TEMA 8.

TEORIA DE LA ESTIMACIN

8.1. Introduccin y definiciones

8.2. Estimacin puntual. Propiedades deseables de los

estimadores
8.2.1. Introduccin y definiciones
8.2.2. Estimadores Insegados
8.2.3. Estimacin por mxima verosimilitud

8.3. Estimacin por intervalos de confianza

8.3.1. Introduccin
8.3.2. Intervalos de confianza para una poblacin
normal
8.3.2.1. Intervalos de confianza para la media
8.3.2.2. Intervalo de confianza para la
varianza
8.3.3. Intervalos de confianza para dos
poblaciones Normales independientes
8.3.3.1. Intervalos de confianza para la
diferencia de medias
8.3.3.2. Intervalo de confianza para el
cociente de varianzas
8.3.4. Intervalo de confianza para una
proporcin
8.3.5. Intervalo de confianza para la diferencia de
proporciones 2
0
1
 8.1. Introduccin y definiciones

Supongamos que conocemos la distribucin de la

caracterstica de inters de una poblacin

La funcin de densidad o masa de probabilidad depende

del vector de parmetros : f(x ; )

Se desean estimar los parmetros a partir de una

muestra

Cmo hacer esta estimacin?

Estimacin puntual: Se busca un estimador, que con

base a los datos muestrales d origen a un valor puntual
que utilizamos como estimacin del parmetro

Estimacin por intervalos: Se determina un intervalo

aleatorio que, de forma probable, contiene el verdadero
valor del parmetro. Este intervalo recibe el nombre de
intervalo de confianza

2
0
2
 Ejemplo

Sea X una v.a. que estudia el grosor del tronco de un

arbusto. Se conoce que dicha variable es normal con
desviacin tpica 1 pero no se conoce la media.

X N (; 1) ; R

El parmetro a estimar es

2
0
3
 8.2. Estimacin puntual. Propiedades
deseables de los estimadores

8.2.1. Introduccin y definiciones

Sea X1, , X n una muestra aleatoria simple con funcin

de densidad f ( x ; )
Sea un estadstico T = u ( X 1, , X n )

El problema es encontrar una funcin u que proporcione

el mejor estimador de

El estimador, T, del parmetro debe tener una

distribucin concentrada alrededor de y la varianza
debe ser lo menor posible

P[ h T +h]
debera ser grande

h +h
2
0
4
 Error cuadrtico medio

P[ h T +h]
debera ser grande

h +h

Para estudiar la variabilidad de los valores del estimador

alrededor del parmetro se hace uso de una cantidad
llamada error cuadrtico medio

Definicin. Error cuadrtico medio

Sea T un estimador de . Se define

ECM ( T ) = E [( T ) 2 ] = Var [ T ] + [ E [ T ] ] 2

2
0
5
 Ejemplo
Sea X1, , Xn una muestra aleatoria simple (m.a.s.) de
una poblacin X de la que se sabe que E[X] = y Var[X]
= 2.
Sea T X un estimador de .
Hallar el error cuadrtico medio.

Solucin.-

ECM ( X ) Var [ X ] E [ X ] 2

Calculamos en primer lugar la esperanza del estimador

Xi
i E X i n
E[X ] E
n i n n

Por lo tanto el ECM es

1
ECM ( X ) Var[ X ] Var X i
n i

1 n 2 2

n 2 Var[ X i ] n 2

n
i

2
0
6
 8.2.2. Estimadores Insesgados

Definicin. Sesgo de un Estimador

Sea T el estimador del parmetro . Se define el sesgo

del estimador como

E[T]

Definicin. Estimador Insesgado

T es un estimador insesgado de si y slo si

E[T] = para todo

NOTA: En este caso ECM ( T ) = Var [ T ]

2
0
7
 8.2.3. Estimacin por mxima
verosimilitud

Definicin. Se denomina funcin de verosimilitud de la

muestra x 1, , x n , dependiendo de un parmetro , a la
funcin de probabilidad/densidad conjunta de la muestra
dado
P [ X1 x1,..., X n xn ]
L x , , x ( )
1 n
f ( x1,..., xn )

Definicin. Se define el estimador de mxima

verosimilitud , como aquel parmetro que hace mxima
la funcin de verosimilitud

Lx , , x ( ) Sup L x , , x ( )

1 n 1 n

2
0
8
 7.3. Estimacin por intervalos de confianza

7.3.1. Introduccin

Se desea calcular un intervalo aleatorio que contenga al

verdadero valor del parmetro, , con una cierta
probabilidad
h1(T) h2(T)

