misma población, cada una de tamaño n y para cada muestra se
calculará el intervalo de confianza del 95 % para θ, entonces, esto indica
que 95 de los 100 intervalos incluirán el verdadero valor de θ.
Estimación Por Intervalos Intervalo de confianza para una población
Tabla de Contenido
1 Introducción
4 Bibliografı́a
Intervalo de confianza para µ

σ conocida
Definición
Sea X1 , X2 , . . . , Xn una muestra aleatoria de tamaño n, de una población con
distribución normal con varianza σ 2 (conocida), y X la media de la muestra. El
intervalo del 100 (1 − α) % de confianza para la media poblacional µ, esta dado
por
σ σ
X − Zα/2 √ ≤ µ ≤ X + Zα/2 √
n n
donde Zα/2 , es el valor de la

distribución normal estándar, que
deja por encima de la cola supe-
rior, un área igual a α/2.

σ conocida
Ejemplo
Cien latas de 16 onzas de salta de tomate Jake’s Mom’s tienen un
promedio de 15,2 onzas. La desviación estándar poblacional en peso
es de 0,96 onzas. ¿A un nivel de confianza de 93 %, las latas parecen
estar llenas con un promedio de 16 onzas?

σ conocida
Construcción del intervalo de confianza

Datos del problema
n = 100, σ = 0,96, X = 15,2 y α = 0,07
Para α = 0,07, el valor del cuantil de la distribución normal es
Zα/2 = Z0,07/2 = Z0,035 = 1,8119
En Excel se calcula como

=DISTR.NORM.ESTAND.INV(1 − 0, 07/2)

σ conocida
Intervalo de confianza del 93 % para µ

σ σ
X − Zα/2 √ ≤ µ ≤ X + Zα/2 √
n n
0,96 0,96
15,2 − 1,8119 √ ≤ µ ≤ 15,2 + 1,8119 √
100 100
15,0261 ≤ µ ≤ 15,3739
De acuerdo con el intervalo de confianza, el llenado promedio de las
latas es menor a 16 onzas, debido a que el intervalo de confianza para
media, tiene ambos lı́mites menores a 16.
Tabla de Contenido
1 Introducción
4 Bibliografı́a

σ desconocida
Caso 1) n ≥ 30
Definición
Sea X1 , X2 , . . . , Xn una muestra aleatoria de tamaño n ≥ 30, de una
población con distribución normal con varianza σ 2 (desconocida), y X la
media de la muestra. El intervalo del 100 (1 − α) % de confianza para la
media poblacional µ, esta dado por
S S
X − Zα/2 √ ≤ µ ≤ X + Zα/2 √
n n
donde Zα/2 , es el valor de la distribución normal estándar, que deja por

encima de la cola superior, un área igual a α/2.

σ desconocida
Ejemplo
Para evaluar el contenido de nicotina (mg), en cierto tipo de ciga-
rros elaborados en un proceso, Se toma una muestra aleatoria de 40
cigarrillos y se obtiene que X = 18,1 mg y s = 1,7.
Estime con una confianza del 95 %, ¿cuál es la cantidad de nicotina
promedio por cigarro?

σ desconocida

n = 40, S = 1,7, X = 18,1 y α = 0,05
Para α = 0,05, el valor del cuantil de la distribución normal es
Zα/2 = Z0,05/2 = Z0,025 = 1,96


σ desconocida

S S
X − Zα/2 √ ≤ µ ≤ X + Zα/2 √
n n
1,7 1,7
18,1 − 1,96 √ ≤ µ ≤ 18,1 + 1,96 √
40 40
17,57 ≤ µ ≤ 18,63

σ desconocida
Caso 2) n < 30
Definición
Sea X1 , X2 , . . . , Xn una muestra aleatoria de tamaño n < 30, de una
población con distribución normal con varianza σ 2 (desconocida), y X la
media de la muestra. El intervalo del 100 (1 − α) % de confianza para la
media poblacional µ, esta dado por
S S
X − t(α/2;n−1) √ ≤ µ ≤ X + t(α/2;n−1) √
n n
donde t(α/2;n−1) , es el valor de la distribución t − studen con n − 1 grados

de libertad, que deja por encima de la cola superior, un área igual a α/2.

