Intervalos de confianza

La estimación de parámetros se puede realizar a través de dos caminos, la estimación puntual o por
intervalos de confianza.
La estimación puntual del parámetro poblacional es un valor numérico que se obtiene a partir de alguna fórmula
conocida mediante el uso de una muestra de la población.

En las aplicaciones, cualquier estimación puntual del parámetro de la población, aún cuando tenga todas
las propiedades, tiene la limitación que no proporciona información acerca de la precisión de la estimación
obtenida. Es decir la magnitud del error debido al muestreo.

La precisión de la estimación puntual puede evaluarse en una muestra, por estimación de un intervalo
junto con una medida de la seguridad que tal intervalo contenga al parámetro desconocido de la población.
Dichos intervalos se llaman intervalos de confianza o estimación por intervalo del parámetro desconocido.

Intervalo de Confianza

Sea X1, X2,……., Xn una muestra aleatoria de una población X, cuya distribución de probabilidad es f(x, ϴ).
Sean ϴ1 y ϴ2 dos estadísticos tales que ϴ1 < ϴ2 , para los cuales se cumple:

P [ θ1 ≤ θ ≤ θ2 ]=γ=1−α

γ no depende de θ ; entonces los intervalos de confianza se llaman del γ % de confianza para θ .

θ1 :se llama el límite inferior de confianza para θ

θ2 :se llama el límite superior de confianza para θ

INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL ( μ)

Caso 1: Intervalo de confianza para la media poblacional con varianza poblacional conocida (σ ¿¿ 2)¿.

( )
2
σ
x N μ=? ;
n

[ ]
Z α ∗σ Z α ∗σ
1− 1−
2 2
IC μ = X − ;X+
√n √n

Z α ∗σ
1−
2
=Error de estimación=e
√n
Caso 2: Intervalo de confianza para la media poblacional con varianza poblacional desconocida (σ ¿¿ 2)¿.

( )
2
S
x T μ=? ;
n

[ ]
t ∗S t ∗S
( α2 )
( n−1 ) ; 1− ( α2 )
( n−1 ) ; 1−
IC μ = X − ;X+
√n √n

x N μ=? ;(S2
n )

Para datos no agrupados:

n

∑ ( xi )
i=1
x=
n

∑ ( x 2i )−n· x2
2 i=1
S=
n−1

Para datos agrupados en tablas de frecuencias donde la variable está ordenada en intervalos:

∑ ( x i · ni )
x= i=1
n
k

∑ ( x 2i ·n i)−n· x 2
S2= i=1
n−1

x i :marca de clase del intervalo

 Límiteinferior + Límite superior
x i=
2

Si se desconoce la varianza de la población pero el tamaño de muestra es mayor n ≥ 30

[ ]
Z α ∗S Z α ∗S
1− 1−
2 2
IC μ = X − ;X+
√n √n

Tamaño de muestra para estimar la media:

( )
2
z∗σ
n≥
e

Intervalo de confianza para la proporción poblacional.

X
Un estimador puntual de la proporción p en la distribución binomial está dado por ^p= . Por lo tanto, la
n
x
proporción muestral observada ^p= , se usa como estimador puntual del parámetro p.
n

Si p es desconocido se puede establecer un intervalo de confianza para p, ( p1 ≤ p ≤ p 2 ) considerando la

distribución muestral de ^ P , la cual es el mismo de la variable X. Para una muestra aleatoria de tamaño n
suficientemente grande, la variable ^ P tiene una distribución aproximadamente normal con media
^ ] =p , y la varianza σ 2^p= pq
μ ^p= E [ P
n
^p − p
Z=
Y la variable aleatoria
√ pq tiene distribución aproximadamente normal estándar.
n

Expresión para calcular el intervalo de confianza para la proporción:

(
^p N p=? ;
p∙q
n )
 IC p= ^p −Z
[ 1−
α
2
∗
√ ^p∗q^
n
; ^p + Z α ∗
1−
2
^p∗ q^
n √ ]

Z
1−
α
2
∗
√ ^p∗q^
n
=e=Error de estimación

^p : proporción de éxitos en la muestra

q^ : proporción de fracaso enla muestra

Tamaño de muestra para estimar la proporción:

2
Z ∗^p∗ q^
n≥
e2

Intervalo de confianza para la varianza poblacional.

