Sunteți pe pagina 1din 10

INTERVALOS DE CONFIANZA.

Un Intervalo de confianza (IC) es una estimacin que se realiza en base a evidencia muestral. Dicha
estimacin es el clculo de los lmites entre los cuales se presupone estar el verdadero valor del
parmetro estimado. La idea central de la que parte la determinacin de un IC es:

Relacionar el parmetro con su estimador puntual mediante un estadgrafo y su distribucin.

Calcular los fractiles (percentiles) de acuerdo a la confianza que pretendemos para el intervalo.

Conceptos:
Confianza ( ): Es la probabilidad con la que se estima que el verdadero valor del parmetro
estar dentro del intervalo. Esta probabilidad es la medida de confianza sobre el valor obtenido

probabilidad clsico tiene incluido el supuesto de que , cosa que en este caso no ocurre).
por la muestra, es por eso que se habla de confianza y no de probabilidad (el concepto de

Significacin ( ): Tambin denominado error aleatorio, es la medida de probabilidad de que la


estimacin por intervalo falle, es decir que el verdadero valor del parmetro no se encuentre
dentro del intervalo. Es importante resaltar que los intervalos de confianza se encuentran
centrados respecto al estimador del parmetro al que le realizamos el intervalo. Como ese
estimador puntual tiene que ser insesgado, entonces el intervalo de confianza se puede suponer
centrado respecto al verdadero valor del parmetro, lo que significa que la significacin , estar
dividida en 2 partes: por debajo del intervalo y por sobre el intervalo.

Error mximo de estimacin ( ): Si el verdadero valor del parmetro se encuentra dentro del
intervalo, el mximo error en el que se puede incurrir es
= =
!"# $%&

Fundamentacin y confeccin de Intervalos de Confianza para parmetros cuando se muestrea 1


poblacin:

Teorema central del lmite:


Si Sn es la suma de n variables aleatorias independientes y de varianza no nula pero finita,
entonces la funcin de distribucin de Sn se aproxima a una distribucin normal.

A fines estadsticos y de explicar los siguientes temas asumimos que siempre el tamao de la
muestra es lo suficientemente grande como para poder aplicar TCL, aunque en la realidad no
siempre sea de esa manera.
Teniendo en cuenta el TCL podemos determinar la distribucin de los estimadores puntuales que
conocemos y el estadgrafo que lo relaciona con el parmetro que tratan de estimar, para
posteriormente poder armar el intervalo de confianza

I.

) 1
)= = ,)

Por TCL:

, ) ~ ./ . 0()); . 34

5
Si le agregamos el 6:

3
) ~ .(0()); )

Teniendo en cuenta:

= . la simplificacin para el desvo es ms que evidente.

Entonces, si estandarizamos ) obtenemos el estadgrafo que lo relaciona con 7:

)7
8= 3

Ntese que lo divido por el desvi de ), por eso utilizamos


9
6
para la estandarizacin.

II.

() )) () ))
= =
1

Es el estadgrafo para estimar la varianza.

Operando matemticamente:

. = ,() ))

. = ,() 7) () 7)

. = ,() 7) () 7)
Si divido todo por 3 :

. () 7) () 7)
=
3 3 3

Si agrupamos convenientemente:

. ) 7 )7
= ,: ; < 3 =
3 3

Si analizamos el segundo lado de la igualdad trmino a trmino tenemos:

) 7
,: ; ~)
3 6>

)7 )7
< 3 = ~) 5> ; ? :< 3 = ~) 5>

N(0;1) elevado al cuadrado, lo que equivale a una ) 6A5 > por lo que podemos afirmar que:
Entonces tenemos la suma de n trminos de N(0;1) elevada al cuadrado, menos 1 trmino de

.
~)
3 6A5 >

Para el caso de la Varianza Insesgada, el estadgrafo queda:

( 1).
3
Es importante remarcar que independientemente del estadgrafo, la distribucin es ) 6A5 >

III.
)
B =

Donde B trata de estimar una proporcin favorable a un evento, ) es la cantidad de ensayos


favorables de ese evento que arroj la muestra y la amplitud muestral.

) ~D

Entonces,

0()) = .B

L()) = M . B. (1 B)
Como vimos, si n es lo suficientemente grande puede aproximarse la distribucin de los ) a
Normal.

Entonces:

B. (1 B)
B ~. <B; N =

Si estandarizamos B obtenemos el estadgrafo que lo relaciona con B

B B
8=
OB. (1 B)

Por ltimo, conociendo los estimadores puntuales, su distribucin y los estadgrafos que los
relacionan con el verdadero parmetro se pueden obtener los intervalos de confianza.

