ESTIMACIÓN POR INTERVALO DE CONFIANZA

Introducción

Comenzamos con este tema el estudio de la Estadística Inferencial. Como su nombre lo indica, la
Estadística Inferencial estudia los métodos y procedimientos estadísticos que tienen la finalidad
de hacer estimaciones o probar hipótesis acerca de las características de una población mediante
el estudio de una muestra representativa.

En otras palabras, la Estadística Inferencial estudia los métodos y procedimientos que se pueden
aplicar en muestras representativas de sus respectivas poblaciones con el fin de que a través del
estudio de dichas muestras se infiera sus resultados hacia las poblaciones de origen de los datos.

Por ejemplo, si al tomar una muestra representativa de la población formada por los estudiantes
universitarios de Managua y los resultados de esta muestra indican que el 60% son del sexo
femenino; se puede inferir, mediante algunos métodos y procedimientos, de que en la población
de estudiantes universitarios de Managua hay aproximadamente un 60% de estudiantes del sexo
femenino con un margen de error dado1 por arriba y por debajo de la cifra muestral.

También, de esta misma muestra, se pudiera estimar la media del peso para los estudiantes
femeninos. Si la media muestral del peso de los estudiantes del sexo femenino diera 50 kg, no sólo
se está calculando la media muestral para el peso de los estudiantes del sexo femenino, si no
también se está estimando la media poblacional respectiva con un margen de error dado por arriba
y por debajo de ésa valor muestral.

Ramas de la Estadística Inferencial

La Estadística Inferencial tiene dos ramas o dos vertientes que son:

a. La Estimación

b. La Prueba de Hipótesis Estadísticas

La Estimación

La Estimación se divide a su vez en:

1. Estimación Puntual.

2. Estimación por Intervalos de Confianza.

1
Recuérdese que al tomar muestras siempre se comete un error de muestreo.
La Estimación Puntual
La palabra “Estimación” se puede conceptualizar como el cálculo aproximado que se hace de un
valor real desconocido.

Cuando se estudia una muestra, al calcular la media de la muestra no sólo se calcula la media
muestral sino que al mismo tiempo se estima a la media poblacional, que es desconocida, de la
población que fue muestreada; es decir, de la población de donde se sacó la muestra. Si la muestra
se puede considerar representativa de la población de origen, entonces la media muestral es un
estimador de la media poblacional.

A la media poblacional se le conoce como parámetro y a la media muestral se le conoce como

estimador.

Así, se dice que la media muestral de una muestra representativa de una población es la estimación
puntual de la media poblacional desconocida.

Sin embargo, esta estimación puede ser aproximada o no, en dependencia del error de muestreo.
Mediante el de la distribución de muestreo del estimador en cuestión se pueden elaborar intervalos
probabilísticos de confianza que nos indicarán con qué probabilidad podemos estar seguros de
que el parámetro poblacional se encuentre dentro del intervalo de confianza construido.

La Estimación por Intervalo de Confianza

A través de la selección de una muestra representativa, del estimador (Estimación Puntual) y del
estudio de la Distribución de Muestreo del estimador (es decir, del Teorema del Límite Central),
se pueden construir los Intervalos de Confianza para cualquier parámetro.
Intervalos de Confianza para la Proporción Poblacional (P).
Dada una población con proporción P desconocida, el intervalo de confianza a un x% determinado
es el siguiente:

 pq pq 
IC x % =  p − Z x % , p + Z x% 

 n n 

Donde

p: proporción muestral o estimador

n: tamaño de la muestra

Z: coeficiente de confiabilidad para un % determinado

pq/n: desviación estándar de la distribución de muestreo.

Ejemplo 1
María Wilson está considerando su candidatura de alcaldesa para la ciudad de Bear Gulch,
Montana. Antes de presentar su candidatura, decide realizar un sondeo de electores. Una muestra
de 400 reveló que 300 la apoyarían en las próximas elecciones. ¿Cuál sería su estimación puntual
y su estimación por intervalo de confianza al 95%?

a. Estimación puntual

p = 300/400

p = 0.75

b. Estimación por Intervalo de Confianza

 (0.75)(0.25) (0.75)(0.25) 
IC95% =  0.75 − 1.96 , 0.75 + 1.96 


 400 400 

IC95% = [0.75 – 0.04, 0.75 + 0.04]

IC95% = [0.71, 0.79]

Intervalo de Confianza para la Media Poblacional ().
Dada una población con media  desconocida, el intervalo de confianza a un x% determinado es
el siguiente:
   
ICx % =  X − Z x , X + Zx 
 n n

Donde
_
X: Media muestral o estimador

n: tamaño de la muestra

Z: coeficiente de confiabilidad para un x% determinado

/n: desviación estándar de la distribución de muestreo2.

Nota: Cuando la desviación estándar poblacional () es desconocida, se puede estimar mediante
la desviación estándar muestral (S) y se puede aplicar la siguiente fórmula siempre y cuando el
tamaño de la muestra (n) sea > 25:

 S S 
IC x %  =  X − Z x % , X + Z x% 
 n n

2
Denominado también como “Error Estándar”. El error de muestreo no es más que el error estándar multiplicado
por el coeficiente de confiabilidad (Z).
Ejemplo 2
Una empresa de investigación realizó una encuesta para determinar la cantidad promedio de dinero
que gastan los fumadores consuetudinarios en cigarrillos durante una semana. Una muestra de 49
fumadores reveló una media de $20 y una desviación estándar de $5. ¿Cuál sería su estimación
puntual y su estimación por intervalo de confianza al 95%?

a. Estimación puntual
_
X = 20

b. Estimación por Intervalo de Confianza

 1.96  5 1.96  5 
IC95% =  20 − , 20 + 
 49 49 

IC95% = [20 – 1.4, 20 + 1.4]

IC95% = [18.6, 21.4]