Introduccin

Una estimacin puntual, por el hecho de ser un solo nmero no proporciona informacin
sobre la pre cisin y confiabilidad de la estimacin. Considrese, por ejemplo, utilizar el
estadstico X para calcular una estimacin puntual de la resistencia a la ruptura

promedio verdadera (g) de toallas de papel de cierta marca y supngase que X =

9322.7. Debido a la variabilidad del muestreo, virtualmente nunca es el caso de que
X = . La estimacin puntual no dice nada sobre qu tan cerca pudiera estar a .
Una alternativa para reportar un solo valor sensible del parmetro que se est estimando
es calcular y reportar un intervalo completo de valores factibles: una estimacin de
intervalo o un intervalo de confianza (IC).

Resea histrica

Uno de los primeros mtodos para la solucin del problema de la estimacin se debe a
Thomas Bayes (1702-1761), quien al considerar un parmetro desconocido y estar
interesado en determinar la probabilidad de que ste se encuentre dentro de un conjunto
dado de valores, propone la construccin del llamado intervalo de credibilidad; este es el
punto de partida hacia la construccin de los intervalos de confianza.

Posteriormente Fisher introdujo la nocin de intervalos fiduciarios. La llamada probabilidad

fiducial cuantifica el chance que tiene el parmetro de tomar un determinado valor,
enfatizando que el parmetro es una variable.

Esta teora de Fisher permite calcular valores de verosimilitud sobre los parmetros, pero
no proporciona una distribucin de probabilidad respecto a los parmetros desconocidos,
por lo que no resultaron exitosos.

La teora moderna sobre los intervalos de confianza comienza con el trabajo de Jerzy
Neyman quien hace referencia por primera vez a este trmino.

Neyman (1934) muestra que el problema de la estimacin puede ser resuelto con base en
la teora frecuentista de probabilidades y sin requerir algn conocimiento de
probabilidades a priori. Para ello sugiere que la solucin del problema de estimacin
consiste en determinar ciertos intervalos, que denomina intervalos de confianza.

Desarrollo del tema

En lugar de estimar un valor particular de un parmetro, puede estimarse un intervalo en

base a una muestra aleatoria que, con probabilidad definida, contenga al parmetro a
estimar. Dicho intervalo es llamado Intervalo de Confianza.

Un intervalo de confianza es un rango de valores (calculado en una muestra) en el cual se

encuentra el verdadero valor del parmetro, con una probabilidad determinada.
La probabilidad de que el verdadero valor del parmetro se encuentre en el intervalo
construido se denomina nivel de confianza, y se denota 1- . La probabilidad de
equivocarnos se llama nivel de significancia y se simboliza . Generalmente se

construyen intervalos con confianza 1- =95% (o significancia =5%). Menos

frecuentes son los intervalos con =10% o =1%.

Mientras ms alto es el nivel de confianza, ms fuerte es la creencia de que el valor del

parmetro que se est estimando queda dentro del intervalo. El ancho del intervalo da
informacin sobre la precisin de una estimacin de intervalo. Si el nivel de confianza es
alto y el intervalo resultante es bastante angosto, el conocimiento del valor del parmetro
es razonablemente preciso. Un muy amplio intervalo de confianza, sin embargo, transmite
el mensaje de que existe gran cantidad de incertidumbre sobre el valor de lo que se est
estimando.

INTERVALO DE CONFIANZA PARA LA MEDIA (VARIANZA CONOCIDA)

Dada una muestra X , ..., X , el estadstico
1 n

se distribuye segn una Normal estndar. Por tanto, aplicando el mtodo del
pivote podemos construir la expresin

donde z/2 es el valor de una distribucin Normal estndar que deja a su derecha
una probabilidad de /2, de la que se deduce el intervalo de confianza

INTERVALO DE CONFIANZA PARA LA MEDIA (VARIANZA DESCONOCIDA)

Dada una muestra X , ..., X , el estadstico
1 n

se distribuye segn una t de Student de n 1 grados de libertad. El intervalo de

confianza resultante es
INTERVALO DE CONFIANZA PARA LA VARIANZA

A partir del estadstico

la frmula para el intervalo de confianza, con nivel de confianza 1 es la

siguiente

Donde es el valor de una distribucin ji-cuadrado con n 1 grados de libertad

2
/2

que deja a su derecha una probabilidad de /2.

EJEMPLO PRACTICO
(LEER ENUNCIADO Y DATOS DEL PPT)

El nico parmetro desconocido de este modelo es . El estimador de la

media poblacional es la media muestral X que en este ejemplo da 15,3025

o, redondeando, 15,30.

Pero cunto vale ? Obviamente no tiene por qu valer 15,30. Pero vamos a

encontrar un intervalo que contiene al verdadero valor de la con

probabilidad alta.