“AÑO DE LA LUCHA CONTRA LA CORRUPCIÓN E IMPUNIDAD”

UNIVERSIDAD CATÓLICA LOS ÁNGELES CHIMBOTE

FACULTAD DE INGENIERÍA

ESCUELA PROFESIONAL DE INGENIERÍA CIVIL

“INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL”

INTEGRANTES : ARANGO VILLANO, Rufino

: CHUCHON GARCIA, Bladimir

: RICO ARCE, Yaneth

: TINEO ALLCCA, ROSSMERIE

: CUTTI VALENZUELA, Edgar

CURSO : ESTADISTICA APLICADA

CICLO : III

GRUPO : B

DOCENTE : LIC. JORGE BUSTIOS DIAZ

AYACUCHO – PERÚ

2019
 DEDICATORIA

Al Lic. Bustios Díaz Jorge,

docente del curso de Estadística
Aplicada, por su esfuerzo y
paciencia vertida durante sus
enseñanzas.
 ÍNDICE

ÍNDICE ........................................................................................................................................... 3
NTRODUCCIÓN .............................................................................................................................. 4
LA PROBABILIDAD, NIVEL DE CONFIANZA ..................................................................................... 5
Estimación del intervalo de confianza para la media ................................................................. 6
Ejemplo ilustrativo ..................................................................................................................... 6
ESTIMACIÓN POR INTERVALOS DE CONFIANZA ............................................................................ 8
Definición de intervalo de confianza ............................................................................................. 8
MÉTODOS DE CONSTRUCCIÓN DE INTERVALOS DE CONFIANZA ................................................... 9
Intervalo de confianza para la media con  conocida. ........................................................... 9
Intervalo de confianza para la media con  desconocida. ................................................... 10
Intervalo de confianza para la varianza con media desconocida ............................................. 11
ESTIMACIÓN DEL TAMAÑO MUESTRAL. ...................................................................................... 12
PROPORCIÓN POBLACIONAL ....................................................................................................... 13
EJERCICIOS INTERVALO DE CONFIANZA....................................................................................... 14
CONCLUSION ............................................................................................................................... 16
BIBLIOGRAFIA.............................................................................................................................. 17
 NTRODUCCIÓN

La estadística inferencial aporta las técnicas necesarias para extraer conclusiones sobre el
valor poblacional de un determinado parámetro a partir de la evaluación de una muestra.
Las conclusiones derivadas de este proceso inferencial siempre estarán sujetas a error como
consecuencia de la variabilidad aleatoria unida al propio procedimiento de selección
muestral. Por ello, resulta necesario disponer no sólo de una estimación puntual, sino
también de un intervalo de confianza, que facilite un rango de valores verosímiles para el
parámetro poblacional, así como de una prueba de significación estadística, que permita
determinar el grado de compatibilidad de los datos muestrales con una hipótesis
predeterminada. Como vimos en el tema 1, el error que se comete al utilizar una muestra
que se extrae a partir de una población se llama error de muestreo y es un error aleatorio,
siempre que la muestra se haya extraído al azar. El error aleatorio es impredecible y no
puede ser eliminado, pero sí reducido mediante diseños más eficientes (que proporcionen
mayor información sin necesitar observar a más sujetos) o aumentando el tamaño de la
muestra estudiada.
 LA PROBABILIDAD, NIVEL DE CONFIANZA

Un intervalo de confianza es una técnica de estimación utilizada en inferencia

estadística que permite acotar un par o varios pares de valores, dentro de los cuales se
encontrará la estimación puntual buscada (con una determinada probabilidad).

Un intervalo de confianza nos va a permitir calcular dos valores alrededor de una media
muestral (uno superior y otro inferior). Estos valores van a acotar un rango dentro del cual,
con una determinada probabilidad, se va a localizar el parámetro poblacional.

Intervalo de confianza = media +- margen de error

Conocer el verdadero poblacional, por lo general, suele ser algo muy complicado.
Pensemos en una población de 4 millones de personas. ¿Podríamos saber el gasto medio en
consumo por hogar de esa población? En principio sí. Simplemente tendríamos que hacer
una encuesta entre todos los hogares y calcular la media. Sin embargo, seguir ese proceso
sería tremendamente laborioso y complicaría bastante el estudio.

