You are on page 1of 5

2010

Fundamentos Intervalos de
confianza

Mario Salas

02/03/2010

2010

Fundamentos Intervalos de confianza

FUNDAMENTOS INTERVALOS DE CONFIANZA.
NIVEL DE CONFIANZA
Con el objeto de realizar una estimación podemos tomar cualquier estadístico y relacionarlo con su
correspondiente parámetro un ejemplo de esto sería x y μ. Cualquier estadístico tiene un margen de error
con respecto al parámetro que se trata de inferir, que tan probable es el que este estimador se acerque al
parámetro es el concepto de confiabilidad. De acuerdo al teorema del limite central podemos concluir que
para aumentar la confiabilidad ( o sea la probabilidad) de que un estadístico se acerque al parámetro de la
población debemos aumentar el tamaño de muestra. De aquí podemos concluir fácilmente que si el tamaño

x = μ. El valor absoluto de
la diferencia entre el estimador y el parámetro poblacional se denomina error de estimación. Si x se utiliza
de la muestra es igual al de la población se debe de cumplir la siguiente igualdad.

como estimador de μ

entonces el error de estimación será

x − µ . El error de estimación decrece

conforme aumentamos el tamaño de la muestra, sin embargo nunca podemos conocer el valor del error de
estimación porque no es posible conocer el parámetro, sin embargo si podemos realizar afirmaciones
probabilísticas sobre el error de la estimación, a esta probabilidad se le conoce como el nivel de confianza.
A continuación ejemplificaremos la forma de evaluar el nivel de confianza de un estimador.
Se realizará un estudio para determinar la cantidad promedio de refresco despachado por una máquina
automática; en un estudio anterior se calculó que la desviación estándar de las cantidades despachadas era
s =0.40 ml Si se usa muestra de tamaño 40 para estimar μ, encuentre el nivel de confianza de que el error de
estimación sea menor de 0.01 ml.
Solución: Interesa determinar la probabilidad P (
de que n = 40, la distribución muestral de
está dado por:

x − µ .<0.01). Por el teorema del límite central y el hecho

x es aproximadamente normal. Si el error estándar de la media

σx =
=

σ
n

0.40
= 0.063
40

Por lo tanto:

P ( X − µ .<0.01). =P(IzI <

0.01
0.063

= P(IzI <0.16
=2P(0 <Z < 0.16) = 2(0.0636) = 0.1272

Así podemos tener una confianza de 12.72%, de que el error de estimación es menor que 0.01.

Mario Salas

Pagina 2

2010

Fundamentos Intervalos de confianza

En la situación anterior se definió de antemano el error máximo de estimación y se encontró el nivel de
confianza; ahora queremos desarrollar las ideas requeridas para determinar el error máximo de estimación
si el nivel de confianza se fija previamente, pero para hacer afirmaciones probabilísticas sobre el error de
estimación, primero debemos examinar el concepto de valor crítico. Valor crítico zα es el valor normal
estándar tal que a su derecha del área bajo la curva es α
Por ejemplo z0.025 es el valor z que a su derecha determina un área de 0.025 bajo la curva normal estándar y
sobre el eje horizontal .Como la tabla normal estándar proporciona las áreas bajo la curva normal estándar y
sobre el eje horizontal entre 0 y los valores de z específicos, para determinar el valor z que corresponde a un
área comprendida de 0.5-0.025 = 0.475 Si en la tabla z localizamos 0.475 y su valor z correspondiente que
es de 1.96, deducimos que el valor crítico deseado es = 1.96.
Una distribución puede tener dos valores críticos zα/2 y -zα/2 críticos. Al área bajo la curva normal estándar y
entre los dos valores críticos se le llama nivel de confianza, siendo igual a 1-α, porque la suma de las tres
áreas es 1.

EJEMPLOS
Si el nivel de confianza es de 85%, encuentre el valor crítico positivo.
Como 1- α =85%, α = 0.15 y α/2 = 0.075, para encontrar el valor crítico z0.075 usamos la tabla normal
estándar. Como el área bajo la curva y sobre el eje horizontal a la derecha de z0.075 es 0.075. y z0075 es 0.50.075 = 0.425. Buscando en los valores z el área resulta más cercana a 0.425, y encontramos el valor de z;
como el área 0.4251 resulta ser la más cercana a 0.425, el valor correspondiente de z es 1.44. En
consecuencia, el valor crítico positivo z0075 es 1.44.