σ desconocida
Ejemplo
Se desea evaluar la resistencia mı́nima que tiene un envase de plástico
en posición vertical. Para ello, es necesario garantizar que sea de 20
kg. Para evaluar esto se han obtenido los siguientes datos mediante
pruebas destructivas:
26,8 29,5 28,4 26,3 28,1 28,7 27,0 25,5 26,9 27,2 27,6 25,5 28,3 27,4
28,8 25,0 25,3 27,7 25,2 28,6 27,9 28,7
Estime, con una confianza de 95 %, ¿cuál es la resistencia promedio
de los envases?

σ desconocida

n = 22, S = 1,3427, X = 27,2909 y α = 0,05
Para α = 0,05, el valor del cuantil de la distribución t con 21
grados de libertad es
t(α/2;n−1) = t(0,05/2;21) = t(0,025;21) = 2,0796

=DISTR.T.INV(0,05;21)

σ desconocida

S S
X − t(α/2;n−1) √ ≤ µ ≤ X + t(α/2;n−1) √
n n
1,3427 1,3427
27,2909 − 2,0796 √ ≤ µ ≤ 27,2909 + 2,0796 √
22 22
26,6956 ≤ µ ≤ 27,8862
Tabla de Contenido
1 Introducción
4 Bibliografı́a
Intervalo de confianza para π
Definición
Se extrae una muestra de n elementos de una población, donde X
de ellos tiene la caracterı́stica de interés, entonces X es una variable
aleatoria Binomial con probabilidad de éxito π. La proporción muestral
esta dada por P = X/n. Entonces, un intervalo del 100 (1 − α) % de
confianza para la proporción poblacional π, esta dado por
r r
P (1 − P ) P (1 − P )
P − Zα/2 ≤ π ≤ P + Zα/2
n n
donde Zα/2 , es el valor de la distribución normal estándar, que deja por
encima de la cola superior, un área igual a α/2.
Ejemplo
En una auditoria se seleccionan de manera aleatoria 200 facturas de
las compras realizadas durante el año, y se encuentra que 10 de ellas
tienen algún tipo de anomalı́a.
a) ¿Cuál es el error de estimación?
b) Estime con una confianza de 95 % el porcentaje de facturas con
anomalı́as en todas las compras del año.

X := Número de facturas con anomalı́as.
n = 200, X = 10, P = Xn = 200 10
= 0,05 y α = 0,05
Para α = 0,05, el valor del cuantil de la distribución Z
Zα/2 = Z0,05/2 = Z0,025 = 1,96
Intervalo de confianza del 95 % para π

r r
P (1 − P ) P (1 − P )
P − Zα/2 ≤ π ≤ P + Zα/2
n n
r r
0,05 (0,95) 0,05 (0,95)
0,05 − 1,96 ≤ π ≤ 0,05 + 1,96
200 200
0,05 − 0,0302 ≤ π ≤ 0,05 + 0,0302
0,0198 ≤ π ≤ 0,0802
Tabla de Contenido
1 Introducción
4 Bibliografı́a
Intervalo de confianza para σ 2
Definición
Sea X1 , X2 , . . . , Xn una muestra aleatoria de tamaño n, de una población
con distribución normal con media y varianza desconocidos y S 2 la varianza
muestral. Entonces, el estadı́stico (n − 1) S 2 /σ 2 sigue la distribución chi −
cuadrado con n − 1 grados de libertad. De aquı́ se llega a que el intervalo
del 100 (1 − α) % de confianza para la varianza poblacional σ 2 , esta dado
por:
(n − 1) S 2 (n − 1) S 2
2 ≤ σ2 ≤ 2
χ(α/2;n−1) χ(1−α/2;n−1)
donde χ2(α/2;n−1) y χ2(1−α/2;n−1) , son los puntos crı́ticos de la distribución

chi-cuadrado con n − 1 grados de libertad.
Ejemplo
En el proceso de fabricación de discos para computadoras, una de las varia-
bles crı́ticas es el rendimiento de formato. Se toma una muestra aleatoria
de n = 10 discos de la producción del turno de la mañana. Se formatean y
se reporta el rendimiento de cada disco. Los datos obtenidos son:
96,11 91,06 93,38 88,52 89,57 92,63 85,20 91,41 89,79 92,62.
Con base en estos datos interesa estimar puntualmente y por intervalo la

varianza para la población de discos de dicho turno. Por experiencia se
considera que la variabilidad del proceso es estable cuando σ = 2,5.
¿Está el proceso bajo control?

