INTERVALO DE CONFIANZA PARA UNA POBLACION

Un intervalo de confianza es un rango de valores, derivado de los estadísticos

de la muestra, que posiblemente incluya el valor de un parámetro de población
desconocido. Debido a su naturaleza aleatoria, es poco probable que dos muestras de
una población en particular produzcan intervalos de confianza idénticos. Sin
embargo, si usted repitiera muchas veces su muestra, un determinado porcentaje de
los intervalos de confianza resultantes incluiría el parámetro de población
desconocido.

En este caso, la línea negra horizontal representa el valor fijo de la media

desconocida de la población, µ. Los intervalos de confianza azules verticales que se
sobreponen a la línea horizontal contienen el valor de la media de la población. El
intervalo de confianza rojo que está completamente por debajo de la línea horizontal
no lo contiene. Un intervalo de confianza de 95% indica que 19 de 20 muestras (95%)
de la misma población producirán intervalos de confianza que contendrán el
parámetro de población.
Utilice el intervalo de confianza para evaluar la estimación del parámetro de
población. Por ejemplo, un fabricante desea saber si la longitud media de los lápices
que produce es diferente de la longitud objetivo. El fabricante toma una muestra
aleatoria de lápices y determina que la longitud media de la muestra es 52 milímetros
y el intervalo de confianza de 95% es (50,54). Por lo tanto, usted puede estar 95%
seguro de que la longitud media de todos los lápices se encuentra entre 50 y 54
milímetros.
 El intervalo de confianza se determina calculando una estimación de punto y
luego determinando su margen de error.
Estimación de punto
Este valor individual estima un parámetro de población usando los datos de
la muestra.
Margen de error
Cuando usted utiliza estadísticos para estimar un valor, es importante
recordar que, sin importar lo bien que esté diseñado su estudio, su estimación está
sujeta a error de muestreo aleatorio. El margen de error cuantifica este error e indica
la precisión de la estimación.
Usted probablemente ya entiende el margen de error, porque está
relacionado con los resultados de las encuestas. Por ejemplo, una encuesta política
podría indicar que el nivel de popularidad de un candidato es de 55% con un margen
de error de 5%. Esto significa que el nivel de popularidad real es +/- 5% y, por lo
tanto, se ubica entre 50% y 60%.
Para un intervalo de confianza bilateral, el margen de error es la distancia
desde el estadístico estimado hasta cada el valor del intervalo de confianza. Cuando
un intervalo de confianza es simétrico, el margen de error es la mitad del ancho del
intervalo de confianza. Por ejemplo, la longitud media estimada de un árbol de levas
es 600 mm y el intervalo de confianza oscila entre 599 y 601. El margen de error es 1.
Mientras mayor sea el margen de error, más ancho será el intervalo y menos
seguro podrá estar usted del valor de la estimación de punto.
En estadística, se llama intervalo de confianza a un par o varios pares de
números entre los cuales se estima que estará cierto valor desconocido con una
determinada probabilidad de acierto. Formalmente, estos números determinan un
intervalo, que se calcula a partir de datos de una muestra, y el valor desconocido es
un parámetro poblacional. La probabilidad de éxito en la estimación se representa con
1 - α y se denomina nivel de confianza. En estas circunstancias, α es el llamado error
aleatorio o nivel de significación, esto es, una medida de las posibilidades de fallar en
la estimación mediante tal intervalo.1
 El nivel de confianza y la amplitud del intervalo varían conjuntamente, de
forma que un intervalo más amplio tendrá más probabilidad de acierto (mayor nivel
de confianza), mientras que para un intervalo más pequeño, que ofrece una
estimación más precisa, aumenta su probabilidad de error.
Para la construcción de un determinado intervalo de confianza es necesario
conocer la distribución teórica que sigue el parámetro a estimar, θ.2 Es habitual que el
parámetro presente una distribución normal. También pueden construirse intervalos
de confianza con la desigualdad de Chebyshev.
En definitiva, un intervalo de confianza al 1 - α por ciento para la estimación
de un parámetro poblacional θ que sigue una determinada distribución de
probabilidad, es una expresión del tipo [θ1, θ2] tal que P[θ1 ≤ θ ≤ θ2] = 1 - α, donde P
es la función de distribución de probabilidad de θ.
Intervalos para muestras grandes
Bajo ciertas condiciones de regularidad, es posible construir intervalos de
confianza asintóticos de una manera bastante general.
Si suponemos que un parámetro θ tiene una estimación máximo verosímil θ*,
la distribución asintótica del estimador, bajo condiciones generales de regularidad, es
Normal, de media el valor verdadero del parámetro θ y varianza igual a la cota de
Cramér-Rao σ2(θ*).

