INTERVALOS DE CONFIANZA PARA LA

MEDIA POBLACIONAL Y
PROPORCIÓN POBLACIONAL

ESTADÍSTICA GENERAL
2019 - I
“LO QUE ESCUCHO LO OLVIDO. LO QUE VEO LO RECUERDO. PERO LO QUE HAGO, LO ENTIENDO.”
 Plan de clases: 1ra semana

 Construcción
 Intervalo de confianza para la
 Inicio
media poblacional (µ):
• Motivación.
• Cuando la varianza  Cierre
• Competencias
poblacional es conocida (σ2 ). • Retroalimentación.
• Conocimientos
• Cuando las varianza • Autoevaluación
previos.
poblacional es desconocida
( σ2 ).
• Intervalo de confianza para la
proporción poblacional (π ).

“LO QUE ESCUCHO LO OLVIDO. LO QUE VEO LO RECUERDO. PERO LO QUE HAGO, LO ENTIENDO.”
MOTIVACIÓN

Fuente: http://elcomercio.pe/economia/peru/peru-petro-lanzo-licitacion-7-lotes-ubicados-selva-noticia-1778457?ref=nota_economia&ft= mod_interesa

&e=titulo
COMPETENCIAS
 Diferencia entre
estimación
puntual e
intervalar

 Construye e
 Calcula e
interpreta intervalo de
 Usa software interpreta
confianza para la
estadístico e intervalo de
proporción y la media
interpreta los confianza para
cuando la varianza es
resultados la media
conocida-desconocida
obtenidos. poblacional
con la finalidad para la
(μ).
toma de decisiones.

 Calcula e
interpreta
intervalo de
confianza para la
proporción
poblacional (π).
Conocimientos previos
PARÁMETROS
Medida de una característica de una
POBLACIÓN.
Se representa con letras griegas.
VALOR FIJO para una población dada.

ESTADÍGRAFO O ESTADÍSTICO
Medida de una característica de una
MUESTRA, usada para estimar parámetros
poblacionales.
Se representa con letras latinas.
 Sirven para estimar:
E
S
Total P
T Media A
A Proporción R
D Varianza Á
Í M
Diferencia de medias
G E
Diferencias de proporciones
R T
Cociente de varianzas R
A
F O
Muestra Población
O
 ESTIMADOR ESTIMACIÓN

Es una función de las Es el valor numérico.

observaciones muestrales. Por ejemplo:
Por ejemplo:
n

x i
x  f(x1 , x 2 ,........x n ) x i 1

n n
x i x
23 45 6
x i 1 5
n x4
¿Cómo se lleva a cabo un estudio estadístico?
 INFERENCIA ESTADÍSTICA
Se ocupa de los procesos de estimación con el propósito de
llegar a conclusiones que brinden una adecuada base científica
para la toma de decisiones tomando como base la información
captada por la MUESTRA.

Estimación de Parámetros Prueba de hipótesis

Estimación puntual
Estimación por intervalo
 Estimación de parámetros
Es un estadístico calculado a partir de la
Estimación puntual
muestra para estimar el parámetro poblacional
desconocido.

Es un conjunto de valores formado a partir de

la muestra aleatoria de tal forma que exista la
posibilidad de que el parámetro poblacional
Estimación por intervalos
ocurra dentro de dicho conjunto con una
probabilidad especifica.

• Para obtenerlo se requiere:

 Una muestra aleatoria
 Definir el nivel de confianza, los más utilizados: 90%, 95%, 98%, etc.
 Conocer la distribución muestral del estadístico (Distribución Normal)
 INTERVALO DE CONFIANZA PARA μ
Los factores que determinan el ancho del intervalo de confianza son:
1.El tamaño de la muestra, n.
2.La varianza de la población, usualmente σ es estimada por s.
3.El nivel deseado de confianza

Supuestos: * La variable se distribuye como una normal y

* La muestra debe ser aleatoria

El Error Estándar de la Media viene a ser una medida de dispersión del

estimador respecto a su media, se denota con y está dado por:

 σ
 n σ conocido

Error estándar media  S.E x  
 S
 n σ desconocido

 σ
E  Z1 α/2 
El margen de error se n
denota por E y está dado por: S
E  Z1 α/2 
n

El ancho del intervalo se calcula como:

 σ 
L  2   Z1α/2    2 E Límite Superior – Límite Inferior
 n
 Distribución Normal
La distribución Normal es una de las distribuciones de probabilidades más
importantes y una de las más utilizadas en la Estadística Inferencial.

