ESTIMACION CON INTERVALOS DE CONFIANZA

INTRODUCCION.- 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
seleccionen muestras, las cuales se pueden utilizar ms tarde para hacer inferencias sobre las
poblaciones.
Hay por lo menos dos tipos de estimadores que se utilizan comnmente para este propsito:
a.) Un estimador puntual y
b.) un estimador por intervalo.
Un estimador puntual utiliza un estadstico para estimar el parmetro en un solo valor o
punto.
Una estimacin por intervalo especifica el rango dentro del cual est el parmetro
desconocido. Tal intervalo con frecuencia va acompaado de una afirmacin sobre el nivel de
confianza que se da en su exactitud. Por tanto se llama intervalo de confianza.
En realidad hay tres niveles de confianza relacionados comnmente con los intervalos de
confianza: 99%, 95% y 90%. No hay nada mgico sobre estos tres valores. Se podra
calcular un intervalo de confianza del 82% si se deseara. Estos tres niveles de confianza,
denominados coeficientes de confianza, son simplemente convencionales.
Las estimaciones por intervalo gozan de ciertas ventajas sobre las estimaciones puntuales.

Debido al error de muestreo, probablemente

no ser igual a
. Sin embargo no hay
manera de saber que tan grande es el error de muestreo. Por tanto, los intervalos se utilizan
para explicar esta discrepancia desconocida.
EL FUNDAMENTO DE UN INTERVALO DE CONFIANZA.- Un intervalo de confianza tiene
un lmite inferior de confianza (LIC) y un limite superior de confianza (LSC). Estos lmites se
hallan calculando primero la media muestral,

, luego se suma una cierta cantidad a

para obtener el LCS, y la misma cantidad se resta de

para obtener el LIC.

Para entender como se puede construir un intervalo, y luego argumentar que se puede tener

un 95% de confianza en que contiene

, vale la pena recordar que segn la regla emprica
el 95.5% de todas las medias muestrales caen dentro de dos errores estndar de la media
poblacional, por lo tanto dada una media muestral cualquiera, se puede estar 95.5% seguro
de que el intervalo de dos errores estndar, alrededor de dicha media muestral, contiene la
media poblacional desconocida.
INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL (muestras grandes)

Intervalo de confianza para estimar

cuando

es conocido

X Z x

I.C para estimar

Ejemplo. Consideremos el caso de un promotor inmobiliario quien intenta construir un gran
centro comercial. Puede estimar en el rea el ingreso promedio por familia como indicador de

A. V. R.

pg.

ESTIMACION CON INTERVALOS DE CONFIANZA

las ventas esperadas. Una muestra de n=100 familias da una media de

x
n

=$7,200. Dado que

I.C para estimar

, se estima un intervalo del 95% de la siguiente manera:

(1.96)

=$35,500, con una

US $7200
34088.80 36911.20
100

= 35 500

INTERPRETACION DE UN INTERVALO DE CONFIANZA.- Se puede interpretar los

resultados de dos formas.
La primera y la ms comn establece un 95% de confianza en que la media poblacional real
desconocida este en el intervalo.
La segunda interpretacin reconoce que se pueden desarrollar muchos intervalos de confianza
diferentes. Por tanto, la segunda interpretacin establece que si se construyen todos los
intervalos de confianza posibles, el 95% de ellos contendr la media poblacional desconocida.
Esto por supuesto significa que el 5% de todos los intervalos estara errado- no contendran la
media poblacional -. Este valor hallado como (1- coeficiente de confianza), es denominado el
valor alfa (y representa la probabilidad de error
INTERVALO DE CONFIANZA CUANDO

ES DESCONOCIDA

X Zsx

sx s / n

I.C. para estimar

en donde:
Ejemplo. Gerry Gerber, acaba de registrar las declaraciones de impuestos de sus clientes.
Desea estimar la cantidad promedio que deben al servicio de renta interna. De los 50 clientes
que seleccion en su muestra, la cantidad promedio que se adeudaba era de $652.68. Ya que

la desviacin estndar de todos sus clientes

es desconocida, Gerber debe estimar
con
la desviacin estndar de la muestra que es s = $217.43. Si se desea un nivel del 99% de
confianza, el valor de Z apropiado es 2.58 (0.99/2=0.4950). De la tabla de Z, un rea de
0.4950 revela que Z= 2.58. Utilizando la frmula anterior:

X Zsx

I.C. para estimar

US $652.68 2.58

US $217.43
US$573.35 732.01
50

I. C.
Qu pasara en este intervalo si el Sr. Gerber estuviera dispuesto a aceptar un nivel de
confianza del 95%? Con un valor de Z de 1.96, el intervalo sera:

US$652.68 1.96

US $217.43
US $592.41 US $712.96
50

I. C.
Los resultados son tan buenos como malos. El intervalo de 95% es ms estrecho y ofrece
mayor precisin. Las malas noticias son que ahora el Sr. Gerber est el 95% seguro de que el
intervalo

contiene en realidad

. Aunque el intervalo es ms preciso (ms estrecho), la

A. V. R.

pg.

