Intervalos de Confianza

Contenido
Intervalos confidenciales
Intervalos confidenciales para la media de una distribucin
normal
Intervalos confidenciales para la varianza de una distribucin
normal
Intervalos confidenciales para la diferencia de medias
Intervalos confidenciales para la relacin de varianza
INTERVALOS CONFIDENCIALES
Parmetros poblacionales y Estadsticos Muestrales
Datos
(Poblacin de Inters)
Muestras
-4 -2 0 2 4
0
20
40
60
80
100
120
140
160
Histograma de la Poblacion
Clases
F
r
e
c
u
e
n
c
i
a
-4 -2 0 2 4
0
2
4
6
8
10
12
14
16
Histograma de la Muestra
Clases
F
r
e
c
u
e
n
c
i
a
Parmetros:
Media ()
Varianza(o
2
)
Desv. Est. (o)
Etc.
Estadsticos:
Promedio ( )
Varianza muestral(S
2
)
Desv. Est. muestral(S)
Etc.
Inferencias
Muestreo
X
Estimacin de Parmetros
Ejemplo: Estimacin de la media de una poblacin
Estimador: La media muestral ( ) que se calcula a partir de una muestra de
N datos como sigue:
X
) x ... x (x
N
1
N 2 1
____
X
+ + + =
Parmetro que se pretende estimar : La media de la poblacin ( ) que en
general no se conoce, no se puede conocer, o se conoce slo un valor terico:
El estimador (en el ejemplo la media muestral) puede tomar diferentes
valores (aleatorios) dependiendo de la muestra (aleatoria) considerada, es
decir, el estimador es una variable aleatoria
Es natural preguntarse : Cul ser la distribucin de probabilidad del
estimador? De hecho cules sern sus parmetros? tendrn que ver con los
de la poblacin?
Estimacin de Parmetros
En general: un estadstico que pretende estimar un parmetro
u es una v. a. Que depende de las N variables aleatorias que
forman una muestra, es decir
O
^
O
^
= f(X
1
,X
2
,...,X
N
)
As, una muestra es un conjunto de valores (x
1
,x
2
,...,x
N
) tomados
por las variables aleatorias (X
1
,X
2
,...,X
N
).
Es natural suponer que la distribucin f(X
i
)=P(X
i
=x
i
) de cada
variable de la muestra es igual a la de la poblacin
Estimacin de Intervalos
En la explicacin previa, un estimador produce un valor
que pretende aproximar a un parmetro u. A este enfoque se le
llama estimacin puntual
O
^
En el enfoque de estimacin de intervalos, para un parmetro u
no se estima un valor, sino un intervalo de la forma l s u s u,
donde los valores extremos l, u dependen del valor numrico del
estadstico para una muestra en particular y de la distribucin
de muestreo de
O
^
u
^
u
^
Es decir, l,u dependen de la muestra, por lo tanto son valores de
variables aleatorias L, U
Estimacin de Intervalos
Partiendo de la distribucin de muestreo para , es posible
determinar valores de L,U tales que se cumpla lo siguiente:
P(L s u s U) =1 o
Donde 0 < o < 1
Es decir, se puede garantizar con una probabilidad de 1-o que
la muestra elegida contendr el valor verdadero de u
O
^
Al intervalo resultante l s u s u se le conoce como el intervalo
de confianza del 100(1 o) para el parmetro desconocido u
Estimacin de Intervalos
Ejemplo: Construccin repetida de un intervalo de confianza
para la media :
Si los intervalos de confianza mostrados son del 95% significa
que si se construye un gran nmero de ellos, el 95% de ellos
contendr a la media

Estimacin de Intervalos
En la prctica se obtiene solamente una muestra y se calcula con
ella un intervalo de confianza dicho intervalo contiene o no
contiene a , no es razonable asignar una probabilidad a este
evento.
La proposicin a decuada es que el intervalo contiene a con
una confianza del 95%
La longitud del intervalo de confianza (u-l) es una medida de la
calidad de la informacin obtenida en la muestra, al semi
intervalo u-u, o u-l se le llama Precisin del estimador.
Intervalos confidenciales para la media de una
distribucin normal
Intervalo para la Media (Varianza conocida)
Situacin: Se tiene una poblacin con media desconocida , pero
se supone conocida la varianza o
2
.
Se toma una muestra aleatoria (X
1
,X
2
,...,X
N
). Con esta muestra
se calcula el estadstico el cual es un estimador puntual
insesgado para la media desconocida. Se puede obtener un
intervalo de confianza del 100(1-o) % para si consideramos
los siguientes hechos acerca de la distribucin de :
X
X
Intervalo para la media
Intervalo para la Media (Varianza conocida)
1. Si la poblacin es Normal, la distribucin de es Normal

2. Si la poblacin no es Normal, el Teorema del lmite central nos
garantiza una distribucin de aproximadamente normal
cuando N