Propiedades de la curva de la
distribución Normal
-Tiene forma acampanada.
-Está determinada por dos
parámetros: la media poblacional ()
y la varianza poblacional ().
-Es simétrica con respecto a la
media.
-El punto más alto de la curva se
encuentra sobre el promedio, el cual
coincide con la mediana y la moda.
-Se hace más plana a medida que la
varianza crece.
Distribución t-Student
William S. Gosset, se interesó en hacer inferencias acerca de la media cuando se
desconoce la varianza poblacional (2).

Gráfica de la distribución T-Student

La gráfica de la distribución T-Student tiene forma acampanada y es simétrica con
respecto a cero.
Propiedades de la distribución T-Student
La gráfica de una variable con distribución T-
Student presenta más dispersión que la gráfica
de una variable con distribución Normal
Estándar.
Si r →+∞, la varianza de una variable con
distribución T-Student tiende a uno.
Si una variable aleatoria continua X sigue una
distribución T-Student con r grados de libertad
(r>30), la distribución de esta variable se
aproxima a una Normal Estándar.
 INTERVALO DE CONFIANZA PARA μ
Supuesto Intervalo de confianza Distribución

 Normal: Z
1.- σ conocido I .C.(  )  x  Z1 / 2 
n

S T - Student
2.-σ desconocido I .C.(  )  x  t n 1;1 / 2 
n ≤ 30 n

3.- σ desconocido S Normal: Z

n > 30 I .C.(  )  x  Z1 / 2 
n
¿Qué significa que la variable se distribuye como una normal?
Ejemplo 1. El gerente del banco “Préstamo”, estudia la relación entre las
variables: ingresos mensuales(X) y ahorros mensuales (Y) de sus clientes.
Una muestra aleatoria de sus clientes reveló los siguientes datos en dólares:
Ingresos 350 400 450 500 950 850 700 900 600
Ahorros 100 110 130 160 350 350 250 320 130

Verifique si la variables ingresos y ahorros se distribuyen como una normal.

i.- Aplicando estadística descriptiva

Solución
En estadística I, se dijo que la variable es simétrica si las medidas de
tendencia central son aproximadamente iguales. Es decir:
X  Me  Mo
Resultados obtenido a partir del software MINITAB:

De acuerdo a los resultados obtenido, podemos afirmar que ambas

variables no presentan normalidad, ya que las medidas de tendencia central
son diferentes.

ii.- Mediante gráfico (histograma)

El histograma muestra: La forma de la distribución de los datos y revela la

presencia o no de simetría de los datos
A partir del software Minitab: Ruta a seguir:
Estadísticas > Estadísticas básicas > Resumen gráfico

Tanto la variable Ingresos como Ahorros, no presenta normalidad, y se

observa además datos outliers (atípicos).
Ejemplo 2:
En un estudio realizado de la empresa de viajes “Americana” se
encontró que las familias estaban dispuestas a gastar en promedio
$650 durante las vacaciones de fin de año . Suponga que en el estudio
participaron 600 familias y por datos históricos se sabe que la
desviación estándar (σ) es de $175 (significa conocido). Además, el
gasto de las familias sigue una distribución normal.
a.- ¿Con 95% de confianza, ¿ cuál es el margen de error?
b.- ¿Cuál es el intervalo de confianza al 95% para estimar el gasto
promedio (μ) durante las vacaciones de fin de año?
c.- El año anterior, el gasto medio (μ) por familia fue de $632. Analice
la variación en el gasto en las vacaciones de fin de año en este
período de un año.
Solución:
Defina previamente lo siguiente:

Elemento: Una familia dispuesta a viajar en vacaciones.

Total de Familias dispuestas a viajar en
Población: vacaciones.
600 familias dispuestas a viajar en
Muestra: vacaciones.
Gasto en dólares durante las vacaciones de
Variable de estudio: fin de año.

Tipo de variable: Cuantitativa continua.

