Intervalo de conanza

1.1 Intervalo de conanza para la media de

una poblacin

De una poblacin de media y desviacin tpica se

pueden tomar muestras de n elementos. Cada una de estas
muestras tiene a su vez una media. Se puede demostrar
que la media de todas las medias muestrales coincide con
la media poblacional:[3] x =

Las lneas verticales representan 50 construcciones diferentes de

intervalos de conanza para la estimacin del valor .

Pero adems, si el tamao de las muestras es lo sucientemente grande,[4] o la distribucin poblacional es normal,
la distribucin de medias muestrales es, prcticamente,
una distribucin normal (o gaussiana) con media y una
En estadstica, se llama intervalo de conanza a un par desviacin tpica dada por la siguiente expresin: x =
o varios pares de nmeros entre los cuales se estima que . Esto se representa como sigue: X
N (, ) . Si
n
n
estar cierto valor desconocido con una determinada pro
X
estandarizamos,
se
sigue
que:
=
Z

N
(0,
1)

babilidad de acierto. Formalmente, estos nmeros detern

minan un intervalo, que se calcula a partir de datos de En una distribucin Z ~ N(0, 1) puede calcularse fciluna muestra, y el valor desconocido es un parmetro po- mente un intervalo dentro del cual caigan un determinado
blacional. La probabilidad de xito en la estimacin se porcentaje de las observaciones, esto es, es sencillo hallar
representa con 1 - y se denomina nivel de conanza. z y z tales que P[z z z ] = 1 - , donde (1 - )100
1
2
1
2
En estas circunstancias, es el llamado error aleatorio o es el porcentaje deseado (vase el uso de las tablas en una
nivel de signicacin, esto es, una medida de las posibili- distribucin normal).
dades de fallar en la estimacin mediante tal intervalo.[1]
En esta distribucin normal de medias se puede calcuEl nivel de conanza y la amplitud del intervalo varan lar el intervalo de conanza donde se encontrar la media
conjuntamente, de forma que un intervalo ms amplio poblacional si solo se conoce una media muestral ( x
),
tendr ms probabilidad de acierto (mayor nivel de con- con una conanza determinada. Habitualmente se maneanza), mientras que para un intervalo ms pequeo, que jan valores de conanza del 95 y del 99 por ciento. A este
ofrece una estimacin ms precisa, aumenta su probabi- valor se le llamar 1 (debido a que es el error que
lidad de error.
se cometer, un trmino opuesto).
Para la construccin de un determinado intervalo de con- Para ello se necesita calcular el punto X
/2 o, mejor
anza es necesario conocer la distribucin terica que si- dicho, su versin estandarizada Z
o
valor crtico
/2
gue el parmetro a estimar, .[2] Es habitual que el par- junto con su opuesto en la distribucin X
/2 . Estos
metro presente una distribucin normal. Tambin pueden puntos delimitan la probabilidad para el intervalo, como
construirse intervalos de conanza con la desigualdad de se muestra en la siguiente imagen:
Chebyshev.
En denitiva, un intervalo de conanza al 1 - por ciento
para la estimacin de un parmetro poblacional que sigue una determinada distribucin de probabilidad, es una
expresin del tipo [1 , 2 ] tal que P[1 2 ] = 1 , donde P es la funcin de distribucin de probabilidad
de .

Ejemplos
Dicho punto es el nmero tal que:
1

1 EJEMPLOS

P[
x X/2 ] = P[z z/2 ] = /2
Y en la versin estandarizada se cumple que:
z/2 = z/2
As:
[
]
P x
z/2 n x
+ z/2 n = 1

si la mquina est adecuadamente calibrada, se toma una

muestra aleatoria de n = 25 tazas de helado para pesarlas. La medicin resultante es X1 , ..., X25 , una muestra
aleatoria procedente de X.
Para , es suciente con dar una estimacin. El estimador
adecuado es la media muestral:

De lo cual se obtendr el intervalo de conanza:

(
x z/2 n , x
+ z/2 n )

1
Xi .
n i=1
n

=X

Obsrvese que el intervalo de conanza viene dado por la

media muestral (
x) el producto del valor crtico Z/2
La muestra seala los pesos reales x1 , ..., x25 , con media:
por el error estndar ( n ) .
Si no se conoce y n es grande (habitualmente se toma n
30):[5]

