Estadística II Intervalos de confianza

Luis Ernesto Leyva Camargo

Estimadores y parámetros
Muestra Población
 Estimadores: es un estadístico
(esto es, una función de la
(Estimador) (Parámetro)
muestra) usado para estimar un
parámetro desconocido de la
𝑥ҧ 𝜇
población.

𝑝Ƹ 𝑝

Luis Ernesto Leyva Camargo

Teorema del límite
central
E 𝑋ത ≈ 𝜇

𝜇𝑥ҧ ≈ 𝜇

𝜎2
V 𝑋ത ≈
𝑛
𝜎
𝜎𝑥ҧ ≈
𝑛

Luis Ernesto Leyva Camargo

 Recordemos
Teorema del
Distribución muestral Límite Central
para la media 𝑥ҧ
 Distribución muestral para la media
𝜎2
𝑋ത ∼ 𝑁 𝜇;
𝑛
 Media: E 𝑋ത ≈ 𝜇, 𝜇𝑥 ≈ 𝜇
 Varianza:
𝜎 2
 V 𝑋ത ≈
𝑛

 Desviación 𝜎estándar
 𝜎𝑥ҧ ≈ para población infinita
𝑛
𝜎 𝑁−𝑛
 𝜎𝑥ҧ ≈ 𝑛 𝑁−1
para población finita

Luis Ernesto Leyva Camargo

 Recordemos Teorema
del Límite Central
Probabilidad de que la variable
aleatoria 𝑋ҧ sea menor o igual E 𝑋ത ≈ 𝜇
que un valor 𝑥1ҧ 𝜇𝑥ҧ ≈ 𝜇

𝑃 𝑥ҧ ≤ 𝑥1ҧ V 𝑋ത ≈
𝜎2
𝑛
𝑥−𝜇 𝑋ത − 𝜇𝑥ҧ 𝜎
𝑃 𝑍< ⇒𝑃 𝑍< 𝜎 𝜎𝑥ҧ ≈
𝜎 𝑛
𝑛

Luis Ernesto Leyva Camargo

 1. P(𝑋ത ≤ 1) Algebráicamente se 𝑥−𝜇 𝑋ത − 𝜇𝑥ҧ
𝑃 𝑍< ⇒𝑃 𝑍< 𝜎
resuelve así Partiendo de 𝜎
P(𝑋ത ≤ 1) tenemos que: 𝑛
Estadística inferencial 1 − 𝜇𝑥ҧ
𝑃 𝑍≤ 𝜎
Para la construcción de una
carretera nacional se requiere 𝑛
material granulado, se sabe 1−0,6
que el costo en millones (COP) = 𝑃 𝑍≤ 2
49
por metro cúbico tiene una
distribución normal de la 0,4
siguiente manera X ~N( ) = 𝑃 𝑍≤
2
asumiendo que a través de 7
una muestra de tamaño 49 se
utiliza 𝑥ҧ como estimador para = 𝑃 𝑍≤1.98
𝜇 calcule:
= 0.98

Luis Ernesto Leyva Camargo

 P(𝑋ത ≥ ):

Estadística inferencial 𝑃 𝑋ത ≥ 0.3 = 1 − 𝑃 𝑋ത < 0.3

0,3−0,6
= 1 − 𝑃 𝑍≤ 2
49
Para la construcción de una carretera nacional
se requiere material granulado, se sabe que el = 1 − 𝑃 𝑍≤ − 1,48
costo en millones (COP) por metro cúbico
tiene una distribución normal de la siguiente = 1 − 0.07 = 0.93
manera X ~N( ) asumiendo que a través
de una muestra de tamaño 49 se utiliza
𝑥ҧ como estimador para 𝜇 calcule:

Luis Ernesto Leyva Camargo

 Variables cuantitativa ⇒media , Variables cualitativa ⇒proporción
𝑋
𝑝=
𝑛
𝐸(𝑝)Ƹ = 𝑝 Valor esperado de la proporción muestral
 X el número de elementos con las características
 Por el teorema del límite central, si el tamaño de muestra es grande, la
proporción tiene una distribución normal con media igual a 𝑝 y varianza 𝜎𝑝2
Distribución en donde:
𝑍𝑝 =
𝑝−𝜋

muestral para 𝜎𝑝
 𝜎𝑝 error estándar de la población (desviación estándar)
la proporción  Poblaciones infinitas
𝑝(1 − 𝑝)
𝜎𝑝 =
𝑛
 Poblaciones finitas
𝑝(1 − 𝑝) 𝑁 − 𝑛
𝜎𝑝 =
𝑛 𝑁−1