X := Rendimiento de los discos.
n = 10, S 2 = 8,9467 y α = 0,05
Para α = 0,05, los puntos crı́ticos de la distribución
chi − cuadrado con 9 grados de libertad son:
χ2(α/2;n−1) = χ2(0,05/2;9) = χ2(0,025;9) = 19,0228
χ2(1−α/2;n−1) = χ2(1−0,05/2;9) = χ2(0,975;9) = 2,7004

=PRUEBA.CHI.INV(0,05/2;9)
=PRUEBA.CHI.INV(1-0,05/2;9)
Intervalo de confianza del 95 % para σ 2
(n − 1) S 2 2 (n − 1) S 2
≤ σ ≤
χ2(α/2;n−1) χ2(1−α/2;n−1)
(9) (8,9467) (9) (8,9467)

≤ σ2 ≤
19,0228 2,7004
4,2328 ≤ σ 2 ≤ 29,8181
Respondiendo a la pregunta, la variabilidad del proceso es estable cuan-
do σ = 2,5, es decir, σ 2 = 6,25. Como, el intervalo contiene a 6,25,
se puede decir con un 95 % de confianza que el proceso está estable.
Resumen de formulas para intervalos de

confianza
Parámetro Lı́mite inferior Lı́mite superior

µ σ σ
σ conocida X − Zα/2 √ X + Zα/2 √
n n
µ S S
σ desconocida X − t(α/2;n−1) √ X + t(α/2;n−1) √
r n r n
P (1 − P ) P (1 − P )
π P − Zα/2 P + Zα/2
n n
(n − 1) S 2 (n − 1) S 2
σ2
χ2(α/2;n−1) χ2(1−α/2;n−1)
Estimación Por Intervalos Intervalo de confianza para dos poblaciones
Tabla de Contenido
1 Introducción
4 Bibliografı́a
Intervalo de confianza para µ1 − µ2

σ1 , σ2 conocidas
Definición
Si X 1 y X 2 son las medias de dos muestras aleatorias independientes de
tamaños n1 y n2 de dos poblaciones normales con varianzas conocidas
σ12 y σ22 respectivamente, entonces, un intervalo del 100 (1 − α) % de
confianza para µ1 − µ2 , esta dado por:
s s
σ12 σ2 σ12 σ2
+ 2 ≤ µ1 − µ2 ≤ X 1 − X 2 + Zα/2 + 2

X 1 − X 2 − Zα/2
n1 n2 n1 n2
donde Zα/2 , es el valor de la distribución normal estándar, que deja

por encima de la cola superior, un área igual a α/2.

σ1 , σ2 desconocidas, (muestras grandes)
Definición
Si σ12 y σ22 no se conocen, pero los tamaños de muestra son grandes,
en su lugar, se usan S12 y S22 . Ası́, el intervalo del 100 (1 − α) % de
confianza para µ1 − µ2 , esta dado por:
s s
S12 S2 S12 S2
+ 2 ≤ µ1 − µ2 ≤ X 1 − X 2 + Zα/2 + 2

X 1 − X 2 − Zα/2
n1 n2 n1 n2

σ1 , σ2 conocidas
Ejemplo
Dos diferentes formulaciones de un combustible oxigenado para motores
se prueban para estudiar su ı́ndice de octano en carretera. La varianza del
ı́ndice de octano en carretera para la formulación 1 es σ12 = 1,5 y para la
formulación 2 es σ22 = 1,2. Se prueban dos muestras aleatorias de tamaños
n1 = 15 y n2 = 20, y las medias delı́ndice de octano en carretera observadas
son X 1 = 89,6 y X 2 = 92,5. Suponga una distribución normal.
a) Construya un intervalo de confianza del 95 % para la diferencia de

medias del ı́ndice de octano en carretera.
b) ¿Qué formulación produce mayor ı́ndice?

