Intervalo de confianza para una población

Intervalo de confianza (IC): Definición y propiedades

El intervalo de confianza describe la variabilidad entre la medida obtenida en un

estudio y la medida real de la población (el valor real). Corresponde a un rango de
valores, cuya distribución es normal y en el cual se encuentra, con alta probabilidad,
el valor real de una determinada variable. Esta «alta probabilidad» se ha establecido
por consenso en 95%. Así, un intervalo de confianza de 95% nos indica que dentro
del rango dado se encuentra el valor real de un parámetro con 95% de certeza.

Para comprender y hacer intuitivo el concepto de intervalo de confianza utilizaremos

un ejemplo clásico6:

Supongamos que tenemos una moneda, la cual puede o no estar balanceada. Así,
después de varios lanzamientos, la probabilidad que el resultado sea sello variará
desde 0 (todas las veces cara, es decir, una moneda balanceada) hasta 1 (todas
las veces sello, nuevamente balanceada), pasando por 0,5 (la mitad de las veces
sello y las otras cara, lo que equivale a una moneda no balanceada). Como no
conocemos la verdadera naturaleza de la moneda, vamos a experimentar con ella.

(Roberto Candia B, Gianella Caiozzi A. Chile, 2008)

Fórmula de intervalo de confianza:

Donde:

p1 Tasa de eventos grupo 1

p2 Tasa de eventos grupo 2
n1 n grupo 1
n2 n grupo 2

Intervalos para muestras grandes

Bajo ciertas condiciones de regularidad, es posible construir intervalos de confianza
asintóticos de una manera bastante general.

Si suponemos que un parámetro cotiene una estimación máximo verosímil θ*,

la distribución asintótica del estimador, bajo condiciones generales de regularidad,
es Normal, de media el valor verdadero del parámetro θ y varianza igual a la cota
de Cramér-Rao σ2(θ*).

Bajo las suposiciones anteriores, es posible construir un intervalo de confianza

asintótico y con nivel de confianza (1 − α) · 100 % a partir de
donde los valores de zα/2 se calculan a partir de la distribución N(0, 1) de forma
que P(|Z| > zα/2) = α.
Intervalo de confianza del 90% = [x − 2.576σ/ x + 2.576σ/
α = 1.00 − 0.90 = 0.10

90%
Confianza
α = 1.00 − 0.99 = 0.01

99%
Confianza Intervalos de confianza para muestras pequeñas (n < 30)
Cuando tratamos con muestras pequeñas, no podemos invocar el teorema
del límite central. Por lo tanto, no podemos utilizar la fórmula para los
intervalos de confianza a menos que sean muestras desde una variable
aleatoria normalmente distribuida.

Sin embargo, hay una cuestión más: Si conocemos la desviación estándar

poblacional σ, entonces todo está bien, y podemos seguir adelante y utilizar
la fórmula anterior para el intervalo de confianza para muestras pequeñas
(suponiendo que estamos tomando muestras de una variable distribuida
normalmente).

Cuando la desviación estañar es conocida

x ±zα/2
σ
Igual que la fórmula de muestras grandes
√
n

Cuando la deviación estándar es desconocida

x ±tα/2
s
utilizamos t en lugar de z
√
n

Intervalo de confianza para una proporción

Dada una variable aleatoria con distribución Binomial B(n, p), el objetivo es la
construcción de un intervalo de confianza para el parámetro p, basada en una
observación de la variable que ha dado como valor x. El mismo caso se aplica si
estudiamos una Binomial B(1, p) y consideramos el número de veces que ocurre el
suceso que define la variable al repetir el experimento n veces en condiciones
de independencia.

Aproximación asintótica

Tiene la ventaja de la simplicidad en la expresión y en los cálculos, y es la más

referenciada en la mayoría de textos de estadística. Se basa en la aproximación

que, trasladada a la frecuencia relativa, resulta

Tomando como estadístico pivote

que sigue una distribución N(0, 1), y añadiendo una corrección por continuidad al
pasar de una variable discreta a una continua, se obtiene el intervalo de confianza
asintótico:

Intervalo de confianza para la varianza de una distribución Normal

Dada una variable aleatoria con distribución Normal N(μ; σ), el objetivo es la
construcción de un intervalo de confianza para el parámetro σ, basado en una
muestra de tamaño n de la variable.

A partir del estadístico

la fórmula para el intervalo de confianza, con nivel de confianza 1 − α es la siguiente

Donde χ2α/2 es el valor de una distribución ji-cuadrado con n − 1 grados de libertad

que deja a su derecha una probabilidad de α/2.

Por ejemplo, dados los datos siguientes:

 Distribución poblacional: Normal

 Tamaño de muestra: 10
  Confianza deseada para el intervalo: 95 %

 Varianza muestral corregida: 38,5

¿Qué son las hipótesis?

Las hipótesis son las guías de una investigación o estudio.1 Las hipótesis indican lo
que tratamos de probar y se definen como explicaciones tentativas del fenómeno
investigado. Se derivan de la teoría existente y deben formularse a manera de
proposiciones.

¿Qué son las hipótesis nulas?