3. La media de es ( es insesgado)

4. La varianza de es o
2
/N
Teorema del Lmite Central:
Afirma que la media muestral tiene una distribucin Normal
aunque la poblacin original no la tenga, siempre y cuando la
muestra sea muy grande (de manera prctica N>30)
X
X
X
X
X
Intervalo para la media
Intervalo para la Media (Varianza conocida)
De acuerdo a lo anterior, podemos suponer que la variable


Tiene una distribucin N(0,1)

de la figura: P{-z
o/2
s Z s z
o/2
}=1-o.
Con lo cual el intervalo de confianza del 100(1-o)% para la media es
N /

X
___
Z

=
-z
o/2
z
o/2
Z
o/2 o/2
N / z N / z
/2
__
/2
__
x x
+ s s
Intervalo para la media
Intervalo para la Media (Varianza conocida)
Ejemplo: Los siguientes son datos de conductividad trmica de cierto tipo de
hierro (en BTU/hr-ft-F):
41.60 41.48 42.34 41.95 41.86
42.18 41.72 42.26 41.81 42.04
Una estimacin puntual para la media, es = 41.924. Hallar un intervalo de
confianza del 95 % y uno del 99% para la media.
Se supone que la poblacin tiene una distribucin Normal con o=0.3
Usamos la expresin para encontrar el
intervalo de confianza para la media: Usando Excel para calcular z
o/2
=
DISTR.NORM.ESTAND.INV(0,975)
l = 41.924 - 1.96(0.3)/\10 = 41.738, u = 41.924+1.96(0.3)/\10 = 42.110
Entonces el intervalo de confianza del 95% es
41.738 s s 42.11
Y la longitud de este intervalo es 3.92o/ \N
N / z N / z
/2
__
/2
__
x x
+ s s
X
Intervalo para la media
Intervalo para la Media (Varianza conocida)
Seleccin del tamao de la muestra:
La precisin del intervalo de confianza es z
o/2
o/\N esto significa
que al usar para estimar , el error de estimacin, dado por
E=| - | es menor o igual que z
o/2
o/\N, con una confianza de
100(1-o)%.
El problema inverso consiste en calcular N para obtener un error
E con una confianza del 100(1-o)% previamente especificado:
N
1/2
= z
o/2
o/E
X
X
Ejercicio: Calcular el tamao adecuado de la muestra para lograr
que el error de estimacin de conductividad del hierro sea menor
de 0.05 Btu/hr-ft-F con una confianza del 95%
Intervalo para la media
Intervalo para la Media (Varianza desconocida)
Si no se conoce la varianza o
2
de la poblacin, una posibilidad es
utilizar la varianza muestral S
2
en las ecuaciones obtenidas para
estimar intervalos en el caso de varianza conocida

Este procedimiento funciona para muestras grandes (N>30), por
ello los intervalos de confianza anteriores se les suele llamar
intervalos de confianza para muestras grandes.
Si las muestras son pequeas el enfoque anterior no funciona y
para lograr un procedimiento vlido se supondr que la poblacin
tiene una distribucin Normal
Intervalo para la media
Intervalo para la Media (Varianza desconocida)
Si no se conoce la varianza o
2
de la poblacin, una posibilidad es
utilizar la varianza muestral S
2
en las ecuaciones obtenidas para
estimar intervalos en el caso de varianza conocida

Este procedimiento funciona para muestras grandes (N>30), por
ello los intervalos de confianza anteriores se les suele llamar
intervalos de confianza para muestras grandes.
Si las muestras son pequeas el enfoque anterior no funciona y
para lograr un procedimiento vlido se supondr que la poblacin
tiene una distribucin Normal
Intervalo para la media
Intervalo para la Media (Varianza desconocida)
Si la poblacin es Normal, la siguiente estadstica



Tiene una distribucin t de student con N-1 grados de libertad
-t
o/2,N-1
t
o/2,N-1
T
o/2 o/2
N S
X
T
/

=
Intervalo para la media
Intervalo para la Media (Varianza desconocida)
de la figura: P{-t
o/2,N-1
s T s t
o/2,N-1
}=1-o. Con lo cual el
intervalo de confianza del 100(1-o)% para la media es
-t
o/2,N-1
t
o/2,N-1
T
o/2 o/2
N S
X
T
/

=
N s t x N s t x
N N
/ /
1 ,
2
1 ,
2

+ s s
o o

Intervalos confidenciales para la varianza de

una distribucin normal
Si la Poblacin es Normal, la distribucin muestral del estadstico
siguiente

