Tema 6

Estimación confidencial
Departamento de Matemática Aplicada

Escuela de Ingenierı́a Informática de Valladolid

Universidad de Valladolid

Estadı́stica Estimación confidencial Curso 2024/25 1

Esquema
1. Definición de intervalo de confianza
Introducción
Precisión de un IC
Cotas de Confianza
2. Intervalos de confianza en poblaciones normales
Jerzy Neyman (1894-1981)
Para µ Concepto IC
Para σ
Problema de Datos Pareados
Dos poblaciones Independientes
3. Otros intervalos de confianza
Para muestras grandes
Desigualdad de Chebychev

Estadı́stica Estimación confidencial Curso 2024/25 2

 Definición de intervalo de confianza Introducción

En este tema seguiremos presentando técnicas de estimación para la

Inferencia paramétrica
Supondremos que X1 , ..., Xn es una m.a.s. de una población X cuya
distribución de probabilidad depende de un parámetro desconocido θ
La estimación puntual analizada en el tema anterior tiene poco interés
práctico al ser solo un número
No se tiene información sobre la precisión y confiabilidad de la
estimación
Debido a la variabilidad de la muestra, es casi imposible que se acierte
con el verdadero valor del parámetro
En particular, si el estimador puntual es una v.a. continua, la
probabilidad de acertar es 0
Si se dispone de nuevas estimaciones basadas en otras muestras, las
estimaciones serán diferentes, ¿cuál será preferible?

Estadı́stica Estimación confidencial Curso 2024/25 3

 Definición de intervalo de confianza Introducción

Una alternativa a la estimación puntual es dar un intervalo de posibles

valores en el que el parámetro se encuentre con una confianza o fiabilidad
alta, tan cercana al 100 % como requiera cada situación
- El nivel de confianza 1 − α, o 100(1 − α) %, lo fija el investigador.
Se suele tomar 90 %, 95 %, o 99 %
- El riesgo de error α, o 100α %, está también fijado y será pequeño.
Habitualmente, α = 0.1; 0.05 o 0.01
- La información sobre la precisión de la estimación por IC viene dada
por la amplitud del intervalo
Ejemplos:
(i) Si se desea estimar un parámetro de una variable crı́tica para el
funcionamiento de un pulmón artificial, interesará que 1 − α sea muy
grande, por ejemplo, 1 − α = 0.999
(ii) Para estimar un parámetro relacionado con el tiempo que tarda en
ejecutarse un algoritmo, donde las consecuencias de un posible error no
son tan graves, se puede admitir una confiabilidad menor, por ejemplo,
1 − α = 0.95
Estos intervalos de valores, que se obtienen a partir de la distribución en el
muestreo de un estimador puntual del parámetro θ, se denominan Intervalos
de Confianza
Estadı́stica Estimación confidencial Curso 2024/25 4
 Definición de intervalo de confianza Introducción

Definición de Intervalo de Confianza

- Sea X1 , ..., Xn una m.a.s. de una población X (v.a. que modeliza la
caracterı́stica de interés)
- θ el parámetro de interés desconocido de la distribución de probabilidad de
X (de la población)
- 1 − α ∈ (0, 1), el nivel de confianza, fijado de antemano
Un Intervalo de Confianza de nivel 1 − α para θ es un intervalo formado por los
estadı́sticos L = L(X1 , ..., Xn ) y U = U(X1 , ..., Xn ) que verifica
Pr{L(X1 , ..., Xn ) ≤ θ ≤ U(X1 , ..., Xn )} = 1 − α

Observaciones
1 L y U son estimadores puntuales (por defecto y por exceso,
respectivamente) del parámetro θ
2 Los extremos del IC son v.a. (dependen de la muestra)
3 Los intervalos de confianza dependen de la confianza 1 − α que se desea
alcanzar

