ESTIMACIÓN POR INTERVALOS 

 
Sea (X1, X2, …, Xn) una muestra aleatoria simple de tamaño n de una población X con función de 
densidad fX(x; θ) y espacio paramétrico Θ. 
 
Intervalo de Confianza: Sean T1 y T2 dos estadísticos, funciones de la muestra aleatoria simple, 
tales que: 
 
i. P{T1 < T2} = 1 
ii. P{(T1 < τ(θ)) ∩ (T2 > τ(θ))} = γ,  donde γ no depende de θ. 
 
Entonces, definimos lo siguiente: 
 
A) El intervalo aleatorio (T1, T2) se denomina Intervalo de Confianza al 100γ% para τ(θ). 
B) Las variables aleatorias T1 y T2 se llaman Límites de Confianza Inferior y Superior, 
respectivamente. 
C) La probabilidad γ se conoce como el Coeficiente de Confianza. 
D) A la diferencia  Δ  se le conoce como Amplitud del Intervalo de Confianza. 
E) A la semi amplitud      se le conoce como el error de la estimación. 
 
1) Sea (X1, X2, …, Xn) una muestra aleatoria simple de tamaño n de una población X con función de 
densidad fX(x; θ) dada en la tabla siguiente y espacio paramétrico Θ. Para cada uno de esos 
casos, establecer si el intervalo dado es un Intervalo de Confianza o no. En caso de serlo, 
obtenga el coeficiente de confianza y el valor esperado de la amplitud de dicho intervalo. 
 
Caso  Tipo de Población  Parámetro  Intervalo Propuesto 
Poblacional 
A  ~ ,4   3,92 3,92
,  
√ √
B  ~ 0,    
,  
12 0,98 12 0,05
C  1 ,  
~ , , ,2 , 0 
2
D  ~   , 2  
 
En cada caso, para ser un Intervalo de Confianza, el intervalo propuesto debe cumplir las dos 
condiciones de la definición. 
 
Caso A)  Ya que X es una Normal se puede escribir 
  
4
~ ,4 ~ , ~ 0,1  
2
√
 
3,92 3,92 3,92 3,92
1           ó  1 
√ √ √ √
 
 3,92 3,92 3,92 3,92
1,96 1,96  
√ √ √ √
 
3,92 3,92
0,95 
√ √
 
Ya que esta probabilidad no depende del parámetro desconocido se cumple la segunda 
condición, por tanto, el intervalo dado es un Intervalo de Confianza y el Coeficiente de Confianza 
será  γ = 0,95. 
 
La amplitud del intervalo será 
 
3,92 3,92 7,84 ,
Δ  
√ √ √ √
 
Caso B)  
 

0,05 0,98 1           ó  1 

12 0,98 12 0,05
 
12 0,05 12 0,98  
12 0,98 12 0,05
 
2√3 0,05 2√3 0,98 0,05 0,98  
 
Hay que conocer la función de densidad de Yn, 
 
0;                             0
;   0  
0;                            
 
,

0,98 0,05 0,93 

12 0,98 12 0,05
,
 
Ya que esta probabilidad no depende del parámetro desconocido se cumple la segunda condición, 
por tanto, el intervalo dado es un Intervalo de Confianza para la varianza y el Coeficiente de 
Confianza será  γ = 0,93. 
 
La amplitud del intervalo será 
 
1 1
Δ  
12 0,05 12 0,98 12 0,05 0,98
 
 1 1 1 1 1 1
Δ  
12 0,05 0,98 12 0,05 0,98
 
1 1 1
Δ  
12 0,05 0,98 2
 
Caso C) El intervalo dado NO es un Intervalo de Confianza para la media ya que el estadístico T2 
depende del parámetro desconocido θ. 
 
Caso D) Ya que X es una Exponencial se puede escribir 
 

~ ~ , 2 ~  

 
2 1           ó  1 
 

2 2 2  
2 2
 
2 2  
 
La segunda condición NO se cumple ya que la probabilidad depende del parámetro desconocido θ. 
 
   
 OBTENCIÓN DE UN INTERVALO DE CONFIANZA POR EL MÉTODO DE UNA CANTIDAD PIVOTAL 
 
 
Cantidad Pivotal: Sea (X1, X2, …, Xn) una muestra aleatoria simple de tamaño n de una población X 
con función de densidad fX(x; θ) y espacio paramétrico Θ.  
Sea Q = q(X1, X2, …, Xn, θ) una función de la muestra aleatoria simple y del parámetro desconocido 
θ. Si la distribución de Q no depende de θ, entonces diremos que Q es una Cantidad Pivotal para θ. 
 