Sea X una variable aleatoria con distribución aproximadamente normal con media μ y varianza σ 2
desconocidos. Consideremos una muestra aleatoria X 1 , X 2 , … X n , de tamaño n de X. Siendo X la media
muestral y S2 la varianza muestral, variables independientes. La función de la varianza muestral
( n−1 )∗S 2 2
2
X n−1
σ

La expresión del intervalo de confianza para la varianza poblacional es:

[ ]
( n−1 )∗s2 ( n−1 )∗s 2
IC σ = 2 ; 2
X2 X
α
( 2)
( n −1 ) ; 1−
α
( n−1 ) ; (2 )
Ejemplo:
En un estudio sobre consumo de combustible en una gran ciudad se eligió una muestra de vehículos y se
observó la cantidad de bencina (en litros) que consumían diariamente, obteniéndose la siguiente distribución
de frecuencias.
Consumo de bencina Número de
(litros) automóviles
1-4 3
4-7 8
7-10 35
10-13 30
13-15 20
Total 96
Asumiendo que el consumo de bencina se distribuye aproximadamente normal, estime:

a. Un intervalo de confianza del 95% para la media verdadera o media poblacional ( μ ) .

Datos: γ=0,95; α=0,05

Cálculo de la media y varianza:

k k

∑ ( x i · ni ) ∑ ( x 2i · ni )−n· x2
i=1 2 i=1
x= ;S =
n n−1

Marca de clase Número de

Consumo de bencina xi·ni xi^2·ni
(xi) automóviles
1 4 2,5 3 7,5 18,75
4 7 5,5 8 44 242
7 10 8,5 35 297,5 2528,75
10 13 11,5 30 345 3967,5
13 15 14 20 280 3920
Total     96 974 10677

974
x= =10,15litros
96

√
2
10677−96 ·10,15
S= =2,88
95
 Z 0,05 =Z 0,975=1,644
1−
2

[ ]
Z α ∗S Z α ∗S
1− 1−
2 2
IC μ = X − ;X+
√n √n

[
IC μ = 10,15−1 ,
96∗2,88
√ 96
; 1 0,15+
1,644∗2,88
√ 96 ]
IC μ =[ 9 ,5 7 ; 10 , 73 ]

Con un 95% de confianza, el consumo medio verdadero de bencina al día en esta población se encuentra
entre 9,57 litros a 10,73 litros.

b. Construya un intervalo de confianza del 95 % para la proporción de todos los clientes que consumen 8,5 o
menos litros de bencina diariamente.

Consumo de bencina Número de Ni

(litros) automóviles
1-4 3 3
4-7 8 11
7-10 35 46
10-13 30 76
13-15 20 96
Total 96

[
IC p= ^p −Z
1−
α
2
∗
√ ^p∗q^
n
; ^p + Z α ∗
1−
2
^p∗ q^
n √ ]

Pk =LI i +
n∗k
100 [
−N i−1 ∗ai
]
ni
 8,5=7+
96 · k
100
−11 ∗3 [ ]
35

¿ 29,69 %

^p=0,2969≈ 0,30

q^ =0,70

Cálculo de Z: Para un nivel de confianza de 0,95, entonces α =0,05

Z =Z (0,975)=1 , 96
(1− 0,052 )

[
IC ( p)95% = 0,3−1,96∗
√ 0,3∗0,7
96
; 0,3+1,96∗
0,3∗0,7
96 √ ]
IC ( p)95% =[0,21 ; 0,39]

Con un 95% de confianza, la proporción real de clientes que consumen 8,5 litros o menos de bencina se
encuentra entre 0,21 a 0,39.

c. Un intervalo de confianza del 95% para la varianza del consumo diario bencina de la población de donde
proviene la muestra.

[ ]
( 96−1 )∗s2 ( 96−1 )∗8,28
IC σ =
2
2
; 2
X X
α
( n−1) ; 1− ( 2)
α
( 2)
( n−1) ;

Cálculo de las Chi cuadrado, sabiendo que el nivel de confianza es del 95%:

X2 =X 2( 95) ;(0,975)=¿ 123,857

(
( 96−1) ; 1−
0,05
2 )
 2 2
X =X ( 95 ) ;(0,025) =69,924
( 96−1) ;
0,05
2 ( )

IC (σ 2)95 %= [ ( 95 )∗8,28 ( 95 )∗8,28

123,857
;
69,924 ]
2
IC (σ )95 %=[ 6,35; 11,25]

Con un 95% de confianza, la verdadera varianza del consumo de combustible se encuentra entre
6,35 litros2 a 11,25 litros2.

Guía de ejercicios

1. Un fabricante afirma que el peso promedio de las latas de fruta en conserva que saca al mercado es de 19 onzas.
Para verificar esta afirmación se escogen al azar 20 latas de fruta y se encuentra que el peso promedio es de 18,5
onzas. Suponga que la población de los pesos es normal con una desviación estándar de 2 onzas.
Datos:
μ=19 onzas ; n=20 ; x =18,5; σ=2 onzas ; γ =0,98 ; α =0,02

IC μ = X −Z
[ 1−
α
2
·
σ
√n
; X +Z α ·
1−
σ
2 √n
]
Z =Z =Z(0,99) =2,33
(1− α2 ) (1− 0,022 )

a) Utilizando un intervalo del 98%, ¿se puede aceptar la afirmación del fabricante?