Estadı́stica Estimación confidencial Curso 2024/25 5

 Definición de intervalo de confianza Observaciones

4 Para una muestra dada: (X1 , ..., Xn ) = (x1 , ..., xn ),

se calculan las realizaciones de los estadı́sticos L y U:
l = L(x1 , ..., xn ) y u = U(x1 , ..., xn )
y se concluye que
θ ∈ [l, u] con confianza 1 − α
Se habla de confianza y no de probabilidad porque θ es una constante y no
tiene sentido decir Pr{l ≤ θ ≤ u} = 1 − α
Una vez calculado el intevalo [l, u] puede ocurrir:
- Acertemos: θ ∈ [l, u]
- Fallemos: θ ∈
/ [l, u]
Confiamos en haber acertado porque
Pr{θ ∈ [L(X1 , ..., Xn ), U(X1 , ..., Xn )]} = 1 − α
es muy alta

Estadı́stica Estimación confidencial Curso 2024/25 6

 Definición de intervalo de confianza Interpretación frecuencial

5 Interpretación frecuencial del intervalo de confianza:

En una serie larga de determinaciones de intervalos [l, u], en promedio una
proporción 1 − α de los casos, el IC contendrá al verdadero valor de θ
Ejemplo Se simulan 100 m.a.s. de tamaño 20 de una v.a. X y se construyen
100 IC de nivel 0.95 para θ. Los resultados obtenidos fueron

El parámetro θ se encuentra en
94 de los 100 intervalos, mientras
que está fuera de los otros 6
Si se tomasen más muestras, el
porcentaje de intervalos en los
que se encuentre el parámetro se
estabilizará en torno al 95 %

Estadı́stica Estimación confidencial Curso 2024/25 7

 Definición de intervalo de confianza Precisión de un IC

La utilidad práctica de un intervalo viene dada por dos medidas:

1. Confianza: Mide la garantı́a o seguridad del intervalo
2. Amplitud: Mide (inversamente) la precisión de la estimación realizada
¿Qué interesa valorar en un IC?
- Que la confianza sea lo más alta posible
- Que la precisión sea lo más grande posible
(la amplitud sea lo menor posible)
Es imposible controlar simultáneamente ambas medidas para una muestra
fija:
confianza ↑ ⇒ precisión ↓
precisión ↑ ⇒ confianza ↓
En la práctica, se consigue una confianza y amplitud prefijadas eligiendo
adecuadamente el tamaño muestral

Estadı́stica Estimación confidencial Curso 2024/25 8

 Definición de intervalo de confianza Cotas de Confianza

Definición de Cotas Confidenciales

Cota superior de confianza de nivel 1 − α para θ
Viene determinada por un estadı́stico U = U(X1 , ..., Xn ) que verifica
Pr{θ ≤ U(X1 , ..., Xn )} = 1 − α

Ejemplo: Si E representa el error que se comete en la medición del tiempo

de ejecución de un algoritmo, es conveniente obtener una cota confidencial
superior para la desviación tı́pica σ de E

Cota inferior de confianza de nivel 1 − α para θ

Viene determinada por un estadı́stico L = L(X1 , ..., Xn ) que verifica
Pr{θ ≥ L(X1 , ..., Xn )} = 1 − α

Ejemplo: Si X representa el tiempo de vida (antes de fallo) de una fuente de

alimentación, es interesante obtener una cota confidencial inferior para la
vida media µ

Estadı́stica Estimación confidencial Curso 2024/25 9

 Intervalos de confianza en poblaciones normales Para µ

Caso I. σ conocida (σ = σo )
Estimador de µ : µ
b=X
X − µ√ σo
Distribución en el muestreo de µ
b:X N (µ, √ n
n
)⇒ N (0, 1)
σo
Obtención de una región con probabilidad 1 − α bajo la distribución anterior

X − µ√
1 − α = Pr{−zα/2 ≤ n ≤ zα/2 }
σo

Despejar el parámetro µ en la desigualdad anterior:

σo σo
X − zα/2 √ n
≤ µ ≤ X + zα/2 √ n
σo
IC de nivel 1 − α para µ es X ∓ zα/2 √ n
Estadı́stica Estimación confidencial Curso 2024/25 10
 Intervalos de confianza en poblaciones normales Para µ

Determinación del tamaño muestral mı́nimo para estimar µ con una

exactitud de A unidades y una confianza 1 − α
σo
Como A = zα/2 √ n
, entonces
 2 
σo zα/2
n= A