Ante situaciones así, se hace más factible seleccionar una muestra estadística. Por ejemplo,
500 personas. Y sobre dicha muestra, calcular la media. Aunque seguiríamos sin saber el
verdadero valor poblacional, podríamos suponer que este se va a situar cerca del valor
muestral. A esa media le sumamos el margen de error y tenemos un valor del intervalo de
confianza. Por otro lado, le restamos a la media ese margen de error y tendremos otro valor.
Entre esos dos valores estará la media poblacional.
Estimación del intervalo de confianza para la media

Se emplea la siguiente fórmula:

Donde:

Z = valor crítico de la distribución normal estandarizada

Se llama valor crítico al valor de Z necesario para construir un intervalo de confianza para
la distribución. El 95% de confianza corresponde a un valor ( de 0,05. El valor crítico Z
correspondiente al área acumulativa de 0,975 es 1,96 porque hay 0,025 en la cola superior
de la distribución y el área acumulativa menor a Z = 1,96 es 0,975.

Un nivel de confianza del 95% lleva a un valor Z de 1,96.

El valor de Z es aproximadamente 2,58 porque el área de la cola alta es 0,005 y el área

acumulativa menor a Z = 2,58 es 0,995.

Ejemplo ilustrativo
Solución:

Realizando un gráfico ilustrativo en Winstats y Paint se obtiene:

Con lectura en la tabla de la distribución normal para un área de 0,025 se obtiene Z = -1,96.
Por simetría se encuentra el otro valor Z = 1,96

Remplazando valores y realizando lo cálculos se obtiene:

Los cálculos en Excel se muestran en la siguiente figura:

Interpretación: Existe un 95% de confianza de que la media poblacional se encuentre

entre 23,02 y 24,98

Un fabricante de papel para computadora tiene un proceso de producción que opera

continuamente a lo largo del turno. Se espera que el papel tenga una media de longitud de
11 pulgadas. De 500 hojas se selecciona una muestra de 29 hojas con una media de
longitud del papel de 10,998 pulgadas y una desviación estándar de 0,02 pulgadas. Calcular
la estimación del intervalo de confianza del 99%
ESTIMACIÓN POR INTERVALOS DE CONFIANZA
Se ha visto que un estimador es una función de las v. a. que integran una muestra, por tanto,
es una variable aleatoria con una determinada distribución. Una estimación del parámetro
 es el valor que toma el estimador ante una realización muestral concreta (recordar el
ejemplo del gasto diario en transporte de una empresa que, una vez extraída una muestra, se
obtuvo como estimación del gasto 279€). La estimación puntual, generalmente no
coincide con el verdadero valor del parámetro , (pero si el estimador tiene buenas
propiedades, se obtendrá un valor muy próximo a  en la mayoría de las realizaciones
muestrales que se obtengan). Por tanto, sería deseable acompañar la estimación del
parámetro con una medida asociada al posible error que se pueda cometer.

Definición de intervalo de confianza

Un intervalo de confianza es un intervalo aleatorio cuyos extremos son funciones de la
muestra que nos garantiza con una confianza del (1-)% que el verdadero valor del
parámetro va a estar dentro del intervalo obtenido.

Para ello se toma una muestra aleatoria simple de tamaño 100, por ejemplo, y utilizamos la
media muestral como el mejor estimador de la media poblacional que sabemos que se
distribuye
MÉTODOS DE CONSTRUCCIÓN DE INTERVALOS DE CONFIANZA

Hay varios métodos pero únicamente se va a exigir el denominado “método del pivote”.

Se parte de una v.a. poblacional X  F ( x, ) y se dan los siguientes pasos:

1.- Se elige el mejor estimador posible ˆ del parámetro .

2.- Se busca una función h(ˆ) del estimador cuya distribución sea conocida y no dependa

del parámetro .

