Intervalos de Confianza
En una población cuya distribución es conocida, pero desconocemos algún parámetro,
podemos estimar dicho parámetro a partir de una muestra representativa.
Un estimador es un valor que puede calcularse a partir de los datos muestrales y que
proporciona información sobre el valor del parámetro.
Una estimación es puntual cuando se obtiene un sólo valor para el parámetro. Los
estimadores más probables en este caso son los estadísticos obtenidos en la muestra,
aunque es necesario cuantificar el riesgo que se asume al considerarlos.
Más útil es la estimación mediante intervalos de confianza, que consiste en determinar un
posible rango de valores o intervalo, en los que pueda precisarse, con una determinada
probabilidad, que el valor de un parámetro de la población se encuentra dentro de esos
límites. Este parámetro será habitualmente una proporción en el caso de variables
dicotómicas, y la media para distribuciones normales.
1. Intervalo de Confianza para una Proporción
Cuando tenemos una variable dicotómica a menudo interesa saber en qué proporción de
casos, ocurre el éxito en la realización de un experimento.
También nos puede interesar comparar la diferencia existente entre las proporciones en
distintas poblaciones.
Si queremos estimar el parámetro p, la manera más natural de hacerlo consiste en definir la
suma de estas, lo que nos proporciona que la distribución del número de éxitos es una
distribución Binomial.
Considere que la distribución Binomial podía ser aproximada a la Normal cuando el tamaño
de la muestra n es grande, y p no es una cantidad muy cercana a cero o uno.
Para encontrar el intervalo de confianza, a nivel de confianza (1-α) para p se considera el
intervalo que hace que la distribución de Z~N(0, 1) deje la probabilidad α fuera del mismo.
Se considera el intervalo cuyos extremos son los cuantiles α/2 y 1 − α/2. Así se puede afirmar
con una confianza de 1 −α que:
Considere que:
Ejemplo 57: En una muestra de 40 sujetos extraída al azar de una determinada población de
clientes de un banco hay 24 que presentan una antigüedad superior a los 10 años . Estimar la
proporción de clientes de la población del banco que supere los años de antigüedad con una
confianza del 95%.
Interpretación: Con una confianza del 95% la proporción de clientes con una antigüedad
superior a los 10 años en la población se sitúa entre 0.448 y 0.752. ( 44,8 % y 75,2%).
Ejemplo 58: Tomando al azar una muestra de 300 personas mayores de 15 años en una gran
ciudad, se encuentra que 104 de ellas leían el periódico habitualmente. Hallar, con un nivel
de confianza del 90%, un intervalo para estimar la proporción de lectores de periódico entre
los habitantes de esa ciudad mayores de 15 años.
Solución:
104
La proporción muestral es : 𝑃̂ = = 0,347
300
Valor crítico para un nivel de confianza del 90%:
α
α = 0,1 ; 1- α = 0,9 ; = 0,05 ;1−
α
= 0,95 ;𝑍 α
= 1,64
2 2 2
0,347 ∙0,653
0,347 − 1,64 ∙ √ = 0,347 − 0,045 = 0,302
300
0,347 ∙0,653
0,347 + 1,64 ∙ √ = 0,347 + 0,045 = 0,392
300
I.C = (0,302 ; 0,392)
2. Intervalo de Confianza para la Media Poblacional de Varianza Conocida
Cuando se quiere construir un intervalo de confianza para estimar la media µ de una
población normal en la que se supone que la desviación típica de la distribución, σ, es
conocida, se utiliza como estimador la media muestral, es decir, se recurre a una muestra de
tamaño n de la que se obtiene la media muestral.
Ya sabemos que la media muestral, 𝑋̅ sigue una distribución normal de media µ y desviación
σ
típica si la población de partida es normal, o si, aunque no lo sea, el tamaño de la muestra
√𝑛
es suficientemente grande, n ≥ 30.
El intervalo de confianza queda definido por:
La figura nos muestra la distribución N(0,1) y el intervalo más pequeño posible cuya
α α
probabilidad 1- α. Por simetría los cuartiles Z = y Z 1 − los que sólo difieren en el signo.
