ESTIMACIÓN POR INTERVALOS

Estimación por intervalo es la estimación de un parámetro,  , por un intervalo aleatorio,

denominado intervalo de confianza, cuyos límites, L y U , son funciones de las variables aleatorias
observadas tales que la probabilidad de que quede satisfecha la desigualdad L    U es un
número predeterminado 1   , llamado nivel de confianza.

Este intervalo puede expresarse como:

 
P   ˆ  k ˆ  1   ;

Donde ˆ es el estadítico, k  0 y es el coeficiente de confianza correspondiente a 1   y  es

la probabilidad de que el intervalo no incluya al verdadero valor del parámetro,  .

Por propiedades de valor absoluto, la probabilidad anterior puede reescribirse así:


P ˆ  k ˆ    ˆ  k ˆ  1   
Esta probabilidad es la expresión general de un estimador por intervalo de confianza y se usa para
la construcción de intervalos de confianza para cualquier parámetro ,  ,   , tanto si la

distribución del estadístico, ˆ X , p, S  , por muestreo es normal u otro tipo de distribución.

Si la distribución por muestreo del estimador insesgado, ˆ , es normal, el multiplicador de

confianza, k , es el valor absoluto de una variable normal estandarizada, Z .

2

Es decir, Pˆ  Z   ˆ    ˆ  Z   ˆ   1  
 2 2 

Por otro lado, se hace necesario recordar que el Teorema Central del Límite (TCL) expresa que la
distribución por muestras de X es normal si la población original es normal o aproximadamente

normal. Además, E (X )   y  X   , sin tener en cuenta el FCPF (factor de corrección

n
para poblaciones finitas).

Así que una estimación de   

por intervalo sería: P X  Z   X    X  Z   X   1   o
 2 2 

   
P X  Z    X  Z   1  
 2 n 2 n

De igual manera para la estimación de la proporción poblacional,  , el intervalo de confianza es

 p(1  p) p(1  p) 
P p  Z    X  Z   1

 2 n 2 n 
Para encontrar los límites de confianza para la media poblacional,  , y la proporción
poblacional,  , se tiene en cuenta uno de los dos posibles casos siguientes:

Caso para grandes muestras, n  30 . En el caso de extraer una muestra aleatoria grande de
una población con media,  , (o proporción,  ) desconocida se utiliza la normal estandarizada,
Z para hallar un intervalo de confianza de estos parámetros, se supone el cumplimiento de
2

alguna de las siguientes condiciones:

 La población es normal con varianza conocida.

 La población es normal con varianza desconocida y la muestra es grande
 La forma de la población es desconocida y el tamaño de la muestra es grande

Los niveles de confianza de uso más común y con sus respectivos coeficientes son:

Nivel de Coeficiente de
Confianza Confianza
1 Z
2

90% 1,64
95% 1,96
99% 2,58

Por ejemplo, si se toma 1    95% para estimar  , entonces k  1,96 ; así que el intervalo

de confianza de 95% para la media poblacional,  , es

PX  1,96 X    X  1,96 X   0,95

Esta expresión significa que se tiene una confianza (probabilidad) de 95% de que el intervalo
incluirá el verdadero valor (parámetro),  , que se está estimando; es decir, si se muestrea

repetidamente y se construyen intervalos una y otra vez muchas veces, a la larga el 95% de ellos
incluirán el parámetro desconocido y el 5% no lo cubrirá.

Caso para pequeñas muestras, n  30 , y varianza poblacional,  , desconocida. Cuando

2

la varianza poblacional es desconocida y la muestra es pequeña se utiliza la distribución t de

Student con n  1 grados de libertad para hallar el coeficiente de confianza, k  t n 1 , en
la tabla de dos colas.

La distribución t de Student fue desarrollada por W. S. Gosset en 1908, quien escribía bajo

X 
el seudónimo de Student; él definió la variable t  .
S
n

Esta variable utiliza en el denominador la desviación típica de la muestra, S , en lugar de  de

la poblacíon (desconocida).
Los siguientes ejemplos ilustran la aplicación de situaciones donde se cumplen alguna de estas
dos condiciones.

EJEMPLO 1: La Oficina de Turismo de Santa Marta desea estimar el gasto medio por turista y
por visita a esta ciudad y se supone que el gasto se distribuye en forma normal. Para esta
investigación se ha escogido una muestra al azar de 100 turistas y se encontró un promedio de
gastos de $800 . Si se sabe que la desviación estándar de los gastos para todos los turistas es
$120 , construya el intervalo de confianza de 95% para la media verdadera,  .

   
SOLUCIÓN: Se desea estimar  mediante P X  Z     X  Z   1  
 2 n 2 n

DATOS: n  100 , X  $800   $120 1    95% , así que k  1,96

(Muestra grande y varianza de la población conocida)

Reemplazando estos datos del problema en la expresión anterior se tiene que

 120 120 
P 800  1,96    800  1,96   0,95 ;
 100 100 

resolviendo se encuentra que 800  23,52   , obteniendo el intervalo de confianza de 95%

$776,48    $823,52 .

