Escolar Documentos
Profissional Documentos
Cultura Documentos
Estimación puntual
500 mg
490 mg 510 mg
Intervalo de confianza
Nuestra distribución es normal, pero con cierta media y cierta desviación típica, las
cuales sabemos por el tema anterior:
1) La media de la distribución muestral de medias es la media poblacional
2) La varianza de la distribución muestral de medias es 2/n
O lo que es lo mismo, la desviación típica de la dist.muestral de medias es
n
Intervalos de confianza para los principales
parámetros: El caso de la media
Conocemos 2
Recordando
x
Z
n
x
p Z0.025 Z0.025 0.95
n
x z0.025 x z0.025
n n
Z 0.00 0.01 0.020 0.030 0.04 0.050 0.060
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750
x 1.96 x 1.96
n n
¿Qué quiere decir la expresión siguiente?
x
p Z0.025 Z0.025 0.95
n
p ( x z0.025 x z0.025 ) 0.95
n n
Quiere decir que cada vez que extraigamos una
muestra y hallemos la media, el parámetro
desconocido estará entre los límites de dicho
intervalo el 95% de las veces. (O el 99% si
hubiéramos elegido un intervalo al 99%, etc.)
Intervalos de confianza para los principales
parámetros: El caso de la media
Conocemos 2
En general
x
p Z Z 1
2 2
n
IC : x Z IC: Intervalo de confianza
n
2
x Z x Z
n n
2 2
Intervalos de confianza para la media: CASO DE
DESCONOCER LA VARIANZA POBLACIONAL
2 2
p(10 1.96 10 1.96 ) p( 9.12 10.88) 0.95
20 20
• VALORES DE Z SEGÚN INTERVALOS DE CONFIANZA.
p ( x 1.96 x 1.96 ) 0.95
n n
Pero evidentemente es posible emplear intervalos a, digamos, el 99%. En tal
caso, tendremos más seguridad de que el parámetro de interés se halle en los
límites del intervalo. El problema es que incrementar tal índice aumenta así
mismo la amplitud del intervalo.
Caso A1. Media muestral=10, varianza poblacional.=4, tamaño muestral=12.
Intervalo al 95%
2 2
p(10 1.96 10 1.96 ) p(8.87 11.13) 0.95
12 12
Caso A2. Media muestral=10, varianza poblacional=4, tamaño muestral=12.
Intervalo al 99%
2 2
p(10 2.575 10 2.575 ) p(8.51 11.47 ) 0.99
12 12
Intervalos de confianza para los principales
parámetros: El caso de la media
NO Conocemos 2
En general
x
p t t 1
s
2 2
n s
IC : x t IC: Intervalo de confianza
n
2
s s
x t x t
n n
2 2
• Ejemplo.
• Una máquina llena tazas con helado, y se supone que está
ajustada para verter la cantidad de 250 g. Como la máquina no
puede llenar cada taza con exactamente 250 g, el contenido que
se añade a cada taza individual presenta cierta variación y se le
asigna una variable aleatoria X. Se asume que esta variación se
ajusta a una distribución normal de alrededor de la cantidad
promedio deseada de 250 g, con una desviación estándar de
2.5 g. Para determinar si la máquina está adecuadamente
calibrada, se toma una muestra aleatoria de n = 25 tazas de
helado para pesarlas dando como resultado x 250.2
p ( x 1.96 x 1.96 ) 0.95
n n
2.5 2.5
250 .2 1.96 250 .2 1.96
25 25
249 .2 251 .1
Conclusión: Como el valor deseado se encuentra en el IC, la máquina está
calibrada
Ejemplo
• El contenido de siete contenedores similares de ácido
sulfúrico son 9.8, 10.2, 10.4, 9.8, 10.0, 10.2, y 9.6
litros. Encuentre un intervalo de confianza del 95%
para la media de todos los contenedores si se supone
una distribución aproximadamente normal.
0.005 0.01 0.025 0.05 0.1
x 10, s 0.283 gl 0.01 0.02 0.05 0.1 0.2
6 3.707 3.143 2.447 1.943 1.440
s s
x t x t
n n
2 2
0.283 0.283
10 2.447 10 2.447
7 7
9.74 10.26
Si el muestreo se realiza repetidamente, el 95% de las veces el contenido
promedio de los contenedores está en dicho intervalo.
• Estudie la aplicación de los
intervalos de confianza en validación
de métodos analíticos