Bajo las suposiciones anteriores, es posible construir un intervalo de confianza

asintótico y con nivel de confianza (1 − α) · 100 % a partir de

donde
los valores
de zα/2 se
calculan a partir de la distribución N(0, 1) de forma que P(|Z| > zα/2) = α. Es decir, se
utiliza como estadístico pi

INTERVALO PARA MEDIA CON MUESTRA PEQUEÑA

La distribución t es una familia de distribuciones cada una con su propia
varianza. La varianza depende de los grados de libertad (g.1.). Definidos como el
número de observaciones que se pueden escoger libremente. Es el numero de
observaciones menos el numero de restricciones impuestas sobre tales observaciones,
en donde una restricción es algún valor que tales observaciones se deben poseer una
media de 10. la media 10 sirve una restricción y hay n – 1=3 grados de libertad. Por
tanto, se pueden escoger tres observaciones cual quieras; por ejemplo se pueden
escoger 8,9 y 11. después que se seleccionen estos tres valores ya no hay libertad para
escoger a ultima observación. El cuarto valor debe ser 2 si se requiere tener un
promedio de 10.
Para todo conjunto de condiciones dadas la distribución t producirá un
intervalo mas amplio que la distribución Z si esta se utilizara. Este ancho adicional es
necesario debido a que se pierde algo de precisión porque la desviación es
desconocida y debe estimarse. El estadístico t se calcula en gran parte como el
estadístico Z.
t = (�−µ)/� Reescribiendo algebraicamente para expresarlo como intervalo de
confianza para estimar µ se tiene que intervalo de confianza para estimar la media
poblacional µ = � ̅ ± t �/(√�)– muestras pequeñas
 Introducción cuando se toma una muestra pequeña, distribución normal puede
no aplicarse, el teorema de limite central asegura la normalidad en el proceso de
muestreo solo si la muestra grande, cuando se utiliza una muestra pequeña, puede ser
necesaria una distribución alternativa, la DISTRIBUCION T STUDENT (o solo
distribución t).
Intervalo de confianza para una proporción
El Tamaño de la muestra (n)
La variabilidad de la población (s)
El nivel de confianza deseado
¿Para que sirve?
Sirve para calcular la estimación de la proporción de elementos en una
población que tiene ciertas características de interés.
Intervalo de Estimación
Establece el rango en el cual se encuentra el parámetro de la población.
El intervalo de confianza es aquel intervalo en el que se espera ocurra el
parámetro de la población.
Los intervalos de confianza más utilizados son el 90%, 95 % y el 99 %
CONCEPTO DE INTERVALO DE CONFIANZA
En estadística, un intervalo de confianza es un rango de valores (un par o
varios pares de números) en el que se estima se encuentra el verdadero valor del
parámetro, con una probabilidad determinada de acierto. La probabilidad de que el
verdadero valor del parámetro se encuentre en el intervalo construido se denomina
nivel de confianza, y se denota con 1- α.
La probabilidad de equivocarnos se llama nivel de significancia y se simboliza
con α.
Generalmente se construyen intervalos con confianza 1-α = 95% (o
significancia α= 5%, menos frecuentes son los intervalos con α=10% o α=1%)
Ejercicios:
Se hizo una encuesta a 325 personas mayores de 16 años y se encontró que
120 iban al teatro regularmente. Hallar con un nivel de confianza del 94% un
intervalo para estudiar la proporción de los ciudadanos que van al teatro
regularmente.
Tomada al azar una muestra de 500 personas de una determinada comunidad,
se encontró que 300 leían la prensa regularmente. Hallar con una confianza del 90%,
un intervalo para estimar la proporción de lectores entre las personas de la
comunidad.
En un almacén se está haciendo una auditoria para las facturas defectuosas.
De 500 facturas de venta se escoge una muestra de 30, de las cuales 5 contienen
errores. Construir una estimación del intervalo de confianza del 95%. Donde:
Pn = x/n (Proporción de la muestra)
q = 1-Pn
α = 1 - (Nivel de Confianza/100)
n = Tamaño de la muestra
Zα/2 = Valor Crítico
En ésta fórmula están involucrados el Teorema Central del Límite y la
aproximación de una binomial por una normal.
El intervalo de confianza para estimar una proporción p, conocida como una
proporción muestral Pn de una muestra de tamaño n, a un nivel de confianza del (1-
α)·100% es: Proporción o un porcentaje poblacional El porcentaje de personas con
hipertensión, fumadoras, etc. Proporción de personas que tienen coche.
Proporción de ecuatorianos que no sabe donde está Intag. Proporción de
ballenas que viven más de 30 años.
Ejemplo: Entonces:
1. La amplitud de un intervalo de confianza está determinado por: el nivel de
confianza establecido; la variabilidad de los datos; el tamaño de la muestra.
2. Un intervalo de confianza aporta más información que un estimador puntual
cuando se quiere hacer inferencias sobre parámetros poblacionales.
3. Existen intervalos de confianza bilaterales y unilaterales.
4. Un intervalo de confianza permite verificar hipótesis planteadas acerca de
parámetros poblacionales.
 INTERVALO DE CONFIANZA PARA LA VARIANZA
Intervalos de confianza
Existen dos tipos de estimaciones usadas para estimar los parámetros de la
población: la estimación puntual y la estimación de intervalo. Una estimación puntual
es el valor de un solo estadístico de muestra. Una estimación del intervalo de
confianza es un rango de números, llamado intervalo, construido alrededor de la
estimación puntual. El intervalo de confianza se construye de manera que la
probabilidad del parámetro de la población se localice en algún lugar dentro del
intervalo conocido.
Intervalo de Confianza para la varianza
Si tenemos una muestra de tamaño n tomada de una población normal,
podemos obtener un intervalo de confianza del nivel dado (90%, 95%, 99%, etc.) para
la varianza sabiendo que el valor de chi cuadrada es para este caso
(n−1)S 2
X 2 , n−1=
σ2

