INTEC. CIENCIAS BASICAS Y AMBIENTALES. MATEMATICA.

ESTADISTICA
DESCRIPTIVA. PROF. FRANCISCO HERRERA: INFORME DE INVESTIGACION DE
QUINTA UNIDAD: Muestreo y distribución muestral.
NOMBRE y APELLIDO: Karismel Dolmania Henríquez De la Cruz ID 1106209
José Fernando Hernández Alvarez ID 1106118
Valor 2.50 puntos si responde de manera correcta a lo que se pide y se envía en la fecha y
forma indicada. Enviar en Word letra 12. Fecha de entrega a la página virtual el miércoles
30 a la 2pm y la 4pm. Secciones 02 y 01. Anotar fuentes (autor, año, nombre de libro o
página, otros) después de cada concepto: Libros de textos propuestos. Página aula del
pensamiento estadístico. Internet.
Parte V. Muestreo y distribución muestral
1. Recordar y anotar las diferencias entre las poblaciones finitas y las poblaciones
infinitas

-Población finita: Es aquella en la que el número de valores que la componen tiene un fin.
Por ejemplo, la población estadística que nos indica la cantidad de árboles de una ciudad
es finita. Es cierto que puede variar con el tiempo, pero en un instante determinado es finita,
tiene fin

-Población infinita: Se trata de aquella población que no tiene fin. Por ejemplo, el número
de planetas que existen en el universo. Aunque puede que sea finito, el número es tan grande
y desconocido que estadísticamente se asume como infinito.

Fuente bibliográfica

https://economipedia.com/definiciones/poblacion-estadistica.html#:~:text=Poblaci
%C3%B3n%20estad%C3%ADstica%20finita%3A%20Es%20aquella,determinado
%20es%20finita%2C%20tiene%20fin.

2. ¿Cuáles son las dos formas de investigación estadística? Presentar la definición y dar
ejemplo de cada una de la forma de investigación estadística.

-Investigación descriptiva: es el tipo de investigación que procura determinar cuál es la

situación, ver lo que hay… describir tal cual es el asunto o condición sobre un asunto o
problema. Ejemplos:
- Determinar el nivel de inteligencia de un grupo de estudiantes.

- Llevar a cabo una encuesta para auscultar el sentir y la opinión del público sobre un asunto
o problema.
-Investigación Experimental: es el tipo de investigación donde el investigador manipula o
controla una o más variables para ver su efecto en otra o más variables. Generalmente son
estudios con muestras pequeñas (dependiendo de los medios y recursos…) se establece un grupo
control - como base de comparación - y un grupo experimental - que recibe el nuevo tratamiento.

Ejemplo: Se desea saber si un nuevo tratamiento, conocido como el método RX 14 para

rehabilitar a las personas de la drogadicción es más efectivo que el tratamiento usual del uso de
la metadona. Se selecciona una muestra de 60 sujetos. Treinta continuarán bajo el método
tradicional del uso de la metadona (Grupo control) y los otros treinta se le aplicará el nuevo
método RX 14 (Grupo experimental) Los investigadores controlan todas la variables que puedan
afectar los resultados tales como: Procurar que todos los sujetos provienen de una misma
condición socio-económica, que su nivel en la drogadicción sea similar entre todos los sujetos y
las condiciones ambientales y de nutrición sean igualmente similares durante todo el periodo que
conlleva el estudio. Al cabo de unos seis meses de análisis y observación se comparan los
resultados para determinar si hay o no diferencia significativa entre un grupo u otro.

Fuente bibliográfica

http://moodlelandivar.url.edu.gt/url/oa/fi/ProbabilidadEstadistica/Lectura%20conceptos
%20b%C3%A1sicos.pdf

3. ¿Qué es una muestra? Anotar el tipo de muestra según la cantidad de veces que los
elementos de la población pueden ser parte de la muestra. Anotar un ejemplo de cada
uno.

Muestra: es un subconjunto de casos o individuos de una población. En diversas

aplicaciones, interesa que una muestra sea representativa, y para ello debe escogerse una
técnica de muestra adecuada que produzca una muestra aleatoria adecuada

Tipos de muestreo

-Muestreo aleatorio o probabilístico: Este tipo de muestreo es uno de los más utilizados en las
investigaciones. Se  comprende que aquí todos los sujetos o elementos de la población  pueden
pasar a formar parte de la muestra, pues tienen la misma probabilidad de ser escogidos.
 - Muestreo no aleatorio o no probabilístico: Mediante esta técnica de muestreo, en
comparación del muestreo probabilístico las muestras no se recogen por medio
de procesos donde a los sujetos se les brinden las mismas posibilidades de ser
seleccionados.

