Métodos Estadísticos:

Intervalos de confianza

Rocío Guadalupe Acosta Pech1

1
Colpos-Campus Cárdenas, Tabasco

18 de marzo de 2024

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

Contenido

Temario

Introducción

Intervalos para la media poblacional

Intervalos para la diferencia de medias de dos poblaciones

Intervalo para una varianza poblacional

Intervalo para un cociente de varianzas

Intervalos para una y dos proporciones

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Temario

Contenido temático

1. Intervalos para la media µ

1.1 Varianza conocida σ 2
1.2 Varianza desconocida
2. Intervalos para la diferencia de medias de dos poblaciones.
2.1 Varianzas conocidas e iguales
2.2 Varianzas conocidas y diferentes
3. Intervalo para una varianza σ 2
4. Intervalo para un cociente de varianzas.
5. Intervalos para una y dos proporciones.

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Introducción

¿Qué es?
Un intervalo de confianza es un rango de valores que se utiliza para estimar
un parámetro poblacional desconocido con un determinado nivel de
confianza.
Es una forma de expresar la incertidumbre en torno a una estimación de un
parámetro poblacional, como la media.

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Introducción

Un intervalo de confianza (IC) para un parámetro es un conjunto de valores,

calculado a partir de la muestra, que contiene al parámetro con un alto grado
de seguridad.

La fórmula general de la mayoría de los intervalos que vamos a estudiar es:

[Estimador ± Margen de error]

El centrodel intervalo es el estimador del parámetro.

El margen de error depende

I de la precisión del estimador utilizado.
I del nivel de confianza (grado de seguridad con el que queremos que el
intervalo contenga al parámetro).

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Intervalos para la media poblacional

Intervalo para la media de una población normal.

Varianza conocida

Fórmula general: Un IC con nivel de confianza 1 − α para la media de una

población normal, µ, con varianza, σ 2 conocida, está dado por:
 
σ
IC1−α (µ) = x̄ ± zα|2 √
n

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Intervalos para la media poblacional

Margen de error

Al radio del intervalo se le suele llamar margen de error o error de la

estimación E o EE. En el intervalo anterior es;
σ
E = zα|2 √
n
El margen de error depende de:
I El nivel de confianza deseado, a través de zα|2 . Se suele tomar
α = 0,05 lo que da z0,025 = 1,96 ≈ 2.

I La heterogeneidad de la población medida a través de σ

I El tamaño muestral n

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Intervalos para la media poblacional

Intervalo para la media de una población normal.

Varianza desconocida

I Cuando la población es normal y la varianza no es conocida σ 2 , es

posible dar un IC exacto incluso cuando el tamaño muestra n es
pequeño

I Para ello, se hace uso de las tablas de la distribución t de Student. La

fórmula del IC es:  
s
IC1−α (µ) = x̄ ± tn−1,α|2 √
n
s representa la desviación estándar muestral estimada.

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Intervalos para la diferencia de medias de dos poblaciones

Varianzas conocidas e iguales

Datos
Muestra 1 x1 , x2 , · · · xm
Muestra 2 y1 , y2 , · · · yn

Hipótesis sobre los datos

I Las dos muestras proceden de poblaciones normales con medias µ1 y µ2
respectivamente.
I Las dos varianzas son iguales: σ12 = σ22 = σ
I Las dos muestras son independientes.
Objetivo Calcular un IC para (µ1 − µ2 )

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Intervalos para la diferencia de medias de dos poblaciones

Como las muestras son independientes y σ es conocido un IC para µ1 − µ2

esta dado por:
" r #
1 1
IC1−α (µ1 − µ2 ) = (x̄ − ȳ ) ± zα|2 σ +
m n

En la práctica σ nunca se conoce, así que es necesario estimarla a partir de

los datos.
(m − 1)S12 + (n − 1)S22
Sp2 =
m+n−2
Reemplazando σ por su estimador Sp y la distribución t de Student en lugar
de la normal
" r #
1 1
IC1−α (µ1 − µ2 ) = (x̄ − ȳ ) ± tα|2;m+n−2 Sp +
m n

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Intervalos para la diferencia de medias de dos poblaciones

Tabla de la t-Student

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Intervalos para la diferencia de medias de dos poblaciones

Varianzas conocidas y diferentes

" r #
σ12 σ2
IC1−α (µ1 − µ2 ) = (x̄ − ȳ ) ± zα|2 + 2
m n

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Intervalo para una varianza poblacional

IC para una varianza poblacional σ 2

La distribución del cociente

(n − 1)S 2
∼ χ2n−1
σ2
Distribución Ji-cuadrada con n − 1 grados de libertad.
Un IC para la varianza en una población normal es el siguiente:
" #
2 2
(n − 1)S (n − 1)S
IC1−α (σ 2 ) = ,
χ2n−1;α|2 χ2n−1;1−α|2

El valor del estimador σ 2 NO es el centro del intervalo de confianza, debido a

la asimetría de la distribución χ2

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Intervalo para una varianza poblacional

Tabla de la Ji-cuadrada

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Intervalo para un cociente de varianzas

Distribución F-Fisher (Snedecor)

σ12 S12 S12
   
IC = F1−α|2;n −1,n −1 , Fα|2,n2 −1,n1 −1
σ22 S22 2 1
S22

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Intervalos para una y dos proporciones

IC para una proporción

Las ideas para construir un IC en este caso son las mismas que en el caso
de la media. p
Sabemos que p para la distribución Bernoulli σ = p(1 − p), se puede estimar
mediante σ̂ = p̂(1 − p̂).
La fórmula del intervalo es
" r #
p̂(1 − p̂)
p̂ ± zα|2
n

Y es válida para n grande, ya que se basa en Teorema de Límite Central.

El margen de error en este caso es:
r
p̂(1 − p̂)
E = zα|2
n

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Intervalos para una y dos proporciones

IC para la diferencia de proporciones

Sean X1 , . . . , Xm e Y1 , . . . , Yn muestras independientes de X ∼ Bernoulli(p1 )

e Y ∼ Bernoulli(p2 ).

Por el Teorema de Límite Central, sabemos que:

r ! r !
X p̂1 (1 − p̂1 ) Y p̂2 (1 − p̂2 )
p̂1 = = X̄ ∼ N p1 , y p̂2 = = Ȳ ∼ N p2 ,
m m n n

El IC para la diferencia de proporciones p1 − p2 es:

" r #
p̂1 (1 − p̂1 ) p̂2 (1 − p̂2 )
IC1−α (p1 − p2 ) ≈ (p̂1 − p̂2 ) ± zα|2 +
m n

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza

 Intervalos para una y dos proporciones

Referencias

Wackerly, D. D., Mendenhall, W., & Scheaffer, R. L. (2008)

Mathematical Statistics with Applications..
Grupo Editorial Iberoamerica
Box, G. E., Hunter, J. S., & Hunter, W. G. (2008).
Estadística para investigadores: Diseño, innovación y descubrimiento.
Reverté
Johnson, R.A., Bhattacharyya, G.K. (2010)
Statistics Principles and Methods.
John Wiley and Sons. Inc

PROPAT-Primavera 2024 Métodos Estadísticos: Intervalos de confianza