Intervalo de confianza para una población:

Es un rango de valores, derivado de los estadísticos de la muestra, que

posiblemente incluya el valor de un parámetro de población desconocido. Debido a
su naturaleza aleatoria, es poco probable que dos muestras de una población en
particular produzcan intervalos de confianza idénticos. Sin embargo, si usted
repitiera muchas veces su muestra, un determinado porcentaje de los intervalos de
confianza resultantes incluiría el parámetro de población desconocido.

INTERVALO PARA MEDIA CON MUESTRA GRANDE:

Bajo ciertas condiciones de regularidad, es posible construir intervalos de confianza

asintóticos de una manera bastante general.

Si suponemos que un parámetro θ tiene una estimación máximo verosímil θ*, la

distribución asintótica del estimador, bajo condiciones generales de regularidad, es
Normal, de media el valor verdadero del parámetro θ y varianza igual a la cota de
Cramér-Rao σ2(θ*).
 INTERVALOS PARA MEDIA CON MUESTRAS PEQUEÑAS,

No podemos invocar el teorema del límite central. Por lo tanto, no podemos utilizar
la fórmula para los intervalos de confianza a menos que sean muestras desde una
variable aleatoria normalmente distribuida.

Sin embargo, hay una cuestión más: Si conocemos la desviación estándar

poblacional σ, entonces todo está bien, y podemos seguir adelante y utilizar la
fórmula anterior para el intervalo de confianza para muestras pequeñas (suponiendo
que estamos tomando muestras de una variable distribuida normalmente). Pero si,
como suele ser el caso, no sabemos σ, entonces si seguimos adelante y utilizamos
en su lugar la desviación estándar muestra s, es probable que obtengamos
intervalos de confianza que son demasiado pequeños. La razón es que, mientras
que la distribución muestra de (x − μ)/σ, es normal (siempre que x es normal) la
distribución muestra de (x − μ)/s no es normal (a menos que se trate de muestras
grandes, en cuyo caso es aproximadamente normal).

INTERVALO PARA PROPORCIÓN

En la inferencia sobre una proporción el problema se concreta en estimar y

contrastar la proporción p de individuos de una población que presentan una
determinada característica A (proporción de votantes a un partido político,
proporción de parados, ...). El problema se modeliza mediante una variable
dicotómica que toma el valor 1 si se presenta la característica de interés y 0 en caso
contrario, esto es, una variable de Bernoulli, ,de la que se dispone de una muestra
de tamaño n. Entonces, la proporción poblacional p no es otra cosa que la media
poblacional de dicha variable, estimándose con la correspondiente proporción
muestra o media muestra,
 INTERVALO PARA VARIANZA

Dada una variable aleatoria con distribución Normal N(μ; σ), el objetivo es la
construcción de un intervalo de confianza para el parámetro σ, basado en una
muestra de tamaño n de la variable.
A partir del estadístico

la fórmula para el intervalo de confianza, con nivel de confianza 1 − α es la siguiente

Donde χ2α/2 es el valor de una distribución ji-cuadrado con n − 1 grados de libertad

que deja a su derecha una probabilidad de α/2.
Por ejemplo, dados los datos siguientes:

 Distribución poblacional: Normal

 Tamaño de muestra: 10
 Confianza deseada para el intervalo: 95 %
 Varianza muestral corregida: 38,5
Un intervalo de confianza al 95 % para la varianza de la distribución viene dado por:

que resulta, finalmente

 ENSAYOS DE HIPÓTESIS

Si en el supuesto de que una hipótesis determinada es cierta, se encuentra que los

resultados observados en una muestra al azar difieren marcadamente de aquellos
que cabía esperar con la hipótesis y con la variación propia del muestreo, se diría
que las diferencias observadas son significativas y se estaría en condiciones de
rechazar la hipótesis (o al menos no aceptarla de acuerdo con la evidencia
obtenida). Por ejemplo, si en 20 lanzamientos de una moneda se obtienen 16 caras,
se estaría inclinado a rechazar la hipótesis de que la moneda está bien, aunque
sería posible que fuese un rechazamiento erróneo.