Fuentes bibliográfica
https://www.gestiopolis.com/tipos-de-muestreo-estadistica/#:~:text=Existen%20dos
%20tipos%20de%20muestreo,tipo%20de%20investigaci%C3%B3n%20a%20realizar.

https://www.questionpro.com/blog/es/muestreo-aleatorio-simple/

4. Los dos grandes tipos de muestreos son no probabilísticos y probabilísticos. De estos,

anotar los tipos de muestreo y describir cada uno y anotar un ejemplo

Muestreo aleatorio o probabilístico

Dentro de los muestreos probabilísticos podemos encontrar los siguientes tipos:

1. Muestreo aleatorio simple: En este método de muestreo lo principales es tener una idea clara de
cuantos sujetos serán necesarios para completar el tamaño de la muestra que se va a investigar,
pues este consiste en que a cada sujeto de la población se le debe asignar un número, para que
posteriormente mediante algún sorteo, o generando números aleatorios con ayuda de rifas o
algún ordenador se logre dar a conocer los números de los sujetos seleccionados que serán
tomados como muestra.

2. Muestreo sistemático: Pues en este método como en el primero, los sujetos que conforman a la
población son enumerados, pero en lugar de dar a conocer los que serán incluidos mediante el
azar en este caso incluyen otra técnica. Posteriormente de que son enumerados, los
investigadores dividen el total de la población que se presenta entre el total de sujetos que
requieren para la muestra; para después elegir a uno de los primeros de estos sujetos al azar (ya
enumerados) y posteriormente se va sumando de una forma secuencial o constante el mismo
valor para elegir a los sujetos requeridos.
3. Muestreo estratificado: Mediante este método de investigación, los investigadores dividen a la
población en grupos o estratos que tengan relación o compartan características similares y
posteriormente se selecciona al azar o aleatoriamente a los sujetos finales de los grupos o estratos
formados. Este método es utilizado para cuando los investigadores pretenden que dentro de la
muestra se encuentren incluidos todos los grupos de interés que puedan representar significancia
para la investigación.

La distribución de la muestra tomada de la población es llamada “Fijación” y se pueden conocer

los tres que se muestran a continuación:

 Afijación simple: Donde cada grupo formado cuenta con la misma cantidad de número de
elementos.
 Afijación proporcional: Donde las distribuciones se hacen de acuerdo al tamaño de la
población o sujetos de cada estrato.
 Afijación óptima: Fijando la cantidad de sujetos que pueden ser admitidos en la muestra.

4. Muestreo por Conglomerados: En este método, la población ya se encuentra dividida en

grupos o estratos formados naturalmente y a partir de estos se toman la cantidad de sujetos que
sean necesarios de cada uno para así formar la muestra. Este es similar al método por
estratificación, sin embargo se facilita más, pues los grupos ya están formados y solo se
requieren los datos de esos elementos que lo integran.

Fuentes bibliográficos

https://www.gestiopolis.com/tipos-de-muestreo-estadistica/#:~:text=Existen%20dos
%20tipos%20de%20muestreo,tipo%20de%20investigaci%C3%B3n%20a%20realizar.
5. ¿Expresar qué es la distribución muestral y cómo también se le llama? ¿Cuándo es de
media y cuándo es de proporción? Presentar los modelos matemáticos o fórmulas para
poblaciones finitas e infinitas. Anotar ejemplos de ejercicios de distribución muestral.

La distribución muestral es una distribución de probabilidad para los valores posibles del

estadístico que resulta cuando se extraen repetidamente de la población las muestras
aleatorias de tamaño n.

También se puede calcular la desviación estándar de la distribución muestral de

proporciones: La varianza de la distribución binomial es 2= npq, por lo que la varianza de la
distribución muestral de proporciones es 2p =(Pq)/n.

La media se calcula sumando todos los valores y dividiendo la suma entre el número total
de valores. La mediana se puede calcular poniendo los números en orden ascendente y luego
localizando el número del centro de esa distribución.