2 2
Ejemplo 58: El tiempo de renovación de un teléfono móvil, expresado en años, se puede
aproximar mediante una distribución normal con desviación típica en 0,4 años.
Se toma una muestra aleatoria simple de 100 usuarios y se obtiene una media muestral igual
a 1,5 años. Determínese un intervalo de confianza al 95 % para el tiempo medio de
renovación de un teléfono móvil.
Solución: Buscamos en la tabla de la normal estándar y se obtiene que Z1-α/2 = 1,96 para un
nivel de confianza del 95 %. Conocemos la desviación típica poblacional σ = 0,4, y la muestra
nos da una media 𝑋̅ = 1,5.
Remplazamos y se obtiene:
0,4
1,5 − 1,96 ∙ ; 1,5 + 1,96 ∙
0,4
√100 = 1,5 − 0,0784 ; 1,5 + 0,0784 = 1,42 ; 1,57
√100
IC 95% = [1,42 ; 1,57]
Se puede interpretar con un 95% de confianza que la renovación de un teléfono móvil fluctúa
entre los 1,42 y 1,57 años.
Ejemplo 59: Se desea estimar la media del tiempo empleado por un nadador en una prueba
olímpica, para lo cual se cronometran 10 pruebas, obteniéndose una media de 41,5 minutos.
Sabiendo por otras pruebas que la desviación típica de esta variable para este nadador es de
0,3 minutos, obtener un intervalo de confianza con un 95% de confianza.
Solución: Buscamos en la tabla de la normal estándar y se obtiene que Z1-α/2 = 1,96 para un
nivel de confianza del 95 %. Conocemos la desviación típica poblacional σ = 0,3, y la muestra
nos da una media 𝑋̅ = 41,5.
Remplazamos y se obtiene:
0,3
41,5 − 1,96 ∙ ; 41,5 + 1,96 ∙
0,3
√10 = 41,5 − 0,1859 ; 41,5 + 0,1859 = 41,31 ; 41,686
√10
IC 95% = [41,31 ; 41,686]
Se puede interpretar con un 95% de confianza que el tiempo empleado por el nadador fluctúa
entre los 41,31 y 41,686 minutos.
3. Intervalo de Confianza para la Media cuando la población es normal y
desconocemos su Varianza
En este caso estimaremos la desviación típica utilizando los valores muestrales y
trabajaremos con la distribución de la media muestral x , ya que, por un procedimiento
parecido a la estandarización, podemos relacionarla con otra variable que sigue una
distribución t de Student.
La distribución t de Student es una aproximación que tiene en cuenta el tamaño de la
muestra.
Cuando el tamaño de la muestra es muy grande t≈z.
Si la muestra es pequeña y sólo se dispone del valor de la desviación estándar muestral,
como sucede en este caso, es imprescindible sustituir el valor de z por otro mayor que sigue
la distribución t de Student.
El intervalo de confianza al nivel 1−α para la media de una distribución Normal cuando sus
parámetros son desconocidos es:
En estos casos como se desconoce la desviación estándar, pero se tiene la varianza se
procede a determinar la cuasi varianza de s2.
t-Student con n-1 grados de libertad, que presenta una forma en la curva muy similar a la de
la distribución normal.
Ejemplo 60: Se ha obtenido una muestra de 15 vendedores de una Editorial para estimar el
valor medio de las ventas por trabajador en la Empresa.
La media y varianza de la muestra ( en miles de euros ) son 5 y 2, respectivamente.
Determine el Intervalo de confianza para la venta media por trabajador en la Editorial al 95%.