1
xi = 250.2 gramos.
25 i=1
25

x
=

Aproximaciones para el valor z/2 para los niveles de

conanza estndar son 1,96 para 1 = 95% y 2,576
Al tomar otra muestra de 25 tazas, es esperable, de igual
para 1 = 99% .[6]
manera, que la masa presente valores como 250.4 o 251.1
gramos. Un valor medio muestral de 280 gramos en cam1.2 Intervalo de conanza para una pro- bio, sera extremadamente excepcional si el contenido
medio de las tazas est en la prctica cerca de 250 gramos.
porcin
Hay un intervalo en torno al valor observado de 250.2 graEl intervalo de conanza para estimar una proporcin p, mos de la media muestral, para el que si la media de la
conocida como una proporcin muestral pn de una mues- poblacin completa efectivamente toma un valor en este
tra de tamao n, a un nivel de conanza del (1-)100% rango, los datos observados no podran ser considerados
particularmente inusuales. Tal intervalo se denomina ines:

tervalo de conanza para el parmetro . Cmo se caln)

n)
(pn z/2 pn (1p
, pn + z/2 pn (1p
)
n
n
cula tal intervalo? Los extremos del intervalo deben calEn la demostracin de estas frmulas estn involucrados cularse a partir de la muestra para que resulten funciones
el Teorema Central del Lmite y la aproximacin de una estadsticas de la muestra X1 , ..., X25 y de este modo son
variables aleatorias a su vez.
binomial por una normal.[7]

1.3

Ejemplo prctico

En este caso, se determinarn los extremos considerando

la media muestral X que como proviene de una distribucin normal est tambin normalmente distribuida con la
misma esperanza , pero con un error estndar de:

2.5 g
= = 0.5 gramos
n
25
Por estandarizacin, se obtiene una variable aleatoria:

Z=

X
X
=
0.5
/ n

dependiente del parmetro que debe ser estimado, pero

con una distribucin normal estndar independiente del
parmetro . Por lo tanto, es posible hallar nmeros z y
Una mquina llena tazas con helado, y se supone que est z, independientes de , entre los cuales est Z con probaajustada para verter la cantidad de 250 g. Como la m- bilidad 1 , una medida de cun conados queremos
quina no puede llenar cada taza con exactamente 250 g, estar.
el contenido que se aade a cada taza individual presenta
cierta variacin y se le asigna una variable aleatoria X. Se Tomamos 1 = 0.95, por ejemplo. As, tenemos:
asume que esta variacin se ajusta a una distribucin normal de alrededor de la cantidad promedio deseada de 250
g, con una desviacin estndar de 2.5 g. Para determinar P (z Z z) = 1 = 0.95.

3
El nmero z proviene de una funcin de distribucin acu- estar entre los lmites calculados a partir de la memulada, en este caso la Funcin de distribucin normal dia, pero en el 5% de los casos no lo estar. El intervalo
acumulativa:
de conanza efectivo se calcula llevando los valores de
masas de helado medidas a la frmula. Este intervalo de
conanza de 0.95 resulta:
(z) = P (Z z) = 1 2 = 0.975,
z = 1 ((z)) = 1 (0.975) = 1.96,

(
x0.98; x
+0.98) = (250.20.98; 250.2+0.98) = (249.22; 251.18).

y se obtiene:
En otras palabras, el intervalo de conanza del 95% est
(
)

X
1.96
0.95 = 1 = P (z Z z) = P 1.96
/ n
.
(
)

= P X 1.96 X + 1.96
n
n
En otras palabras, el lmite inferior de un intervalo de conanza del 95% es:
1.96 ,
Extremo inf erior = X
n

El segmento vertical representa 50 realizaciones de un intervalo

de conanza para .

y el superior de tal intervalo es:

entre el lmite inferior de 249.22 g y el superior de 251.18

g.

+ 1.96 .
Extremo superior = X
n

Como el valor deseado 250 de est dentro del intervalo de conanza resultante no hay razn para creer que la
mquina no est correctamente calibrada.

Con los valores de este ejemplo, el intervalo de conanza El intervalo calculado tiene lmites jos, donde podra
es:
o no estar acotado. As, este evento tiene probabilidad 0 o
1. No es posible decir: con probabilidad (1 ) el parmetro est en el intervalo de conanza. Slo sabemos
(
)
1.96 0.5 X
+ 1.96 0.5
0.95 = P X
que por repeticin en 100(1 ) % de los casos, esta(
)
r en el intervalo calculado. En 100% de los casos, sin
0.98 X
+ 0.98 .
=P X
embargo esto no sucede. Desafortunadamente, no se coEsto podra interpretarse como: con probabilidad del noce en cules de los casos esto sucede. Por eso se puede
0.95 encontramos un intervalo de conanza en el que se decir: con nivel de conanza 100(1 ) %, est en
cumple que el parmetro est entre los lmites estocs- el intervalo de conanza.
ticos

0.98
X
y

+ 0.98.
X
Esto no implica que hay una probabilidad de 0.95 de encontrar el parmetro en el intervalo obtenido usando el
valor efectivamente establecido para el valor medio de la
muestra.