σ1 , σ2 conocidas

Formulación 1 n1 = 15 X 1 = 89,6 σ12 = 1,5
Formulación 2 n2 = 20 X 2 = 92,5 σ22 = 1,2
Para α = 0,05, el valor critico de la distribución Z es
Zα/2 = Z0,05/2 = Z0,025 = 1,96


σ1 , σ2 conocidas
Intervalo del 95 % para µ1 − µ2

s s
σ12 σ22 σ12 σ2
+ 2

X 1 − X 2 − Zα/2 + ≤ µ1 − µ2 ≤ X 1 − X 2 + Zα/2
n1 n2 n1 n2
r r
1,5 1,2 1,5 1,2
(89,6 − 92,5) − 1,96 + ≤ µ1 − µ2 ≤ (89,6 − 92,5) + 1,96 +
15 20 15 20
−2,9 − 1,96 (0,4) ≤ µ1 − µ2 ≤ −2,9 + 1,96 (0,4)
−2,9 − 0,784 ≤ µ1 − µ2 ≤ −2,9 + 0,784
−3,684 ≤ µ1 − µ2 ≤ −2,116
De este resultado se concluye que la formulación 1 produce menos ı́ndice de oc-
tanaje debido a que intervalo de confianza del 95 % para la diferencia de medias
está en el eje negativo.
Tabla de Contenido
1 Introducción
4 Bibliografı́a

σ1 , σ2 desconocidas, σ1 = σ2
Definición
El intervalo del 100 (1 − α) % de confianza para µ1 − µ2 , esta dado por:
s s
1 1 1 1
X 1 − X 2 − t(α/2;m) Sp + ≤ µ1 − µ2 ≤ X 1 − X 2 + t(α/2;m) Sp +
n1 n2 n1 n2
con m = n1 + n2 − 2, donde t(α/2;m) , es el valor critico de la distribución t con m

grados de libertad, que deja por encima de la cola superior, un área igual a α/2.
r
(n1 − 1) S12 + (n2 − 1) S22
Sp =
m

Ejemplo
Se investiga en diámetro de las varillas de acero fabricadas en dos
máquinas de extrusión diferentes. Se seleccionan dos muestras aleato-
rias de tamaños n1 = 15 y n2 = 17, y las medias muestrales y varianzas
muestrales son X 1 = 8,73, S12 = 0,35, X 2 = 8,68 y S22 = 0,40 res-
pectivamente. Suponga que σ12 = σ22 y que los datos se extraen de una
distribución normal.
¿Hay evidencia en favor de la afirmación de que las dos máquinas
producen varillas con medias del diámetro diferentes?
Use α = 0,05 para construir un intervalo de confianza y llegar a esta
conclusión.


Máquina 1 n1 = 15 X 1 = 8,73 S12 = 0,35
Máquina 2 n2 = 17 X 2 = 8,68 S22 = 0,40
m = n1 + n2 − 2 = 15 + 17 − 2 = 30
Para α = 0,05, el valor critico de la distribución t con 30 grados
de libertad es
t(α/2;m) = t(0,05/2;30) = t(0,025;30) = 2,0423


s r
(n1 − 1) S12 + (n2 − 1) S22 (14) 0,35 + (16) 0,40
Sp = = = 0,6137
m 30
s r
1 1 1 1
li = X 1 − X 2 −t(α/2;m) Sp + = (8,73 − 8,68)−2,0423 (0,6137) + = −0,3940
n1 n2 15 17
s r
1 1 1 1
ls = X 1 − X 2 +t(α/2;m) Sp + = (8,73 − 8,68)+2,0423 (0,6137) + = 0,4940
n1 n2 15 17
−0,3940 ≤ µ1 − µ2 ≤ 0,4940
De acuerdo con el resultado, se concluye que las dos máquinas producen

varillas con medias del diámetro iguales, debido a que intervalo de confianza
del 95 % contiene a cero.

σ1 , σ2 desconocidas, σ1 6= σ2
Definición
El intervalo del 100 (1 − α) % de confianza para µ1 − µ2 , esta dado por:
s s
S12 S2 S12 S2
+ 2 ≤ µ1 − µ2 ≤ X 1 − X 2 + t(α/2;v) + 2

X 1 − X 2 − t(α/2;v)
n1 n2 n1 n2
donde t(α/2;v) , es el valor critico de la distribución t con v grados de libertad, que

deja por encima de la cola superior, un área igual a α/2.
!2
S12 S22
+
n1 n2
v= 2 2
S12 /n1 S22 /n2
+
n1 − 1 n2 − 1

Ejemplo
Para ejemplo anterior, suponga ahora que σ1 6= σ2
Datos
Máquina 1 n1 = 15 X 1 = 8,73 S12 = 0,35
Máquina 2 n2 = 17 X 2 = 8,68 S22 = 0,40
Grados de libertad
!2 !2
S12 S22 0,35 0,40
+ +
n1 n2 15 17
v= 2 2 = 2 2 = 29,88 ≈ 30
S12 /n1 S22 /n2 (0,35/15) (0,40/17)
+ +
n1 − 1 n2 − 1 14 16