El cual es una variable aleatoria que tiene una distribución Chi cuadrada con n
-1 grados de libertad. Por lo tanto, podemos emplear esta definición para estimar un
intervalo de confianza ya que lo que necesitamos es despejar la varianza poblacional,
así obtenemos:

( n−1 ) S2= X 2 n−1 ∙ σ 2 2

(n−1)S
σ2=
X 2 n−1

Se obtiene el intervalo de confianza:

((n-1)S^2)/(X^2 ∝/2 n-1)<σ^2<((n-1)S^2)/(X^2 1-∝/2 n-1) De donde: X^2 : Valor de

Chi cuadrada, (grados de libertad y nivel de confianza (1 - α) especificado.)

S^2: Varianza muestral n-1: Grados de libertad σ^2: Varianza poblacional Ejemplos:
1.- Para estimar la dispersión del peso de los huevos en una tienda se tomó una
muestra de 15 huevos, y se obtuvieron los siguientes resultados (en gramos).
 62, 57, 70, 58, 59, 67, 65, 69, 55, 57, 60, 54, 72, 66, 77 Con un coeficiente de
confianza de 95% construye un IC para la varianza de los huevos de esa tienda.

Datos: Grados de libertad: n – 1 = 15 – 1 = 14 Varianza muestral:S^2

=51.19223 Coeficiente de confianza: 95%

2.- En una muestra de 46 pilas alcalinas se halló que la desviación estándar

muestral de la duración de las pilas era de 250 horas. Encuentre el intervalo de
confianza de 90% para la desviación estándar de la duración de las pilas.

Datos: Grados de libertad: n – 1 = 46 – 1 = 45 Varianza muestral: S^2

=〖250〗^2 Coeficiente de confianza: 90% Ejercicios:

1.- Una agencia de alquiler de automóviles necesita estimar el número medio

de kilómetros diarios que realiza su flota de automóviles; a tal fin, a lo largo de varios
días, se anotan los recorridos de cien vehículos de su flota y obtiene que la media
muestral es de 165km/día y que la desviación muestral es 6km/día. Hallar un
intervalo de confianza al 90 % para la varianza de dicha distribución.