Proporción: es un cociente en el que el numerador está incluido en el denominador. Por

ejemplo, si en una población de 25.000 habitantes se diagnostican 1.500 pacientes con
diabetes, la proporción de diabetes en esa población es de 1.500/25.000 = 0.06 (6%).

Fuentes bibliográficas

https://es.wikipedia.org/wiki/Distribuci%C3%B3n_muestral

https://virtual.uptc.edu.co/ova/estadistica/docs/libros/estadistica1/
cap01b.html#:~:text=Tambi%C3%A9n%20se%20puede%20calcular%20la,p
%20%3D(Pq)%2Fn.

https://support.zendesk.com/hc/es/articles/4408839402906-La-media-vs-la-
mediana#:~:text=La%20media%20se%20calcula%20sumando,del%20centro%20de
%20esa%20distribuci%C3%B3n.

https://es.khanacademy.org/math/cc-sixth-grade-math/cc-6th-data-statistics/mean-and-
median/v/statistics-intro-mean-median-and-mode#:~:text=La%20media
%20(promedio)%20de%20un,de%20valores%20en%20el%20conjunto.
 https://www.medigraphic.com/pdfs/h-gea/gg-2006/gg061i.pdf

6. Diferencia entre fracción y razón de muestreo. Anotar los modelos matemáticos y

presentar un ejemplo de ejercicio de la fracción y razón de muestreo.

La Fracción de muestreo es la relación entre el tamaño de la muestra y el tamaño de

la población o, en el contexto del muestreo estratificado, la relación entre el tamaño de la
muestra y el tamaño del estrato.

La Razón de muestreo es, la razón del tamaño de la población correspondiente al tamaño

de la muestra.
Ejemplo. Al seleccionar una muestra de 40 unidades de entre una población de 1, 000,
entonces k es 1000/40= 25, por lo que la muestra se obtiene tomando cada 25- ésima unidad
de la población.

Fuentes bibliográficas

https://es.wikipedia.org/wiki/Fracci%C3%B3n_de_muestreo

https://centrogeo.repositorioinstitucional.mx/jspui/bitstream/1012/163/1/19-Tipos
%20de%20Muestreo%20-%20%20Diplomado%20en%20An%C3%A1lisis%20de
%20Informaci%C3%B3n%20Geoespacial.pdf

7. Probabilidad de una distribución de media y de proporción. Modelos matemáticos y

descripción de sus componentes. Ejemplos de un ejercicio en media y un ejercicio en
proporción.

Probabilidad de una distribución de media: Cada muestra de tamaño n que podemos

extraer de una población proporciona una media. Si consideramos cada una de
estas medias como valores de una variable aleatoria podemos estudiar su distribución que
llamaremos distribución muestral de medias.

Probabilidad de una distribución de proporción: La distribución asociada a la variable

aleatoria que une cada muestra con su proporción se llama distribución muestral
de proporciones. Como generalmente las proporciones de la población son desconocidas, las
aproximamos por las de la muestra.

Fuentes bibliográficas
 https://proyectodescartes.org/uudd/materiales_didacticos/inferencia_estadistica_JS/
distrib_muestrales.htm

https://www.victormat.es/mcs2/Tema12-DistribucionesMuestrales/
distribucin_muestral_de_proporciones.html

8. Error de muestreo para media y para proporción. Descripción y modelo matemático.

Ejemplos de ejercicios en los que se calcula el error de muestreo.

-Error de muestreo para media: es la desviación estándar de todas las posibles muestras
(de un tamaño dado) escogidos de esa población.

Como la desviación estándar de la población rara vez se conoce, el error estándar de

la media suele estimarse como la desviación estándar de la muestra dividida por la raíz
cuadrada del tamaño de la muestra (suponiendo la independencia estadística de los valores
de la muestra).

Por ejemplo, imagina un estudio de investigación sobre ropa de niños. ¿Quién es la persona
correcta para encuestar? Pueden ser ambos padres, sólo la madre o el niño. Los padres
toman decisiones de compra, pero los niños pueden influir en su elección.

-Error de muestreo para proporción: como la imprecisión que se comete al estimar una
característica de la población de estudio (parámetro) mediante el valor obtenido a partir de
una parte o muestra de esa población (estadístico). Siendo θˆ el estadístico de interés
(media, total, proporción,..).