Esta definición lleva implícitas dos condiciones sobre la función Q que se deben verificar, 
 
i. Q debe ser una función de la muestra aleatoria simple y del parámetro desconocido θ. 
ii. La distribución de Q (fQ(q)) no debe ser función del parámetro desconocido θ. 
 
 
2) Sea una muestra de tamaño n de una población Normal con valor esperado desconocido θ y 
varianza igual a 9. Analice las variables a)    y  b)     para decidir si son 
cantidades pivotales o no. 
 
a)  Evidentemente,   , es función tanto de la muestra aleatoria simple como de θ.  
Veamos la segunda condición   
 
9 9
~ ,  ~  0,  
 
La función de densidad de Q no depende de θ. Por tanto, Q es una cantidad pivotal. 
 
b) Evidentemente,   , es función tanto de la muestra aleatoria simple como de θ. Veamos la 
segunda condición   
 
9 9
~ ,  ~  1,  
 
La función de densidad de W depende de θ. Por tanto, W NO es una cantidad pivotal. 
 
 
3) Establezca en cuales de estos casos la variable Q es una Cantidad Pivotal. 
 
 
A) ~ , . Con μ desconocido y σ2 conocido.    
√
 
 
~ , ~ , ~ 0,1  
√
 
Nótese que Q depende del parámetro desconocido μ mientras que su distribución no depende de 
μ. Por tanto, Q es una Cantidad Pivotal. 
 
 
B) ~ 0, . Con parámetro desconocido θ.    
 
Nótese que Q depende del parámetro desconocido θ. Por tanto, cumple la primera condición. 
Veamos la segunda condición, 
 
0;              0 0;              0
1
; ;   0 ;           ; ;   0     
0;            1;           
 
La función de distribución de Yn viene dada por 
 
0;                     0
;   0  
1;                    
 
Entonces, 
 
0;                      0
;   0  
1;                     
 
Nótese que esta función de distribución depende de θ. Por tanto, no se cumple la segunda 
condición, entonces, Q no es una Cantidad Pivotal. 
 
C) ~ 0, . Con parámetro desconocido θ.    
 
Nótese que Q depende del parámetro desconocido θ. Por tanto, cumple la primera condición. 
Veamos la segunda condición, 
 
La función de distribución de Yn viene dada por 
 
0;                     0
;   0  
1;                    
 
Entonces, 
 
0;                      0
;      0 1 
1;                      1
 
Nótese que esta función de distribución no depende de θ. Por tanto, sí se cumple la segunda 
condición, entonces, Q es una Cantidad Pivotal. 
 
 MÉTODO DE LA CANTIDAD PIVOTAL PARA GENERAR UN INTERVALO DE CONFIANZA 
 
Sea (X1, X2, …, Xn) una muestra aleatoria simple de tamaño n de una población X con función de 
densidad fX(x; θ) y espacio paramétrico Θ. Sea Q = q(X1, X2, …, Xn, θ) una cantidad pivotal para θ. 
Sean T1 y T2 dos estadísticos, funciones de la muestra aleatoria simple únicamente. 
 
Entonces, 
 
I. Para cualquier γ en el intervalo (0, 1) existen dos números q1 y q2, dependientes de γ, 
tales que P{q1 < Q < q2} = γ. Entonces q1 y q2 son percentiles de Q. 
II. Para cada valor muestral (x1, x2, …, xn) se verifica que { q1 < Q < q2}↔{ T1 < τ(θ) < T2} 
III. El intervalo (T1, T2) es un intervalo de confianza al 100γ% para τ(θ). 
 
Nota Importante: Para cada γ es posible conseguir infinitos pares de valores q1 y q2 que permiten 
conseguir los valores adecuados de T1 y T2. Un ejemplo podría ser que la amplitud L del intervalo a 
considerar,  L =  (T2 ‐ T1),  sea mínima. Sin embargo, para este curso se considerarán como valores 
de q1 y q2 solamente a los percentiles siguientes: 
 
          
 
4) Verifique, siguiendo el método expuesto anteriormente, que para las cantidades pivotales 
sugeridas en la tabla siguiente se consiguen los intervalos de confianza indicados, para el 
correspondiente parámetro desconocido de interés en la misma tabla. 
 
