INTERVALOS DE CONFIANZA

Lina Guzmán seña, María Klaudia Paternina, Yesit Méndez Tapia

Lina_guzman30@hotmail.com, Klaudia4010@gmail.com, Yesit910@gmail.com

RESUMEN
Los intervalos de confianza es una de las herramientas básicas del análisis estadístico. Esta temática se aborda en los curso de
fundamentación estadística de los programas de pregrado e incluso en los programas de fundamentación media de algunos países.
En este trabajo se presenta los intervalos de confianza para media, diferencia de medias, varianza, cociente de varianza. Por
simplicidad se trabaja el caso de estimación por intervalo para la media (𝜇) asumiendo muestras de distribuciones binomial y
normal.

PALABRAS CLAVE: Intervalos de confianza, Varianza, Media, cociente de varianza.

Abstract 2 MARCO TEÓRICO

Confidence intervals is one of the basic tools of
statistical analysis. This subject is addressed in
the course of statistical foundation of the
undergraduate programs and even in the
average foundation programs of some countries.
In this paper we present the confidence intervals
for mean, difference of means, variance, and
quotient of variance.
1 INTRODUCCIÓN
Actualmente se debe estar bien informado de que las
poblaciones son generalmente muy grandes como para
ser medidas en su totalidad. Su tamaño requiere que se
seleccionen muestras, las cuales se pueden utilizar más
tarde para hacer inferencias. Para estudios estadísticos
de gran magnitud es necesario estimar la media
poblacional con la media de una muestra representativa.
Hay por lo menos dos tipos de estimadores que se
utilizan más comúnmente para este propósito: un
estimador puntual y un estimador por intervalo.
Intervalos de confianza
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.
Un intervalo de confianza tiene un límite inferior de
confianza (LIC) y un límite superior de confianza
(LSC). Estos límites se hallan calculando primero la
media muestral. 𝑋̅ . Luego se suma una cierta cantidad a
𝑋̅ para obtener el LSC, y la misma cantidad se resta de
𝑋̅ para obtener el LIC.
El fundamento de un intervalo de confianza

Un estimador puntual utiliza un estadístico para estimar
el parámetro en un solo valor o punto, para ello se
selecciona una muestra (n) y se encuentra la media (𝑋̅)
este valor sirve como una estimación puntual para la
media poblacional.
Una estimación por intervalo especifica el rango dentro
del cual está el parámetro desconocido, tal intervalo va
acompañado con frecuencia de una afirmación sobre el
nivel de confianza que se da en su actitud. Por tanto se
llama intervalo de confianza. Y para el presente trabajo
se busca aplicar los conceptos básicos de los intervalos
de confianza de diferencia de medias, varianza y
cociente de varianza para aplicarlas en un estudio
realizado a una muestra específica.
Un intervalo de confianza tiene un límite inferior de
confianza (LIC) y un límite superior de confianza (LSC)
, estos límites se hallan calculando primero la media
muestra, , luego se suma una cierta cantidad a para
obtener el LSC y la misma cantidad se resta de para
obtener el LIC. En este punto es importante aquella
regla empírica que el 95.5% de todas las medias
muéstrales caen dentro de dos errores estándar de la
media poblacional, entonces la media poblacional está a
máximo dos errores estándar del 95.5% de todas las
medias muéstrales, por tanto al comenzar cualquier
media muestral, si se pasa de dos errores estándar por
encima de dicha media y dos errores estándar por debajo
de ella se puede tener un 95.5% de confianza en que el

1
intervalo resultante contenga la media poblacional Para hallar la varianza de la distribución t es:
desconocida.
Valor alfa: Se denomina valor alfa a la probabilidad de 𝑛−1
𝜎2 =
error o la probabilidad de que un intervalo dado no 𝑛−3
contenga la media poblacional desconocida. Intervalos de confianza para la diferencia de medias