I Cota superior de nivel 1 − α I Cota inferior de nivel 1 − α

σo σo
para µ: X + zα √ n
para µ: X − zα √ n

Estadı́stica Estimación confidencial Curso 2024/25 11

 Intervalos de confianza en poblaciones normales Para µ

Ejemplo: El servicio de contabilidad de una determinada universidad desea

estimar el gasto anual medio µ de los departamentos en material de oficina. Se
toma una m.a.s. de n = 16 departamentos y se obtiene x = 3125 euros.
Suponiendo que el gasto anual en material de oficina es una variable con
distribución normal y σ = 250 euros:
1. Calcular un IC de nivel 0.95 para µ
2. Obtener una cota confidencial superior del 99 % para µ
3. Si en el primer apartado se desea estimar µ con un error máximo de 100
euros, ¿qué tamaño muestral mı́nimo se precisa?
Solución
σo
1. Como el IC de nivel 1 − α para µ es X ∓ zα/2 √ n
, α = 0.05 (z0.025 = 1.96),
σo = 250 y n = 16, concluimos que
250
µ ∈3125 ∓ 1.96 √ 16
= 3125 ∓ 122.5 = [3002.5, 3247.5] con una confianza
del 95 %
σo
2. La cota superior de nivel 1 − α para µ es X + zα √ n
, α = 0.01 y
z0.01 = 2.32635, por tanto concluimos que
250
µ ≤3125 + 2.32635 √ 16
= 3270.40 con una confianza del 99 %
l m  2 
σo zα/2
2 (250)(1.96)
3. Como n = A = 100 = d24.01e, se tiene n = 25
Estadı́stica Estimación confidencial Curso 2024/25 12
 Intervalos de confianza en poblaciones normales Para µ

Caso II. σ desconocida

Estimador de µ : µ
b=X
X − µ√
Distribución en el muestreo de n−1 Tn−1
S
Obtención de una región con probabilidad 1 − α bajo la distribución anterior

X − µ√
1 − α = Pr{−tn−1;α/2 ≤ n − 1 ≤ tn−1;α/2 }
S

Despejar el parámetro µ en la desigualdad anterior:

S S
X − tn−1;α/2 √n−1 ≤ µ ≤ X + tn−1;α/2 √n−1
S
IC de nivel 1 − α para µ es X ∓ tn−1;α/2 √n−1
Estadı́stica Estimación confidencial Curso 2024/25 13
 Intervalos de confianza en poblaciones normales Resumen I

ESTIMACIÓN CONFIDENCIAL
1.- DISTRIBUCIÓN NORMAL
(A) PROBLEMA DE UNA MUESTRA:
Sea X1 ; :::; Xn una m.a.s. de una población N ( ; ).
Parámetro a estimar Función pivotal Intervalo de nivel 1 Cota inf. de nivel 1 Cota sup. de nivel 1

X p 0 0 0
( = 0 conocida) n N (0; 1) (1) X z =2 p X z p X +z p
0 n n n

X p S S S
( desconocida) n 1 Tn 1 (2) X tn 1; =2 p X tn 1; p X + tn 1; p
S n 1 n 1 n 1
Pn "P Pn # Pn Pn
2 n 2 2 2 2
2 i=1 (Xi 0) 2 i=1 (Xi 0) i=1 (Xi 0) i=1 (Xi 0) i=1 (Xi 0)
( = 0 conocida) 2 n 2
; 2 2 2
n; =2 n;1 =2 n; n;1

" #
2 nS 2 2 nS 2 nS 2 nS 2 nS 2
( desconocida) 2 n 1 2
; 2 2 2
n 1; =2 n 1;1 =2 n 1; n 1;1

Notas:
1
Pn
(1) X = n i=1 Xi

1
Pn
(2) S 2 = n i=1 (Xi X)2

Estadı́stica Estimación confidencial

3 Curso 2024/25 14
 Intervalos de confianza en poblaciones normales Resumen II
(B) PROBLEMA DE DATOS PAREADOS:
Sea (X1 ; Y1 ); :::; (Xn ; Yn ) una m.a.s. de una población (X; Y ) con 1 = E(X); 2 = E(Y ) y D = X Y N( 1 2; d ):

Procedimiento: Como D1 ; :::; Dn , con Di = Xi Yi es una m.a.s. de la v.a. D, para calcular los Intervalos de Con…anza o las Cotas Con…denciales
2
de nivel 1 para d = 1 2 y d se aplican a la v. a. D los resultados del apartado (A).