Solución: Buscamos en la tabla de t Student tn-1; 1-α/2 = t15-1; 1-0,05/2
t14; 0,975 = para un nivel de confianza del 95 %. Conocemos la varianza σ2 = 2, y la muestra
nos da una media 𝑋̅ = 5
Tabla t:
Calculamos ahora la cuasi varianza y tenemos:
Y, por tanto, una cuasi desviación típica igual a 𝑠2 = √2,143= 1,46
Remplazamos y se obtiene:
1,46 1,46
5 − 2,145 ∙ ; 5 + 2,145 ∙ = 5 − 0,80 ; 5 + 0,80 = 4,2 ; 5,8
√15 √15
IC 95% = [4,2 ; 5,8]
Interpretación: La venta media por trabajador en la editorial oscila entre 4,2 y 5,8 miles de
euros con un 95% de confianza.
Ejemplo 61: El contenido de siete contenedores similares de ácido sulfúrico son 9.8, 10.2,
10.4, 9.8, 10.0, 10.2, y 9.6 litros. Encuentre un intervalo de confianza del 95% para la media
de todos los contenedores si se supone una distribución aproximadamente normal.
Solución: La media y varianza se obtiene de los datos y resulta:
x x2
9,8 96,04
10,2 104,04
10,4 108,16
9,8 96,04
10 100
10,2 104,04
9,6 92,16
70 700,48
Media 10
Varianza 0,07
Desv 0,26
Calculamos ahora la cuasi varianza y tenemos:
𝑛
𝑠2 = 7
𝑉(𝑥) = ∙ 0,07 = 0,082
𝑛−1 6
Y, por tanto, una cuasi desviación típica igual a 𝑠2 = √0,082= 0,286
Buscamos en la tabla de t Student tn-1; 1-α/2 = t6-1; 1-0,05/2
T6; 0,975 = para un nivel de confianza del 95 %.
Tabla t:
Remplazamos y se obtiene:
0,286 0,286
10 − 2,447 ∙ ; 10 + 2,447 ∙ = 10 − 0,26 ; 10 + 0,26 = 9,74 ; 10,26
√7 √7
IC 95% = [9,74 ; 10,26]
Interpretación: El contenido de ácido de los contenedores oscila entre los 9,74 y 10,26 litros
con un 95% de confianza.
4. Intervalo de Confianza para la Varianza
Dada una variable aleatoria con distribución Normal N(μ; σ), el objetivo es la construcción de
un intervalo de confianza para el parámetro σ, basado en una muestra de tamaño n de la
variable.
El intervalo de confianza para la varianza viene dado por:
α
Donde 𝑋2 y 𝑋2 son los cuartiles de orden 1 − y α , respectivamente , en un modelo
α/2 1−α/2 2 2
Chi-cuadrado con n-1 grados de libertad.
A diferencia de las anteriores, presenta una curva no simétrica, y las tablas dadas expresan el
área de probabilidad a la derecha de la variable. Estamos pues ante la siguiente situación:
Ejemplo 61: La duración media de una muestra de 20 máquinas contadoras de billetes de
una institución bancaria , elegidas al azar, presentó una cuasi desviación típica muestral de
0,0965 días. Calcular un intervalo de confianza con un 95% para la varianza (suponemos que
la variable que mide la duración promedio sigue una distribución normal).
Solución: La varianza se obtiene de la cuasi desviación estándar:
𝑠2 = 0,09652 = 0,0093
Sabemos además que n=20 ; 1−α=0,95
2
Tenemos que buscar un valor 𝑋1−α/2 de modo que la distribución Chi cuadrado con 19 grados
de libertad deje un área de probabilidad a la izquierda igual a 1 − , es decir 0,975 y otro valor
α
α 2
𝑋2 que deje un área de probabilidad a la derecha igual a , es decir 0,025.
α/2 2
Ambos valores son 8,907 y 32,852 respectivamente, tal como se observa en la tabla.
Tabla Chi Cuadrado:
Remplazamos en:
0,0093 0,0093
19 ∙ 32,852 ; 19 ∙ 8,907
= 0,0053 ; 0,0198
IC 95% = [0,0053 ; 0,0198]
Interpretación: La varianza de la duración promedio de las maquina contadoras de billetes de
una institución bancaria oscila entre los [0,0053 ; 0,0198].
