Estadı́stica y Diseño de Experimentos

David Rozo Osorio, I. M, M.Sc

2 de abril de 2018
INTERVALOS ESTADÍSTICOS PARA UNA
MUESTRA
Contexto
Ej. Por medio de la media muestral (X̄) se puede realizar una estimación del
verdadero valor para la media poblacional (µ). Sin embargo, hay que tener en
cuenta que es poco probable que la media (x̄) sea exactamente el parámetro
estimado (µ).
Objetivo: con el intervalo de confianza, se aumenta en cierto nivel (definido
por el estadista) la certeza o la seguridad con respecto a este parámetro que se
desea inferir.
Un intervalo de confianza es la forma con la cual se puede representar un
rango de posibles valores entre los cuales se encuentra un Parámetro Estimado.
Intervalo de confianza
Un intervalo de confianza usualmente puede ser de (90 %, 95 %, o 99 %), y es
una medida de la credibilidad que tiene el procedimiento de obtención del
parámetro estimado.
Experimento: Se desea conocer la resistencia mecánica media de las piezas de
un proceso de manufactura en masa. Se extrae una muestra de 10 piezas. x̄ tiene
limite inferior 63.84 kPa y limite superior 65.08 kPa. Con un intervalo de
confianza del 95 % se puede decir que, si se repite el proceso en varias ocasiones,
el 95 % de ellas, la media estará contenida en dicho intervalo y solo 5 % de las
veces ésta estará fuera del intervalo.
Tipos de intervalos de estimación
I Intervalo de confianza: limita un parámetro poblacional.
I Intervalo de tolerancia: limita una proporción selecta de una distribución.
I Intervalo predictivo: limita futuras observaciones de una población o una
distribución.
 Intervalo de confianza para la media de una
distribución normal con varianza conocida
Desarrollo de un intervalo de confianza [1]
Intervalo de confianza estimado para µ desconocido, serı́a l ≤ µ ≤ u, donde
los puntos extremos (l y u) son calculados desde los datos de la muestra. Como
diferentes muestras producen diferentes valores de (l y u), éstos se consideran
variables aleatorias (L y U ).
Al ser (L y U ), dos variables aleatorias serı́a posible calcular la probabilidad de
la siguiente definición:
P {L ≤ µ ≤ U } = 1 − α
donde 0 ≤ α ≤ 1. Análisis: “Hay una probabilidad 1 − α de seleccionar una
muestra en la cual el IC contendrá el valor verdadero de µ”.
Desarrollo de un intervalo de confianza
I l ≤ µ ≤ u, son denominados limite inferior y superior de confianza.
I 1 − α, es denominado coeficiente de confianza.

Si X1 , X2 , . . . , Xn , es una muestra aleatoria de una distribución normal con

media (µ) desconocida y con varianza conocida (σ 2 )

Teniendo en cuenta la teorı́a de Estimación de Parámetros X̄ es normalmente

distribuido con media µ y varianza σ 2 /n. Por medio del proceso de
estandarización se relaciona X̄ o x̄ con µ.

X̄ − µ
Z̄ = √ ∼ N (µ, σ 2 ) = (0, 1)
σ/ n
Intervalo de confianza para la media, con varianza conocida
Si x̄ es la media muestral de una muestra aleatoria de tamaño n de una
población normal, con varianza σ 2 conocida (o de cualquier tipo de población con
un n suficientemente grande), un (IC) para µ con (1 − α)100 % esta dado por:
 
X̄ − µ
P −zα/2 ≤ √ ≤ zα/2 = 1 − α
σ/ n

Los valores de los limites del intervalo de confianza se obtienen al despejar µ en

la desigualdad
σ σ
X̄ − zα/2 √ ≤ µ ≤ X̄ + z1−α/2 √
n n
Ej. IC → µ, con σ 2
Un fabricante produce pistones para motores. Por especificaciones del
fabricante, se tiene que el diámetro de los pistones está normalmente distribuido
con σ = 0.01 mm. Para realizar el control de calidad sobre el producto se decide
analizar una muestra de 15 pistones y se encontró que la media muestral del
diámetro es de 76.03 mm.