Como sabe, el error estándar = desviación estándar / raíz cuadrada del número total de
muestras, por lo tanto, podemos traducirlo a la fórmula de Excel como Error estándar =
STDEV (rango de muestreo) / SQRT (COUNT (rango de muestreo))

Fuente bibliográfica

https://es.wikipedia.org/wiki/Error_est%C3%A1ndar#:~:text=El%20error%20est
%C3%A1ndar%20de%20la,dado)%20escogidos%20de%20esa%20poblaci
%C3%B3n.

https://es.wikipedia.org/wiki/Error_est%C3%A1ndar
9. Anotar las fórmulas para calcular la cantidad mínima de muestra para media y
proporción, y para población infinita y finita. Presentar un ejemplo de cada uno de los
modelos para determinar cantidad de muestra.

La cantidad mínima de muestra para media: En estadística el tamaño de la muestra se le

conoce como aquel número determinado de sujetos o cosas que componen
la muestra extraída de una población, necesarios para que los datos obtenidos sean
representativos de la población.

La cantidad minima de muestra proporción: siendo P la proporción, a el número de veces

que se ha presentado la variable de interés, y N, el número de datos del total de la muestra.
Se trata de un parámetro, y es un número exacto, es decir, que si no cambia la población,
la proporción será constante

Población infinita: Se trata de aquella población que no tiene fin. Por ejemplo, el número

de planetas que existen en el universo. Aunque puede que sea finito, el número es tan grande
y desconocido que estadísticamente se asume como infinito.
 Población finita: es aquella cuya cantidad de elementos es posible de determinar. Ejemplo:
conjunto de librerías de la ciudad de Lima. Población infinita: es aquella cuya cantidad de
elementos es imposible de determinar.

INTEC. CIENCIAS BASICAS Y AMBIENTALES. MATEMATICA. ESTADISTICA

DESCRIPTIVA. PROF. FRANCISCO HERRERA: INFORME DE INVESTIGACION DE
SEXTA UNIDAD: La estimación.
NOMBRE y APELLIDO: Karismel Dolmania Henríquez De la Cruz ID 1106209
José Fernando Hernández ID 1106118
Valor 2.50 puntos si responde de manera correcta a lo que se pide y se envía en la fecha y
forma indicada. Enviar en Word letra 12. Fecha de entrega a la página virtual el miércoles
30 de junio a la 2pm, 4pm. Secciones 02 y 01. Anotar fuentes (autor, año, nombre de libro o
página, otros) después de cada concepto: Libros de textos propuestos. Página aula del
pensamiento estadístico. Internet.
Parte VII La estimación
1. ¿Qué es la estimación estadística? ¿Cuáles son sus principales elementos?
Una estimación estadística es un proceso mediante el que establecemos qué valor debe tener un
parámetro según deducciones que realizamos a partir de estadísticos. En otras
palabras, estimar es establecer conclusiones sobre características poblacionales a partir de
resultados muestrales.
En Inferencia Estadística se llama estimación al conjunto de técnicas que permiten dar un valor
aproximado de un parámetro de una población a partir de los datos proporcionados por
una muestra.
Así pues, contamos con tres elementos en una estimación por intervalo: el estimador, el error de
precisión y la seguridad. El valor del estimador viene determinado por la muestra.

Fuentes: http://asignatura.us.es/dadpsico/apuntes/EstimacionEstadistica.pdf
https://es.wikipedia.org/wiki/Estimaci%C3%B3n_estad%C3%ADstica#Introducci%C3%B3n

2. Descripción y diferencia y ejemplo entre los conceptos de inferencia, inducción, deducción

Inferencia estadística: La inferencia estadística es el conjunto de métodos que permiten inducir,
a través de una muestra estadística, el comportamiento de una determinada población. La
inferencia estadística, estudia entonces como, a través de la aplicación de dichos métodos sobre
los datos de una muestra, se pueden extraer conclusiones sobre los parámetros de la población de
datos. De la misma manera estudia también el grado de fiabilidad de los resultados extraídos del
estudio. Por ejemplo: Análisis de mercado, las empresas a menudo contratan otras empresas
especializadas en marketing para que analicen sus nichos de mercado a través de diversas
herramientas estadísticas y diferenciales, como encuestas y focus groups, a partir de las cuales
deducir qué productos prefiere la gente y en qué contexto, etc.
Inducción estadística: La inducción progresiva, concebida como proceso reductivo que conduce
del examen de una muestra aleatoria a la prueba de una hipótesis. Toda la teoría de
decisión estadística bayesiana y de Wald, así como la teoría de contraste de
hipótesis estadísticas de Neyman-Pearson, se inspiran en este proceso inductivo. Por ejemplo, en
todos los recidenciales hay alguien que vela por la seguridad, por lo que en todos hay uno.