(C) PROBLEMA DE DOS POBLACIONES INDEPENDIENTES:

Sean X1 ; :::; Xm una m.a.s. de una población N ( 1 ; 1) e Y1 ; :::; Yn otra m.a.s. de una población N ( 2 ; 2 ).
Parámetro a estimar Función pivotal Intervalo de nivel 1 Cota inf. de nivel 1
q q
X Y ( 1 2) 2 2 2 2
1 2 ( 1 y 2 conocidas) q N (0; 1) (3) X Y z =2 m
1
+ 2
n
X Y z m
1
+ 2
n
2 2

m
1
+ n
2

X Y ( h q i q
1 2) 1 1 1 1
1 2 ( 1 = 2 desconocida) q Tm+n 2 (4) X Y tm+n 2; =2 Sp m
+ n
X Y tm+n 2; Sp m
+ n
1 1
Sp m
+ n

q q
X Y ( 1 2) 2
Scx 2
Scy 2
Scx 2
Scy
1 2 ( 1 6= 2 desconocidas) q ' Tf (5) X Y tf ; =2 m
+ n
X Y tf ; m
+ n
2 2
Scy
Scx
m
+ n

2 2
1 M SCy 1 M SCx M SCx M SCx
2
( 1 y 2 conocidas) 2
Fn;m (6) Fn;m;1 =2 ; Fn;m; =2 Fn;m;1
2 M SCx 2 M SCy M SCy M SCy

2 2 2 2 2 2
1
Scy 1 Scx Scx Scx
2
( 1 y 2 desconocidas) 2 2
Fn 1;m 1 2
Fn 1;m 1;1 =2 ; 2
Fn 1;m 1; =2 2
Fn 1;m 1;1
2 Scx 2 Scy Scy Scy

Las cotas con…denciales superiores de nivel 1 se obtienen reemplazando en los extremos superiores de los intervalos de con…anza =2 por .

Estadı́stica Estimación confidencial Curso 2024/25 15

 Intervalos de confianza en poblaciones normales Resumen III
(C) PROBLEMA DE DOS POBLACIONES INDEPENDIENTES:
Sean X1 ; :::; Xm una m.a.s. de una población N ( 1 ; 1) e Y1 ; :::; Yn otra m.a.s. de una población N ( 2 ; 2 ).
Parámetro a estimar Función pivotal Intervalo de nivel 1 Cota inf. de nivel 1
q q
X Y ( 1 2) 2 2 2 2
1 2 ( 1 y 2 conocidas) q N (0; 1) (3) X Y z =2 m
1
+ 2
n
X Y z m
1
+ 2
n
2 2

m
1
+ n
2

X Y ( h q i q
1 2) 1 1 1 1
1 2 ( 1 = 2 desconocida) q Tm+n 2 (4) X Y tm+n 2; =2 Sp m
+ n
X Y tm+n 2; Sp m
+ n
1 1
Sp m
+ n

q q
X Y ( 1 2) 2
Scx 2
Scy 2
Scx 2
Scy
1 2 ( 1 6= 2 desconocidas) q ' Tf (5) X Y tf ; =2 m
+ n
X Y tf ; m
+ n
2 2
Scy
Scx
m
+ n

2 2
1 M SCy 1 M SCx M SCx M SCx
2
( 1 y 2 conocidas) 2
Fn;m (6) Fn;m;1 =2 ; Fn;m; =2 Fn;m;1
2 M SCx 2 M SCy M SCy M SCy

2 2 2 2 2 2
1
Scy 1 Scx Scx Scx
2
( 1 y 2 desconocidas) 2 2
Fn 1;m 1 2
Fn 1;m 1;1 =2 ; 2
Fn 1;m 1; =2 2
Fn 1;m 1;1
2 Scx 2 Scy Scy Scy

Las cotas con…denciales superiores de nivel 1 se obtienen reemplazando en los extremos superiores de los intervalos de con…anza =2 por .