Además, en esta estimación de  por intervalo se halla un error de muestreo de

  X    23,52

Interpretando que si X difiere de  en una cantidad máxima de  m áx permitida en el intervalo,

entonces  es obviamente la mitad de longitud del intervalo de confianza. Este valor será menor
 en 1    95% .
que  m áx  Z   X  Z 
2 2 n

Z 2  2

De  m áx  Z 
 se despeja el tamaño de la muestra, n , obteniendo n  2
.
2 n  2
m áx

Por ejemplo, si la Oficina de Turismo de Santa Marta deseara elevar el nivel de confianza a
1    99% sin aumentar el error de estimación, el tamaño de la muestra tendría que ser
aumentado de 100 a 173 turistas (¡verifíquelo!).

Por otro lado, si se reduce el error de estimación a, por ejemplo, $20 permaneciendo el nivel de
confianza en 95% , el tamaño de la muestra requerido sería n  138 turistas (¡Verifíquelo!).

En el evento que se desconozca la desviación de la población,  , se puede trabajar con la


desviación de la muestra, S , que se obtiene de una premuestra en un estudio piloto.
EJEMPLO 2. Una muestra aleatoria de 500 empresas industriales ha sido escogida con
reposición; 80 de estas compañías expresan que desean aumentar los gastos de inversión en
durante el próximo quinquenio. Construya el intervalo de confianza de 99% para 
 p(1  p) p(1  p) 
SOLUCIÓN: El intervalo para  es P p  Z    p  Z   1

 2 n 2 n 

 p(1  p) 0,16  0,84

DATOS: n  500 , p  80  0,16 , así que  p    0,0164
500 n 500

En la tabla de dos colas para 1    95% se tiene que k  2,58 y. el intervalo de confianza

sería: p  Z 2 p  ; reemplazando los datos y resolviendo

0,16  2,58  0,0164  0,16  0,042 se obtiene: 0,118    0,202 . Es decir,

P0,118    0,202   99%

EJEMPLO 3: Un inspector de productos alimenticios selecciona una muestra aleatoria de cuatro

paquetes una cierta marca de alimento para desayunar de, entre los que están colocados en las
estanterías de un supermercado. Se pesa el contenido de cada uno y se determina que el peso
promedio de los paquetes es de 6 onzas con un desvío estandar de esta muestra de 0,5 onzas.

El peso neto anunciado en los paquetes es de 6,5 onzas. Con un nivel de confianza de 99% , ¿a
qué conclusión llegaría el inspector sobre el peso medio verdadero de los paquetes de alimento?

 Sˆ Sˆ 
SOLUCIÓN: Se desea estimar  mediante P X  t n1    X  t n1  1
 n n 

DATOS: n  4, X 6 S  0,5 1    99% (   1% )

( n  30 y varianza desconocida)

De la tabla de la distribución t  Student con n  1  3 grados de libertad y   0,01 se obtiene

que t n 1  t 4 1  t 3  5,841 .

 0,5 0,5 
El intervalo solicitado es P 6  5,841    6  5,841   0,99
 4 4

Resolviendo se encuentra que 6  1,46025   , obteniendo el intervalo de confianza de 95%

4,53975    7,46025 .
EJEMPLO 4. Supóngase que el director de un noticiero de TV desea averiguar la proporción de
todos los televidentes que sintonizan su programa. Desea asumir un error de  5% en un nivel
de confianza de 95% , ¿cuál debe ser el tamaño de la muestra?

SOLUCIÓN: El tamaño de la muestra se calcula en forma similar como la media, teniendo en

cuenta que

 2   (1   ) , implicando que    (1   )

Cuándo no se tiene información sobre  se supone que   0,5 . Del ejercicio en consideración
se tiene que el tamaño de la muestra se calcula como sigue:

n
Z 2  2
2

1,96 0,5  0,5  384
2
televidentes.
 2
m áx 0,05 2

EJEMPLO 5. “Café El Páramo de San Isidro” procesa café tostado y molido de la Sierra Nevada
de Santa Marta empacándolo en bolsas con un peso neto anunciado de 240 gramos. Se sabe
que los pesos de las bolsas están distribuidos en forma normal con desviación típica de 15
gramos.

Para controlar el peso requerido del llenado de todas las bolsas se verifica periódicamente el ajuste
de la máquina empacadora. Para esto, el jefe de control de la calidad selecciona una muestra

aleatoria de 25 bolsas de café, todas con el mismo ajuste de la máquina empacadora, las que
arrojan un promedio de 248 gramos de café tostado y molido.

Encuentre un intervalo de confianza del 95% para el verdadero peso medio de todas las bolsas
de café llenadas por la empacadora.

Con base en el intervalo de confianza hallado, ¿podría afirmar Usted que la máquina empacadora
está bien ajustada? ¡Justifique su respuesta!

SOLUCIÓN: El intervalo de confianza de 95% para la media de todas las bolsas de café es

P X  Z   X    X  Z   X   95% ;

 2 2 

Los datos del problema son n  25 , X  248 gr. S  15 gr. Z   1,96

2

 15 
es decir 248  1,96    , resultando en el intervalo de confianza
 25 

242 ,12    253,88 ; concluyendo que con una confianza de 95% que el verdadero peso

promedio de todas las bolsas de café empacadas oscila entre 242,12 y 253,88 gramos.

EJEMPLO 6: Supóngase que los pesos de las bolsas de café no están distribuidas normalmente.
¿A qué conclusión llegaría Usted?