Deducción estadística: Las medidas estadísticas descriptivas (como la media o la desviación

típica) de una muestra elegida al azar son conocidas como estimaciones. Al valor real de la
medida estadística correspondiente de toda la población se le denomina parámetro. Esto debe ser
deducido de las estimaciones de la muestra elegida al azar que pueden ser medidas. Por ejemplo,
en un conjunto de cualidades se observa que la mayoría de las estudiantes son hijos únicos, por
lo que se puede deducir que estamos hablando de niños de 3-5 años.

Fuente: https://concepto.de/estadistica-inferencial/#ixzz7OIdb66Gr
http://estadisticamigable.blogspot.com/2012/09/inferencia-estadistica-e-induccion.html
https://glosarios.servidor-alicante.com/psicometria/deducciones-estadisticas#:~:text=Las
%20medidas%20estad%C3%ADsticas%20descriptivas%20(como,poblaci%C3%B3n
%20se%20le%20denomina%20par%C3%A1metro.

3. Estimación puntual descripción. Tipo de estimadores: descripción y anotar ejemplo

Una estimación puntual de un parámetro poblacional es cuando se utiliza un único valor
para estimar ese parámetro, es decir, se usa un punto en concreto de la muestra para
estimar el valor deseado.

Cuando estimamos un parámetro de forma puntual, podemos saber con certeza, cual es
ese valor. Imaginemos una población de 30 personas de las que seleccionamos una
muestra de 20 para las que conocemos sus edades. Estimar de forma puntual la media de
edad, sería tan sencillo como sumar esos 20 datos y dividirlos entre el total de la muestra
estadística.

Ejemplos de estimación puntual: La media muestral que sirve como estimación puntual

de la media poblacional.
  La desviación típica muestral que sirve de estimación para la desviación típica de la
población.

Estimación puntual y estimación por intervalos. Una estimación es puntual cuando se usa un

solo valor extraído de la muestra para estimar el parámetro desconocido de la población. Al valor
usado se le llama estimador.

https://economipedia.com/definiciones/estimacion-puntual.html#:~:text=Una%20estimaci
%C3%B3n%20puntual%20de%20un,certeza%2C%20cual%20es%20ese%20valor
4. La estimación por intervalo: descripción, tipo de intervalo según el tipo de medida
estadística.
La estimación por intervalos consiste en establecer el intervalo de valores donde es más probable
se encuentre el parámetro. La obtención del intervalo se basa en las siguientes consideraciones:
a) Si conocemos la distribución muestral del estimador podemos obtener las probabilidades de
ocurrencia de los estadísticos muestrales.
b) Si conociéramos el valor del parámetro poblacional, podríamos establecer la probabilidad de
que el estimador se halle dentro de los intervalos de la distribución muestral.
c) El problema es que el parámetro poblacional es desconocido, y por ello el intervalo se
establece alrededor del estimador. Si repetimos el muestreo un gran número de veces y
definimos un intervalo alrededor de cada valor del estadístico muestral, el parámetro se sitúa
dentro de cada intervalo en un porcentaje conocido de ocasiones. Este intervalo es
denominado "intervalo de confianza". 
Una variable de intervalo es discreta cuando sólo puede tomar un valor entero (por ejemplo:
número de hijos, veces que se consultó al establecimiento de salud); o bien es continua si puede
tomar cualquier valor en un intervalo (por ejemplo.: peso, talla, índice de masa corporal, etc).

https://www.uv.es/webgid/Inferencial/5_estimacin_por_intervalos.html#:~:text=La%20estimaci
%C3%B3n%20por%20intervalos%20consiste,probable%20se%20encuentre%20el%20par
%C3%A1metro.