Intervalos de Confianza cuando se muestra 1 poblacin:


Intervalo de confianza para P cuando se muestrea 1 poblacin con Q conocido:

Definimos un intervalo de acuerdo al siguiente esquema:

R(85 < 8 < 8 ) = 1

Como mencionamos previamente, el intervalo de confianza estar centrado en la distribucin, por


lo que la probabilidad de todo el espacio muestral se distribuir de la siguiente manera:

R(; 85 ) R(85 ; 8 ) R(8 ; )

% (1 )% %
2 2

Ntese que si R(8 ; ) = entonces: [(8 ) = 1

Primero eliminaremos el concepto de probabilidad, ya que como mencionamos previamente, se


trata de confianza e introduciremos la siguiente nomenclatura:

\]: ^8 < 8 < 85A _

queremos estimar: 7. Entonces lo que debemos hacer es reemplazar Z por su estadgrafo y


Tenemos definido el intervalo para Z, pero lo que necesitamos es definirlo para el parmetro que

despejar el parmetro.
)7
\]: <8 < 3 < 85A =

3 3
\]: ^8 . < ) 7 < 85A . _

3 3
\]: ^) 8 . < 7 < ) + 85A . _

Las tres formas en que se puede escribir este intervalo son:

3 3
\]: ^) 8 . < 7 < ) + 85A . _

3 3
\]: ^) 8 . ; ) + 85A . _

3
\]: ^) 8 . _

Intervalo de confianza para P cuando se muestrea 1 poblacin con Q desconocido:

A fines prcticos slo nos centraremos en que si desconocemos el desvo lo podemos aproximar
mediante su estimador puntual s.

Puede demostrarse que al realizar este cambio el estadgrafo pasa a tener una distribucin t de
Student, y hacerlo no es gratis, ya que se pierde 1 grado de libertad, es decir que si la muestra era
de n elementos, la t va a tener n-1 GL.

ACLARACIN: Los grados de libertad de la t siempre son n-1; sin importar si se utiliza s o s insesgada.

Dicho esto, las tres formas en que se puede escribir el intervalo son:

\]: ^) . <7<)+ . _
;6A5>
5A ;6A5>

\]: ^) . ; )+ . _
;6A5>
5A ;6A5>

\]: ^) . _
;6A5>

Intervalo de confianza para Q cuando se muestrea 1 poblacin:

Al igual que en la deduccin anterior, planteamos un intervalo que contenga al estadgrafo:

( 1).
\]: bc < < de
3
Recordamos que la distribucin del estadgrafo era ) 6A5 > , entonces A y B tienen la misma
distribucin y adems el intervalo tambin esta centrado respecto al parmetro, por lo que deja
por encima y por debajo la misma probabilidad:

Por un tema de claridad realizamos el desarrollo con A y B y luego lo reemplazamos por el valor de
su distribucin.

Como el parmetro al que le quiero realizar el intervalo est en el denominador, le aplico potencia
(-1) a cada uno de los lados de la desigualdad (teniendo en cuenta que esta accin invierte el
sentido de la desigualdad):

1 3 1 1 3 1
\]: b > > e=b < < e =
c 1 . d d 1 . c

1 . 1 .
\]: b <3 < e
d c

1 . 1 .
\]: < <3 < =
) :5A ;6A5> ;
) : ;6A5> ;

Ntese que en el lmite inferior queda el mayor valor de ) 6A5> , y para el lmite superior queda el menor.

Queda definido el intervalo para la Varianza, si lo que necesito es el intervalo para el desvi le
aplico raz cuadrada a los lmites del intervalo.

ACLARACIN: Independientemente si utilizo s o s insesgada (es decir sin importar si en el numerador multiplico por n o
(n-1) la distribucin sigue siendo siempre chi-cuadrado con n-1 grados de libertad.

Intervalo de confianza para g cuando se muestrea 1 poblacin:

La deduccin del intervalo se realiza de igual manera que para la media, ya que se parte del mismo
estadgrafo pero expresados en trminos binomiales.

Las tres formas en que se puede escribir este intervalo son:

B 1B B 1B
\]: <B 8 . N < 7 < ) + 85A N =

B 1B B 1B
\]: <B 8 . N ; ) + 85A . N =

B 1B
\]: <B 8 . N =
Intervalo de Confianza cuando se muestrean 2 poblaciones.
Intervalo de confianza para diferencia de medias:

El estadgrafo es similar al introducido para la media trabajando con una poblacin:

)h )i 7h 7h
=8
3 3
O h
+ i
h i

Entonces, mediante la misma deduccin, el intervalo de confianza quedara:

3 3 3 3
\]: <()h )i ) 8 . N + < 7 < ()h )i ) + 85A . N + =
h i h i
h i h i

3 3 3 3
\]: <()h )i ) 8 . N + ; ()h )i ) + 85A . N + =
h i h i
h i h i

3 3
\]: <()h )i ) 8 . N + =
h i
h i

Pero, al igual que para el caso de una sola poblacin, puede pasar que desconozcamos las
varianzas con el agregado de que adems de desconocidas pueden ser iguales o distintas.