Los procedimientos que facilitan el decidir si una hipótesis se acepta o se rechaza

o el determinar si las muestras observadas difieren significativamente de los
resultados esperados se llaman ensayos de hipótesis, ensayos de significación o
reglas de decisión.

HIPÓTESIS NULA

Es una hipótesis que el investigador trata de refutar, rechazar o anular.

Generalmente, "nula" se refiere a la opinión general de algo, mientras que la

hipótesis alternativa es lo que el investigador realmente piensa que es la causa de
un fenómeno.

La conclusión de un experimento siempre se refiere a la nula, es decir, rechaza o

acepta la H0 en lugar de la H1.

A pesar de esto, muchos investigadores descuidan la hipótesis nula cuando están

probando hipótesis, lo que constituye una práctica mala y puede tener efectos
adversos.
 HIPÓTESIS ALTERNATIVA.

Se entiende por hipótesis alternativa a la suposición alternativa a la hipótesis nula

formulada en un experimento y/o investigación. Esta surge como resultado de una
determinada investigación realizada sobre una población o muestra.

Entendida de manera sencilla, la hipótesis alternativa representa la conclusión que

el investigador quiere demostrar o afirmar tras su estudio. Esta se expresa con la
expresión “H1” y va a representar, por lo general, lo contrario a la hipótesis nula.

El método científico, al contrario de lo que podría pensarse, no trata de demostrar

la hipótesis alternativa (conclusión alcanzada a través de la investigación). Lo que
pretende el método científico, es demostrar que lo contrario a la hipótesis alternativa
(hipótesis nula), no es cierto. De esta manera, quedaría demostrada la hipótesis
alternativa.
 NIVEL DE SIGNIFICANCIA

Cuando se toma la decisión de rechazar o no la Hipótesis Nula podemos acertar o

cometer errores. En el trabajo real no sabemos qué ocurre porque no sabemos si la
Hipótesis Nula es verdadera o no. Sin embargo, dados ciertos supuestos podemos
obtener las probabilidades de cometer errores de tipo I y de tipo II.

La probabilidad de cometer errores de tipo I, que se simboliza alfa, es la probabilidad

de ocurrencia de los valores del estadístico en la región de rechazo cuando la
Hipótesis Nula es verdadera. El valor de alfa, también denominado nivel de
significación, es definido por el investigador antes de recoger los datos, y la
costumbre es hacer alfa=0.05 o alfa=0.01 (en el ejemplo alfa es igual a 0.05). La
probabilidad de cometer errores de tipo II se simboliza beta y depende de varias
circunstancias como la distancia que separa el valor asignado al parámetro en la
Hipótesis Nula de su valor real, el tamaño muestral y el valor asignado a alfa.

ERROR DE TIPO I

Por lo general, un error de tipo I se denomina "falso positivo" y es el proceso de

rechazar incorrectamente la hipótesis nula en favor de la alternativa. En el caso
anterior, la hipótesis nula se refiere al estado natural de las cosas que indica que el
paciente no es VIH positivo.

La hipótesis alternativa indica que el paciente porta el virus. Un error de tipo I

indicaría que el paciente tiene el virus cuando no lo tiene, un falso rechazo de la
hipótesis nula.
ERROR DE TIPO II

Un error de tipo II es lo contrario al error de tipo I y es la falsa aceptación de la

hipótesis nula. Un error de tipo II, también conocido como falso negativo, implicaría
que el paciente no tiene VIH cuando no es así, un diagnóstico peligroso.

En la mayoría de los campos de la ciencia, los errores de tipo II no son considerados

tan problemáticos como los errores de tipo I. En el caso del error de tipo II, se pierde
la posibilidad de rechazar la hipótesis nula y no se desprende ninguna conclusión
de la hipótesis nula no rechazada. El error de tipo I es más grave, ya que se habrá
rechazado erróneamente la hipótesis nula.