I Construir un intervalo del 68 % de confianza para la media del diámetro de

los pistones.
I Construir un intervalo del 95 % de confianza para la media del diámetro de
los pistones.
Ej. IC → µ, con σ 2
Un fabricante produce pistones para motores de vehı́culos. Por especificaciones
del fabricante, se tiene que el diámetro de los pistones está normalmente
distribuido con σ = 0.01 mm. Para realizar el control de calidad sobre el
producto se decide analizar una muestra de 15 pistones y se encontró que la
media muestral del diámetro es de 76.03 mm.

I Construir un intervalo del 68 % de confianza para la media del diámetro de

los pistones.
Solución:
σ σ
x̄ − zα/2 √ ≤ µ ≤ x̄ + z1−α/2 √
n n
(76.02743 mm ≤ µ ≤ 76.03257 mm)
Ej. IC → µ, con σ 2
Un fabricante produce pistones para motores de vehı́culos. Por especificaciones
del fabricante, se tiene que el diámetro de los pistones está normalmente
distribuido con σ = 0.01 mm. Para realizar el control de calidad sobre el
producto se decide analizar una muestra de 15 pistones y se encontró que la
media muestral del diámetro es de 76.03 mm.

I Construir un intervalo del 95 % de confianza para la media del diámetro de

los pistones.
Solución:
σ σ
x̄ − zα/2 √ ≤ µ ≤ x̄ + z1−α/2 √
n n
(76.02494 mm ≤ µ ≤ 76.03506 mm)
Ej. IC → µ, con σ 2
Una muestra aleatoria fue obtenida de una distribución normal y los siguientes
intervalos de confianza fueron construidos, con los mismos datos: (37.53, 49.87)
y (35.59, 51.81)

I ¿Cuál es la media de la muestra?

I Uno de estos intervalos de confianza es del 99 % y el otro es del 95 %. ¿Cuál
es el de 95 %?
Interpretación IC
Comportamiento del intervalo de confianza
Para estimar µ:
σ
x̄ ± zα/2 √
n
Estimación ± Error de estimación
Es deseable tener un nivel de confianza alto y un error de estimación pequeño.
La segunda parte se logra cuando:
I El nivel de confianza (1 − α) se hace pequeño
I Cuando la variabilidad entre los elementos de la población es pequeña (σ es
pequeño)
I Si se incrementa el tamaño de la muestra
Condiciones para obtener un intervalo de confianza para la media
Para estimar µ:
σ
x̄ ± zα/2 √
n
Estimación ± Error de estimación
El procedimiento anterior es valido, cuando:
I Los datos provienen de una muestra aleatoria.
I La muestra fue seleccionada de una población con distribución normal.
I Si la población no es normal, el tamaño de la muestra de ser n → ∞
(n ≥ 30) (Teorema del limite central)
I La varianza y por ende la desviación estándar de ser conocida.
Elección del tamaño de la muestra
A partir del resultado del intervalo de confianza, se estable una relación entre
la estimación x̄ y la media µ. E = |x̄ − µ|, se denomina como error de
estimación (E).

A partir de la definición del error E, es posible controlar el valor del tamaño de

la muestra n, desde el coeficiente de confianza.
Si x̄ es usado como un estimador de µ, y se tiene un nivel de confianza
(1 − α)100 % donde el error E no va a exceder cierto valor E0 definido por el
experimentador:  z σ 2
α/2
n=
E
Elección del tamaño de la muestra
Nota: Si el resultado para el tamaño de la muestra no es un entero, este debe
ser redondeado por encima. Ası́ se garantiza que la muestra se mantenga dentro
del nivel de confianza establecido.
Ej. Considere el procedimiento ASTM Standard E23 definido para la prueba de
impacto en materiales metálicos. Se requiere determinar el número de muestras
que se deben probar para asegurar un IC 95 % para la energı́a media µ en un
acero A238, con una desviación estándar de 1.0 J y un error de no más de 0.5 J.
 z σ 2  (1.96)1 2
α/2
n= = ≈ 15.37 ≈ 16
E 0.5
Intervalo de confianza para grandes muestras
Si n es lo suficientemente grande, la cantidad:

X̄ − µ
√
S/ n

Por medio del teorema de limite central se aproxima X̄ a µ, por lo tanto,

s s
X̄ − zα/2 √ ≤ µ ≤ X̄ + z1−α/2 √
n n

Nota: en general, el tamaño de la muestra debe ser al menos n ≥ 40

(dependiendo del proceso, este valor puede considerarse “grande”), aunque el
teorema del limite central determina que puede ser n ≥ 30 (“depende”), sin
embargo al cambiar S por s se aumenta la variabilidad.
Intervalo de confianza para la media µ de una Distribución
Normal, con Varianza σ 2 desconocida [1]
La población de interés tiene una distribución normal con media µ
desconocida y varianza σ 2 desconocida. Se tiene una muestra aleatoria de
tamaño (n), donde, X1 , X2 , . . . , Xn estan disponibles y X̄ y S¯2 son la media
muestral y la varianza muestral, respectivamente.
Cuando σ 2 es desconocido, el procedimiento lógico es remplazar a σ por la
distribución estándar muestral S.
Nota: Si n es grande (n → ∞), (S → σ) y podrı́a utilizarse el procedimiento
de cálculo de IC para µ con varianza conocida. En la mayorı́a de los casos en
ingenierı́a, n → ∞ no es alcanzable y en algunos casos (n < 30), por lo tanto, es
necesario emplear una distribución de probabilidad diferente para construir el IC.
Intervalo de confianza para la media µ de una Distribución
Normal, con Varianza σ 2 desconocida
Sea X1 , X2 , . . . , Xn , una muestra aleatoria de una distribución normal con
(media µ y varianza σ 2 ) desconocidas. La variable aleatoria:

X̄ − µ
T = √
S/ n

Tiene una distribución t con n − 1 grados de libertad

Distribución t
La función de densidad de probabilidad para t es:

Γ[(k + 1)/2] 1
fX (x) = √ · , −∞ < x < ∞
πkΓ(k/2) [(x /k) + 1](k+1)/2
2

donde k es el número de grados de libertad (GL).

La Distribución t es semejante a la
Distribución Normal (también es simétrica),
pero tiene mayor grado de probabilidad en
los extremos. Cuando el número GL
(k → ∞) la distribución t se convierte en la
distribución normal estándar.
Distribución t
En general, el número de GL para la distribución t esta asociado con el número
de GL asociados con el estimado de la desviación estándar.
Sea tα,k el valor de la variable aleatoria T con k (GL) por debajo de la
probabilidad α. Para el cálculo de la probabilidad se utilizará una tabla similar a
la distribución normal estándar (Percentage point of the t Distribution)

V Percentage Points of the Distribution

α
.40 .25 .10 .05 .025 .01 .005 .0025 .001 .0005
1 .325 1.000 3.078 6.314 12.706 31.821 63.657 127.32 318.31 636.62
2 .289 .816 1.886 2.920 4.303 6.965 9.925 14.089 23.326 31.598
3 .277 .765 1.638 2.353 3.182 4.541 5.841 7.453 10.213 12.924
4 .271 .741 1.533 2.132 2.776 3.747 4.604 5.598 7.173 8.610
5 .267 .727 1.476 2.015 2.571 3.365 4.032 4.773 5.893 6.869
Ej. Distribución t
Determine el valor de los siguientes percentiles:
I tα,k = t0.05,5 =? R/2.015
I tα,k = t0.001,2 =? R/23.326
I tα,k = t0.25,3 =? R/0.765
I tα,k = t0.95,5 =? R/ − 2.015