(La herramienta estadstica que se utiliza para probar si son iguales o no es el Test de Homocedasticidad que se ver en
Test de Hiptesis)

Para el caso en que las varianzas son desconocidas y se asumen iguales:

caso de dos poblaciones lo que se estima es la varianza combinada jB ya que si se asumen


Al igual que para una poblacin, se parte del mismo estadgrafo estimando la varianza. Para el

iguales la estimacin de ambas varianzas tiene que ser la misma. Su frmula es la de un promedio
ponderado:

( 1) + i ( 1)
jB =
h h i
h+ i2

Entonces el estadgrafo queda:

()h )i ) (7h 7h )
1 1
jBO +
h i

Nuevamente, realizar esta estimacin no es gratis, ya que al realizarla el estadgrafo pasa a tener
distribucin 6k 6l A >
Entonces, el intervalo queda definido de la siguiente manera:

1 1 1 1
\]: < )h )i ;6k 6l A >
. jBN + < 7 < )h )i + 5A ;6k 6l A >
. jBN + =
h i h i

1 1 1 1
\]: < )h )i ;6k 6l A >
. jBN + ; )h )i + 1 ; + d 2 mn
. jBN + =
h i 2 c h i

1 1
\]: < )h )i ;6k 6l A >
. jBN + =
h i

Para el caso en que las varianzas son desconocidas y se asumen distintas:

Para este caso, hasta hace pocos aos no haba soluciones. Lo que presentamos a continuacin es
una aproximacin de lo que sera el intervalo ms adecuado.

El estadgrafo es:

)h )i 7h 7h

O h
+ i
h i

La distribucin que se tiene es o > , donde g es:

^ h
+ i
_
?= h i
2
^ h
_ ^ i
_
1+
h i
h i 1

El intervalo entonces queda:

\]: p )h )i ;o >
N h
+
i
< 7h 7h < )h )i + ;o >
N h
+
i
q
h i h i

\]: p )h )i N + ; )h )i + N + q
h i h i
;o > ;o >
h i h i

\]: p )h )i N + q
h i
;o >
h i
Intervalo de confianza para cociente de varianzas:

Como el nombre lo dice, lo que vamos a estimar es el cociente de dos varianzas, por lo que el
estadgrafo que vamos a utilizar es el del cociente del estadgrafo de cada varianza por separado:

1 .
h h

3 h

1 .
i i

3 i

El cual se puede expresar como:

1 . h. 3

h i
3 h. i 1 . i

Por simplicidad de cuentas, y sabiendo que h y i son lo suficientemente grandes y lo


suficientemente parecidos como para realizar la comparacin nos permitimos simplificando
entendiendo que:

1
lim = 1
h
i 1
tk u
tl u

Entonces, el estadgrafo queda definido:

h. 3 i

i . 3 h

El cual tiene una distribucin [ 6k A5;6l A5 > .

Entonces el intervalo queda definido por:

3
\]: b[ . < < [5A . e
i i i
;6k A5;6l A5 >
h 3 h
;6k A5;6l A5 >
h

\]: b[ . ; [5A . e
i i
;6k A5;6l A5 > ;6k A5;6l A5 >
h h

Nota: La variable que se corresponde al subndice A y la que se corresponde al subndice B se eligen a conveniencia.

Intervalo de confianza para diferencia de proporciones:

As como vimos que hay similitud para el estadgrafo e intervalo entre 7 y v para una poblacin, lo
mismo ocurre para dos poblaciones. El estadgrafo es:
Bh Bi Bh Bi
=8
Bh 1 Bh Bi 1 Bi
O .
h w

Entonces, el intervalo quedara:

Bh (1 Bh ) Bi (1 Bi ) Bh (1 Bh ) Bi (1 Bi )
\]: p( Bh Bi ) 8 . N . < (Bh Bi ) < ( (Bh Bi ) 8 . N . q
h w h w

Bh (1 Bh ) Bi (1 Bi ) Bh (1 Bh ) Bi (1 Bi )
\]: p( Bh Bi ) 8 . N . ; ( (Bh Bi ) 8 . N . q
h w h w

Bh (1 Bh ) Bi (1 Bi )
\]: p( (Bh Bi ) 8 . N . q
h w

S-ar putea să vă placă și