5. Componentes en la estructura de los intervalos de confianza

El intervalo de confianza representa una técnica de estimación que se utiliza en el campo de la
inferencia estadística. En él se permite acotar uno o diversos pares de valores, entre los cuales
está la estimación puntual indagada. Esto dentro de una determinada probabilidad.
Un intervalo de confianza estadística en estadística permite calcular los valores que existen
alrededor de una media muestral. Dentro de la muestra, se encuentra un rango superior y otro
inferior. Dentro de dicho rango, se estima la probabilidad determinada y se localiza el parámetro
poblacional. De modo que esto permite expresar con precisión si la estimación de la muestra
coincide con el valor de toda la población.
¿Cuáles son los componentes de un intervalo de confianza?
Para realizar el cálculo de un intervalo de confianza, deben considerarse los siguientes
elementos:
 El tamaño de la selección de la muestra: esto depende de la proporción de datos que se
utilicen para el cálculo del valor muestral. Se debe observar si se acerca más o menos al
parámetro poblacional.
 El nivel de confianza: este informa en qué porcentaje de casos la estimación es certera.
Frecuentemente, los niveles oscilan entre el 95 % y el 99 %.
 El margen de error de la estimación: se señala como alfa y marca la probabilidad que
existe para que el valor poblacional esté fuera del intervalo.
 Estimación de la muestra: se relaciona con los valores de la media, la varianza y las
diferencias de las medias. En dichos valores se fundamenta el cálculo del intervalo.

Para que sirven los intervalos de confianza

Los intervalos de confianza en las empresas se aplican al control estadístico de los procesos.
Dado que el proceso de inferencia es el que estima el valor de un parámetro a partir del valor
estadístico, se puede utilizar de manera puntual o también por intervalos.
El intervalo de confianza representa una técnica esencial en la empresa. Sobre todo, en los
diferentes procesos como la producción y la venta de bienes y/o servicios. El tener un buen
control estadístico permite conocer el intervalo que le corresponde a cada proceso. Con él se
puede determinar el verdadero valor del parámetro, pero en los casos en que no se aplica este
control, no ocurre de la misma forma. Esto hace que el intervalo de confianza se utilice como un
excelente parámetro para la credibilidad estadística.

https://www.bancofinandina.com/finanblog/noticias/2019/11/01/que-es-un-intervalo-de-
confianza-y-para-que-se-utiliza#:~:text=toda%20la%20poblaci%C3%B3n.-,%C2%BFCu
%C3%A1les%20son%20los%20componentes%20de%20un%20intervalo%20de
%20confianza%3F,el%20c%C3%A1lculo%20del%20valor%20muestral.
6. Coeficiente y límite de confianza: descripción y ejemplo
Un intervalo de confianza es una técnica de estimación utilizada en inferencia estadística que
permite acotar un par o varios pares de valores, dentro de los cuales se encontrará la
estimación puntual buscada (con una determinada probabilidad).

Un intervalo de confianza nos va a permitir calcular dos valores alrededor de una media
muestral (uno superior y otro inferior). Estos valores van a acotar un rango dentro del cual,
con una determinada probabilidad, se va a localizar el parámetro poblacional.
 Intervalo de confianza = media +- margen de error

Conocer el verdadero poblacional, por lo general, suele ser algo muy complicado. Pensemos
en una población de 4 millones de personas. ¿Podríamos saber el gasto medio en consumo
por hogar de esa población? En principio sí. Simplemente tendríamos que hacer una
encuesta entre todos los hogares y calcular la media. Sin embargo, seguir ese proceso sería
tremendamente laborioso y complicaría bastante el estudio.
El estadístico pivote utilizado para el cálculo sería el siguiente:

El intervalo resultante sería el siguiente:

Vemos como en el intervalo a la izquierda y derecha de la desigualdad tenemos la cota inferior y

superior respectivamente. Por tanto la expresión nos dice, que la probabilidad de que la
media poblacional se sitúe entre esos valores es de 1-alfa (nivel de confianza).

Veamos mejor lo anterior con un ejercicio resuelto a modo de ejemplo.