3.- Se construye el intervalo tal que P(G 2  h(ˆ)  G1− 2 ) = 1 − 

4.- Se obtiene el intervalo despejando el parámetro.

Nota: generalmente se van a obtener 1 y 2 que dejan a su izquierda y derecha,

respectivamente, una probabilidad de /2.

Veamos ejemplos concretos:

Intervalo de confianza para la media con  conocida.

1 n
1.- Se elige el mejor estimador de  que es X =  X i
n i=1

X −
2.- Nos fijamos en la función h( X ) =  N (0,1) que no depende del

n
parámetro

X −
3.- Se construye el intervalo P(− z 2   z1− 2 ) = 1 − 

n

4.- Se despeja el parámetro  y queda: P( X − z 2     X + z1− 2  ) = 1 −  con

n n

lo que el intervalo de confianza es ( X − z 2  , X + z1− 2  ) que es el que aparece en

n n
el libro de tablas.
 Ejemplo

El peso de los cocos producidos por los arboles de una granja se distribuye de forma
normal, con media desconocida pero con  = 13 g. Se toma una muestra de ellos y se
obtiene que los pesos son: 700, 700, 680, 680, 690, 710, 670 y 700 gramos. Hallar un
intervalo de confianza para la media con un nivel del 95%.

De una población normal N(,6) se selecciona una muestra aleatoria cuya media es 25.
Obtener un intervalo de confianza para la media poblacional  en los siguientes casos.

➢ Cuando el tamaño de la muestra es 16 y el nivel de confianza es del 90%.

➢ Igual que antes pero con tamaño de muestra igual a 64.
➢ Con tamaño de la muestra igual a 16, nivel de confianza del 90% pero  =
10.
Con tamaño de la muestra n = 16, confianza del 95% y  = 6.

Intervalo de confianza para la media con  desconocida.

Igual que antes:

1 n
❖ Se elige el mejor estimador de  que es X =  Xi
n i=1
X −
❖ Nos fijamos en la función h( X ) =  Tn−1 que no depende del parámetro
Sc
n
.
X −
❖ Se construye el intervalo P (−t 2   t1− 2 ) = 1 − 
Sc
n
❖ Se despeja el parámetro  y queda:

P( X − t 2 Sc    X + t1− 2 Sc ) = 1− con lo que el intervalo de

n n

confianza es ( X − t 2 Sc , X + t1− 2 Sc ) que es el que aparece en el libro de

n n
tablas.
Intervalo de confianza para la varianza con media desconocida
Análogamente:

 (X −X)
n
2
i
1.- Se elige el mejor estimador de 2 que es ˆ 2 = Sc2 = i =1
n −1

(n − 1) Sc2
2.- Nos fijamos en la función h(ˆ 2 ) =   2 n−1 que no depende del
 2

parámetro

(n − 1) Sc2
3.- Se construye el intervalo P(1   2 ) = 1 −  y se acepta que
2

1 =  n2−1; / 2 y que 2 =  n2−1;1 −  / 2 con lo que:

(n − 1) Sc2 (n − 1) Sc2
4.- Se despeja el parámetro 2 y queda: P( 2  ) = 1 −  con
 n2−1;1 − / 2  n2−1; / 2

 (n − 1) Sc2 (n − 1) Sc2 
lo que el intervalo de confianza es  2 ,  que es el que aparece en el
  n −1;1 − / 2  n2−1; / 2 
 
libro de tablas.

Ejemplo:

Utilizar los datos del ejercicio anterior para obtener un intervalo de confianza para la
varianza con un nivel del 95%.

Análogamente se procede en todos los demás casos que aparecen en el libro de tablas
cuando la población se distribuye según una distribución normal.
 ESTIMACIÓN DEL TAMAÑO MUESTRAL.

Muchas veces interesa elegir, junto con el nivel de confianza, un intervalo de confianza de
una determinada longitud y determinar cuál debería ser el tamaño muestral adecuado.

El procedimiento es sencillo, basta obtener la longitud del intervalo y despejar

Ejemplo

Caso de intervalo de confianza para la media con  conocida.