𝑉𝑎𝑙𝑜𝑟 𝑎𝑙𝑓𝑎 = 1 − coeficiente de confianza
Intervalos de confianza para media poblacional –
Muestras grandes
Sea 𝑋1 , … , 𝑋𝑛 una muestra aleatoria grande (n > 30) de
una población estándar 𝜎, por lo que 𝑋̅ es
aproximadamente normal. Entonces un intervalo de
confianza 100(1 - 𝛼) % para 𝜇 es:
• Intervalo de confianza para estimar 𝝁
cuando 𝝈 es conocido
̅ ± 𝒛𝜶 𝝈𝒙
𝝁=𝑿
⁄ 𝟐
Donde 𝜎𝑥 = 𝜎 ⁄√𝑛. Cuando el valor de 𝜎 es
desconocido, se puede sustituir por la desviación
estándar muestral s.
• Intervalo de confianza para estimar 𝝁
cuando σ es desconocido
Sean 𝑥11 , 𝑥12 ,…, 𝑥1𝑛1 una muestra aleatoria de
𝑛1 observaciones tomadas de una primera población con
valor esperado 𝜇1 , y 𝜎 21 y 𝑥21 , 𝑥22 ,…, 𝑥2𝑛2 una
muestra aleatoria de 𝑛2 observaciones tomada de la
segunda población con valor esperado μ2 y Si 𝒙̅1 y 𝒙̅ 2
son las medias muéstrales, la estadística 𝒙̅1 - 𝒙̅ 2 es un
estimador puntual de
𝜇1 −𝜇2 , y tiene una distribución normal si las dos
poblaciones son normales, o aproximadamente normal si
cumple con las condiciones del teorema del límite
central (tamaños de muestras relativamente grandes).
Por lo tanto:
̅1 − 𝒙̅ 2 − (𝜇1 − 𝜇2 )
𝒙
𝑧=
𝜎12 𝜎22
√ +
𝑛1 𝑛2
Intervalos de confianza para diferencias de medias
con varianzas conocidas pera diferentes (𝝈𝟐 𝟏 ≠ 𝝈𝟐 𝟐
)

En el evento probable que σ sea desconocida, la desviación Si las varianzas poblacionales son conocidas y
estándar de la muestra debe sustituirse: diferentes, los pasos a seguir para encontrar el intervalo
de confianza son los siguientes:
a) El estadístico usado como estimador puntual de la
𝑆
̅ ± 𝒁𝒔𝒙 ; Donde 𝑆𝑥 =
𝝁= 𝒙 diferencia de medias 𝜇1 −𝜇2 será igual a T= 𝒙̅1 -
√𝑛
̅2
𝒙

Intervalos de confianza para la media poblacional con b) La variable aleatoria asociada con el estimador
muestras pequeñas será la variable normal estándar dada por:

Sea 𝑋1 , … , 𝑋𝑛 una muestra pequeña (n < 30) de una ̅1 − 𝒙̅ 2 − (𝜇1 − 𝜇2 )

𝒙
población normal con media 𝜇, para calcular el 𝑧=
estadístico t es: 𝜎12 𝜎22
√ +
𝑛1 𝑛2
c) Si 𝒙̅1 - 𝒙̅ 2 son las medias de dos muestras
𝑋̅ − 𝜇
𝑡= aleatorias independientes de tamaño 𝑛1 −
𝑠⁄√𝑛 𝑛2 tomadas de poblaciones que tienen varianzas
conocidas, entonces el intervalo de confianza para
Tiene una distribución t de student con n – 1 grados de 𝜇1 −𝜇2 .
libertad, denotada por 𝑡𝑛−1 . Cuando n es grande, la 𝜎12 𝜎22
distribución de la cantidad (𝑋̅ − 𝜇) / (𝑠⁄√𝑛) es muy cercana a
( 𝒙̅1 - 𝒙̅ 2 ) - Z √ + ≤ 𝜇1 −𝜇2 ≤ 𝒙̅1 - 𝒙̅ 2 + Z
𝑛1 𝑛2
la curva normal, de esta forma la curva normal puede usarse en 𝜎12 𝜎22
lugar de la t de student. √ +
𝑛1 𝑛2

Intervalo de confianza para estimar 𝜇:

𝒔
̅± 𝒕
𝝁= 𝒙
√𝒏

2
Intervalos de confianza para diferencia de medias
para varianzas desconocidas e iguales (𝝈𝟐 𝟏 = 𝝈𝟐 𝟐
=𝝈𝟐 𝟑 ).
Cuando las varianzas de la población son desconocidas,
se usan las varianzas de la muestra de la muestra como
estimadores. El procedimiento a seguir para el cálculo
del intervalo de confianza para la diferencia de dos
medias es el siguiente:
a. El estadístico usado como estimador puntual de
la diferencia de medias 𝜇1 −𝜇2 será 𝒙̅1 - 𝒙̅ 2 .
b. La variable aleatoria asociada al estimador se
denota con la letra t. /en el caso de muestras
pequeñas)
̅1 − 𝒙̅ 2 − (𝜇1 − 𝜇2 )
𝒙 asume que la desviación estándar poblacional es 𝜎 =
𝑡=
1 1
𝑠𝑝 √ +
𝑛1 𝑛2
c. Para calcular el intervalo de confianza se debe
tener en cuenta el nivel de confianza que se
quiere considerar y los grados de libertad que
se calculan :
3 ANALISIS Y RESULTADOS
Para la mejor comprensión y ampliación de los
temáticos intervalos de confianza se decide proponer
una serie de ejercicios con situaciones específicas para
así aplicar cada una de las ecuaciones anteriormente
explicadas.
 Ejercicio 1. Intervalo de confianza para
muestras grandes (Estimación de 𝝁 cuando
es conocido)
Consideremos el caso de un promotor inmobiliario
quien intenta construir un gran centro comercial. Puede
estimar en el área el ingreso promedio por familia como
indicador de las ventas esperadas. Una muestra de 𝑛 =
100 familias de una media de 𝑥̅ = 𝑈𝑆$35,500. Se
𝜎
𝑈𝑆$7,200. Dado que 𝜎𝑥̅ = , se estima un intervalo
√100
del 95%
7,200
Como I.C. para estimar 𝜇 = 35,500 ± (1.96)
√100
= 34,088.80 ≤ 𝜇 ≤ 36,911.20

 Ejercicio 2. Intervalo de confianza cuando 𝝈

g.i. = 𝑛1 + 𝑛2 − 2
es desconocida

Gerry Gerber, CPA, acaba de registrar las declaraciones

Intervalos de confianza para diferencia de medias con
varianzas desconocidas y diferentes (𝝈𝟐 𝟏 ≠ 𝝈𝟐 𝟐 )
de impuestos de sus clientes. Desea estimar la cantidad
promedio que deben al Servicio de Renta Interna. De los
clientes que selecciono en su muestra, la cantidad
a. El estadístico usado como estimador puntual promedio que se adeudaba era de US$652.68. Ya que la
de la diferencia de medias 𝜇1 −𝜇2 será 𝒙̅1 - desviación estándar de todos sus clientes 𝜎 es
̅2.
𝒙 desconocida, Gerber debe estimar 𝜎 con la desviación
estándar de la muestra de 𝛿 = 𝑈𝑆$217.43. Si se desea
b. La variable asociada al estimador será la un nivel del 99% de confianza, el valor de Z apropiado
variable t es 2.58 (0.99/2=0.4950). De la tabla Z, un área de
0.4950 revela que Z = 2.58.
̅1 − 𝒙̅ 2 − (𝜇1 − 𝜇2 )
𝒙
𝑡= I.C. para estimar 𝜇 = 𝑥̅ ± 𝑍𝑠𝑥̅
𝑠2 𝑠2 = 𝑈𝑆$652.68 ± 2.58
𝑈𝑆$217.43
√ 1 + 2 √50
𝑛1 𝑛2
= 𝑈𝑆$573.35 ≤ 𝜇 ≤ 732.01