Se desea estimar la media del tiempo que un corredor emplea para completar una maratón.
Para ello se han cronometrado 10 maratones y se ha obtenido una media de 4 horas con una
desviación típica de 33 minutos (0,55 horas). Se desea obtener un intervalo al 95% de
confianza.
Para obtener el intervalo, no tendríamos más que sustituir los datos en la fórmula del
intervalo.
 El intervalo de confianza, sería la parte de la distribución que queda sombreada en azul. Los
2 valores acotados por este serían los correspondientes a las 2 líneas de color rojo. La línea
central que parte la distribución en 2 sería el verdadero valor poblacional.
https://economipedia.com/definiciones/intervalo-de-confianza.html

7. Nivel de confianza y de significación diferencia y coincidencia.

El nivel de significación define la distancia que la media de la muestra debe estar de la
hipótesis nula para que se considere estadísticamente significativa.
El nivel de confianza define la distancia para lo cerca que están los límites de confianza de la
media de la muestra.
Tanto el nivel de significación como el nivel de confianza definen una distancia de un límite
a una media. ¿Adivina? ¡Las distancias en ambos casos son exactamente iguales!

La distancia es igual al t-valor crítico * el error estándar de la media. Para los datos del
ejemplo del coste de la energía, la distancia llega a ser de 63.57$.

https://www.addlink.es/noticias/minitab/2846-comprendamos-las-pruebas-de-hipotesis-
intervalos-y-niveles-de-confianza

8. Grado de libertad. Descripción. Ejemplo

En estadística, grados de libertad, expresión introducida por Ronald Fisher, dice que, de un
conjunto de observaciones, los grados de libertad están dados por el número de valores que
pueden ser asignados de forma arbitraria, antes de que el resto de las variables tomen un
valor automáticamente, producto de establecerse las que son libres; esto, con el fin de
compensar e igualar un resultado el cual se ha conocido previamente. 
Por ejemplo, si el conjunto de datos tiene 10 valores, la suma de los 10 valores debe ser
igual a la media x 10. Si la media de los 10 valores es 3.5 (puede escoger cualquier número),
esta restricción requiere que la sum a de los 10 valores debe ser igual a 10 x 3.5 = 35.
Con esa restricción, el primer valor del conjunto de datos varía libremente.
Independientemente del valor que sea, es posible que la suma de los 10 números tenga un
 valor de 35. El segundo valor también varía libremente, debido a que independientemente
del valor que escoja, aun permite la posibilidad de que la suma de todos los valores sea 35.
De hecho, los primeros 9 valores pueden ser cualquier número, incluyendo los 2 ejemplos
siguientes:
34, -8.3, -37, -92, -1, 0, 1, -22, 99
0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9
Pero para que los 10 valores sumen 35 y tengan una media de 3.5, el 10mo valor no puede
variar. Debe ser un número específico:
34, -8.3, -37, -92, -1, 0, 1, -22, 99  -----> El 10mo valor debe ser 61.3
0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9 ----> El 10mo valor debe ser 30.5
Por lo tanto, tiene 10 - 1 = 9 grados de libertad. Independientemente del tamaño de la
muestra o del valor de la media que utilice, el ultimo valor de la muestra no puede variar
libremente. Finalmente, tendrá n - 1 grados de libertad, donde n es el tamaño de la muestra.

https://blog.minitab.com/es/que-son-los-grados-de-libertad-en-estadistica
https://es.wikipedia.org/wiki/Grado_de_libertad_(estad%C3%ADstica)

9. Ejemplos de aplicación en la construcción de un intervalo de confianza.

Se ha obtenido una muestra de 25 alumnos de una Facultad para estimar la calificación media de
los expedientes de los alumnos en la Facultad. Se sabe por otros cursos que la desviaci´on t´ıpica
de las puntuaciones en dicha Facultad es de 2.01 puntos.
La media de la muestra fue de 4.9.
1. Intervalo de confianza al 90 %.
2. Intervalo de confianza al 99 %.
Solución
1. Intervalo de confianza al 90 %. Usamos la f´ormula:

Los cuantiles de orden 0.05 y 0.95, que encierran en el centro de la distribuci´on normal un ´area
igual a 0.9 se muestran en el gr´afico siguiente:
 Por ´ultimo, sustituyendo los datos en la f´ormula del intervalo, tenemos:

2. Intervalo de confianza al 99 %.

De modo similar obtenemos los cuantiles de orden 0.005 y 0.995 que describen en el modelo
normal una confianza del 99 %
Por ´ultimo, sustituyendo los datos en la f´ormula del intervalo, tenemos:

https://www.ugr.es/~mvargas/PTema4.pdf