Las funciones h1 y h2 son funciones de un estadstico T

relacionado con el parmetro a estimar en cada caso

Definicin: Nivel de confianza (1)

El nivel de confianza, 1, es la probabilidad de que un
intervalo de confianza contenga al verdadero valor del
parmetro.
P [ h1 ( T ) h 2 ( T ) ] = 1

2
0
9
 7.3.2. Intervalos de confianza para una
poblacin normal

Se muestrea una poblacin normal para estimar los

parmetros de esta poblacin

X1, , X n m.a.s. de una poblacin X N ( , )

Independientes entre s
X 1, X 2 ,... X n
Xi N ( , )
Se desea estimar alguno de los parmetros, o ambos,
segn sea o no conocido el otro

2
1
0
 7.3.2.1. Intervalos de confianza para la media

Se desea estimar la media poblacional mediante un

intervalo de confianza

Varianza poblacional conocida 2

0

Estadstico asociado al parmetro a estudiar : T X

(media muestral).

Distribucin de la media muestral:

X N
X N ; 0 Z 0; 1
n 0

n

P z / 2 Z z / 2 1

/2 1 /2

z1 / 2 z / 2 z / 2
2
1
1

P z / 2 Z z / 2 P z / 2
X
z / 2 1
0

n

0 0
P z / 2 X z / 2 1
n n

0 0
P X z / 2 X z / 2 1
n n

0 0
P X z / 2 X z / 2 1
n n

0 0
P X z / 2 X z / 2 1
n n

I.C. para , con varianza conocida, al nivel de

confianza 1 .

0 0
X z / 2 , X z / 2
n n

2
1
2
 I.C. para , con varianza conocida, al nivel de
confianza 1

0 0
X z / 2 , X z / 2
n n

NOTA:
A medida que aumenta el tamao de la muestra
disminuye la amplitud del intervalo

A medida que el nivel de confianza es mayor aumenta la

amplitud del intervalo

2
1
3
 Ejemplo. Se desea estudiar el peso en gramos del fruto
producido por una planta. Para ello se tom una muestra
de 16 plantas observando los siguientes pesos: 506, 508,
499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506,
502, 509, 496. El peso del fruto de cada planta es una v.a.
Normal con desviacin tpica 5 gr. Obtener un intervalo
de confianza al nivel de confianza 0.9 para el peso medio
del fruto de esta planta.

Solucin.-
I.C. para con varianza conocida
al nivel de confianza 1

0 0
X z / 2 , X z / 2
n n

x 503.75; n 16; 02 25 ; 0 5

2
1
4
 0 0
X z / 2 , X z / 2
n n

x 503.75; n 16; 02 25 ; 0 5

1 0.90; 0.10; 2 0.05

z / 2 z0.05 1.645

0.05 0.90 0.05

z 0.05 1.645 z 0.05 1.645

5 5
503.75 1.645 4 , 503.75 1.645 4

501.69, 505.81

2
1
5
 Varianza poblacional desconocida

Estimador: X

Distribucin muestral: T
X
t n-1
S
n

Cuasidesviacin tpica S
1

n 1 i
X X 2

/2 1 /2

t1 / 2 t / 2 t / 2

P t / 2; n1 T t / 2; n1 1


P t / 2; n1
X t / 2; n1 1
S
n
2
1
6

P t / 2; n1
X
t / 2 ; n1 1
S
n

S S
P t / 2; n1 X t / 2; n1 1
n n

S S
P X t / 2; n1 X t / 2; n1 1
n n

S S
P X t / 2; n1 X t / 2; n1 1
n n

S S
P X t / 2; n1 X t / 2; n1 1
n n

I.C. para con varianza desconocida

al nivel de confianza 1

S S
X t / 2;n1 , X t / 2;n1
n n

2
1
7
 Ejemplo. Se desea estudiar el peso en gramos del
fruto producido por una planta. Para ello se tom una
muestra de 16 plantas observando los siguientes pesos:
506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493,
496, 506, 502, 509, 496. Del peso del fruto slo se
conoce que es una v.a. Normal. Obtener un intervalo de
confianza al nivel de confianza 0.9 para el peso medio
del fruto de esta planta.
Solucin
S S
X t / 2; n1 , X t / 2; n1
n n
I.C. para con varianza desconocida
al nivel de confianza 1