El error mximo se calcula como 0.98 dado que es la diferencia ente el valor en que se conserva la conanza dentro
de los lmites superior e inferior.
La gura ilustra 50 realizaciones de un intervalo de conanza para una poblacin media dada . Si aleatoriamente se selecciona una realizacin, la probabilidad es del
95% de nalmente haber elegido un intervalo que contenga el parmetro; sin embargo, podra darse la desafortunada situacin de haber elegido la errnea.

2 Vase tambin
Estimacin estadstica

(
x 0.98, x
+ 0.98).
Cada vez que se repitan las mediciones, darn otro valor
para la media X de la muestra. En el 95% de los casos

Tamao de la muestra
Anlisis discriminante

Referencias

[1] Rius Daz, Francisca (octubre de 1997). 8.2. Estimacin condencial. Bioestadstica. Mtodos y aplicaciones.
Mlaga: Universidad de Mlaga. ISBN 84-7496-653-1.
Consultado el 7 de abril de 2009.
[2] Guerriero V. Power Law Distribution: Method of Multiscale Inferential Statistics. J. Mod. Math. Fr. (2012).
[3] Es una consecuencia del Teorema Central del Lmite.
[4] En la prctica se considera normal la distribucin si n >
30.
[5] Sotomayor Velasco, Gabriel; Wisniewski, Piotr Marian
(2001). 10.2. Intervalos de conanza para medias. Probabilidad y estadstica para ingeniera y ciencias. Cengage
Learning Editores. p. 230. ISBN 970686136X. Consultado el 20 de abril de 2009.
[6] Vanse en las tablas de la normal tipicada las entradas
correspondientes a los valores 0,95 y 0,99
[7] Rius Daz, Francisca (octubre de 1997). 8.6.2. Intervalo
para una proporcin. Bioestadstica. Mtodos y aplicaciones. Mlaga: Universidad de Mlaga. ISBN 84-7496-6531. Consultado el 24 de abril de 2009.

3.1

Bibliografa

Fisher, R. A. (1956). Statistical Methods and Scientic Inference. Oliver and Boyd, Edinburgh (p. 32).
Freund, J. E. (1962). Mathematical Statistics. Prentice Hall, Englewood Clis, 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.

REFERENCIAS

Origen del texto y las imgenes, colaboradores y licencias

4.1

Texto

Intervalo de conanza Fuente: https://es.wikipedia.org/wiki/Intervalo_de_confianza?oldid=91461550 Colaboradores: Jagarsoft, Tartaglia, MarcosER, Elwikipedista, Jasev, Richy, RobotQuistnix, Mxcatania, Tubet, Focojoaco, Sanzcors, BOTpolicia, CEM-bot, Cbuzeta,
Alakasam, Botones, Isha, TXiKiBoT, Hlnodovic, TottyBot, Aibot, Matdrodes, AlleborgoBot, Muro Bot, SieBot, PaintBot, Loveless, Correogsk, Ausld, Estirabot, Poco a poco, Pokespa, Alexbot, Juan Mayordomo, UA31, Luckas-bot, ArthurBot, Almabot, Jkbw, MondalorBot,
TobeBot, FAL56, Ripchip Bot, Chrisyagami, CentroBabbage, Allforrous, Grillitus, Emiduronte, Antonorsi, KLBot2, AvocatoBot, Acratta,
Elvisor, Aosoriom, Balles2601, Jarould, AlvaroMolina, Enrique8710, Grup2UOC, Erisiano, Eliasgv3 y Annimos: 47

4.2

Imgenes

Archivo:ConfIntervNormalP.png Fuente: https://upload.wikimedia.org/wikipedia/commons/0/01/ConfIntervNormalP.png Licencia:

Public domain Colaboradores: ? Artista original: ?
Archivo:Margarinefilling.png Fuente: https://upload.wikimedia.org/wikipedia/commons/7/7a/Margarinefilling.png Licencia: Public
domain Colaboradores: Transferido desde en.wikipedia a Commons por eptalon. Artista original: AngleWyrm de Wikipedia en ingls
Archivo:NYW-confidence-interval.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/8/8f/NYW-confidence-interval.svg
Licencia: Public domain Colaboradores: Trabajo propio Artista original: Tsyplakov

4.3

Licencia del contenido

Creative Commons Attribution-Share Alike 3.0