Las hipótesis nulas son, en cierto modo, el reverso de las hipótesis de investigación.
También constituyen proposiciones acerca de la relación entre variables, sólo que
sirven para refutar o negar lo que afirma la hipótesis de investigación.7 Si la
hipótesis de investigación propone: (Degelman, 2005, consultor)

¿Qué son las hipótesis alternativas?

Como su nombre lo indica, son posibilidades alternas de las hipótesis de
investigación y nula: ofrecen una descripción o explicación distinta de las que
proporcionan éstas. Si la hipótesis de investigación establece: “esta silla es roja”, la
nula afirmará: “esta silla no es roja”, y podrían formularse una o más hipótesis
alternativas: “esta silla es azul”, “esta silla es verde”, “esta silla es amarilla”, etc.
Cada una constituye una descripción distinta de las que proporcionan las hipótesis
de investigación y nula. (Degelman, 2005, consultor)

¿Qué es el nivel de significancia o significación?

Wiersma y Jurs (2008) ofrecen una explicación sencilla del concepto, en la cual nos
basaremos para analizar su significado. La probabilidad de que un evento ocurra
oscila entre cero (0) y uno (1), donde cero implica la imposibilidad de ocurrencia y
uno la certeza de que el fenómeno ocurra. Al lanzar al aire una moneda no cargada,
la probabilidad de que salga “cruz” es de 0.50 y la probabilidad de que la moneda
caiga en “cara” también es de 0.50. Con un dado, la probabilidad de obtener
cualquiera de sus caras al lanzarlo es de 1/6 = 0.1667. La suma de posibilidades
siempre es de uno.

Ensayo de hipótesis
Se desea contrastar con un nivel de significación del 5 % la hipótesis de que la talla
media de los hombres de 18 o más años de un país es igual a 180. Suponiendo que
la desviación típica de las tallas en la población vale 4, contraste dicha hipótesis
frente a la alternativa de que es distinta.

H0 : µ = 180 frente a la alternativa: H1 : µ 6= 180

Se desea contrastar con un nivel de significación del 5 % la hipótesis de que la talla

media de los hombres de 18 o más años de un país es igual o mayor a 175.
Suponiendo que la desviación típica de las tallas en la población vale 4, contraste
dicha hipótesis frente a la alternativa de que es menor, con una muestra de n=15
hombres seleccionados al azar, cuyas alturas son las del apartado anterior.
H0 : µ ≥ 175

Supongamos que se desconoce la desviación típica de las tallas en la población del

ejemplo anterior. Se desea contrastar la hipótesis nula siguiente a un nivel de
significación del 5 %.

H0 : µ ≤ 168 frente a la alternativa: H1 : µ > 168

En una muestra de 105 comercios seleccionados al azar de una zona, se observa

que 27 de ellos han tenido pérdidas en este mes. Un analista económico de la zona
establece que la proporción de comercios en la zona con pérdidas es igual o
superior a 0.35. Contraste dicha hipótesis a un nivel de significación del 5 %. El
contraste de una cola establece las hipótesis:
H0 : p ≥ 0,35 frente a la alternativa H1 : p < 0,35

Se tiene una población U[a,a+1]. Se quiere testear si a5 contra su complemento.

Se toman n muestras. Elija un estadístico, fije el NS y evalúe la CCO.

H0 : a≥5
 Bibliografía

1. Peñaloza B, Candia R. ¿Por qué vale la pena randomizar un estudio de

terapia? Rev Méd Chile 2004; 132: 1007-14.

2. Letelier LM, Manríquez JJ, Claro JC. El «ciego» en los ensayos clínicos
¿importa? Rev Méd Chile 2004; 132: 1137-9.

3. Capurro D, Gabrielli L, Letelier LM. Importancia de la intención de tratar y el

seguimiento en la validez interna de un estudio clínico randomizado. Rev Méd
Chile 2004; 132: 1557-60.

4. Rivera S, Larrondo F, Ortega J. Evaluación de resultados de un artículo de

tratamiento. Rev Méd Chile2005; 133: 593-6.
 Introducción

En este presente trabajo contiene los temas plasmadas en el programa de intervalos

de confianza, consiste en determinar un posible rango de valores o intervalo, en los
que pueda precisarse, con una determinada probabilidad, que el valor de un
parámetro de la población se encuentra dentro de esos límites. Este parámetro será
habitualmente una proporción en el caso de variables dicotómicas, y la media para
distribuciones normales.
 CONCLUSION

De acuerdo a los temas anteriores Esto supone comprender el significado del

estimador puntual y de sus medidas de precisión, lo que permite extrapolar los datos
a la población de interés. Tanto el análisis de un intervalo de confianza como el de
un valor P nos permiten determinar

Diferencias estadísticas significativas, sin embargo sólo el IC nos permite evaluar el

rango de valores donde posiblemente se encuentra el valor real, y por lo tanto,
permite realizar una mejor interpretación.
 UNIVERSIDAD RURAL DE GUATEMALA

Sede Nebaj: 065

Estadística

Estudiante: Rosa María Sánchez Asicona

Carné: 17 166 0001

Carrera: administración

Segundo avance del texto paralelo

Licda. Elena Raymundo

Fecha:

04 Mayo de 2019