Valor critico Para α = 0,05, el valor critico de la distribución t

con 30 grados de libertad es
t(α/2;m) = t(0,05/2;30) = t(0,025;30) = 2,0423


Intervalo de confianza del 95 %

s s
S12 S2 S12 S2
+ 2 ≤ µ1 − µ2 ≤ X 1 − X 2 + t(α/2;v) + 2

X 1 − X 2 − t(α/2;v)
n1 n2 n1 n2
r r
0,35 0,40 0,35 0,40
(8,73 − 8,68) − 2,0423 + ≤ µ1 − µ2 ≤ (8,73 − 8,68) + 2,0423 +
15 17 15 17
0,005 − 0,4421 ≤ µ1 − µ2 ≤ 0,005 + 0,4421
−0,3921 ≤ µ1 − µ2 ≤ 0,4921
Tabla de Contenido
1 Introducción
4 Bibliografı́a
Intervalo de confianza para muestras

pareadas
Definición
Si D y SD son la media y la desviación estandar muestrales de la diferencia de
n pares aleatorios de mediciones que tienen una distribución normal, entonces un
intervalo del 100 (1 − α) % de confianza para la media de las diferencias µD , esta
dado por:
SD SD
D − t(α/2;n−1) √ ≤ µD ≤ D + t(α/2;n−1) √
n n
donde t(α/2;n−1) , es el valor de la distribución t − studen con n − 1 grados
de libertad, que deja por encima de la cola superior, un área igual a α/2.

pareadas
Ejemplo
El administrador de una flota de automóviles está probando dos marcas
de llantas radiales. Instala una llanta de cada marca al azar en las dos
ruedas traseras de ocho automóviles y los usa hasta que las llantas
se desgastan. Los datos se presentan a continuación en (kilómetros).
Encuentre un intervalo de confianza del 99 % para la diferencia de la
vida media. ¿Qué marca preferirı́a usted, con base en este cálculo?
Automóvil 1 2 3 4 5 6 7 8
Marca 1 36925 45300 36240 32100 37210 48360 38200 33500
Marca 2 34318 42280 35500 31950 38015 47800 37810 33215

pareadas

X1 = Recorrido de las llantas de la marca 1
X2 = Recorrido de las llantas de la marca 2
Automóvil 1 2 3 4 5 6 7 8
Marca 1 36925 45300 36240 32100 37210 48360 38200 33500
Marca 2 34318 42280 35500 31950 38015 47800 37810 33215
Diferencia 2607 3020 740 150 -805 560 390 285
Para las diferencias D = X1 − X2 se tiene
D = 868,375, SD = 1290,033, n = 8

pareadas
Para α = 0,01, el valor del cuantil de la distribución t con 7 grados de libertad es
t(α/2;n−1) = t(0,01/2;7) = t(0,005;7) = 3,4995

pareadas
t(α/2;n−1) = t(0,01/2;7) = t(0,005;7) = 3,4995

Por lo tanto, el intervalo de confianza da
SD SD
D − t(α/2;n−1) √ ≤ µD ≤ D + t(α/2;n−1) √
n n
1290,033 1290,033
868,375 − 3,4995 √ ≤ µD ≤ 868,375 + 3,4995 √
8 8
−727,7239 ≤ µD ≤ 2464,474

pareadas
t(α/2;n−1) = t(0,01/2;7) = t(0,005;7) = 3,4995

Por lo tanto, el intervalo de confianza da
SD SD
D − t(α/2;n−1) √ ≤ µD ≤ D + t(α/2;n−1) √
n n
1290,033 1290,033
868,375 − 3,4995 √ ≤ µD ≤ 868,375 + 3,4995 √
8 8
−727,7239 ≤ µD ≤ 2464,474
Con este resultado, cualquier marca es preferible, debido a que los promedios de
desgaste son iguales para ambas marcas, ya que el intervalo contiene a cero
Tabla de Contenido
1 Introducción
4 Bibliografı́a
Definición
Si P1 y P2 son las proporciones muestrales de las observaciones en dos
muestras aleatorias independientes de tamaños n1 y n2 que pertenecen a la
clase de interés, entonces un intervalo del 100 (1 − α) % de confianza para
las diferencia de las verdaderas proporciones π1 − π2 , esta dado por:
(P1 − P2 ) − Zα/2 (σP ) ≤ π1 − π2 ≤ (P1 − P2 ) − Zα/2 (σP )