x 503.75 ; s 6.2022 ; n 16

s s
x t / 2; n1 , x t / 2; n1
n n

6.2022 6.2022
503.75 1.75 , 503.75 1.75
4 4
501.0319, 506.4681

2
1
8
 S S
X t / 2; n1 , X t / 2; n1
n n

x 503.75 ; s 6.2022 ; n 16

1 0.90; 0.10; 2 0.05

t / 2; n1 t 0.05;15 1.75

0.05 0.90 0.05

t 0.05 1.75 t 0.05 1.75

6.2022 6.2022
503.75 1.75 , 503.75 1.75

4 4

501.0319, 506.4681

2
1
9
 7.3.2.2. Intervalo de confianza para la varianza

Media poblacional desconocida

1

2
n 1 i
Estimador: Cuasivarianza S2 X X
i

Distribucin muestral
n
Xi X
2

i 1 n 1 S 2
n21
2 2

P 12 / 2;n1 n21 2 / 2;n1 1

n 1 S 2
P 1 / 2; n1
2 / 2; n1 1
2
2

/2 /2
1

12 / 2;n1 2 / 2;n1
2
2
0
 n 1 S 2
P 12 / 2; n1 2 / 2; n1 1
2

2 2
1 / 2; n1 / 2; n1
P
1
1
n 1 S 2
n 1 S
2 2

2

n 1 S 2

n 1 S
P 2 1
2 2
/ 2; n1
1 / 2; n1

2 2

P 1
( n 1) S ( n 1) S
2
2 2
/ 2;n1 1 / 2;n1

I.C. para 2, con media poblacional desconocida,

al nivel de confianza 1

2 2
( n 1) S ( n 1) S
,
2 2
/ 2; n1 1 / 2 ; n1

2
2
1
 Ejemplo
Se desea estimar la varianza del nivel de nistamina en un
ungento. Se conoce por larga experiencia que su
distribucin sigue una ley Normal. Se toma una muestra
de 9 ungentos, dando el nivel siguiente (en millones de
unidades/gr): 1, 0.9, 1.5, 2.8, 3.1, 3.2, 2.5, 1.9, 2. Estimar
la varianza mediante dos intervalos de confianza al nivel
de confianza del 99% y del 95%.
Solucin
1
n 1 i
Cuasivarianza:
2
s x x 2
0.74
i
Nivel de confianza: 1 = 0.99; = 0.01; / 2 = 0.005
2 / 2;n1 0.005;8
2 22.0; 12 / 2;n1 0.995;8
2 1.34

0.005 0.005
0.99

2
0.995;8 1.34 20.005;8 22.0

2 2
( n 1) s ( n 1) s
,
2 2
/ 2; n1 1 / 2; n1

0.2691, 4.4179
2
2
2
Nivel de confianza: 1 = 0.95

1 = 0.95; = 0.05; / 2 = 0.025

1
n 1 i
Cuasi-varianza: s2 x x 2
0.74
i

2 / 2 ; n1 0.025
2
; 8 17.5

12 / 2; n1 0.975;8
2
2.18

0.025 0.025
0.95

2
0.975;8 2.18 20.025;8 17.5

2 2
( n 1) s ( n 1) s
,
2 2
/ 2; n1 1 / 2; n1

0.3383, 2.7156

2
2
3
 7.3.3.Intervalos de confianza para dos
poblaciones Normales independientes

Se muestrean dos poblaciones normales para estimar

los parmetros comparativamente

Sean las variables aleatorias X e Y tales que

X N ( X ; X )
Independientes
Y N ( Y ; Y )
Consideramos:
m.a.s. de tamao nX de X X , S X2
X1, X 2 ,..., X n
x

