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
suciente- mente grande,[4] o la distribucin poblacional
es normal, la distribucin de medias muestrales es,
prcticamente, una distribucin normal (o gaussiana) con
En estadstica, se llama intervalo de conanza a un media y una desviacin tpica dada por la siguiente
par 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
babilidad de acierto. Formalmente, estos nmeros deter- estandarizamos, se sigue

= Z N (0, 1)
que:
n
minan un intervalo, que se calcula a partir de datos de En una distribucin Z ~ N (0, 1) puede calcularse
una muestra, y el valor desconocido es un parmetro
fcil- mente un intervalo dentro del cual caigan un
po-
blacional. La probabilidad de xito en la estimacin determinado porcentaje de las observaciones, esto es, es
se sencillo hallar z1 y z2 tales que P[z1 z z2 ] = 1 - ,
representa con 1 - y se denomina nivel de donde (1 - )100 es el porcentaje deseado (vase el uso
conanza. de las tablas en una distribucin normal).
En estas circunstancias, es el llamado error aleatorioEn esta distribucin normal de medias se puede calcu-
o
lar el intervalo de conanza donde se encontrar la media
nivel de signicacin, esto es, una medida de las
posibili- poblacional si solo se conoce una media muestral ( x
dades de fallar en la estimacin mediante tal intervalo.), con una conanza determinada. Habitualmente se
[1] mane- jan valores de conanza del 95 y del 99 por
ciento. A este valor se le llamar 1 (debido a que
El nivel de conanza y la amplitud del intervalo varan es el error que se cometer, un trmino opuesto).
conjuntamente, de forma que un intervalo ms
amplio tendr ms probabilidad de acierto (mayor nivel Para ello se necesita calcular el punto X/2 o, mejor
de con- anza), mientras que para un intervalo ms dicho, su versin estandarizada Z/2 o valor crtico

pequeo, que ofrece una estimacin ms precisa,
aumenta su probabi- lidad de error.
Para la construccin de un determinado intervalo de
con- anza es necesario conocer la distribucin terica
que si- [2]
gue el parmetro a estimar, . Es habitual que el junto con su opuesto en la distribucin X/2 . Estos
par-
metro presente una distribucin normal. Tambin pueden
construirse intervalos de conanza con la desigualdad de
Chebyshev. 1 Ejemplos
En denitiva, un intervalo de conanza al 1 - por
ciento para la estimacin de un parmetro poblacional
que si- gue 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 .
puntos delimitan la probabilidad para el intervalo, como se muestra en la siguiente imagen:

Dicho punto es el nmero tal que:

1
2 1 EJEMPLOS

P[x X/2 ] = P[z z/2 ] = /2 si la mquina est adecuadamente calibrada, se toma una
muestra aleatoria de n = 25 tazas de helado para pesar-
Y en la versin estandarizada se cumple que:
las. La medicin resultante es X1 , ..., X25 , una
z/2 = z/2 muestra aleatoria procedente de X.
As:
[ Para , es suciente con dar una estimacin. El
] x /2 /2
P z n x + estimador adecuado es la media muestral:
nz
= 1
De lo cual se obtendr el intervalo de conanza:
n

n n i
n
(x z/2 , x + z/2 ) i=1

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
por el error estndar ( n ) . media:

Si no se conoce y n es grande (habitualmente se toma n 1

30):[5] x 25
= xi = 250.2 gramos.
Aproximaciones para el valor z/2 para los niveles de 25 i=1
conanza estndar son 1,96 para 1 = 95% y
2,576 para 1 = 99% .[6] Al tomar otra muestra de 25 tazas, es esperable, de igual
manera, que la masa presente valores como 250.4 o 251.1
gramos. Un valor medio muestral de 280 gramos en
1.2 Intervalo de conanza para una pro- cam- bio, sera extremadamente excepcional si el
porcin contenido medio de las tazas est en la prctica cerca de
250 gramos. Hay un intervalo en torno al valor observado
El intervalo de conanza para estimar una proporcin p, de 250.2 gra- mos de la media muestral, para el que si
conocida como una proporcin muestral pn de una la media de la poblacin completa efectivamente toma
mues- tra de tamao n, a un nivel de conanza del (1- un valor en este rango, los datos observados no podran
)100% es: ser considerados particularmente inusuales. Tal intervalo
se denomina in-

tervalo de conanza para el parmetro . Cmo se cal-
(pn z/2 pn (1pn
n)
, pn + z/2 pn (1pn cula tal intervalo? Los extremos del intervalo deben cal-
)
n )
En la demostracin de estas frmulas estn cularse a partir de la muestra para que resulten
involucrados el Teorema Central del Lmite y la funciones
aproximacin de una binomial por una normal.[7] estadsticas de la muestra X1 , ..., X25 y de este modo son
variables aleatorias a su vez.
En este caso, se determinarn los extremos considerando
1.3 Ejemplo prctico la media muestral X que como proviene de una distribu-
cin 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:

X
X
Z =n =
/ 0.5
promedio deseada de 250 g, con una desviacin estndar
de 2.5 g. Para determinar