Parámetro  Límite Inferior del  Límite Superior del 
Población  Cantidad Pivotal Q  Distribución 
de Interés  Intervalo de  Intervalo de 
de Q 
Confianza  Confianza 

~ , ,    √   ~ 0,1      
 conocida  √ √

~ , ,    √   ~  
   
  ; √ ; √
desconocida 
∑
~ , ,      ~   ∑ ∑
 conocida     
; ;

∑
~ , ,    ~  
     
desconocida  ; ;

 
   
5) Se toma una muestra aleatoria de una variable normal y se obtienen los siguientes resultados: 
 
Intervalo  10‐12  12‐14  14‐16  16‐18 
Frecuencia  2  4  7  3 
 
a) Obtenga un intervalo de confianza del 95% para la media de la distribución.  
b) Obtenga un intervalo de confianza del 90% para la varianza y la desviación de la distribución. 
 
a) De la tabla anterior para una población Normal con varianza desconocida, el intervalo de 
Confianza para la media μ desconocida la varianza, viene dado por 
 
,  
; √ ; √
 
Para conocer este Intervalo de Confianza debemos conocer n, γ,   y  .  
 
Del enunciado n = 16, γ = 0,95; de la tabla de la distribución de frecuencias se tiene que 
 
1 1 230
11 2 13 4 15 7 17 3 14,375 
16 16
 
1 1
11 2 13 4 15 7 17 3 210 
16
230 215
210 3,3594 
16 64
 
16 215 43
      1,893 
1 15 64 12
 
Finalmente, el percentil de la distribución t será 
 
; , 2,1314 
;
 
Por tanto, el Intervalo de Confianza al 95% para μ, desconocida la varianza, viene dado por 
 
13,366;   15,384  
 
b) De la tabla anterior, para una población Normal con media desconocida, el intervalo de 
Confianza para la varianza será 
 

,  
; ;
 
Para conocer este Intervalo de Confianza debemos conocer n, γ,   y  .  
 
Del enunciado n = 16, γ = 0,90; de la tabla de la distribución de frecuencias se tiene que 
 
14,375        3,3594 
 
Finalmente, los percentiles de la distribución Chi‐Cuadrado serán 
 
; , 25                     ; , 7,26 
; ;
 
Por tanto, el Intervalo de Confianza al 90% para la varianza, desconocida la media, viene dado por 
 
2,15;   7,4036  
 
En consecuencia, el Intervalo de Confianza al 90% para la desviación estándar, desconocida la 
media, viene dado por 
 
2,15;   7,4036 1,4663;   2,721  
 
 
6) Sea una muestra de tamaño n de una X una población uniformemente distribuida en el 
intervalo (0, θ). En un problema anterior se probó que  , es una  cantidad pivotal; use 
este resultado para estimar un intervalo de confianza para los eventuales parámetros 
desconocidos θ, μ y σ. 
 
Determinamos primero los valores de q1 y q2: 
 
1 1 1
 
2 2 2
 
1 1 1
 
2 2 2
 
El intervalo de confianza será 
 
1 1
 
2 2
 
Buscando despejar el parámetro desconocido θ de estas inecuaciones (se pivotea alrededor de θ) 
 

1 1
 
1 1 1 1
2 2 2 2
 
El intervalo de confianza al 100γ% para el parámetro θ de una población uniforme en (0, θ) será  
 

,          
1 1
2 2
 
Intervalo de confianza para μ: 
 
En una variable uniforme se tiene que   . El intervalo de confianza al 100γ% para el parámetro 
μ de una población uniforme en (0, θ) será  
 

,          
1 1
2 2
2 2
 
Intervalo de confianza para σ: 
 
En una variable uniforme se tiene que   . El intervalo de confianza al 100γ% para 
√
el parámetro σ de una población uniforme en (0, θ) será  
 

,          
1 1
2√3 2√3
2 2
 
 
7) Sea una muestra de tamaño n de una X una población con distribución Gamma con parámetro 
desconocido α y parámetro conocido r, tal que 2nr sea un número entero. Verifique que 
2 ∑   es una cantidad pivotal y deduzca un intervalo de confianza para el parámetro 
desconocido α. Deduzca un intervalo de confianza para el valor esperado de la población X. 
 

~ , ~ , 2  ~   

 
Nótese que Q depende de α mientras que su distribución no depende de α. Entonces, Q es una 
cantidad pivotal. Determinamos primero los valores de q1 y q2: 
 
;                     
; ;
 
; ;
2  
; ; 2∑ 2∑
  
El intervalo de confianza para α será 
 
; ;
,  
2∑ 2∑
 
El valor esperado de la Gamma es igual a r/α. Entonces, el intervalo de confianza para el valor 
esperado de la Gamma será 
 
; ; 2 ∑ 2 ∑
 
2∑ 2∑
; ;
 
 
INTERVALOS DE CONFIANZA PARA MUESTRAS GRANDES 
 
Este método tiene base en el Teorema Central del Límite, el cual tiene como pilar principal para su 
aplicación efectiva la disponibilidad de un número de muestras grande. 
 