c. Los intervalos de confianza están dados por el Los resultados son tanto buenos como malos. Las
siguiente teorema: ventajas son que el intervalo del 95% es más estrecho y
𝑠12 𝑠22 ofrece mayor precisión. Un intervalo amplio no es
( 𝒙̅1 - 𝒙̅ 2 ) - t √ + ≤ 𝜇1 −𝜇2 ≤ 𝒙̅1 - 𝒙̅ 2 +
𝑛1 𝑛2 especialmente útil. Revelaría muy poco si el profesor le
𝑠12 𝑠22 pidiera que la media del siguiente examen estuviera
t√ + entre 0 y el 100%. Entre más estrecho sea el intervalo,
𝑛1 𝑛2
más significativo es.
d. Los grados de libertad están dados por la
siguiente ecuación: La desventaja es que el señor Gerber ahora está el 95%
seguro de que el intervalo contiene en realidad 𝜇.
2 Aunque el intervalo es más preciso (más estrecho), la
𝑠2 𝑠2
( 1 + 2) probabilidad de que contenga 𝜇 se ha reducido del 99 al
𝑛1 𝑛2
𝑣= 2 95%. El señor Gerber tuvo que abandonar algo de
(𝑠1 ⁄𝑛1 )2 (𝑠22 ⁄𝑛2 )2
+ confianza y ganar más precisión.
𝑛1 − 1 𝑛2 − 1

3
 6.3≤ 𝜇1 −𝜇2 ≤ 25.7
 Ejercicio 3. Intervalos de confianza para la
media en el caso de muestras pequeñas – la  Ejercicio 5. Intervalos de confianza para la
distribución t diferencia de medias. (cuando las varianzas
El contrato laboral realizado entre United Auto Workers son desconocidas pero iguales)
(UAW) y Ford Motor Company (FMC) requirió que la
producción promedio para una sección de producción se La siguiente tabla presenta los resultados de 2 muestras
realizara a 112 unidades por mes, por empleado. aleatorias para comparar el contenido de nicotina de 2
Surgieron desacuerdos entre UAW y FMC respecto a si marcas de cigarrillos.
se mantenía este estándar o no. El contrato laboral
específico que si los niveles de producción promedio se Marca A Marca B
reducían por debajo de cantidad estipulada de 𝜇 = 112, 𝑛𝑖 10 8
a FMC se le permitiría tomar “acciones correctivas”. 𝑥̅𝑖 3.1 2.7
Debido al costo implicado, solo se evaluaran 20 𝑠𝑖 0.5 0.7
trabajadores, resultando una media de 102 unidades. Se
asume que se encuentro una desviación estándar de 8.5 Suponiendo que los conjuntos de datos provienen de
unidades y que los niveles de producción están muestras tomadas al azar de poblaciones normales con
distribuidos normalmente. ¿Un intervalo de confianza de varianzas desconocidas e iguales, construya un intervalo
90% tiene a sugerir una contravención del contrato de confianza del 95% para la diferencia real de nicotina
laboral, permitiendo así una acción correctiva? de las 2 marcas.
Con un nivel de confianza del 90 % y n – 1 19 g.I., la
tabla F da un valor t de 1.729. Solucion: Como las varianzas son iguales, calculamos
𝑠𝑝2 que está dado por:
𝑠
I.C. para estimar 𝜇 = 𝑥̅ ± 𝑡
√𝑛
8.5 (9)0.52 + (7)0.72
= 102 ± (1.729) 𝑠𝑝2 = = 0.355
√20 16
= 102 ± 3.29
98.71 ≤ 𝜇 ≤ 105.29 𝑠𝑝 = 0.596