Estadı́stica Estimación confidencial Curso 2024/25 16

 Intervalos de confianza en poblaciones normales Resumen III
Notas:
1
Pm 1
Pn
(3) X = m i=1 Xi Y = n j=1 Yj

1
Pm 1
Pn mSx2 + nSy2
(4) Sx2 = m i=1 (Xi X)2 Sy2 = n j=1 (Yj Y )2 Sp2 =
m+n 2
2 1
Pm 1
Pn
(5) Scx = m 1 i=1 (Xi X)2 2
Scy = n 1 j=1 (Yj Y )2

2 2 2
Scx =m + Scy =n
f es el entero más próximo a 2 2 2
2 2
(Scx =m) Scy =n
+
m+1 n+1
Pm P
(6) M SCx = 1
m i=1 (Xi 1)
2
M SCy = n1 nj=1 (Yj 2)
2

Estadı́stica Estimación confidencial Curso 2024/25 17

 Otros intervalos de confianza Para muestras grandes

Supongamos que X1 , ..., Xn es una m.a.s. de una población X con µ = E (X ) y

σ 2 = Var (X )
Si n es grande, el T.C.L. nos dice que
X ' N (µ, √σn )
independientemente de cómo sea la distribución de probabilidad de X
Teniendo en cuenta que
Pr{−zα/2 ≤ N (0, 1) ≤ zα/2 } = 1 − α,
podemos concluir que
√
1 − α ' Pr{−zα/2 ≤ X −µ
σ n ≤ zα/2 }
y despejando µ tendremos que un IC de nivel aproximado 1 − α para µ es
X ∓ zα/2 √σn
Aplicaciones más habituales
1. Distribución de Bernoulli (proporciones)
2. Distribución de Poisson

Estadı́stica Estimación confidencial Curso 2024/25 18

 Otros intervalos de confianza Resumen IV

2.- MUESTRAS GRANDES

(A) UNA POBLACIÓN DE BERNOUILLI:
Sea X1 ; :::; Xn una m.a.s. de una población B(p).
Parámetro a estimar Función pivotal Interv. de nivel aprox. 1 Cota inf. de nivel aprox. 1 Cota sup. de nivel aprox. 1
" r # r r
pb p p f (1 f) f (1 f) f (1 f)
p p n ' N (0; 1) f z =2 (7) f z f +z
pb(1 pb) n n n

Nota:
1
Pn
(7) f = n i=1 Xi

(B) DOS POBLACIONES DE BERNOUILLI INDEPENDIENTES:

Sean X1 ; :::; Xm una m.a.s. de una población B(p1 ) e Y1 ; :::; Yn otra m.a.s. de una población B(p2 ).
Parámetro Función pivotal Intervalo de nivel aprox. 1 Cota inf. de nivel aprox. 1
" r # r
pb1 pb2 (p1 p2 ) f1 (1 f1 ) f2 (1 f2 ) f1 (1 f1 ) f2 (1 f2 )
p1 p2 r ' N (0; 1) f1 f2 z =2 + (8) f1 f2 z +
pb1 (1 pb1 ) pb2 (1 pb2 ) m n m n
+
m n

Una cota con…dencial superior de nivel aproximado 1 para p1 p2 se obtiene reemplazando por + en la expresión de la cota con…dencial
inferior para p1 p2 .

Nota:
1
Pm 1
Pn
(8) f1 = m i=1 Xi f2 = n j=1 Yj

Estadı́stica Estimación confidencial Curso 2024/25 19

 Otros intervalos de confianza Resumen V
(C) UNA POBLACIÓN DE POISSON:
Sea X1 ; :::; Xn una m.a.s. de una población P( ).
Parámetro a estimar Función pivotal Intervalo de nivel aproximado 1
" r #
X p X
p n ' N (0; 1) X z =2
X n

Una cota unilateral de con…anza para se obtiene reemplazando z =2 por z y por o + en la expresión del intervalo de con…anza para .

(D) UNA POBLACIÓN CUALQUIERA:

2
Sea X1 ; :::; Xn una m.a.s. de una población con = E(Xi ) y = V ar(Xi ).
Parámetro a estimar Función pivotal Intervalo de nivel aproximado 1

X p 0
( = 0 conocida) n ' N (0; 1) X z =2 p
0 n

X p b
( desconocida) n ' N (0; 1) (9) X z =2 p
b n

Una cota unilateral de con…anza para se obtiene reemplazando z =2 por z y por o + en la expresión del intervalo de con…anza para .