2
La longitud L = X + z 2  − ( X − z 2  ) = 2 z 2  luego n = 4 z 2 2
n n n L2

La longitud de los tornillos fabricados por una determinada máquina se distribuye según
una distribución normal con desviación típica  = 2 mm. Con el fin de obtener un
intervalo del 99% de confianza para la longitud media de los tornillos producidos durante
un día determinado se toma una muestra aleatoria de 10 tornillos cuya longitud media
resultó ser de 96 mm. Calcular el correspondiente intervalo con estos datos y determinar el
tamaño de la muestra para construir un intervalo al 99% de confianza para la longitud de
los tornillos pero que tenga una amplitud de 2 mm.
 PROPORCIÓN POBLACIONAL

En poblaciones dicotómicas con una proporción de éxitos el estimador puntual del

parámetro es la proporción muestral

de éxitos, p, que coincide con la media de la muestra cuando se codifica como 1 la
característica que se considera como éxito y 0 la que se considera no éxito. A partir de un
tamaño muestral moderadamente grande el estadístico p tiene una distribución
aproximadamente normal. El intervalo de confianza para la proporción poblacional está
centrado en la proporción muestral; siendo sus límites superior e

inferior donde z /2 es el valor crítico correspondiente al grado de

confianza 1- de la distribución normal tipificada y es el error típico de la

proporción.

Para obtener el intervalo de confianza y contrastar hipótesis sobre la proporción una

alternativa consiste en tratar a la proporción como la media poblacional de una variable

dicotómica codificada como se ha descrito anteriormente (éxito=1, no éxito=0) y la
secuencia
EJERCICIOS INTERVALO DE CONFIANZA
 CONCLUSION

Analizando el estimador de la media muestral se concluye que para las

distribuciones continuas y discretas los dos métodos de estimación trabajados
proporcionan las mismas medidas descriptivas con una precisión de tres dígitos
como lo son: la media, la varianza, el error promedio de estimación, coeficiente
de kurtosis, coeficiente de asimetría, mínimo y máximo valor observados de los
estimadores, límite superior e inferior de los intervalos de confianza al 95% para
la media poblacional, longitud promedio de los intervalos de confianza y sesgo de
estimación, sin embargo para tamaños muestrales menores a 30 la longitud
promedio de los intervalos de confianza es menor al utilizar el método de
estimación Jacknife frente al método convencional de estimación para la media
poblacional.

Al utilizar el estimador de máxima verosimilitud para la varianza tanto para

distribuciones continuas como para distribuciones discretas en la mayoría de los
casos, la estimación Jacknife proporciona valores de mayor magnitud para la
varianza, error de estimación promedio, longitud promedio de los intervalos de
confianza al 95%, y sesgo de estimación; y a medida que aumenta el tamaño
muestral todas las medidas descriptivas para la distribución de los estimadores son
similares en magnitud al utilizar los dos métodos de estimación. Con la
distribución discreta Poisson para λ>7, el sesgo de estimación se reduce en la
mayoría de los casos mediante la estimación Jacknife frente a la estimación
convencional.
 BIBLIOGRAFIA

https://economipedia.com/definiciones/intervalo-de-confianza.html

• (1956). Statistical Methods and Scientific Inference. Oliver and Boyd, Edinburgh
(p. 32).
• Freund, J. E. (1962). Mathematical Statistics. Prentice Hall, Englewood Cliffs, NJ
(pp. 227-228).
• Hacking, I. (1965) Logic of Statistical Inference. Cambridge University Press,
Cambridge.
• Keeping, E. S. (1962). Introduction to Statistical Inference. D. Van Nostrand,
Princeton, NJ.
• Kiefer, J. (1977). Journal of the American Statistical Association, 72, 789-827.
• Neyman, J. (1937). Philosophical Transactions of the Royal Society of London
A, 236, 333-380.
• Robinson, G. K. (1975). Biometrika, 62, 151-161.
• Zar, J. H. (1984). Biostatistical Analysis. Prentice Hall International, New Jersey.
pp. 43-45.