AO DE LA PROMOCIN DE LA INDUSTRIA RESPONSABLE Y DEL

COMPROMISO CLIMTICO

FACULTAD DE CIENCIAS CONTABLES FINANCIERAS Y ADMINISTRATIVAS

ESCUELA ACADEMICA PROFESIONAL DE ADMINISTRACIN

DOCENTE

: JULIO ROJAS YOSHIDA

ASIGNATURA

: ESTADISTICA APLICADA

TEMA

: INTERVALOS DE CONFIANZA

CICLO

: III B

ESTUDIANTE

:
- BERNAL VASQUEZ JOSE

CHIMBOTE - 2015

DEDICATORIA
En primer lugar queremos dedicar este
trabajo a Dios quien nos da la vida y la
fortaleza para terminar este proyecto
de investigacin, a nuestros Padres
por estar ah cuando ms los
necesitamos; por su ayuda y constante
cooperacin.

AGRADECIMIENTO
Expresamos nuestro eterno agradecimiento
a:
Lic. docente JULIO ROJAS YOSHIDA quien
es el que nos ha dado la oportunidad de
realizar este trabajo, por los conocimientos
que nos viene brindando y motivndonos,
cabe recalcar que gracias a este trabajo no
solo vamos a ganar experiencia sino que
ganaremos conocimientos lo cuales nos
servirn para toda nuestra vida y para ser
profesionales de xito.

INDICE

1. DEDICATORIA
2. AGRADECIMIENTO
3. INTRODUCCION
3.1 PROBLEMA GENERAL (TITULO)
3.2 OBJETIVOS
3.3 PRINCIPAL
3.4 ESPECIFICOS
3.5 DETERMINACION DEL PROBLEMA
4. MARCO CONCEPTUAL
4.1.- LOS INTERVALOS DE CONFIANZA Y SU INTERPRETACION
4.2.- LOS INTERVALOS DE CONFIANZA Y EL NIVEL DE CONFIANZA
4.3.- INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA
POBLACION
4.4.- INTERVALO DE CONFIANZA PARA UNA PROPORCION
4.5.- EJEMPLOS PRACTICOS
5. CONCLUSIONES
6. BIBLIOBRFIA

INTRODUCCIN
Actualmente se debe estar bien consciente de que las poblaciones son
generalmente muy grandes como para ser estudiadas en su totalidad. Su tamao
requiere que se selecciones muestras las cuales se pueden utilizar para hacer
inferencias sobre poblaciones. Por ejemplo si un gerente de una tienda minorista
desea saber sobre sus ventas diarias promedios por cliente durante el ao
anterior, podra encontrar difcil calcular el promedio de las ventas a cientos o
quizs miles de clientes que pasaron por la tienda. Seria muchos ms fcil
estimar la media poblacional con la media de una muestra representativa. Hay
dos tipos de estimadores que se utilizan ms comnmente para este propsito:
un estimador puntual y un estimador por intervalo. Un estimador puntual utiliza
un estadstico para estimar el parmetro en un solo valor o punto. El estimador
puntual por ser un solo numero, no proporciona por si mismo informacin alguna
sobre la precisin y confiabilidad de la estimacin. Debido a la variabilidad de la
muestra, nunca se tendr que x . El estimado puntual nada dice sobre lo
cercano que esta de . El gerente de la tienda puede seleccionar una muestra
de n=500 clientes y halla el gasto promedio de x $120 , este valor sirve como
estimacin puntual para la media poblacional. Una alternativa para reportar un
solo valor del parmetro que se esta estimando es calcular e informar todo un
intervalo de valores factibles, un intervalo de confianza. El gerente puede decidir
que la media poblacional est entre $116 y $124. Tal intervalo con frecuencia va
acompaado de una afirmacin sobre el nivel de confianza que se da con
exactitud. Por lo tanto se llama intervalo de confianza.

INTERVALOS DE CONFIANZA
1.1

OBJETIVOS
1.1.1 General

1.

Determinar las principales caractersticas de los intervalos de

confianza

1.1.2 Especficos
1. Analizar los datos obtenidos de manera descriptiva y formular una
interpretacin de los resultados
2. Realizar un muestreo, disear un experimento sencillo y recolectar
datos de manera apropiada.
3. Interesar en la forma en que distintos mtodos estadsticos pueden
emplearse para resolver problemas aplicados a su rea.
La formulacin del Problema:
La falta sistemtica o ausencia estructural de estadsticas en las organizaciones
impide una administracin cientfica de las mismas. Dirigir slo en base a datos
financieros del pasado, realizar predicciones basadas ms en la intuicin o en
simples extrapolaciones, y tomar decisiones desconociendo las probabilidades
de xito u ocurrencia, son slo algunos de los problemas o inconvenientes ms
comunes hallados en las empresas.