m.a.s. de tamao n Y de Y
Y , S Y2
Y1, Y2 ,..., YnY

Se desean estimar comparativamente los parmetros

de ambas poblaciones

2
2
4
 7.3.3.1. Intervalos de confianza para la
diferencia de medias

Varianzas poblacionales conocidas

Estimador: T X Y

Distribucin muestral:
X Y X Y
Z N (0; 1)
X2 Y2

nX nY

P z / 2 Z z / 2 1

/2 1 /2

z1 / 2 z / 2 z / 2

2
2
5
 P z / 2 Z z / 2 1

P z / 2

X Y X Y
z / 2 1
2
2
X

Y
n X nY

2 2


P X Y z / 2
nX
X

nY
Y
X Y


2
X Y2

X Y z / 2
nX

nY 1

I.C. para X Y con varianzas poblacionales

conocidas, al nivel de confianza 1

2 2
X Y z Y
/2 n n
X

X Y

2
2
6
 Ejemplo
Se estn utilizando normalmente en una granja avcola
dos tipos de piensos compuestos A y B. Queriendo
comparar la media de engorde con ambos piensos, para
un nivel de confianza 0.9, se alimentan a 20 aves durante
cierto tiempo con el pienso A obtenindose una ganancia
media de peso de 0.4 Kgr por ave. Simultneamente a
otras 19 aves se les alimenta con el pienso B y se obtiene
un engorde medio de 0.5 Kgr.
Se conoce por experiencias previas que las variables
objeto de estudio, engorde con cada uno de los piensos,
son normales con varianzas de 0.05 para el pienso A y 0.1
para pienso B. Estimar la diferencia de engorde medio.
Solucin

n A 20 ; x A 0.4 ; 2 0.05
A
nB 19 ; xB 0.5 ; B2 0.1

2 2 2 2
x A xB z / 2 A B, x x z A B
A B /2
n A nB n A nB

2
2
7
 n A 20 ; x A 0.4 ; 2 0.05
A
nB 19 ; xB 0.5 ; B2 0.1

2 2 2 2
x A xB z / 2 A B, x x z A B
A B /2
n A nB n A nB

1 0.90; 0.10; 2 0.05

z / 2 z0.05 1.645

0.05 0.90 0.05

z 0.05 1.645 z 0.05 1.645

0.05 0.1 0.05 0.1

0.4 0.5 1.645 , 0.4 0.5 1.645
20 19 20 19

0.2449, 0.0449

2
2
8
 Varianzas poblacionales desconocidas
2 2
pero iguales X Y

Estimador: T X Y

Distribucin muestral

T
X Y X Y
t n X nY 2
1 1
Sp
n X nY

2 (n 1) S 2
(n X 1) S X
Sp Y Y
n X nY 2

P t / 2;n X nY 2 tn X nY 2 t / 2;n X nY 2 1

t n X nY 2

/2 1 /2

t1 / 2 t / 2 t / 2
2
2
9
 P t / 2;n X nY 2 tn X nY 2 t / 2;n X nY 2 1

P t / 2; n X nY 2

X Y X Y
t / 2; n X nY 2
1 1
Sp
n X nY

1 1
P X Y t / 2; n X nY 2 S p X Y
n X nY

1 1
X Y t / 2; n X nY 2 S p 1
n X nY

I.C. para XY, al nivel de confianza 1 , con

varianzas poblacionales desconocidas pero iguales y
muestra pequeas

1 1
X Y t / 2; n X nY 2 S p
n X nY

2
3
0
 Ejemplo
Se estn utilizando normalmente en una granja avcola
dos tipos de piensos compuestos A y B. Queriendo
comparar la media de engorde con ambos piensos, para
un nivel de confianza 0.9, se alimentan a 22 aves durante
cierto tiempo con el pienso A obtenindose una ganancia
media de peso de 0.4 Kgr por ave con una varianza de
0.03. Simultneamente a otras 20 aves se les alimenta
con el pienso B y se obtiene un engorde medio de 0.5
Kgr con una varianza de 0.09.
Se conoce por experiencias previas que las variables
objeto de estudio, engorde con cada uno de los piensos,
son normales con varianzas poblacionales iguales.
Estimar la diferencia de engorde medio.
Solucin

1 1
x A xB t / 2;n A nB 2 s p
n A n B

n A 22 ; x A 0.4 ; A2 0.03
nB 20 ; xB 0.5 ; B2 0.09

2
3
1
n A 22 ; x A 0.4 ; A2 0.03
nB 20 ; xB 0.5 ; B2 0.09
nA 2 nB 2
s A2 A 0.0316 ; sB2 B 0.095
nA 1 nB 1

1 0.90; 0.10; 2 0.05

t / 2; nA nB 2 t 0.05;40 1.684

2 2
(n A 1) s A (nB 1) sB
sp 0.2484
n A nB 2

t nX nY 2 t40

0.05 0.90 0.05

t 0.05 1.684 t0.05 1.684

1 1

A B / 2;n A nB 2s p
x x t
n A nB
0.2292, 0.0292
2
3
2
 Varianzas poblacionales desconocidas
Tamaos muestrales grandes

Estimador: T X Y

Distribucin muestral:

X Y X Y n X , nY
Z N (0; 1)
S X2 S Y2

nX nY

P z / 2 Z z / 2 1

/2 1 /2

z1 / 2 z / 2 z / 2

NOTA: La aproximacin se considera correcta para

n X y n Y > 30
2
3
3
 P z / 2 Z z / 2 1



P z / 2

X Y X Y
z / 2 1
2 2
S X SY

n X nY

2 2
S S

P X Y z / 2
X

n X nY
Y
X Y


2 2
S X SY

X Y z / 2
n X nY 1

I.C. para X Y, al nivel de confianza 1 , con

varianzas poblacionales desconocidas y muestras grandes

2
X Y z SX S Y2
/2
n X nY

2
3
4
 Ejemplo
Se estn utilizando normalmente en una granja avcola
dos tipos de piensos compuestos A y B. Queriendo
comparar la media de engorde con ambos piensos, para
un nivel de confianza 0.9, se alimentan a 100 aves
durante cierto tiempo con el pienso A obtenindose una
ganancia media de peso de 0.5 Kgr por ave con una
cuasivarianza de 0.08. Simultneamente a otras 120 aves
se les alimenta con el pienso B y se obtiene un engorde
medio de 0.2 Kgr con una cuasivarianza de 0.09.
Estimar la diferencia de engorde medio.

Solucin

s 2A s B2
x x z

n A nB
A B /2

nA 100 ; xA 0.5 ; s 2A 0.08

nB 120 ; xB 0.2 ; sB2 0.09

2
3
5
 nA 100 ; xA 0.5 ; s 2A 0.08

nB 120 ; xB 0.2 ; sB2 0.09

1 0.90; 0.10; 2 0.05

z / 2 z0.05 1.645

0.05 0.90 0.05

z 0.05 1.645 z 0.05 1.645

S A2 S B2
x x z

n A nB
A B /2

0.08 0.09 0.08 0.09

0.5 0.2 1.645 , 0.5 0.2 1.645
100 120 100 120

0.2352, 0.3648

2
3
6
 7.3.3.2. Intervalo de confianza para el
cociente de varianzas: X2 / Y2

nX
1

2

S X2

n X 1 i 1
Xi X
Estimador: T nY
S Y2 1

2

nY 1 i 1
Yi Y

Distribucin muestral

S X2
X2 S X2 Y2
F Fn X 1, nY 1
S Y2 S Y2 X2
Y2

P F1 / 2; nX 1, nY 1 F nX 1, nY 1 F / 2; nX 1, nY 1 1

/2 /2
1

F1 / 2; n X 1, nY 1 F / 2; n X 1, nY 1
2
3
7
P F1 / 2; nX 1, nY 1 F nX 1, nY 1 F / 2; nX 1, nY 1 1

Y2 S X2
P F1 / 2; nX 1, nY 1 F / 2; nX 1, nY 1 1
X2 S Y2

S Y2 Y2 2
S
P F1 / 2; nX 1, nY 1 F / 2; nX 1, nY 1 Y 1
SX2
2X SX2

2
SX X2 2
SX
1 1 1
P
F1 / 2; n 1, n 1 S Y2 Y2 S Y2 F / 2; nX 1, nY 1
X Y

SX
2
2X 2
SX
P 1
1 1

F / 2; n 1, n 1 2 2
SY Y S Y F1 / 2; nX 1, nY 1
2
X Y

2
3
8
 SX
2
2X SX
2
P 1
1 1

F / 2; n 1, n 1 2 2
SY Y S Y F1 / 2; nX 1, nY 1
2
X Y

1
F / 2; nY 1, n X 1
F1 / 2; nX 1, nY 1

2
SX 2X 2
1 SX
P F / 2; nY 1, n X 1 1
F1 / 2; n 1, n 1 2
SY 2
Y SY2
X Y

I.C. para X2 / Y2 con medias poblacionales

desconocidas, al nivel de confianza 1

1 2
SX 2
SX
, F / 2 ; nY 1 , n X 1
F / 2; nX 1, nY 1 2
SY 2
SY

2
3
9
 Ejemplo
Una central lechera recibe diariamente leche de dos
granjas A y B. Deseando estudiar la calidad de los
productos se eligen dos muestras al azar de la leche
suministrada por cada una de las granjas analizando el
contenido en grasa. Para la granja A se han tomado 11
muestras obtenindose una cuasivarianza de 0.034,
mientras que para la granja B ha sido de 0.027 en un total
de 16 muestras.
Es conocido por experiencias previas que los contenidos
medios en grasa de la granjas son normales e
independientes. Estimar el cociente de varianzas al nivel
de confianza de 0.98.