Una mquina llena tazas con helado, y se supone que

est ajustada para verter la cantidad de 250 g. Como
la m- quina 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 nor- mal de alrededor de la cantidad
 2 1 EJEMPLOS
dependiente del parmetro que debe ser estimado, Tomamos 1 = 0.95, por ejemplo. As,
pero con una distribucin normal estndar tenemos:
independiente del parmetro . Por lo tanto, es posible
hallar nmeros z y z, independientes de , entre los
cuales est Z con proba- bilidad 1 , una medida de P (z Z z) = 1 =
cun conados queremos estar. 0.95.
 3

El nmero z proviene de una funcin de distribucin estar entre los lmites calculados a partir de la me-
acu- mulada, en este caso la Funcin de distribucin dia, pero en el 5% de los casos no lo estar. El intervalo
normal 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) = 21 =
0.975,
(x0.98; x+0.98) = (250.20.98; 250.2+0.98) = (249.22;
z = 1 ((z)) = 1 (0.975) = 1.96,
251.18).
y se
obtiene: En otras palabras, el intervalo de conanza del 95%
est
( )
1.96 X 1.96
0.95 = 1 = P (z Z z) =
P / n
( ) .


= P X 1.96 X + 1.96
n n
En otras palabras, el lmite inferior de un intervalo de con-
anza del 95% es:

Extremo inf erior = X 1.96 (x 0.98, x + 0.98).

n
, Cada vez que se repitan las mediciones, darn otro valor para la media
X de la muestra. En el 95% de los casos
y el superior de tal intervalo
es:

Extremo superior = X + 1.96

.n
Con los valores de este ejemplo, el intervalo de
conanza es:

(
0.95 = P X 1.96 0.5 X + 1.96
)
0.5
( )
= P X 0.98 X + 0.98 .

Esto podra interpretarse como: con probabilidad del

0.95 encontramos un intervalo de conanza en el que
se
cumple que el parmetro est entre los lmites
estocs-
ticos

X
0.98

X +
0.98.

Esto no implica que hay una probabilidad de 0.95 de

en- contrar el parmetro en el intervalo obtenido
usando el valor efectivamente establecido para el valor
medio de la muestra.
 3
El segmento vertical representa 50 puede decir: con nivel de conanza 100(1 ) %,
realizaciones de un intervalo de conanza est en el intervalo de conanza.
para .
El error mximo se calcula como 0.98 dado que es la
dife- rencia ente el valor en que se conserva la conanza
entre el lmite inferior de 249.22 g y el
superior de 251.18 g. dentro de los lmites superior e inferior.

Como el valor deseado 250 de est La gura ilustra 50 realizaciones de un intervalo de

dentro del interva- lo de conanza con- anza para una poblacin media dada . Si
resultante no hay razn para creer que la aleatoriamen- te se selecciona una realizacin, la
mquina no est correctamente probabilidad es del
calibrada. 95% de nalmente haber elegido un intervalo que con-
tenga el parmetro; sin embargo, podra darse la desafor-
El intervalo calculado tiene lmites jos, tunada situacin de haber elegido la errnea.
donde podra o no estar acotado. As,
este evento tiene probabilidad 0 o
1. No es posible decir: con probabilidad
(1 ) el par- metro est en el 2 Vase tambin
intervalo de conanza. Slo sabemos
que por repeticin en 100(1 ) % de Estimacin estadstica
los casos, esta- r en el intervalo
calculado. En 100% de los casos, sin Tamao de la muestra
embargo esto no sucede.
Desafortunadamente, no se co- noce en Anlisis discriminante
cules de los casos esto sucede. Por eso se
4 3 REFERENCIAS

3 Referencias
[1] Rius Daz, Francisca (octubre de 1997). 8.2.
Estima- cin 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

Multi- scale 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. Pro-
babilidad y estadstica para ingeniera y ciencias. Cengage
Learning Editores. p. 230. ISBN 970686136X. Consulta-
do 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 aplicacio-
nes. Mlaga: Universidad de Mlaga. ISBN 84-7496-653-
1. Consultado el 24 de abril de 2009.

3.1 Bibliografa
Fisher, R. A. (1956). Statistical Methods and
Scien- tic Inference. Oliver and Boyd, Edinburgh
(p. 32).
Freund, J. E. (1962). Mathematical Statistics.
Pren- tice 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
In- ference. 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.
 5

4 Origen del texto y las imgenes, colaboradores y licencias

4.1 Texto
Intervalo de conanza Fuente: https://es.wikipedia.org/wiki/Intervalo_de_conanza?oldid=95211069 Colaboradores: Jagarsoft,
Tarta- glia, 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, Co- rreogsk, Ausld, Estirabot, Poco a poco, Pokespa, Alexbot, Juan Mayordomo, UA31, Luckas-bot, ArthurBot, Almabot,
Jkbw, Ricardogpn, MondalorBot, TobeBot, FAL56, Ripchip Bot, Chrisyagami, CentroBabbage, Allforrous, Grillitus, Emiduronte,
Antonorsi, KLBot2, Avo- catoBot, Acratta, Elvisor, Aosoriom, Balles2601, Jarould, AlvaroMolina, Enrique8710, Grup2UOC, Erisiano,
Eliasgv3, Niuman Comas y Annimos: 50

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/Margarinelling.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- condence-
interval.svg
Licencia: Public domain Colaboradores: Trabajo propio Artista original: Tsyplakov

4.3 Licencia del contenido

Creative Commons Attribution-Share Alike 3.0