Luis Ernesto Leyva Camargo

  Se sabe que el 60% de los adultos de una zona del país compran determinado
producto. Se obtiene una muestra de 150 adultos de esta área. ¿Cuál es la
probabilidad de que la proporción muestral este entre el 50% y el 70%?
𝜇𝑝 = 𝜋 = 0.6
𝜎𝑝 error estándar

𝑝(1 − 𝑝) 0.6. (1 − 0.6) 0.6. (0.4)

𝜎𝑝 = = = = 0.04
𝑛 150 150

Ejemplo 𝑝−𝜋 0.5−0.6 𝑝−𝜋 0.7−0.6

𝑍𝑝 = ⇒ 𝑃(0.5 < 𝑃 < 0.7) = 𝑃 0.04
< 𝜎𝑝
< 0.04
= 𝑃(−2.5 < 𝑍𝑝 < 2.5)
𝜎𝑝

𝑃 0.5 < 𝑃 < 0.7 = 𝑃 𝑍𝑝 < 2.5 − 𝑃 𝑍𝑝 < −2.5

𝑃 0.5 < 𝑃 < 0.7 = 0.9938 − 0.0062 = 0.9876

Luis Ernesto Leyva Camargo

 Un intervalo de confianza se compone por tres partes fundamentales.
 1. La estimación puntual.
 2. Margen de error.
 3. Nivel de confianza 1 − 𝛼 %
Intervalo de Con varianza poblacional conocida
confianza para  Estimación puntual: 𝑥ത
una muestra  Margen de error: 𝑧𝛼
𝜎
2 𝑛
𝜎
 Intervalo de confianza: 𝑥ҧ ± 𝑧𝛼
2 𝑛
𝜎
 𝑥ҧ + 𝑧𝛼 límite superior del intervalo
2 𝑛
𝜎
 𝑥ҧ − 𝑧𝛼 límite inferior del intervalo
2 𝑛

Luis Ernesto Leyva Camargo

 Muestra de tiempo
en obreros 101,4
𝑥ҧ = = 16,9
18,5 6
Ejemplo: 20,6
12,9 𝛼 = 100% − 90% = 10%
14,6
19,8 𝛼 10%
 El gerente de una fabrica = = 5%
15 2 2
preocupado por la demora en la
producción, desea estimar el tiempo 50% − 5% = 45% 100% − 5% = 95%
promedio que gastan sus
trabajadores en ensamblar una pieza
determinada. Por experiencia se
sabe que el tiempo gastado tiene
distribución normal con desviación
estándar de 3,38 minutos. Se toma
una muestra de seis obreros y se
registra el tiempo, en minutos, que
gastan obteniendo:
 Con un nivel de confianza del 90%
1.64 + 1.65
𝑍𝛼 = = 1.645
2 2
Luis Ernesto Leyva Camargo
 𝑥ҧ = 16,9 𝑍𝛼 = 1.645
Muestra de 2
tiempo en
obreros
Ejemplo: 18,5
20,6
12,9
 El gerente de una fabrica preocupado por 14,6
la demora en la producción, desea
estimar el tiempo promedio que gastan 19,8
sus trabajadores en ensamblar una pieza 15
determinada. Por experiencia se sabe
que el tiempo gastado tiene distribución 𝜎 3,38
normal con desviación estándar de 3,38 𝑥ҧ + 𝑧𝛼 límite superior del intervalo= 16,9 − 1.645 = 14,32
2 𝑛 6
minutos. Se toma una muestra de seis 𝜎 3,38
𝑥ҧ − 𝑧𝛼 límite inferior del intervalo = 16,9 + 1.645 = 19,47
obreros y se registra el tiempo, en 2 𝑛 6
minutos, que gastan obteniendo:
 Con un nivel de confianza del 90%
Intervalo de confianza entre 14,32 y 19,47 con una confiabilidad del 90%

Luis Ernesto Leyva Camargo

Ejemplo 2:
Un supermercado vende café cuya etiqueta dice
40 onzas. Ante los reclamos hechos, el gerente
toma una muestra de 14 paquetes y encuentra un 𝑡𝛼,𝑛−1 = 𝑡0.025,13=2.1604
peso promedio de 34,86 y una desviación estándar 2
de 4,23. Con una confiabilidad del 95% estimar el
peso promedio de todos los paquetes. Datos: n = 𝑥ҧ + 𝑡𝛼 , 𝑛 − 1 𝑆𝑥ҧ
14, numero de muestras 2