q
con σP = P1 (1−P
n1
1)
+ P2 (1−P
n2
2)
donde Zα/2 , es el valor de la distribución Z, que deja por encima de la cola

superior, un área igual a α/2.
Ejemplo
Como parte de un proyecto, un especialista de mercadeo encuestó en
un centro comercial local a 100 hombres y 100 mujeres respecto a sus
hábitos en las compras. 79 de los hombres dijeron que habı́an usado
una tarjeta de crédito para hacer compras superiores a US$10 en el
último mes, mientras que 84 mujeres admitieron hacer ese mismo tipo
de pago. Obtenga un intervalo de confianza al 95 % para la deferencia
en las proporciones de hombres y mujeres.
Del ejercicio
X1 = # hombres que usan tarjera de crédito
X2 = # mujeres que usan tarjera de crédito
Estimadores
79
X1 = 79 y n1 = 100 −→ P1 = 100
= 0,79
84
X2 = 84 y n2 = 100 −→ P2 = 100
= 0,84
s r
P1 (1 − P1 ) P2 (1 − P2 ) 0,79 (0,21) 0,84 (0,16)
σP = + = + = 0,0548
n1 n2 100 100
Para α = 0,05, el valor critico de la distribución Z es
Zα/2 = Z0,05/2 = Z0,025 = 1,96
El intervalo de confianza da
(P1 − P2 ) − Zα/2 (σP ) ≤ π1 − π2 ≤ (P1 − P2 ) − Zα/2 (σP )
(0,79 − 0,84)−1,96 (0,0548) ≤ π1 −π2 ≤ (0,79 − 0,84)−1,96 (0,0548)

−0,1574 ≤ π1 − π2 ≤ 0,0574
Distribución F hiser
Definición
Sean W y Y variables aleatorias chi − cuadrado independientes con u y v grados
de libertad, respectivamente. Entonces en cociente
W/u
F =
Y /v
Tiene función de probabilidad
u+v
u u/2 (u/2)+1
Γ 2 v x
f (X) = (u+v)/2 , x>0
u
Γ v2 1 + x uv

Γ 2
y se dice que sigue una distribución F de F isher con u grados de libertad en el

numerados y v grados de libertad en el denominador.
Tabla de Contenido
1 Introducción
4 Bibliografı́a
Intervalo de confianza para σ12/σ12
Definición
Sean S12 y S22 son las varianzas muestrales aleatorias de tamaños n1 y n2 ,
respectivamente, de dos poblaciones normales independientes con σ12 y σ22
desconocidos, entonces, el intervalo del 100 (1 − α) % de confianza para el
cociente σ12 /σ22 , esta dado por:
S12 σ12 S12

f(1−α/2;n2 −1;n1 −1) ≤ ≤ f(α/2;n2 −1;n1 −1)
S22 σ22 S22
donde f(1−α/2;n2 −1;n1 −1) y f(α/2;n2 −1;n1 −1) , son los puntos crı́ticos de la
distribución F de f hisher con n2 − 1 grados de libertad en el numerador
y n1 − 1 grados de libertad en el denominador.
Nota: Se puede calcular
f(1−α/2;n2 −1;n1 −1) = 1/f(α/2;n1 −1;n2 −1)
Ejemplo
Una compañı́a de transporte de carga desea escoger la mejor ruta para
llevar la mercancı́a de un depósito a otro. La mayor preocupación es el
tiempo de viaje. En el estudio se seleccionaron al azar cinco choferes
de un grupo de 10 y se asignaron a la ruta A; los cinco restantes se
asignaron a la ruta B. Los datos obtenidos fueron:
Ruta Tiempo de viaje

A 18 24 30 21 32
B 22 29 34 25 35
Calcule el intervalo de confianza del 98 % para determinar si la varia-

bilidad del tiempo de viaje es la misma en ambas rutas.