ESTIMACION CON INTERVALOS DE CONFIANZA

probabilidad de que contenga

se ha reducido del 99 al 95%. El Sr. Gerber tuvo que
abandonar algo de confianza y ganar ms precisin.
INTERVALOS DE CONFIANZA PARA LA MEDIA EN EL CASO DE MUESTRAS PEQUEASla distribucin t
Cuando debe tomarse una muestra pequea, la distribucin normal puede o no aplicarse. El
teorema del lmite central asegura normalidad en el proceso de muestreo solo si la muestra
es grande. Cuando se utiliza una muestra pequea, puede ser necesaria una distribucin
alternativa, la distribucin t student, (o simplemente la distribucin t). Especficamente, la
distribucin t se utiliza cuando se cumplen tres condiciones:
a.) La muestra es pequea,
b.) es desconocida, y
c.) La poblacin es normal o casi normal.
La distribucin t tiene una media de cero, es simtrica con respecto a la media y oscila entre

y
. La varianza y la desviacin estndar de la distribucin t es mayor que 1. Por
tanto es ms plana y ms dispersa que la distribucin Z.

n 1
n3

Varianza de la distribucin t
En realidad la distribucin t es una familia de distribuciones cada una con su propia varianza.
La varianza depende de los grados de libertad definidos como el nmero de
observaciones que se pueden escoger libremente. Una restriccin es algn valor que
tales observaciones deben poseer.
Grados de libertad.- El nmero de observaciones menos el nmero de restricciones
impuestas sobre tales observaciones. g.l. = n-r: para el caso de I.C. queda g.l. = n-1
Por lo tanto el intervalo de confianza para estimar la media poblacional con muestras
pequeas queda:

X t

s
n

I.C. para estimar

Ejemplo.- Consideremos el siguiente problema tomado de The Wall Street Journal. Una
empresa de construccin fue culpada de inflar los comprobantes que registra para los
contratos de construccin con el gobierno federal. El contrato estableci que un cierto tipo de
trabajo debera promediar $1,150. Por motivos de tiempo, los directivos de solo 12 agencias
del gobierno fueron llamados a dar testimonio ante la corte respecto a los comprobantes de la
empresa. Si se descubri a partir del testimonio una media de $1,275 y una desviacin
estndar de $235, Un intervalo de confianza del 95% apoyara el caso legal de la empresa?
Se asume que los montos de los comprobantes son normales.
Un nivel de confianza del 95% con g.l.=121=11 resulta de la tabla de t un valor de 2.201.
Entonces:
s
235
t
1275 (2.201)
n
12
I.C. para estimar

1275 149.31

US $1125.69 US $1424.31

=
La corte puede tener un 95% de confianza en que el promedio de todos los comprobantes
est entre $1,125 y $1,424. Este intervalo contiene los $1,150 acordados, fortaleciendo la
A. V. R.

pg.

ESTIMACION CON INTERVALOS DE CONFIANZA

defensa de la empresa. Vale la pena destacar que el valor t para un intervalo de 95% es de
2.201 (dado g.l.=11), mientras que un intervalo del 95% de una muestra grande utiliza un
valor de Z de 1.96. El intervalo con base en un valor t es, por tanto, ms amplio.
INTERVALO DE CONFIANZA PARA LA PROPORCION POBLACIONAL
Las decisiones dependen con frecuencia de parmetros que son binarios, parmetros con solo
dos posibles categoras dentro de las cuales pueden clasificarse las respuestas.
En este
evento el parmetro de inters es la proporcin poblacional.
El error estndar de la distribucin de las proporciones muestrales queda:
(1 )
p
n
Sin embargo, la frmula contiene

, el parmetro que se desea estimar.

proporcin muestral p se utiliza como estimador de

Por tanto, la

Estimacin del error estndar de la distribucin de las proporciones muestrales.

p (1 p)
Sp
n
Por tanto el intervalo de confianza I.C. para estimar la proporcin poblacional, queda:

p Zs p

Ejemplo.- El gerente de una estacin de televisin debe determinar en la ciudad que

porcentaje de casas tiene ms de un televisor. Una muestra aleatoria de 500 casas revela
que 275 tienen dos o ms televisores. Cul es el intervalo de confianza del 90% para estimar
la proporcin de todas las casas que tienen dos o ms televisores? Dados estos datos,
p=275/500=0.55, y
(0.55)(0.45)
sp
500
=0.022
La tabla de Z da un valor de 1.65 para un intervalo de confianza del 90%.
I.C. para estimar

0.55 (1.65)(0.022) 0.55 036

0.514 0.586

El gerente puede tener un 90% de confianza que entre el 51.4% y el 58.6% de las casas de la
ciudad tienen ms de un televisor.
CONTROL DEL ANCHO DE UN INTERVALO.- Como se expres anteriormente, a veces es
preferible un intervalo mas estrecho debido a la precisin adicional que proporciona. Hay dos
mtodos principales para lograr un intervalo ms preciso:
a.) Reduccin del nivel de confianza.- Hay un costo involucrado en lograr esta precisin
mayor: el nivel de confianza baja a 95%, produciendo un 5% de probabilidad de
error en lugar del 1% relacionado con el intervalo de confianza del 99%.
b.) Incremento del tamao de la muestra.- Incrementando el tamao muestral se puede

/ n
reducir el error estndar
. Desafortunadamente, esta ventaja no se gana sin
un precio. El tamao ms grande de la muestra significa ms tiempo y ms dinero
A. V. R.

pg.