𝑥ҧ = 34,86 (media de la muestra). 4.23

𝐿𝑠 = 34,86 + 2.1604 = 32.42
s = 4,23 (desviación estándar). 14
n-1 = 14-1 = 13 (grados de libertad). 4.23
𝐿𝑖 = 34,86 − 2.1604 = 37.00
14
Para una confiabilidad o nivel de confianza del 95%
encontramos el valor t en la tabla de la distribución
t-Student, para ello haremos lo siguiente:
Con una confianza del 95% se puede decir que el peso
𝛼 100%−95% 5%
promedio se encuentra entre 32,42 y 37,0 onzas.
 = = = 2.5% = 0.025
2 2 2
 𝑛 = 14, 𝑔𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = 𝑛 − 1 = 13

Luis Ernesto Leyva Camargo

  Intervalo para la proporción:
Intervalo de 𝑝(1
Ƹ − 𝑝)Ƹ
confianza para 𝑝Ƹ ± 𝑍𝛼
2 𝑛
la proporción

Luis Ernesto Leyva Camargo

Ejemplo:
En una muestra aleatoria de 95 empresas manufactureras, 67 han indicado que su empresa ha obtenido la certificación ISO en los dos
últimos años. Halle el intervalo de confianza al 99% de la proporción poblacional de empresas que han recibido la certificación en los
dos últimos años.

La proporción muestral esta dada por:

𝑋 67
𝑝Ƹ = =
𝑛 95

Para una confiabilidad o nivel de confianza del 99% encontramos el valor Z en la tabla de la distribución normal, para ello haremos lo
siguiente:
𝛼 = 100% − 99% = 1%
𝛼 1%
= = 0.5% = 0.005
2 2
1 − 0.005 = 0.995 ⇒ 𝑍 = 2.575

𝑝(1
Ƹ − 𝑝)Ƹ
𝑝Ƹ ± 𝑍𝛼
2 𝑛

67 67 67 67
67 1− 67 1−
− 2.575 95 95 <𝑃< + 2.575 95 95
95 95 95 95
0.58 < 𝑃 < 0.705

Así, la proporción de empresas con certificación ISO (con un margen de error de un 12% y un nivel de
confianza del 99 %) se encuentra entre el 58% y 71 %, aproximadamente.

Luis Ernesto Leyva Camargo

  Para la varianza muestral se tiene que:
Distribución
(𝑛 − 1)𝑠 2
muestral de la 𝜎 2
2
~𝑋𝑛−1

varianza 2
 Que se lee, se distribuye chi-cuadrado con n - 1 grados de libertad 𝑋𝑛−1

Luis Ernesto Leyva Camargo

 El intervalo de confianza para la varianza esta dado por:
Intervalo de
(𝑛 − 1)𝑠 2 (𝑛 − 1)𝑠 2
confianza para 𝑋𝛼2 , 𝑛 − 1
≤ 𝜎2 ≤
𝑋2 𝛼, 𝑛 − 1
1−
la varianza 2 2

Luis Ernesto Leyva Camargo

 El director de control de calidad de una
empresa química ha extrado una muestra
aleatoria de 20 sacos de fertilizante de 100
kilos, para estimar la varianza de los kilos de
impurezas. Se ha observado que la varianza
muestral es de 6,62. Determine el intervalo
de confianza al 95% de la varianza
poblacional de los kilos de impurezas.
2
𝑋(19,0.025) = 32.852
2
𝑋(19,0.975) = 8.907

Ejemplo (𝑛 − 1)𝑠 2
𝑋𝛼2 , 𝑛 − 1
≤𝜎 ≤ 2
(𝑛 − 1)𝑠 2
𝑋2 𝛼 , 𝑛 − 1
1−
2 2

20 − 1 6.62 (20 − 1)6.62

≤ 𝜎2 ≤
32.85 8.91
2.8289 ≤ 𝜎 2 ≤ 14.1167

En otras palabras la varianza poblacional o la

varianza en kilos de impurezas se encuentra
entre 3,83 y 14,12 kilos.

Luis Ernesto Leyva Camargo

Gracias

Luis Ernesto Leyva Camargo