Intervalos de Confianza – Rodrigo Del Rosso

1) IC para estimar 𝝁, cuando 𝝈𝟐 es Conocida y la Población es Normal e Infinita

𝝈 𝝈
̅ −𝒁 𝜶
𝑷 (𝑿 ̅+𝒁 𝜶
≤𝝁≤𝑿 )=𝟏−𝜶
𝟏− 𝟏−
√𝒏
𝟐 𝟐 √𝒏
2) IC para estimar 𝝁, cuando 𝝈𝟐 es Conocida y la Población es Normal y Finita

𝝈 𝑵−𝒏 𝝈 𝑵−𝒏
̅−𝒁 𝜶
𝑷 (𝑿 √ ̅+𝒁 𝜶
≤𝝁≤𝑿 √ )= 𝟏−𝜶
𝟏− 𝟏−
𝟐 √𝒏 𝑵 − 𝟏 𝟐 √𝒏 𝑵 − 𝟏

3) IC para estimar 𝝁, cuando 𝝈𝟐 es Desconocida y la Población es Normal e Infinita

𝑺 𝑺
̅−𝒕
𝑷 (𝑿 𝜶 ̅+𝒕
≤𝝁≤𝑿 𝜶 )=𝟏−𝜶
𝒏−𝟏;𝟏− 𝒏−𝟏;𝟏−
√𝒏
𝟐 𝟐 √𝒏
4) IC para estimar 𝝁, cuando 𝝈𝟐 es Desconocida y la Población es Normal y Finita

𝑺 𝑵−𝒏 𝑺 𝑵−𝒏
̅−𝒕
𝑷 (𝑿 𝜶 √ ̅+𝒕
≤𝝁≤𝑿 𝜶 √ )=𝟏−𝜶
𝒏−𝟏;𝟏− 𝒏−𝟏;𝟏−
𝟐 √𝒏 𝑵 − 𝟏 𝟐 √𝒏 𝑵 − 𝟏

5) IC para estimar 𝝁, cuando la Distribución de Probabilidad de la Población es desconocida

𝝈 𝝈
̅ −𝒁 𝜶
𝑷 (𝑿 ̅+𝒁 𝜶
≤𝝁≤𝑿 )=𝟏−𝜶
𝟏− 𝟏−
𝟐 √𝒏 𝟐 √𝒏

𝝈 𝑵−𝒏 𝝈 𝑵−𝒏
̅−𝒁 𝜶
𝑷 (𝑿 √ ̅+𝒁 𝜶
≤𝝁≤𝑿 √ )= 𝟏−𝜶
𝟏− 𝟏−
𝟐 √𝒏 𝑵 − 𝟏 𝟐 √𝒏 𝑵 − 𝟏

𝑺 𝑺
̅ −𝒁 𝜶
𝑷 (𝑿 ̅+𝒁 𝜶
≤𝝁≤𝑿 )=𝟏−𝜶
𝟏− 𝟏−
𝟐 √𝒏 𝟐 √𝒏

𝑺 𝑵−𝒏 𝑺 𝑵−𝒏
̅−𝒁 𝜶
𝑷 (𝑿 √ ̅+𝒁 𝜶
≤𝝁≤𝑿 √ )= 𝟏−𝜶
𝟏− 𝟏−
𝟐 √𝒏 𝑵 − 𝟏 𝟐 √𝒏 𝑵 − 𝟏

6) IC para estimar 𝝈𝟐 , siempre se trabaja con poblaciones normales e infinitas

(𝒏 − 𝟏)𝑺𝟐 (𝒏 − 𝟏)𝑺𝟐
𝑷( ≤ 𝝈𝟐 ≤ )= 𝟏−𝜶
𝑩 𝑨
7) IC para estimar 𝒑

𝒑̅ (𝟏 − 𝒑
̅) 𝒑̅ (𝟏 − 𝒑
̅)
̅ − 𝒁𝟏−𝜶 √
𝑷 (𝒑 ̅ + 𝒁𝟏−𝜶 √
≤𝝅≤𝒑 )=𝟏−𝜶
𝟐 𝒏 𝟐 𝒏

𝒑̅ (𝟏 − 𝒑
̅) 𝑵 − 𝒏 𝒑̅ (𝟏 − 𝒑
̅) 𝑵 − 𝒏
̅ − 𝒁𝟏−𝜶 √
𝑷 (𝒑 ( ̅ + 𝒁𝟏−𝜶 √
)≤𝝅≤𝒑 ( )) = 𝟏 − 𝜶
𝟐 𝒏 𝑵−𝟏 𝟐 𝒏 𝑵−𝟏