Para los datos del ejercicio se tiene
A n1 = 5 S1 = 5,9161
B n2 = 5 S2 = 5,6125
Para α = 0,02, los puntos crı́ticos de la distribución F con 4 grados de

libertad en el numerador y 4 grados de libertad en el denominador son:
F(1−α/2;n2 −1;n1 −1) = F(1−0,02/2;4;4) = F(0,99;4;4) = 0,0626
F(α/2;n2 −1;n1 −1) = F(0,02/2;4;4) = F(0,01;4;4) = 15,9770

=DISTR.F.INV(1-0,02/2;4;4)
=DISTR.F.INV(0,02/2;4;4)
El intervalo de confianza da
S12 σ12 S12

f (1−α/2;n −1;n −1) ≤ ≤ f(α/2;n2 −1;n1 −1)
S22 2 1
σ22 S22
5,91612 σ12 5,91612
0,0626 ≤ ≤ 15,9770
5,61252 σ22 5,61252
σ12
0,0695 ≤ 2 ≤ 17,7522
σ2
De acuerdo con este resultado, se concluye que la variabilidad del tiem-
po de viaje es la misma en ambas rutas, debido a que el intervalo de
confianza contiene a 1.
Bibliografı́a
Bibliografı́a
1 Webster, A. (2000). Estadı́stica aplicada a los negocios y la

economı́a. Bradley University.
2 MONTGOMERY, Douglas C.; RUNGER, George C.; MEDAL,
Edmundo G. Urbina. Probabilidad y estadı́stica aplicadas a la
ingenierı́a. McGraw Hill, 1996.
3 RONALD E. WALPOLE, R. (Novena edición, 2012).
Probabilidad y estadı́stica para ingenierı́a y ciencias. PEARSON
EDUCACIÓN, México.

Intervalos

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Intervalos

Cargado por

Copyright:

Formatos disponibles

ESTADÍSTICA INFERENCIAL

Estimación por intervalos

Fernando Madera Martı́nez

Estimación puntual y por intervalo

Un estimador puntual de un parámetro desconocido es un estadı́sti-

Un estimador puntual de un parámetro desconocido es un estadı́sti-

Parámetros po- Estimadores

Relación entre población y muestra

Estimación por intervalos

Una forma operativa de saber qué tan precisa es la estimación consiste en

Estimación por intervalos

Una forma operativa de saber qué tan precisa es la estimación consiste en

A este se le llama intervalo de confianza del 100 (1 − α) % para θ. A las

Estimación por intervalos

Estimación por intervalo

Estimación por intervalos

Estimación por intervalo

Intervalo de confianza para µ

donde Zα/2 , es el valor de la

Intervalo de confianza para µ

Intervalo de confianza para µ

Construcción del intervalo de confianza

Zα/2 = Z0,07/2 = Z0,035 = 1,8119

En Excel se calcula como

Intervalo de confianza para µ

Intervalo de confianza del 93 % para µ

Intervalo de confianza para µ

donde Zα/2 , es el valor de la distribución normal estándar, que deja por

Intervalo de confianza para µ

Intervalo de confianza para µ

Construcción del intervalo de confianza

Zα/2 = Z0,05/2 = Z0,025 = 1,96

En Excel se calcula como

Intervalo de confianza para µ

Intervalo de confianza del 95 % para µ

Intervalo de confianza para µ

donde t(α/2;n−1) , es el valor de la distribución t − studen con n − 1 grados

Intervalo de confianza para µ

Intervalo de confianza para µ

Construcción del intervalo de confianza

t(α/2;n−1) = t(0,05/2;21) = t(0,025;21) = 2,0796

En Excel se calcula como

Intervalo de confianza para µ

Intervalo de confianza del 95 % para µ

Intervalo de confianza para π

Intervalo de confianza para π

Intervalo de confianza para π

Construcción del intervalo de confianza

Zα/2 = Z0,05/2 = Z0,025 = 1,96

Intervalo de confianza para π

Intervalo de confianza del 95 % para π

Intervalo de confianza para σ 2

donde χ2(α/2;n−1) y χ2(1−α/2;n−1) , son los puntos crı́ticos de la distribución

Intervalo de confianza para σ 2

Con base en estos datos interesa estimar puntualmente y por intervalo la

Intervalo de confianza para σ 2

Construcción del intervalo de confianza

χ2(α/2;n−1) = χ2(0,05/2;9) = χ2(0,025;9) = 19,0228

χ2(1−α/2;n−1) = χ2(1−0,05/2;9) = χ2(0,975;9) = 2,7004

Intervalo de confianza para σ 2

Intervalo de confianza del 95 % para σ 2

(9) (8,9467) (9) (8,9467)

Resumen de formulas para intervalos de

Parámetro Lı́mite inferior Lı́mite superior