Solucin

s 2A s 2A
1
, F / 2; n B 1, nA 1 2
F / 2; nA 1, n B 1 2
sB sB

n A 11 ; s A2 0.034 ; nB 16 ; sB2 0.027

2
4
0
 n A 11 ; s A2 0.034 ; nB 16 ; sB2 0.027

1 0.98; 0.02; 2 0.01

F / 2; n A 1, nB 1 F 0.01;10,15 3.80
F / 2; nB 1, n A 1 F 0.01;15,10 4.56

s 2A s 2A
1
, F / 2; n 1, n 1
F / 2; nA 1, n B 1 s B2 B A
s B2

1 0.034 0.034
, 4.56 0.3314, 5.7422
3.80 0.027 0.027

2
4
1
 7.3.4. Intervalo de confianza para una
proporcin

Se muestrea una poblacin para estimar el parmetro

proporcin

p : proporcin de xitos en la poblacin

X : nmero de xitos en n realizaciones independientes
n conocido
X B (n; p)
Parmetro a estimar: p
Estimador puntual de p: p = X / n

Distribucin asinttica ( n ):
n

X N np ; np 1 p
X n p 1 p
p N p;
n n

p p n
Z N 0; 1
p ( 1 p )
n 2
4
2
 p p n
Z N (0;1)
p 1 p
n

/2 /2
1

z1 / 2 z / 2 z / 2
P [ z / 2 Z z / 2 ] 1

p p
P [ z / 2 z / 2 ] 1
p (1 p )
n

p 1 p p 1 p
P p z / 2 p p z / 2 1
n n

I.C. para el parmetro proporcin, al nivel 1

p 1 p p 1 p
p z / 2 , p z / 2
n n
2
4
3
 Ejemplo
Se ignora la proporcin de ranas tigre que se encuentran
en una regin de Mxico. Para dar una estimacin se ha
tomado una muestra de 100 ranas observando que 15 de
ellas son de este tipo. Hallar un intervalo de confianza al
nivel de confianza del 0.95 para la proporcin de ranas
tigre.
Solucin

15
p 0.15 ; z / 2 z0.025 1.96
100

p 1 p p 1 p
p z / 2 , p z / 2
n n

0.15 0.85 0.15 0.85

0.15 1.96 , 0.15 1.96
100 100

0.081, 0.219

2
4
4
 7.3.5. Intervalo de confianza para la
diferencia de proporciones

Se muestrean dos poblaciones independientes para

estimar la diferencia de proporciones

p1 p2 : diferencia de proporciones de xitos en la poblacin

X : nmero de xitos en n realizaciones independientes
Y : nmero de xitos en m realizaciones independientes
nX y nY conocidos
Parmetro a estimar : p1 p 2

Estimador puntual de p1 p 2 :
p1
p 2 X n X Y nY

Distribucin asinttica nX , nY :
X Y
n X , nY
p1 p 2
n X nY

N p1 p2 ;

p1 1

p1


p2 1

p2

nX nY


2
4
5
Z
p1
p 2 p1 p 2 n ,n
N (0; 1)
X Y

p1 1
p1 p 2 1
p2

nX nY

/2 /2
1

z1 / 2 z / 2 z / 2

P z / 2 Z z / 2

P z 2
p1
p2
p1 p 2
z 2 1

p1 1
p1

p2 1 p2


nX nY

2
4
6



P z 2
p1
p2
p1 p 2
z 2 1
p1 1
p1

p2 1 p2

nX nY

p 1 p p 1 p2


1 1 2
P p1 p 2 z 2 p1 p 2
nX nY

p1 1

p2 1



p1 p2

p1
p 2 z 2 1
nX nY

I.C. para la diferencia de proporciones, al nivel

de confianza 1

p1 1 p1 p 2 1 p2
p
p 2 z 2
1
nX nY

2
4
7
 Ejemplo
Se desean comparar las proporciones de ranas pipiens
que se encuentran en dos regiones independientes de
Mxico. Para dar una estimacin se ha tomado una
muestra de 80 ranas observando que 5 de ellas son de
este tipo en la zona A, habiendo 8 de 100 en la zona B.
Hallar un intervalo de confianza al nivel de confianza del
0.95 para la diferencia de proporciones de ranas pipiens.
Solucin

5
p1 0.0625 ; z / 2 z 0.025 1.96
80
8
p2 0.08 ; n X 80 ; nY 100
100

p1
1
p1

p 2 1

p2

p1 p 2 z / 2 nX

nY

0.0625 0.08 1.96 0.0625(1 0.0625) 0.08(1 0.08)
80 100

0.0926, 0.0576

2
4
8