INTERVALOS DE CONFIANZA
1. LOS INTERVALOS DE CONFIANZA Y SU INTERPRETACIN
El IC puede calcularse para infinidad de estadsticos7, sean medias,
porcentajes, razones, coeficientes de correlacin, etc., pero slo deben
acompaar a la estimacin puntual de un resultado que traduzca una
diferencia, y que sea el principal (o los principales) en cuanto al objeto de
investigacin en un estudio. No es correcto, pues, aplicarlos para
cualquier clculo secundario o marginal de los muchos que aparecen en
una publicacin. Si ante una estimacin puntual de una diferencia que
valga un 10% su IC oscila entre el 8 y el 12% con un cierto grado de
seguridad (habitualmente ser calculado con una seguridad del 95%, cifra
complementaria del mtico 5% de la significacin estadstica), en trminos
prcticos que no matemticos2,13 debe interpretarse como que el
verdadero valor de esa diferencia, que en nuestro estudio vale un 10%,
puede situarse realmente entre el 8 y el 12%, a causa de que cualquier
determinacin puntual est sujeta a cierto grado de error aleatorio. En este
caso, el margen de error es del 5%, pues trabajamos con una seguridad
del 95%; por lo tanto, si dentro del IC de una diferencia estuviera el valor
nulo, que aqu es 0, estaramos ante un resultado estadsticamente no
significativo, perfectamente compatible con la hiptesis nula, y si
hubisemos calculado el valor p de tal diferencia, es seguro que sera
mayor de 0,05. Si no contiene el 0, p ser menor del 5%. No es necesario
para el clnico aprenderse las frmulas de los IC. Actualmente estn los
ordenadores y los paquetes estadsticos, que se las conocen
perfectamente y no se equivocan al multiplicar o dividir.
En sustancia, pues, un IC es un sucedneo del valor p, y como l variar
de amplitud alrededor de la estimacin puntual segn la dispersin de las
observaciones individuales y segn el tamao de la muestra analizada: a
ms tamao muestral y menor dispersin, obtendremos intervalos ms
estrechos, y viceversa. Y cuanto ms estrecho es un intervalo, ms
preciso es, y ms improbable es que pueda contener el valor nulo. Del
mismo modo, si trabajamos con menor seguridad, el intervalo tambin

ser ms estrecho, y viceversa de nuevo. Pero utilizar un IC como mero

sustituto del valor p es una gran estupidez. As no le sacamos ningn
partido: para eso ya est el valor p. Esto simplemente es una informacin
preliminar a la hora de valorar el resultado de un estudio, aunque
determine su significacin estadstica.
2. LOS INTERVALOS DE CONFIANZA Y EL NIVEL DE CONFIANZA
Ya se ha comentado que cuando se calcula una diferencia en una muestra
slo estamos haciendo una estimacin puntual, la mejor de las posibles si
la muestra es representativa, de la verdadera diferencia que hay en la
poblacin, pero que hay otros valores posibles que, precisamente, son los
que engloba el IC. Sin embargo, no todos estos valores posibles, mejor
dicho, los diversos tramos entre ellos, tienen la misma probabilidad de
existir. Esto se debe a que estos valores contenidos en un IC siguen una
determinada distribucin de probabilidad, generalmente de tipo normal
cuando se trata de diferencias entre proporciones (fig. 3), aunque pueda
ser de otro perfil. Puede ocurrir tambin que pretendamos acotar el lmite
de la importancia clnica de una diferencia, por ejemplo y en la figura 3,
que la diferencia A-B sea trascendente a partir de un 5%, de modo que
as se considere al tratamiento A claramente superior al B y, por lo tanto,
con una utilidad clnica que pueda merecer la pena. La pregunta a plantear
sera entonces la siguiente: de acuerdo con el resultado, qu
probabilidad hay de que A sea 5% superior a B en cuanto al efecto
deseado? Esta probabilidad es la que define el llamado NC.
De nuevo, esta informacin es imposible de lograr atendiendo slo al valor
p, tanto si muestra como si no muestra significacin estadstica. Hay que
partir del IC de la diferencia hallada, y de ah calcular la superficie que hay
bajo la curva de distribucin de probabilidad del IC, desde del lmite de
importancia clnica que hayamos establecido como conocedores de la
materia que tratamos. Ese porcentaje de superficie bajo la curva es la
probabilidad (NC) que buscamos. En la figura 3 vemos el ejemplo de una
diferencia del 12% estadsticamente no significativa (IC del 95% de
seguridad, 2% a 26%), pero con una alta probabilidad (84%) de que el

tratamiento A sea superior, clnicamente hablando, al tratamiento B, a

partir de un valor del 5% de diferencia en cuanto a sus efectos. Esta forma
de proceder en la apreciacin de la significacin clnica puede ser de gran
ayuda en la toma de decisiones; desde luego, muy superior a la aportacin
del lema de Neyman et al.
Naturalmente, el clculo de esta probabilidad necesita bien de ciertos
conocimientos en el manejo de curvas de distribucin de probabilidad,
bien de estar pertrechados con el apoyo informtico necesario.
Shakespeare et al5 explicaron muy bien su uso, y adems, en la pgina
web18 de ese autor se ofrece gratuitamente una hoja de clculo para
obtener el NC sin necesidad de conocer las frmulas de las distribuciones
de probabilidad y calcular integrales. En dicha hoja de clculo tambin es
posible balancear beneficios y riesgos de dos tratamientos para una toma
de decisin clnica ms fundada.
3. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIN
De una poblacin de media
y desviacin tpica
se pueden
tomar muestras de 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
Pero adems, si el tamao de las muestras es lo suficientemente
grande,4 la distribucin de medias muestrales es, prcticamente,
una distribucin normal (o gaussiana) con media y una desviacin tpica
dada por la siguiente expresin:
sigue:

. Esto se representa como

Si

estandarizamos,

se

sigue

que:

En una distribucin Z ~ N(0, 1) puede calcularse fcilmente un intervalo

dentro del cual caigan un determinado porcentaje de las observaciones,
esto es, es sencillo hallar z1 y z2tales que P[z1 z z2] = 1 - , donde (1 )100 es el porcentaje deseado (vase el uso de las tablas en una
distribucin normal).

Se desea obtener una expresin tal que

En esta distribucin normal de medias se puede calcular el intervalo de
confianza donde se encontrar la media poblacional si slo se conoce una
media muestral ( ), con una confianza determinada. Habitualmente se
manejan valores de confianza del 95 y del 99 por ciento. A este valor se
le llamar
(debido a que es el error que se cometer, un trmino
opuesto).
Para ello se necesita calcular el punto
o, mejor dicho, su versin
estandarizada
o valor crtico junto con su "opuesto en la
distribucin"
. Estos puntos delimitan la probabilidad para el
intervalo, como se muestra en la siguiente imagen:

Dicho punto es el nmero tal que:

Y en la versin estandarizada se cumple que:

As:

Haciendo operaciones es posible despejar

para obtener el intervalo:

De lo cual se obtendr el intervalo de confianza:

Obsrvese que el intervalo de confianza viene dado por la media muestral

el producto del valor crtico
Si no se conoce

por el error estndar

y n es grande (habitualmente se toma n 30):5

, donde s es la desviacin tpica de una muestra.

Aproximaciones para el valor

para los niveles de confianza estndar son
1,96 para
y 2,576 para
.6

4. INTERVALO DE CONFIANZA PARA UNA PROPORCIN

El intervalo de confianza para estimar una proporcin p, conocida como
una proporcin muestral pn de una muestra de tamao n, a un nivel de
confianza del (1-)100% es:

En la demostracin de estas frmulas estn involucrados el Teorema

Central del Lmite y la aproximacin de una binomial por una normal.
5. EJEMPLOS PRCTICOS

1 Una mquina llena tazas con

lquido, y se supone que est
ajustada para verter la cantidad de
250 g. Como la mquina no puede
llenar cada taza con exactamente
250 g, el contenido que se aade a
cada taza individual presenta cierta
variacin y se le asigna una variable
aleatoria X. Se asume que esta
variacin
se
ajusta
a
una distribucin normal de alrededor del porcentaje promedio deseado
de 250 g, con una desviacin estndar de 2.5 g. Para determinar si la
mquina est adecuadamente calibrada, se toma una muestra
aleatoria de n = 25 tazas de helado para pesarlas. La medicin
resultante de sustancia helada es X1, ..., X25, una muestra aleatoria
desde X.

Para tener una apreciacin de la expectativa , es suficiente con dar

una estimacin. El estimador adecuado es la media muestral:

La muestra seala los pesos efectivos x1, ..., x25, con media:

CONCLUSIONES

Si estamos en la oscuridad, mejor disponer de una vela aunque sta sea

pequea, que atropellarnos todo en la oscuridad.
Las modernas estadsticas acompaadas de las poderosas herramientas
informticas permiten a los directivos, asesores y personal, contar con la
suficiente informacin para mejorar a partir de ella los procesos de la empresa,
tomar mejores decisiones comerciales, mejorar la seguridad y hacer un uso
mucho ms productivo y provechoso de los recursos.
Las estadsticas son fundamentales tanto para la administracin financiera,
como para la administracin de operaciones, las ventas, el marketing, las
cobranzas, la logstica y la gestin de personal entre otras reas y actividades
de toda corporacin.
Cada da se exige ser ms productivos, eliminando sistemticamente los
despilfarros. Hacer ello posible exige de informacin.
Pretender dirigir una empresa como hace cincuenta aos ya no es vlido ni
posible. El empresario tiene en sus manos la decisin de mejorar la empresa a
travs de una GMBE, o seguir conduciendo su empresa en la oscuridad.

BIBLIOGRAFIA
http://www3.uah.es/jmmartinezmediano/Segundo%20CS/MCCSS%20Tema%2
010%20Intervalos%20de%20confianza.pdf
International Committee of Medical Journals Editors. Uniform requirements for
manuscripts submitted to biomedical journals. BMJ. 1988;296:401-5.
Rothman KJ, Yankauer A. Confidence intervals vs significance tests:
quantitative interpretation. Am J Public Health. 1986;76:587-8.
Evans SJ, Mills P, Dawson J. The end of the P value? Br Heart J. 1988; 60:17780.
http://www.angelfire.com/oz/rubincelis/Redes_CPM_PERT.pdf