El método se resume de esta manera: 
 
Consideremos una población X de la cual solo conocemos su valor esperado μX y su varianza σX2, 
entonces para n lo suficientemente grande, la variable    sigue una distribución de tipo normal, 
tal que 
 
√
~ , ~ 0,1  
 
Entonces, Q es una cantidad pivotal. 
 
8) Sea una muestra aleatoria simple de una población X cuya función de densidad de 
probabilidades es  ; ;   0 ; 0. Obtener un intervalo de confianza al 
100γ% para el parámetro θ si se considera que n es “lo suficientemente grande”. 
 
Para este ejemplo se cuenta con la función de densidad lo que permite conocer el valor esperado y 
la varianza de la población X, que es la información necesaria para aplicar la aproximación para 
muestras grandes. Estos valores esperados serán, 
 
2 2 2
               
3 2
 
2
 
2 3 18 √18 3√2
 
En consecuencia, si se escoge como cantidad pivotal a Q, se tiene 
 
2
√ 3 √ ~ 0,1  

3√2
 
Ya que conocemos como está distribuida la cantidad pivotal se escogen los valores de q1 y q2 como 
los siguientes percentiles de una normal estándar: 
 
         
 
En consecuencia, 
 
2 2
3 √ 3  
√ √
3√2 3√2
 
3√2 3√2
2√2 2√2 2√2  
√ √ √ √
 

3√2 3√2
 
2√2 2√2
√ √
 
Finalmente, el intervalo de confianza al 100γ% para θ será 
 

3√2 3√2
,           
2√2 2√2
√ √
 
 
9) Sea una muestra aleatoria simple de una población X con distribución Bernoulli con parámetro 
θ. Obtener un intervalo de confianza al 100γ% para el parámetro θ si se considera que n es “lo 
suficientemente grande”. 
 
Para este ejemplo también se cuenta con la función de densidad lo que permite conocer el valor 
esperado y la varianza de la población X, que es la información necesaria para aplicar la 
aproximación para muestras grandes. Estos valores esperados serán, 
 
,       1 1  
 
 En consecuencia, si se escoge como cantidad pivotal a Q, se tiene 
 
√ √
~ 0,1  
1
 
Ya que conocemos como está distribuida la cantidad pivotal se escogen los valores de q1 y q2 como 
los siguientes percentiles de una normal estándar: 
 
         
 
En consecuencia, 
 
√
 
1 √ 1 √
 
Para determinar el intervalo respecto a θ, se procede de esta manera 
 
1
0 
1 1
 
Reagrupando términos en θ  se puede observar que el lado izquierdo de la desigualdad es un 
polinomio de segundo grado en θ, es decir, 
 
2 0 
 
Los valores de θ que cumplen con la desigualdad anterior son tales que  θ1 < θ < θ2,  donde θ1 y  θ2 
se corresponden con las raíces de la ecuación de segundo grado en θ, es decir, 
 

2 2 4
,  
2
 

2 4
,  

1
2
 
Finalmente, el intervalo de confianza al 100γ% para θ será 
 
 2 4 2 4
,           

1 1
2 2
 
Recordando que el resultado obtenido es válido para n lo suficientemente grande, se puede 
simplificar un poco esta expresión si se piensa que  ∞. En estas condiciones, se cumple que 
 

0         0  

2 4
 
Entonces, el intervalo ya simplificado será 
 
1 1
,           

 
10) El número de artículos defectuosos en una muestra de tamaño 200 de la producción del día 
es igual a 175. Obtener un intervalo de confianza al 95% para el parámetro proporción 
poblacional. 
 
Nótese que al analizar cada artículo producido y verificar si está bueno o defectuoso, lo que se 
está realizando es una prueba de Bernoulli con parámetro p desconocido. El parámetro p es la 
probabilidad de obtener un artículo defectuoso en la población. Por otro lado, recuerde que si X es 
una variable Bernoulli con parámetro p se tiene que 
 
,       1 1  
 
Del ejemplo anterior se obtuvo que el intervalo de confianza al 100γ% para p, dado que el número 
de muestras es grande, es igual a 
 
1 1
,           

Entonces, para los datos disponibles, 
175
200;       0,875;         0,95;        , 1,96 
200
El intervalo de confianza será 
 
1 1
,    0,8292536;    0,9207464