Nota:
(9) b es un estimador consistente de

Estadı́stica Estimación confidencial Curso 2024/25 20

 Otros intervalos de confianza Resumen VI
(E) DOS POBLACIONES INDEPENDIENTES CUALESQUIERA:
2
Sean X1 ; :::; Xm una m.a.s. de una población con 1 = E(Xi ); 1 = V ar(Xi ) e Y1 ; :::; Yn otra m.a.s. de una población con
2
2 = E(Yj ); 2 = V ar(Yj ).

Parámetro a estimar Función pivotal Intervalo de nivel aproximado 1

q
X Y ( 1 2) 2 2
1 2 ( 1 y 2 conocidas) q ' N (0; 1) X Y z =2 m
1
+ n
2
2 2

m
1
+ n
2

q
X Y ( 1 2) b21 b22
1 2 ( 1 y 2 desconocidas) q ' N (0; 1) (10) X Y z =2 m
+ n
b21 b22
m
+ n

Una cota unilateral de con…anza para 1 2 se obtiene reemplazando z =2 por z y por o + en la expresión del intervalo de con…anza para
1 2.

Nota:
(10) b1 y b2 son estimadores consistentes de 1 y 2, respectivamente.

Estadı́stica Estimación confidencial Curso 2024/25 21

 Otros intervalos de confianza Desigualdad de Chebychev

Sea X1 , ..., Xn es una m.a.s. de una población X con

µ = E (X ) y σ 2 = Var (X )
Un procedimiento que se puede utilizar siempre para
obtener un IC de nivel al menos 1 − α para µ es el
basado en la desigualdad de Chebychev aplicada a X
(estimador insesgado para µ) Pafnuti L. Chebychev(1821-1894)

Si σ es conocida (σ = σo ), entonces
σo2
Var (X )
Pr{ X − µ ≤ √σo } ≥1−  2 =1−  n 
2 =1−α
nα σ
√o
σ
√o
nα nα

σo
despejando µ, se tiene que X ∓ √ constituye un IC de nivel al menos
nα
1 − α para µ
σ
Si σ es desconocida, entonces el IC para µ que se utiliza es X ∓ √
b
nα
donde σb es un estimador consistente de σ

Estadı́stica Estimación confidencial Curso 2024/25 22

 Otros intervalos de confianza Resumen VII

3.- MUESTRAS DE CUALQUIER TAMAÑO

(A) UNA POBLACIÓN CUALQUIERA:
2
Sea X1 ; :::; Xn una m.a.s. de una población con = E(Xi ) y = V ar(Xi ).
Parámetro a estimar Intervalo de nivel al menos 1

( = 0 conocida) X p0
n

b
( desconocida) X p (11)
n

Nota:
(11) b es un estimador consistente de
(B) DOS POBLACIONES INDEPENDIENTES CUALESQUIERA:
2
Sean X1 ; :::; Xm una m.a.s. de una población con 1 = E(Xi ); 1 = V ar(Xi ) e Y1 ; :::; Yn otra m.a.s. de una población con
2
2 = E(Yj ); 2 = V ar(Yj ).

Parámetro a estimar Intervalo de nivel al menos 1

2 q 3
2 2

m
1
+ n
2

1 2 ( 1 y 2 conocidas) 4X Y p 5

2 q 3
b21 b22
m
+ n
1 2 ( 1 y 2 desconocidas) 4X Y p 5 (12)

Nota:
(12) b1 y b2 son estimadores consistentes de 1 y 2, respectivamente.

Estadı́stica Estimación confidencial Curso 2024/25 23

 Referencias

1 J.L. Devore, Probabilidad y Estadı́stica para Ingenierı́a y Ciencias, 8a ed.

Capı́tulos 7 y 9
2 W. Mendenhall y T. Sincich. Capı́tulo 8
3 W. Navidi. Capı́tulo 5
4 D. Peña Sánchez de Rivera, Fundamentos de Estadı́stica. Capı́tulo 8
5 R.E. Walpole, R.H. Myers, S.L. Myers, y K. Ye, Probabilidad y Estadı́stica
para ingenierı́a y ciencias, 9a ed. Capı́tulo 9

Estadı́stica Estimación confidencial Curso 2024/25 24