ERROR DE ESTIMACIÓN.
PARA TAMAÑOS DE MUESTRA GRANDE
Hasta aquí hemos evaluado los valores críticos sobre la base de un nivel de confianza establecido pero que
hay acerca de obtener el nivel de precisión o error asociado a la estimación de una población.
Para encontrar este se sigue el siguiente proceso.
El intervalo de confinza es

P(-zα/2<Z< zα/2) = 1-α (Expresión 1)
Y el valor z para una distribución muestral esta dado por la expresión. 
= 

− µ 
/√

Sustituyendo el valor de z en la exptresión 1

P(-zα/2< 



/√

< zα/2) = 1-α

Mario Salas

Pagina 3

2010

Fundamentos Intervalos de confianza
Y multiplicando toda la expresión por /√
obtenemos.

P( − µ < zα/2 /√
) = 1-α
El error máximo de estimación para muestras grandes E que corresponde a un nivel de confianza de 1 - α se
1
puede encontrar aplicando la siguiente formula :

E = Zα / 2

σ
n

Debemos considerar que E no es el máximo error posible, el error de estimación,

x − µ puede exceder el

"máximo" E. Lo que indica la formula, es la confiabilidad de que nuestra estimación x tenga una precisión E
es (1 - α) 100%.La ecuación de E depende, del nivel de confianza; si queremos tener más confianza, el error
máximo E debe crecer.
Ejemplo.
En un esfuerzo para estimar el promedio del pulso de adultos de 40 años de edad durante el descanso, se
usó una muestra aleatoria de medidas del pulso en individuos de entre 40 y 50 años. Si x se usa para estimar
μ y se desea tener un 95% de confianza con respecto a que la media poblacional μ difiere de
de E, encuentre el error máximo E si se supone que μ = 10 pulsaciones por minuto.

x en no más

Como 1-α = 0.95, α = 0.05 y α/2 =0.025. De la tabla de z, z 0025 = 1.96; aplicando la ecuación para E tenemos:

E = Zα / 2

σ
n

 10 
E = (1.96)

 50 
Así, si x se usa para estimar μ podemos tener un 95% de confianza de que el error máximo de estimación
sea menor que 2.77 pulsaciones por minuto.

PARA MUESTRAS PEQUEÑAS
Si se usa para estimar μ, y se elige un tamaño de muestra n <30 de una población normal con σ desconocida,
entonces la distribución muestral de la media muestral es normal, pero no podemos calcular el puntaje z
para

x . Para este tipo de casos se debe usar una distribución t con gl (grados de libertad) = n-1

El error máximo de estimación para muestras pequeñas es
1

2

Para una demostración de esta formula consultar Richard C. Weimer, Estadística CECSA México 2000 Tercera Edición.

Paginas 418 a 419
2

Para una explicación de la demostración de cómo se obtiene esta formula consulta Richard C. Weimer, Estadística CECSA

México 2000 Tercera Edición. Paginas 420 y 421

Mario Salas

Pagina 4

2010

Fundamentos Intervalos de confianza

E = tα / 2

s
n

Ejemplo:
Se sabe que el tiempo en minutos necesario para ensamblar manualmente un módulo electrónico se
distribuye normalmente; si se obtuvieron los datos muestrales siguientes, encuentre el error máximo de
estimación E tal que haya un 99% de confianza en que la media poblacional del tiempo μ de ensamblaje
difiera menos de E de la media muestral
6.2

7.1

Primero encontramos

5.7

6.8

x.
5.4

x y s para la muestra. La media muestral es

x = 6.24 y s=0.716
El nivel de confianza de 1-α = 0.99.Y α = 0.01 α/2 = 0.005. El valor crítico t0.005 con gl = n- 1 = 5-1 =4. Por
tanto, t0.005 = 4.604.
Para encontrar el error de estimación utilizamos la formula:

E = tα / 2

s
n

Sustituyendo los datos obtenidos.

 0.716 
E = 4.604
 = 1.47.
 5 
Esto quiere decir que tendremos un 99% de seguridad en que μ de la población diferirá en 1.47 seg. De la
media muestral.

BIBLIOGRAFÍA.
Richard C. Weimer, Estadística CECSA México 2000
Tercera Edición. Págs. 414 a 417

Mario Salas

Pagina 5