2.- El tiempo que permanece conectado a lo largo del día determinado equipo
informático es una variable aleatoria con distribución normal de media 5.2 horas.
Observados 10 días al azar se obtuvieron los siguientes tiempos de conexión del
equipo: 6, 3.4, 5.6, 6.3, 6.4, 5.3, 5.4, 5, 5.2, 5.5. Obtener un intervalo de confianza al
95 % para la varianza de dicha variable.

3.- En un centro infantil se pesaron 50 niños de 9 meses de edad, con una

desviación muestral de 250 g. Construya un intervalo de confianza de 90% de la
varianza del peso de los niños.

4.- En una muestra de 70 bandas de cierta marca de automóvil, se determinó

que la desviación estándar muestral de la duración de las mismas es de dos años.
Encuentre un intervalo del 90% de confianza para la varianza de la duración de las
bandas.
 5.- En una muestra de 73 aromatizantes se halló que la desviación estándar
muestral de su duración era de 4.8 horas. Encuentre un intervalo de confianza de 90%
para la varianza de la duración de estos aromatizantes.

ENSAYO DE HIPOTESIS

Muy a menudo, en la práctica, se tienen que tomar decisiones sobre

poblaciones, partiendo de la información muestral de las mismas. Tales decisiones se
llaman decisiones estadísticas.

Por ejemplo, se puede querer decidir a partir de los datos del muestreo, si un
suero nuevo es realmente efectivo para la cura de una enfermedad, si un sistema
educacional es mejor que otro, si una moneda determinada está o no cargada, etc.

En el caso de que P = X/N, donde X es el número real de éxitos en una

muestra, z se convierte en

HIPÓTESIS ESTADÍSTICAS. HIPÓTESIS NULA

En muchos casos se formulan las hipótesis estadísticas con el solo propósito

de rechazadas o invalidadas. Por ejemplo, si se quiere decidir si una moneda está
cargada, se formula la hipótesis de que la moneda está bien, es decir, p = 0,5; donde p
es la probabilidad de cara. Análogamente, si se quiere decidir sobre si un
procedimiento es mejor que otro, se formula la hipótesis de que no hay diferencia
entre los procedimientos (es decir, cualquier diferencia observada se debe meramente
a fluctuaciones en el muestreo de la misma población). Tales hipótesis se llaman
también hipótesis nulas y se denotan por H0.

Cualquier hipótesis que difiera de una hipótesis dada se llama hipótesis

alternativa. Por ejemplo, si una hipótesis es p = 0,5 hipótesis alternativas son p = 0,7;
p 0,5 o p > 0,5. Una hipótesis alternativa de la hipótesis nula se denota por H1
 ENSAYOS DE HIPÓTESIS Y SIGNIFICACIÓN

Si en el supuesto de que una hipótesis determinada es cierta se encuentra que

los resultados observados en una muestra al azar difieren marcadamente de aquellos
que cabía esperar con la hipótesis y con la variación propia del muestreo, se diría que
las diferencias observadas son significativas y se estaría en condiciones de rechazar la
hipótesis (o al menos no aceptarla de acuerdo con la evidencia obtenida). Por
ejemplo, si en 20 lanzamientos de una moneda se obtienen 16 caras, se estaría
inclinado a rechazar la hipótesis de que la moneda está bien, aunque sería posible que
fuese un rechazamiento erróneo.

Los procedimientos que facilitan el decidir si una hipótesis se acepta o se

rechaza o el determinar si las muestras observadas difieren significativamente de los
resultados esperados se llaman ensayos de hipótesis, ensayos de significación o reglas
de decisión.

ERRORES DE TIPO I Y TIPO II

Si se rechaza una hipótesis cuando debería ser aceptada, se dice que se comete
un error del Tipo I.

Si, por el contrario, se acepta una hipótesis que debería ser rechazada, se dice
que se comete un error del Tipo II. En cualquiera de los dos casos se comete un error
al tomar una decisión equivocada.