El nivel de producción promedio de 112 unidades, El intervalo de confianza del 95% está dado por
especificados en el contrato laboral, no está dentro del (t(0.025,g.I. 16)=2.21):
intervalo de confianza.
1 1 1 1
𝑥1 − 𝑥
̅̅̅ ̅̅̅2 − 𝑠𝑝 √ + ≤ 𝜇1 − 𝜇2 ≤ ̅̅̅
𝑥1 − 𝑥
̅̅̅2 + 𝑡 𝑠𝑝 √ +
𝑛1 𝑛2 𝑛1 𝑛2
 Ejercicio 4. Intervalos de confianza para la
diferencia de medias. (cuando las varianzas
1 1
son conocidas pero diferentes) 3.1 − 2.7 − 2.21(0.596)√ + ≤ 𝜇1 − 𝜇2 ≤ 3.1 − 2.7 +
10 8
1 1
Construya un intervalo de confianza del 94% para la 2.21(0.596)√ +
10 8
diferencia real entre las duraciones de dos marcas de
focos, si una muestra de 40 focos tomada al azar de la −0.2 ≤ 𝜇1 − 𝜇2 ≤ 1.0
primera marca dio una duración media de 418 horas, y
una muestra de 50 focos de otra marca dieron una
duración media de 402 horas. Las desviaciones  Ejercicio 6. Intervalos de confianza para la
estándares de las dos poblaciones son 26 horas y 22 diferencia de medias. (cuando las varianzas
horas, respectivamente. son desconocidas y diferentes)
Tenemos que: 𝒙 ̅1 = 418, 𝒙̅2 = 402, 𝜎1 = 26, 𝜎2 =22,
𝑛1 = 40, 𝑛2 = 50, con 𝑧 = 1.88. El intervalo de Cierto metal se produce, por lo común, mediante un proceso
confianza es, entonces: estándar. Se desarrolla un nuevo proceso en el que se añade
una aleación a la producción del metal. Los fabricantes se
𝜎12 𝜎22 𝜎12 𝜎22
encuentran interesados en estimar la verdadera diferencia entre
̅1 - 𝒙
(𝒙 ̅2 ) - Z √ + ≤ 𝜇1 −𝜇2 ≤ 𝒙
̅1 - 𝒙
̅2 + Z √ + las tensiones de la ruptura de los metales producidos por los 2
𝑛1 𝑛2 𝑛1 𝑛2
procesos. Para cada metal se seleccionan 12 ejemplares y cada
uno de estos se somete a una tensión hasta que se rompe.
262 222
(418 - 402) - 1.88 √ + ≤ 𝜇1 −𝜇2 ≤ (418 - 402) +
40 50
262 222
1.88 √ +
40 50

Entonces:

4
 1 1 1 1
𝑥1 − 𝑥
̅̅̅ ̅̅̅2 − 𝑡√ + ≤ 𝜇1 − 𝜇2 ≤ ̅̅̅
𝑥1 − ̅̅̅
𝑥2 + 𝑡 √ +
𝑛1 𝑛2 𝑛1 𝑛2

14.92 24.82
La siguiente tabla muestra las tensiones de ruptura de los (451.4 − 443.3) − 2.10√ + ≤ 𝜇1 − 𝜇2
ejemplares en kilogramos por centímetro cuadrado: 12 12

14.92 24.82
≤ (451.4 − 443.3) + 2.10√ +
12 12
Proc 4 4 4 4 4 4 4 4 4 4 4 4
eso 4 0 7 2 5 3 8 1 5 2 5 4
está 6 1 6 1 9 8 1 1 6 7 9 5 −25.65 ≤ 𝜇1 − 𝜇2 ≤ 9.49
ndar
Proc 4 4 4 4 4 4 4 4 4 4 4 4 𝑡1 = 2.88, 𝑡2 = −2.88
eso 6 4 3 6 2 7 5 5 2 6 5 4
nuev 2 8 5 5 9 2 3 9 7 9 2 7
o

Si se supone que el muestreo se llevó a cabo sobre 2

distribuciones normales e independientes, obtener los
intervalos de confianza estimados 95% y 99% para la
diferencia entre los dos procesos. Interprete los
resultados.

Solucion

Calculamos los valores que necesitamos.

n Media S
12 443.3 24.8
12 451.4 14.9

14.92 24.82
95% de confianza (451.4 − 443.3) − 2.88√ + ≤ 𝜇1 − 𝜇2
12 12

𝑡1 = 2.10, 𝑡2 = −2.10 14.92 24.82

≤ (451.4 − 443.3) + 2.88√ +
12 12

2 −32.16 ≤ 𝜇1 − 𝜇2 ≤ 15.99
𝑠2 𝑠2
( 1 ⁄𝑛1 + 2 ⁄𝑛2 )
𝑣= 2 2 = 18
𝑠2 𝑠2
[( 1 ⁄𝑛1 ) /(𝑛1 − 1)] + [( 2 ⁄𝑛2 ) /(𝑛2 − 1)]