Estimación por Intervalos

Una estimación puntual, por ser un sólo número, no proporciona por sí mismo
información alguna sobre la precisión y confiabilidad de la estimación. Una alternativa
es calcular e informar como estimación todo un intervalo de valores factibles del
parámetro que se está estimando: una estimación por intervalo o intervalo de confianza
(IC). Un intervalo de confianza se calcula siempre fijando primero un nivel de
confianza, que es una medida del grado de fiabilidad en el intervalo.

Por ejemplo, construir un IC para el parámetro θ con un nivel de confianza del 95%
para una muestra de n elementos de la población es formular un procedimiento para
encontrar un intervalo a partir de esa muestra de modo que el proceso que se sigue para
la formación del intervalo asegura que, de todas las muestras de tamaño n que se pueden
extraer de la población, en el 95% de esas muestras el IC calculado contendrá al
parámetro θ, y por supuesto, en el 5% de las muestras el IC conformado no contendrá a
θ.

Una interpretación correcta de la "confianza de 95%" radica en la interpretación

frecuente de probabilidad a largo plazo: decir que un evento A tiene una probabilidad de
0,95, es decir que si el experimento donde A está definido se realiza una y otra vez, a
largo plazo A ocurrirá 95% de las veces.

El nivel de confianza de una estimación por intervalo es la "probabilidad" de que el

intervalo calculado contenga al verdadero valor del parámetro. Se indica por 1- α y
habitualmente se da en porcentaje (1- α)100%. Si, por ejemplo, α=0,01, el nivel de
confianza es del 99%. Se habla de nivel de confianza de un IC en particular y no de
probabilidad ya que una vez extraída la muestra, el intervalo de confianza calculado
contendrá al verdadero valor del parámetro o no lo contendrá, lo que se sabe es que si se
repitiese el proceso con muchas muestras podría afirmarse que el (1 - α)100% de los
intervalos así construidos contendría al verdadero valor del parámetro.

En general, encontrar un IC para un parámetro θ con un nivel de confianza de 1-α, es

dar un procedimiento que permita, para una muestra aleatoria x1,...xn de la población,
obtener dos valores: “a” y “b” que dependen de x1,...xn, tales que P(a ≤ θ ≤ b) = 1- α.

Intervalos de confianza para la distribución normal

Dada una variable aleatoria X con distribución N(μ, σ2), se desea calcular intervalos de
confianza para sus dos parámetros: μ y σ2.

He aquí un resumen de las situaciones que se pueden considerar:

Intervalo para la media μ si se conoce la varianza:

Este no es un caso práctico (si se desconoce la media μ es prácticamente
imposible conocer σ2), pero sirve para introducirnos en el problema de la
estimación por intervalos de la media.
Intervalos de confianza para la media μ (caso general):
Éste se trata del caso con verdadero interés práctico.
Intervalo de confianza para la varianza:
 Éste es otro caso de interés en las aplicaciones. El objetivo es calcular un
intervalo de confianza para σ2.

Más adelante, consideramos el caso en que tenemos dos poblaciones, cada una sigue su
propia ley de distribución N(μ1, σ12) y N(μ2, σ22). Los problemas asociados a este caso
son:

Diferencia de medias (varianzas iguales)

Se realiza el cálculo del intervalo de confianza suponiendo que ambas variables
tienen la misma varianza (homocedásticidad). En la práctica se usa este cálculo,
cuando ambas variables tienen parecida dispersión.
Diferencia de medias (caso general)
Es el mismo caso que el anterior, pero se realiza cuando se observa que hay
diferencia notable en la dispersión de ambas variables.

Intervalo para la media si se conoce la varianza

Este caso que planteamos es más a nivel teórico que práctico: difícilmente vamos a
poder conocer con exactitud σ2 mientras que μ es desconocido. Sin embargo nos
aproxima del modo más simple a la estimación confidencial de medias.

Para estimar μ, el estadígrafo que vamos a utilizar es , del que conocemos su ley de
σ2
distribución: X ∼ N(µ, )
n

Esa ley de distribución depende de μ (desconocida). Como método general lo

conveniente es tener un estadígrafo donde esté presente el parámetro que se desea
estimar (en este caso µ) y cuya ley de distribución no dependa de ningún parámetro
desconocido, para lograr lo anterior basta tipificar el estadígrafo X .

X −µ
Z= σ ∼ N(0,1)
n

Este es el modo en que se procederá siempre para obtener una estimación por intervalo:
se busca una expresión en la que intervengan el parámetro desconocido junto con su
estimador y de modo que la expresión se distribuya según una ley de probabilidad que
es conocida.

De este modo, si se selecciona un valor de α (entre 0 y 1), para encontrar los valores “a”
y “b” que conformen el IC con nivel de confianza 1-α para μ, o sea tales que: P(a ≤ μ
≤ b) = 1- α.

se parte de seleccionar dos valores Z1 y Z2 tales que:

P(Z1 ≤ Z ≤ Z2) = 1- α

basta seleccionar Z1=Zα/2 y Z2=Z1-α/2 ya que:

 P(Zα/2 ≤ Z ≤ Z1-α/2) = 1- α

aunque hay otros valores de Z1 y Z2 que cumplen la relación anterior, al seleccionar

Z1=Zα/2 y Z2=Z1-α/2 se obtiene que el intervalo [Z1, Z2] es el intervalo más pequeño que
cumple con que P(Z1 ≤ Z ≤ Z2) = 1- α

Vamos a precisar cómo calcular el intervalo de confianza para μ. Para ello

desarrollemos la igualdad:

P(Zα/2 ≤ Z ≤ Z1-α/2) = 1- α

X −µ
P(Zα/2 ≤ σ ≤ Z1-α/2) = 1- α
n

σ σ
P(Zα/2 n
≤ X − µ ≤ Z1-α/2 n
) = 1- α

σ σ
P(- X +Zα/2 n
≤ -µ ≤ - X +Z1-α/2 n
) = 1- α

σ σ
P( X -Zα/2 n
≥ µ ≥ X -Z1-α/2 n
) = 1- α

σ σ
P( X +Z1-α/2 n
≥ µ ≥ X -Z1-α/2 n
) = 1- α

σ σ
P( X -Z1-α/2 n
≤ µ ≤ X +Z1-α/2 n
) = 1- α

Luego, el IC al (1- α)100% de confianza para µ cuando σ2 es conocida es:

σ σ
[ X -Z1-α/2 n
, X +Z1-α/2 n
]

σ
que se acostumbra a denotar como: X ± Z1-α/2 n