μ (Gasto promedio en dólares durante las
Parámetro a estimar: vacaciones de fin de año (lo que se quiere
conocer).
Datos:
Desviación estándar poblacional: σ = $ 175 conocido.
Muestra: n = 600,
Media muestral: x  $650
Nivel de confianza: 1 - α = 0.95

a.- El margen de error ( E ) se calcula de la forma siguiente:

 175
E  Z1 / 2   1.96   14.0029
n 600

1- α = 0.95 α =0.05 α /2 = 0.025

Z1 - α /2 = Z 0.975 = ±1.96, en tabla de distribución normal.
b.- El Intervalo de confianza (I.C) al 95% se calcula mediante:

 175
I .C.(  )  x  Z1 / 2   650  1.96 
n 600

I .C.(  )  650  14.0029

I .C.(  )  635.9971; 664.0029

c.- Para el presente año, se pretende gastar más que el año

anterior.
Ejemplo 3:

Un inspector de alimentos, examina 12 frascos de cierta marca que

mantequilla de maní con la finalidad de conocer los pesos (en gramos)
exactos para verificar si cumplen con lo especificado en la etiqueta.
Luego de examinar los frascos, se obtuvo los siguientes resultados:

230.9 245.7 250.2 240.8 230.6 250.1

240.0 243.4 241.3 248.5 250.0 249.4
Se asume que los pesos están normalmente distribuidas, construya un
intervalo de confianza del 99% de peso promedio en esta marca de
mantequilla de maní.
Solución
Defina los siguientes términos:

Elemento: Un frasco de mantequilla de maní.

Total de frascos de mantequilla de
Población: maní.
Muestra: 12 frascos de mantequilla de maní.
Peso (en gramos) de los frascos de
Variable de estudio: mantequilla de maní.

Tipo de variable: Cuantitativa continua.

Parámetro a : μ porcentaje de impureza promedio
estimar: (lo que se quiere conocer)
Datos:

1°Se debe calcular la media muestral y la desviación estándar

muestral (σ desconocido), a partir de los datos de la muestra.

12

x i  230.9  245.7  250.2    250.0  249.4  2920.9

Hallando la media i 1
12
muestral: x i
2920.9
x i 1
  243.4083
n 12

Hallando la x
i 1
2
i  230.9 2  245.7 2    250.0 2  249.4 2  711516.21
desviación n

x
2
estándar 2
 nx
711516.21  12243.4083
i 2
muestral: S i 1
  7.0389
n 1 12  1
Nivel de confianza:
1- α = 0.99 α =0.01 α /2 = 0.005
tn-1,1 - α /2 = t11,0.995 = ±3.106, en tabla de distribución T - Student.

El error estándar de la S 7.0389

S .E    2.0320
media está dado por: n 12

y el intervalo de confianza al 99% de confianza está dado por:

S
I .C.(  )  x  t n 1;1 / 2   243.4083  3.106  2.0320
n

I .C.(  )  196.4569;290.3597
Ejemplo 4:
Un funcionario del Ministerio de Transporte quiere conocer el promedio de la
distancia recorrida (en kilómetros) por los taxistas de Lima Metropolitana. Para ello,
el funcionario selecciona una muestra de 100 taxistas y obtiene una media muestral
() de 15.2 km. y una desviación estándar (S) igual a 2.25 km. (porque se calculan
de los datos de la muestra)
a) Calcule el error estándar de la media.
b) Halle el intervalo de confianza al 99% de confianza.

Defina previamente los siguientes términos:

Elemento: Un taxista de Lima Metropolitana.
Población: Todos los taxistas de Lima Metropolitana.
Muestra: 100 taxistas de Lima Metropolitana.
Variable de estudio: Distancia recorrida en kilómetros.
Tipo de variable: Cuantitativa continua.
: μ (promedio de los kilómetros recorridos (lo que se desea
Parámetro a estimar: conocer)
 Muestra: n = 100 taxistas (n>30)
Datos:
Media muestral:
x  15.2
Desviación estándar muestral: S  2.25 (σ no se conoce)

Nivel de significancia: 1- α = 0.99 α =0.01 α /2 = 0.005

Zα /2 = Z0.995 = ±2.58, en tabla de distribución Norma: Z.
S 2.25
a. El error estándar de la media : E  0.225
n 100

b. Intervalo de confianza:

S
I .C.(  )  x  Z1 / 2   15.2  2.58  0.225
n
I .C.(  )  14.6195;15.7805
Fuente:
http://elcomercio.pe/economia/peru/65-empresarios-ve-
que-economia-peruana-mejorara-2015-noticia-1776540 ?
ref=nota_economia&ft=mod _leatambien&e=titulo
INTERVALO DE CONFIANZA DE UNA PROPORCIÓN (π)

Un Intervalo de confianza aproximado del 100(1- α)%

para la proporción poblacional () será:

P  (1  P )
I .C.( )  P  Z 1 / 2 
n

Donde: P: Proporción muestral

Nota:
Si np y n(1-p) son mayores o iguales a cinco (5), la
distribución binomial se aproxima a la distribución normal.
Ejemplo 5:

Una empresa quiere introducir un nuevo producto al mercado

local, por tanto quiere estimar la proporción de clientes
dispuestos a adquirir el producto al precio que se ofrece. Para
ello, se entrevistó a 200 clientes, de los cuales 68 estaban
dispuestos a adquirir el nuevo producto.

a) Realice la estimación correspondiente con un 98% de

confianza.
b) Si se estima que hay 10,000 personas en la localidad,
cuántos clientes se espera que estén dispuestos a adquirir
el producto?
Solución:
Defina los siguientes términos:
Elemento: Un cliente.
Población: Todos los clientes.
Muestra: 200 clientes.
 1 adquiere el producto

Variable de estudio: Intención compra  
 0 No adquiere el producto

Tipo de variable: Cualitativa
: π (proporción de clientes que estén dispuestos a
Parámetro a estimar:
adquirir el nuevo producto)
Datos: Muestra: n = 200; x 68
N° clientes podrían adquirir el P   0.34
producto: x= 68 n 200
a) Realice la estimación correspondiente con un 98% de confianza.

El error estándar de la
P (1  P) 0.34(1  0.34)
proporción esta dado por: SE    0.0335
n 200

Luego: P * (1  P )
IC ( )  P  Z 1 / 2 *  0.34  2.33  0.0335
n

IC ( )  0.2619; 0.4181

Nivel de significancia: 1- α = 0.98 α =0.02 α /2 = 0.01

Zα /2 = Z0.99 = ±2.33
b) Si se estima que hay 10000 personas en la localidad, ¿cuántos
clientes se espera que estén dispuestos a adquirir el producto?
N=10,000 tamaño de la población.

P  (1  P )
IC ( A)  N  P  Z 1 / 2 
n

IC ( A)  10000 * 0.2619; 0.4181  2619;4181

Se espera que los clientes estén dispuestos a adquirir el

producto se encuentre entre 2619 a 4181.
Preguntas de autoexamen

1- Se desea estimar el ingreso promedio de los jefes de familia de Lima

Metropolitana. Según la Encuesta realizada por una Institución encuentra
que:

4572 4572

 xi  5439308.4
i 1 y  i  7031092703
x 2

i 1

a.- Halle una estimación puntual de µ y σ

b.- Halle una estimación por intervalo del 95% para μ
c.- Se puede afirmar al 95% de confianza que el ingreso promedio de los jefes
de familia supera los 1200 soles.
2- Un especialista en investigación de mercado recibió la tarea de la empresa
“Limpia Todo”, de conocer sobre la preferencia que tiene el consumidor
hacia su producto “Clean-Fast”. Para ello, el especialista seleccionó una
muestra aleatoria de 40 personas y obtuvo los siguiente resultados:
0011010101110101110110101101100110110110
donde: (1: significa prefiere producto) y (0: significa no prefiere el producto)

a.- Calcule la proporción de consumidores que prefieren el producto.

b.- Calcule la probabilidad de que el error máximo de estimación (margen de
error) de esta proporción no sea mayor de 0.05.
c.- Calcule el error máximo permitido para una confianza de 97.5%.
d.- Calcule el intervalo de confianza e interprete su resultado al 97.5% de
confianza.
Preguntas de autoevaluación

1. ¿Qué entiendes por una estimación puntual?

2. ¿Qué inconvenientes podrías señalar de una estimación puntual?
3. ¿Por qué es conveniente construir intervalos de confianza?
4. ¿Qué es un intervalo de confianza?
5. ¿Cómo puede ayudarte la distribución en el muestreo de los
estadísticos que estudiaste en estadística I para construir
intervalos de confianza?
6. ¿Los intervalos de confianza se construyen para los parámetros
desconocidos o para los estimadores?
Bibliografía:

1.- Anderson, S. (2010) Estadística para Administración y

Economía. Cengage Learning 8va. Edición. México.

2.- Mendehall, W. (2008) Introducción a la Probabilidad y

Estadística. Thomson 12° Edición. México.

3.- Alvarado, J., Obagi, J. (2008) Fundamentos de la

Inferencia Estadística. Ed. Pontificia Universidad Javeriana
1ra. Edición. Colombia.