NIVEL DE SIGNIFICACIÓN

La probabilidad máxima con la que en el ensayo de una hipótesis se puede

cometer un error del Tipo 1 se llama nivel de significación del ensayo. Esta
probabilidad se denota frecuentemente por; generalmente se fija antes de la
extracción de las muestras, de modo que los resultados obtenidos no influyen en la
elección.
 En la práctica se acostumbra a utilizar niveles de significación del 0,05 ó 0,01,
aunque igualmente pueden emplearse otros valores. Si, por ejemplo, se elige un nivel
de significación del 0,05 ó 5 % al diseñar un ensayo de hipótesis, entonces hay
aproximadamente 5 ocasiones en 100 en que se rechazaría la hipótesis cuando debería
ser aceptada, es decir, se está con un 95 % de confianza de que se toma la decisión
adecuada. En tal caso se dice que la hipótesis ha sido rechazada al nivel de
significación de 0,05, lo que significa que se puede cometer error con una
probabilidad de 0,05. Teoría de la decisión estadística, ensayos de hipótesis y
significación Thank you!

ENSAYOS REFERENTES A LA DISTRIBUCIÓN NORMAL

Para aclarar las ideas anteriores, supóngase que con una hipótesis dada, la
distribución muestral de un estadístico S es una distribución normal con media µs y
desviación típica . Entonces la distribución de la variable tipificada (representada por
z) dada por z = (S-/µs, es una normal tipificada (media 0, varianza 1) y se muestra en
la figura 10-1.

Como se indica en la figura, se puede estar con el 95 % de confianza de que,

si la hipótesis es cierta, el valor de z obtenido de una muestra real para el estadístico S
se encontrará entre -1.96 y 1.96 (puesto que el área bajo la curva normal entre estos
valores es 0.95).Sin embargo, si al elegir una muestra al azar se encuentra que z para
ese estadístico se halla fuera del rango -1.96 a 1.96, lo que quiere decir que es un
suceso con probabilidad de solamente 0.05 (área sombreada de la figura) si la
hipótesis fuese verdadera. Entonces puede decirse que esta z difiere
significativamente de la que cabía esperar bajo esta hipótesis y se estaría inclinado a
rechazar la hipótesis.

El área total sombreada 0.05 es el nivel de significación del ensayo.

Representa la probabilidad de cometer error al rechazar la hipótesis es decir, la
probabilidad de cometer error del Tipo I. Así, pues, se dice que la hipótesis se rechaza
al nivel de significación del 0.05 o que la z obtenida del estadístico muestral dado es
significativa al nivel de significación del 0.05.

El conjunto de las z que se encuentran fuera del rango -1.96 a 1.96 constituyen
lo que se llama región crítica o región de rechace de la hipótesis o región de
significación. El conjunto de las z que se encuentran dentro del rango -1,96 a 1,96
podía entonces llamarse región de aceptación de la hipótesis o región de no
significación.

De acuerdo con lo dicho hasta ahora; se puede formular la siguiente regla de

decisión o ensayo de hipótesis o significación.

(a) Se rechaza la hipótesis al nivel de significación del 0.05 si la z obtenida

para el estadístico S se encuentra fuera del rango -1.96 a 1.96 (es decir, z > 1,96 o z <
-1,96). Esto equivale a decir que el estadístico muestral observado es significativo al
nivel del 0,05.

(b) Se acepta la hipótesis (o si se desea no se toma decisión alguna) en caso

contrario.

A causa de su importante papel en los ensayos de hipótesis y significación, z

recibe también el nombre de ensayo estadístico.

Ensayos especiales

l. Medias. Aquí S = x, la media muestral; µs = µx = µ, media poblacional; ss =

sx = s/vN, donde µ es la desviación típica poblacional y N es el tamaño de la muestra.
El valor de z viene dado por

2. Proporciones. Aquí S = P, la proporción de «éxitos» en una muestra; µ s = µ

p = p, donde p es la proporción de éxitos en la población y N es el tamaño de la
muestra; ss = sp = vpq/N, donde q = 1 - p. El valor de z viene dado por
Universidad Rural de Guatemala
Carrera: Derecho

Sede y Código: 018

Estudiante y carné: Kevin Estuardo Rivera Oliva 160180105

Semestre Académico y año: 5to Semestre 2018

Docente: Licda. Vitalina Garcia Coroy

Texto Paralelo de la Asignatura Oratoria

Escuintla, 16 DE Junio 2018