Puesto que el estadístico muestral ( X ) varía de una muestra a otra (es decir,

depende de los elementos seleccionados en la muestra), se necesita contar con una

estimación más precisa de la característica real de la población. Para lograr esto es
necesario desarrollar una estimación por intervalo de dicha característica a través
de un intervalo estimador, el cual es un intervalo aleatorio cuyos puntos extremos
L 1 y L 2 son estadísticos. Esto se utiliza para determinar un intervalo numérico a
partir de una muestra. Se espera que el intervalo numérico obtenido contenga el
parámetro de la población que está siendo estimado. El intervalo a elaborar tendrá
una confianza específica o probabilidad de estimar correctamente el valor real del
parámetro poblacional.
Un intervalo de confianza de µ es un intervalo ( L 1, L 2 ) que incluye la media con
un grado de certidumbre establecido. Por ejemplo, un intervalo de confianza del 95
% es un intervalo tal que:

P L1 < µ < L2 = 0.95

Un intervalo de confianza del 95% para µ, significa que cuando se utiliza en un

muestreo repetido de la población, el 95% de los intervalos resultantes deberán
contener a µ; por casualidad el 5% no incluirá la verdadera media de la població
n. El grado de confianza deseado es controlado por el investigador.

Para construir un intervalo de confianza de µ existen varios métodos, aquí se utiliza

el método de cantidad pivotal. Primero hallaremos una variable aleatoria cuya
expresión contenga a µ, cuya distribución se conozca por lo menos
aproximadamente y que no dependa de µ.
Para la estimación por intervalos de confianza de la media de una población, se
consideran dos casos:
1. Cuando se conoce la varianza de la población.
2. Cuando se desconoce la varianza de la población.

Estimación por intervalo de la media cuando la varianza es conocida

Se conoce que si tenemos una muestra aleatoria X 1, X 2, ..., X n de tamaño n de una
distribución normal con media µ y varianza σ 2, entonces

X−µ
σ/ n

Sigue una distribución normal estándar o tipificada. Esta variable aleatoria puede
utilizarce para determinar la fórmula general para un intervalo de confianza de µ.

Ejemplo
Si queremos construir un intervalo de confianza para µ del 95%, debemos hallar
estdísticos L 1 y L 2 tal que P L 1 < µ < L 2 = 0.95 (Figura 3).

Figura 2. Estimación de la media cuando se conoce la varianza

x−µ
Como Z = N( 0, 1 ), entonces:
σ/ n

P − 1.96 ≤ Z ≤ 1.96 = 0.95

x−µ
P − 1.96 ≤ σ/ n
≤ 1.96 = 0.95

Luego para encontrar los puntos extremos del intervalo de confianza del 95%,
aislamos algebraicamente a µ en el centro de la desigualdad anterior:

σ σ
− 1.96 n
≤ x − µ ≤ 1.96 n
σ σ
− x − 1.96 n
≤ − µ ≤ − x + 1.96 n
σ σ
x + 1.96 n
≥ µ ≥ x − 1.96 n
σ σ
x − 1.96 n
≤ µ ≤ x + 1.96 n

Luego el intervalo estimador para la media poblacional será:

( X − 1.96 σ , X + 1.96 σ
n n )
Se observa que los extremos de los intervalos son estadísticos.
Suponiendo que σ = 4, n = 25 y x = 80 un estimado del intervalo es:

( x − 1.96 σ
n
, x + 1.96 σ
n )⇔( 80 − 1.96 4
25
, 80 + 1.96 4
25 ) ⇔( 78.432, 81.586 )

En general, el intervalo estimador de la media dada la varianza σ 2, con un nivel de

confianza de ( 1 − α ) ∗ 100% está dado por
 (X−z σ
n
,X+z σ
n )
α
Donde z es el valor que corresponde a un área del ( 1 − ) en la tabla Z
2
acumulada.

Se debe tener en cuenta que se consideró que la variable aleatoria X se distribuia

normal . Si no se satisface esta condición, entonces pueden emplearse los límites
de confianzaa dados anteriormente mientras el tamaño de la muestra no sea
demasiado pequeña. Estudios experimentales han demostrado que, para muestras
tan pequeñas como 25, los límites de confianza son generalmente satisfactorios, a
pesar del hecho de ser aproximados. Ello se debe a un importante teorema,
formulado por primera vez al principio del siglo XIX por Laplace y Gasuss. Este
teorema , conocido como el terorema central del límite, se enucia a continuación.
Enlaces

Intervalos de confianza

Intervalo Confidencial de una Media

Intervalo Confidencial de una Proporción