V Percentage Points of the Distribution

α
.40 .25 .10 .05 .025 .01 .005 .0025 .001 .0005
1 .325 1.000 3.078 6.314 12.706 31.821 63.657 127.32 318.31 636.62
2 .289 .816 1.886 2.920 4.303 6.965 9.925 14.089 23.326 31.598
3 .277 .765 1.638 2.353 3.182 4.541 5.841 7.453 10.213 12.924
4 .271 .741 1.533 2.132 2.776 3.747 4.604 5.598 7.173 8.610
5 .267 .727 1.476 2.015 2.571 3.365 4.032 4.773 5.893 6.869
Intervalo de confianza t para µ
A partir de la distribución de:

X̄ − µ
T = √
S/ n

donde t tiene n − 1 GL.

Teniendo en cuenta que tα/2,n−1 es el punto porcentual superior de la
distribución t
X̄ − µ
P {−tα/2,n−1 ≤ √ ≤ tα/2,n−1 } = 1 − α
S/ n
despejando para µ
S S
P {X̄ − tα/2,n−1 √ ≤ µ ≤ X̄ + tα/2,n−1 √ } = 1 − α
n n
IC para µ con σ 2 desconocida
Si x̄ y s son la media y la desviación estándar de una muestra aleatoria a partir
de una distribución normal con varianza σ 2 desconocida. Un (1 − α)100 %
intervalo de confianza para la µ esta dado por
s s
x̄ − tα/2,n−1 √ ≤ µ ≤ x̄ + tα/2,n−1 √
n n

donde tα/2,n−1 es el punto porcentual superior de la distribución t con n − 1 GL.

Ej. IC para µ con σ 2 desconocida
Un artı́culo en la revista “Materials Engineering (1989, Vol II, No. 4, pp.
275-281)” describe los resultados de una prueba de tensión en una aleación. El
esfuerzo de las muestras cuando ocurre la falla es reportado en (MPa):

19.8 10.1 14.9 7.5 15.4 15.4

15.4 18.5 7.9 12.7 11.9 11.4

11.4 14.1 17.6 16.7 15.8 19.5

8.8 13.6 11.9 11.4

Obtenga un IC del 95 % para la media µ, tenga en cuenta que la población tiene
una distribución normal.
Ej. IC para µ con σ 2 desconocida (Solución)
1. Información: muestra de n = 22 elementos, µ =?, σ 2 =?
Determinar: IC→ 95 % para la µ, con σ 2 desconocido.
s s
x̄ − tα/2,n−1 √ ≤ µ ≤ x̄ + tα/2,n−1 √
n n
2. Calcular la media muestral x̄
n
P
xi
i=1
x̄ = = 13.71 MPa
n
3. Calcular la desviación estándar
v
u n
uP
u (xi − x̄)2
s = i=1
t
= 3.55 MPa
n−1
Ej. IC para µ con σ 2 desconocida Solución
4. Tamaño de la muestra n = 22, se establece que n − 1 = 21 (grados de
libertad) para t → k = 21
5. IC→ 95 % obtener α

(1 − α)100 % = 95 %
α = 0.05 → α/2 = 0.025
tα/2,k = t0.025,21 =?

6. Uso de la tabla de para obtener el valor tα,k

7. Intervalo de confianza para la µ

12.14 MPa ≤ µ ≤ 15.28 MPa

Trabajo autónomo Intervalo de confianza para la Varianza σ 2 y
la Desviación Estándar de una Distribución Normal
I Distribución X 2 .
I Intervalo de confianza X 2 para la Varianza (σ 2 ).
BIBLIOGRAFÍA I
[1] D. C. Montgomery and G. C. Runger, Applied statistics and probability for
engineers, 6th ed. John Wiley and Sons, Inc, 2014.