[
IC ( μ )98% = 18,5−2,33·
2
√20
; 18,5+2,33 ·
2
√ 20 ]
 IC ( μ )98% =[17 ;46 ; 19,54 ]

Interpretación: Con un 98% de confianza, la media de los pesos de las latas de conserva de frutas se encuentra entre
17,46 onzas a 19,54 onzas.

Mirando el intervalo podemos observar que el límite inferior no cumple con las 19 onzas afirmadas por el fabricante,
de manera que al 98% de confianza se puede concluir que las latas no alcanzan el promedio informado por el
fabricante.

b) ¿Qué tamaño de muestra se debe escoger para estimar μ (media poblacional) si se quiere un error no
superior a 0,98 onzas con confianza del 95%?

Datos:

γ=0,95; α=0,05; Z =Z (0,975) =1,96 ;σ=2; error =e=0,98

(1− 0,052 )

n≥ ( ) (
z·σ 2 1,96 ·2 2
e
=
0,98
=16 latas )
Interpretación: El tamaño mínimo para asegurar un nivel de confianza del 98% y un error máximo de 0,98 onzas
debe ser de 16 latas.

2. Los contenidos de una muestra aleatoria de 5 latas de café instantáneo de un productor han dado los siguientes
pesos netos en gramos: 280, 290, 285, 275, 284. Asumiendo que la población es normal:

X: “Peso en gramos de las latas de café”

a) Encuentre un intervalo de confianza del 95% para la media de los contenidos de todas las latas de café del
productor.

Por la información disponible se usará el intervalo de confianza para la media con varianza poblacional
desconocida y tamaño de muestra pequeño.

[ ]
t ∗S t ∗S
( α2 )
( n−1) ; 1− ( α2 )
( n−1) ; 1−
IC ( μ)95 %= X− ;X+
√n √n
Datos:

280+290+285+275+ 284
x= =282,8 gr
5
 5
S=
√ ∑ 5 ( x 2i )−n· x 2
i=¿¿
n−1
=¿

∑ ( x 2i )=¿ 2802 +2902 +2852 +2752 +284 2=400006 ¿

i=1

√
2
400006−5 ·282,8
S= =5,63 gr
4
→
Valor de T-Student: γ=0,95❑ α =0,05

t =t (4 ) ;(0,975)=2,776
(
( 5−1) ; 1−
0,05
2 )

[
IC (μ)95 %= 282,8−
2,776∗5,63
√5
; 282,8+
2,776∗5,63
√5 ]
IC ( μ)95 %=[275,81 ; 289,79]

Con un 95% de confianza la media de los pesos de todas las latas de café de este productor se encuentra entre
275,81 a 289,79 gramos.

3. Una encuestadora utilizó una muestra aleatoria de 600 electores que acaban de votar y encontró que 240 votaron a
favor del candidato A.

X: “Número de electores a favor del candidato A”

a) Estimar el porcentaje de electores a favor de A en toda la población, utilizando un intervalo de confianza del
95%.

[
IC ( p)95% = ^p −Z
( )
1−
α
2
·
√ ^p · q^
n
; ^p + Z α ·
√ ]
^p · q^
(1− 2 ) n
Datos:

240
^p= =0,4 ; q^ =0,6
600

Valor de Z: Nivel de confianza del 95%, entonces α =0,05

 Z =Z(0,975)=1,96
(1− 0,052 )

[
IC ( p)95% = 0,4−1,96 ·
√ 0,4 · 0,6
600 √
; 0,4+1,96 ·
0,4 · 0,6
600 ]
IC ( p)95% =[ 0,3608 ; 0,4392 ]

Con un 95% de confianza, el porcentaje de todos los electores a favor del candidato A en la población se
encuentra a partir del 36,08% hasta el 43,92%

b) Si la proporción a favor del candidato A se estima en 40%, ¿cuánto es el error máximo de la estimación, si se
quiere tener una confianza del 98%?

Z =Z (0,99)=2,33
(1− 0,022 )

Z
( )
1−
α
2
·
√ ^p · q^
n
=2,33 ·
0,4 · 0,6
600 √=0,0466

El error máximo de estimación para una proporción del 0,4 a favor del candidato A y un nivel de confianza del 98% debe
ser 0,0466.

4. Una máquina produce piezas metálicas en forma cilíndrica. Para estimar la variabilidad de los diámetros, se toma
una muestra aleatoria de 10 piezas producidas por la máquina, encontrando los siguientes diámetros en
centímetros:
10,1; 9,7; 10,3; 10,4; 9,9; 9,8; 9,9; 10,1; 10,3; 9,9.
Encuentre un intervalo de confianza del 95% para la varianza de los diámetros de todas las piezas producidas por la
máquina. Suponga que los diámetros de las piezas se distribuyen normalmente.