Donde S
2
es la varianza muestral usada como estimador puntual de o
2
Es de tipo Ji-cuadrada con N-1 grados de libertad
0 _
2
o/2,N-1
_
2
1o/2,N-1
X
o/2 o/2
( )
2
2
2
1
o
_
s
N =
Intervalo para la Varianza de una distribucin Normal
De acuerdo a la figura, P(_
2
1-o/2,N-1
s X s _
2
o/2,N-1
) = 1-o
Por lo tanto, el intervalo de confianza del 100(1-o)% buscado
para la varianza es
0 _
2
o/2,N-1
_
2
1o/2,N-1
X
o/2 o/2
( )
2
2
2
1
o
_
s
N =
( ) ( )
2
2
, 1
2
2
2
2
1 , 1
2
1 1
o o
_
o
_

s s

N N
s N s N
Intervalo para la Varianza de una distribucin Normal
Intervalos de confianza unilaterales.- En el caso de la varianza es
ms comn buscar cotas inferiores o superiores que ambas a la vez
Intervalo de confianza inferior.- Se obtiene reemplazando el lmite
superior por y _
2
1o/2,N-1 por
_
2
1o,N-1
, obteniendo:
Intervalo de confianza superior.- En forma similar, se reemplaza el
lmite inferior por 0 y _
2
o/2,N-1 por
_
2
o,N-1
, obteniendo:
( )
2
2
1 , 1
2
1
o
_

N
s N
( )
2
2
, 1
2
1
o
_

N
s N
Otros intervalos de Confianza
Intervalo de confianza para una Proporcin
Se toma una muestra de tamao N de una poblacin muy grande y
resulta que X datos de la muestra pertenecen a alguna clase de
inters. Entonces un estimador puntual de la proporcin p de los
datos de la poblacin que pertenecen a la clase en cuestin es:
Ntese que N y p son los parmetros de una distribucin binomial
La distribucin de muestreo de se puede considerar
aproximadamente Normal con media p y varianza p(1-p)/N,
siempre que p no est muy cerca de 0 o de 1 y si N es
relativamente grande
P
^
P=X/N
^
Otros intervalos de Confianza
Intervalo de confianza para una Proporcin
De lo anterior, la distribucin de la variable


Es aproximadamente N(0,1)
Entonces, partiendo de P{-z
o/2
s Z s z
o/2
}=1-o
Obtenemos el siguiente intervalo de confianza aproximado del
100(1-o)% para la proporcin p de la poblacin que pertenece a la
clase dada:
Z =
Pp
p(1p)
N
( ) ( )
N
p p
z p p
N
p p
z p

2 2

+ s s

o o
Otros intervalos de Confianza
Intervalo de confianza para una Proporcin
Ejemplo: De 1000 casos de cncer pulmonar seleccionados al
azar, 823 son de pacientes que fallecieron. Construya un intervalo
de confianza del 95% para la tasa de mortalidad del cncer
pulmonar
Solucin: La tasa de mortalidad es la proporcin de los que
mueren a los que contraen el cncer pulmonar, de la muestra
tenemos que = 0.823. Por otro lado z
0.025
=1.96, entonces:


Es decir, 0.799 sps0.847
p
^
Intervalos confidenciales para la relacin de
varianza
Situacin: Se tienen dos poblaciones normales e independientes
con varianzas desconocidas o
1
2
, o
2
2
respectivamente. Se tienen
disponibles dos muestras aleatorias de tamaos N
1
, N
2
una de
cada poblacin respectivamente. Sean S
1
2
S
2
2
las varianzas
muestrales respectivas. Se busca un intervalo de confianza del
100(1-o)% del cociente de varianzas o
1
2
/ o
2
2
Para hallar el intervalo de confianza se debe recordar que la
distribucin de muestreo del estadstico siguiente


Es de tipo F con N
2
-1 y N
1
-1 grados de libertad en el numerador y
denominador respectivamente. (Ver la figura siguiente)
2
1
2
1
2
2
2
2
o
o
S
S
F =
Intervalo de confianza para el cociente de varianzas de dos
distribuciones Normales
As, de la figura: P{f
o/2,N2-1,N1-1
s F s f
1o/2,N2-1,N1-1
}=1-o
Por lo tanto, el intervalo de confianza buscado es:
0 f
o/2,N2-1,N1-1
f
1o/2,N2-1,N1-1
F
o/2 o/2
2
1
2
1
2
2
2
2
o
o
S
S
F =
S
2
1
2
2
2
1
2
2
2
1
2
2
2
2
1
o o
o
o

s s
F
S
S
F
S
S
Resumen de intervalos de confianza
Parmetros de inters Suposiciones
La media
Dist. Muestral Normal (o N grande) o
2
conocida
o
2
desconocida (Dist. Muestral T)
La varianza o
2
Dist. Normal (Dist. Muestral Ji
2
)
Proporcin p Dist. Muest. Normal (N grande, p alejado de 0 y de 1)
Cociente de varianzas
o
1
2
/o
2
2
Dos poblaciones Normales e independientes (Dist.
Muestral tipo F)
Diferencia de medias

2
Distribuciones
normales,
o
1
2
y o
2
2
conocidas
o
1
2
= o
2
2
desconocidas (Dist muest T)
o
1
2
= o
2
2
desconocidas (Dist muest T)
Diferencia entre dos
proporciones p
1
-p
2
Dist. Muestral Normal (N
1
y N
2
grandes, p
1
y p
2

alejados de 0 y de 1)