ESTIMACION CON INTERVALOS DE CONFIANZA

que deben gastarse al recolectar y manejar los datos. De nuevo debe tomarse una
decisin.
DETERMINACION DEL TAMAO APROPIADO DE LA MUESTRA.El tamao de la
muestra juega un papel importante al determinar la probabilidad de error as como en la
precisin de la estimacin. Una vez que se ha seleccionado el nivel de confianza, dos factores

importantes influyen en el tamao muestral: (1) la varianza de la poblacin

y (2) el
tamao del error tolerable que el investigador est dispuesto a aceptar. Mientras que el
primer factor est mas all del control, del investigador, si es posible limitar el tamao del
error.
El tamao del error que un investigador puede tolerar depende de que tan crtico es el
trabajo. Algunas tareas extremadamente delicadas requieren de resultados exactos: los
procedimientos mdicos vitales de los cuales dependen vidas humanas, o la poblacin de
piezas de una mquina que deba cumplir medidas precisas, pueden tolerar solo un pequeo
error. En otros casos, los errores ms grandes pueden tener consecuencias menos graves.

TAMAO DE LA MUESTRA PARA ESTIMAR

Z 2 2
( X ) 2

( X )

En donde la diferencia entre la media muestral y la media poblacional

es el error
mximo aceptable. El valor de Z depende del nivel de confianza requerido. Esto deja por
determinar solo

para calcular el tamao muestral apropiado. En el evento probable que

sea desconocido, puede estimarse mediante la desviacin estndar muestral s, utilizando

( n 30)

una muestra piloto de cualquier tamao razonable

Ejemplo: El propietario de un centro de esqu en el sur de Wisconsin est considerando

comprar una mquina para hacer nieve y ayudar a la madre naturaleza a proporcionar una
base apropiada para los entusiastas esquiadores. Si el promedio de nevadas parece
insuficiente, piensa que la mquina debera pagarse muy pronto por s misma. Planea estimar
las pulgadas promedio de nieve que cae en el rea, pero no tiene idea que tan grande debera
ser la muestra. Solo sabe que desea un 99% de confianza en sus hallazgos y que el error no
debe exceder de una pulgada. El propietario le pide ayuda Puede usted ayudarlo?
Solucin: Con una muestra piloto mayor a 30 elementos, se obtuvo una s=3.5 pulgs.,

Z 2 (s) 2
(2.58) 2 (3.5)
n

(error ) 2
(1) 2

entonces aplicando:
n = 81.5 sea 82 nevadas a considerar.
Ahora puede recolectar los datos sobre las ltimas 82 nevadas, los cuales se utilizarn para
estimar las nevadas promedio.

Z 2 ( )(1 )
( p )2

TAMAO DE LA MUESTRA PARA ESTIMAR PROPORCIONES:

A. V. R.

pg.

ESTIMACION CON INTERVALOS DE CONFIANZA

(p )
En donde

es la diferencia entre la proporcin muestral y la proporcin poblacional y

por tanto es el error mximo aceptable. La formula anterior requiere el valor de

, el
parmetro que se desea estimar y es desconocido. Este problema puede tratarse de dos

maneras. Se podra tomar una muestra piloto para obtener un valor preliminar para
, tal y
como se hizo al determinar el tamao muestral apropiado para la media, se puede

0 .5

determinar que
para efectos de determinar el tamao muestral. Frecuentemente se
prefiere este mtodo porque es muy seguro o conservador, ya que garantizar el tamao
muestral ms grande posible, dado cualquier nivel de confianza y error deseados.
TAMAO DE LA MUESTRA (PARA POBLACIN FINITA):

N ( Z 2 )( )(1 )
( p ) 2 ( N 1) Z 2 ( )(1 )

PROPIEDADES DE UN BUEN ESTIMADOR:

Estimadores y estimaciones.- Debe hacerse una distincin entre un estimador y una
estimacin. Un estimador es la regla o procedimiento, generalmente expresado como una
formula, que se utiliza para derivar la estimacin. Un estimador es, tambin, el proceso
mediante el cual se obtiene la estimacin. Una estimacin es el resultado numrico del
estimador. Para desempearse de manera confiable los estimadores deben tener las
siguientes propiedades:
ESTIMADOR INSESGADO.- Un estimador es insesgado si la media de su distribucin
muestral es igual al parmetro correspondiente.
ESTIMADOR EFICIENTE.- Dado todo estimador insesgado, el estimador ms eficiente
aquel que tenga la varianza ms pequea.

es

ESTIMADOR CONSISTENTE.- Un estimador es consistente si, a medida que n aumenta, el

valor del estadstico se aproxima al parmetro.
ESTIMADOR SUFICIENTE.- Un estimador es suficiente si ningn otro estimador puede
proporcionar ms informacin sobre el parmetro.

A. V. R.

pg.