Sesión 12.

Intervalos de Confianza
Lectura Obligatoria

Estimación por Intervalos

Podría ser que ni el estimador insesgado más eficaz estime con perfecta exactitud el
valor del parámetro de una población. Es cierto que la exactitud de la estimación
aumenta cuando las muestras son grandes, pero, incluso así, no tenemos razones para
esperar que una estimación puntual obtenida con base en una muestra dada sea
exactamente igual al valor del parámetro de la población que se supone debe estimar.
Hay muchas situaciones en las que es preferible determinar un intervalo dentro del
cual esperaríamos encontrar el valor del parámetro. Tal método de estimación se
conoce como estimación por intervalos o intervalos de confianza.

Una estimación por intervalos de un parámetro 𝜃 de una población es un intervalo de

la forma 𝜃"! < 𝜃 < 𝜃"" , donde 𝜃"! y 𝜃"" dependen del valor del estimador 𝜃" del parámetro
𝜃 para una muestra específica, y también de la distribución de probabilidad del
estimador 𝜃".

Estimación de la media de una sola muestra

Tal como ya se ha demostrado, la distribución muestral de 𝑋% está centrada en la media
poblacional, 𝜇, y en la mayoría de las aplicaciones su varianza es más pequeña que la
de cualquier otro estimador de 𝜇. Por tanto, se utilizará la media muestral 𝑋% como una
estimación puntual para la media, 𝜇, de la población. Recuerde que dada una muestra
aleatoria 𝑋# , 𝑋$ , … , 𝑋% , de una VA 𝑋 con media 𝜇 y varianza 𝜎 $ , se cumple que 𝑉𝑎𝑟(𝑋%) =
&!
, debido a lo cual una muestra grande producirá un valor de 𝑋% procedente de una
%
distribución muestral con varianza pequeña. Por consiguiente, es probable que 𝑋% sea
una estimación muy precisa de 𝜇 cuando 𝑛 es grande.
Consideremos ahora la estimación por intervalos del parámetro 𝜇. Si seleccionamos
una muestra de tamaño 𝑛 de una población con distribución 𝑁(𝜇, 𝜎 $ ) o, a falta de esta
condición, si 𝑛 es suficientemente grande, podemos construir un intervalo de confianza
para 𝜇 considerando la distribución muestral de 𝑋%.

De acuerdo con el Teorema del Límite Central, si 𝑛 es suficientemente grande, se tiene

que la distribución de 𝑋% es
aproximadamente Normal con media 𝐸(𝑋%) =
𝜇'( = 𝜇, donde 𝜇 es la media de la población,
&
y desviación estándar 𝜎'( = , donde 𝜎 es la
√%
desviación estándar de la población. Por
tanto, si a 𝑋% le restamos su media y
dividimos por su desviación estándar
obtenemos una VA 𝑍 con distribución
Normal estándar y podemos plantear la
expresión de la Figura 9.2.

Donde 𝑏" corresponde al valor 𝑧 por arriba

!
*
del cual encontramos un área de $ bajo la
curva Normal, lo cual podemos ver en la
gráfica.

Lectura Obligatoria Página 1 de 3

 &
Si multiplicamos cada término en la desigualdad por y después restamos 𝑋% de cada
√%
término, y enseguida multiplicamos por –1 (para invertir el sentido de las
desigualdades), obtenemos:

Con base en lo anterior podemos definir el intervalo de confianza para el parámetro µ

cuando se toma una muestra aleatoria de una población Normal con varianza conocida,
el cual se presenta a continuación:

Límites de confianza unilaterales

Los intervalos de confianza y los límites de confianza resultantes que hasta ahora
hallamos son bilaterales, es decir, tienen límites superior e inferior. Sin embargo, hay
muchas aplicaciones en las que sólo se requiere uno de los límites. Por ejemplo, si a un
ingeniero le interesara determinar una medida de resistencia a la tensión, la
información que más le ayudaría a lograr su objetivo sería la del límite inferior, ya que
este indica el escenario del “peor caso”, es decir, el de la menor resistencia. Por otro
lado, si se buscara determinar una medida para la cual un valor de 𝜇 relativamente
grande no fuera deseable, entonces la medida que resultaría de interés sería la del
límite de confianza superior. Un ejemplo en el que la medida del límite superior sería
muy informativa es el caso en el que se necesita hacer inferencias para determinar la
composición media de mercurio en el agua de un río.

Los límites de confianza unilaterales se desarrollan de la misma forma que los

intervalos bilaterales. Para hallar el intervalo de confianza de límite inferior planteamos
lo siguiente:

Despejando 𝜇 obtenemos:

Síntesis. Límites de confianza unilaterales del parámetro 𝜇 cuando se conoce el valor

de 𝜎 $ :

Si 𝑋% es la media muestral de una muestra aleatoria de tamaño 𝑛, obtenida de una

población con distribución Normal con varianza 𝜎 $ conocida, los límites de confianza
unilaterales del 100(1 − 𝛼)% para la media poblacional 𝜇 están dados por:
&
• Límite unilateral superior 𝑥̅ + 𝑏* ( )
√%
&
• Límite unilateral inferior 𝑥̅ − 𝑏* ( )
√%

Lectura Obligatoria Página 2 de 3

Donde 𝑏* corresponde al valor 𝑧 por arriba del cual encontramos un área de 𝛼 bajo la
curva Normal, es decir, al percentil de 100(1 − 𝛼)% de la distribución Normal Estándar.

REFERENCIAS
Tomado y adaptado de:
[1] Walpole, R.E., Myers, R.H., Myers, S.L. y Ye, K. Probabilidad y Estadística para
Ingeniería y Ciencias, Prentice Hall, Novena Edición, 2012. Págs. 268-271.

Lectura Obligatoria Página 3 de 3