Sie sind auf Seite 1von 30

9.

Estimacion por intervalos de conanza


Estadstica
Ingeniera Informatica
Curso 2009-2010
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 1 / 23
Contenidos
1
Estimacion por intervalos de conanza
2
Estimacion por intervalos bajo normalidad
Estimacion de la media poblacional . Varianza conocida
Determinaci on del tama no muestral para controlar el error de estimacion
Estimacion de la media poblacional . Varianza desconocida
Determinaci on del tama no muestral para controlar el error de estimacion
Estimacion de la diferencia de medias
A. Varianzas conocidas
B. Varianzas desconocidas e iguales
Estimacion de la varianza
Estimacion del cociente de varianzas
3
Estimacion por intervalos en poblaciones no normales
Estimacion de la media. Varianza conocida
Estimacion de la media en poblaciones no normales. Varianza
desconocida
Estimacion de la proporcion en distribuciones binomiales
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 2 / 23
Estimacion por intervalos de conanza
Estimacion por intervalos
La estimacion por intervalos de un parametro desconocido proporciona
informacion acerca de los valores de los parametros que estamos
estimando
una indicacion del nivel de conanza que se le puede dar a los
posibles valores de los parametros
Un intervalo de conanza para es de la forma L U, donde los
extremos inferior y superior L y U dependen del valor numerico obtenido
en una muestra para un cierto estadstico T, escogido seg un el parametro
que queremos estimar.
L y U son variables aleatorias (distintas muestras producen distintos
valores de L y U)
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 3 / 23
Estimacion por intervalos de conanza
A partir de la distribucion de T, y para un valor , 0 < < 1,
determinamos los valores de L y U que hacen que
P(L U) = 1
hay probabilidad 1 de que al seleccionar la muestra, esta produzca
un intervalo que contenga el verdadero valor de
El intervalo resultante, IC
100(1) %
, se denomina intervalo de conanza
del 100(1 ) % para
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 4 / 23
Estimacion por intervalos de conanza
Interpretaci on del IC
100(1) %
:
Si obtenemos un n umero elevado (innito) de muestras aleatorias y
calculamos para cada una de ellas el correspondiente IC
100(1) %
para ,
entonces el 100(1 ) % de estos intervalos contendran el verdadero valor
de .
En la practica solo se obtiene una muestra aleatoria, y calculamos un
intervalo de conanza.
Este intervalo contendra o no al verdadero valor del parametro
no tiene sentido atribuir una probabilidad al hecho de que s lo
contenga se dice que el intervalo contiene a con una conanza
de 100(1 ) % (y no con una probabilidad de 100(1 ) %)
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 5 / 23
Estimacion por intervalos de conanza
Longitud y precisi on
La longitud de un intervalo de conanza, U L, es una importante medida
de la calidad de la informacion obtenida de la muestra.
La mitad de esta longitud se conoce como precision.
cuanto mayor sea la longitud de un intervalo, mayor conanza
tendremos en que contenga al verdadero valor del parametro
cuanto mayor sea la longitud del intervalo, tendremos menos
informacion acerca del verdadero valor del parametro
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 6 / 23
Estimacion por intervalos de conanza
Intervalos bilaterales y unilaterales
Este intervalo de conanza se denomina intervalo bilateral (proporciona
los dos extremos del intervalo)
Puede resultar conveniente el calculo de un intervalo unilateral para el
extremo inferior
L
con L tal que P(L ) = 1 ,
o intervalo unilateral para el extremo superior
U
con U tal que P( U) = 1
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 7 / 23
Estimacion por intervalos de conanza
Cantidades pivotales (I)
Dada una m.a.s. (X
1
, ..., X
n
) de una poblacion X con distribucion F

,
siendo = (
1
, ...,
k
), se llama cantidad pivotal para
i
a una funcion de
la muestra (por tanto, es v.a.) y de
i
, C(X
1
, ..., X
n
;
i
), donde
i
es la
unica cantidad desconocida y cuya distribucion no depende de
i
, ni de
ning un otro parametro desconocido.
Ejemplo. X N(, ):
Sabemos que

X N
_
,

n
_
, o tambien:

X
/

n
=

N(0, 1)
por tanto, si conocemos ,
C(X
1
, ..., X
n
; ) =

es una cantidad pivotal para .


Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 8 / 23
Estimacion por intervalos de conanza
Cantidades pivotales (II)
Elegida una cantidad pivotal C(X
1
, ..., X
n
;
i
), podemos construir un
intervalo de conanza para
i
de la siguiente manera:
Elegimos dos valores c
1
y c
2
tales que
P (c
1
C(X
1
, ..., X
n
;
i
) c
2
) = 1
Despejamos
i
en ambas desigualdades para obtener los extremos del
intervalo L y U.
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 9 / 23
Estimacion por intervalos bajo normalidad Estimacion de la media poblacional . Varianza conocida
Estimacion de la media. X N(, ), conocida
Queremos estimar a partir de (X
1
, ..., X
n
) mediante un IC del
100(1 ) %

X tiene distribucion N
_
,

n
_
Z =

X
/

n
N(0, 1)
(cantidad pivotal para )
!
7.3 Interval Estimates 243
SOLUTION Since
1.645

n
=
3.29
3
= 1.097
the 95 percent upper condence interval is
(9 1.097, ) = (7.903, )
and the 95 percent lower condence interval is
(, 9 + 1.097) = (, 10.097) I
We can also obtain condence intervals of any specied level of condence. To do so,
recall that z

is such that
P{Z > z

} =
when Z is a standard normal random variable. But this implies (see Figure 7.1) that for
any
P{z
/2
< Z < z
/2
} = 1
As a result, we see that
P

z
/2
<

n
(X )

< z
/2

= 1
or
P

z
/2

n
< X < z
/2

= 1
or
P

z
/2

n
< X < z
/2

= 1
That is,
P

X z
/2

n
< < X + z
/2

= 1
Area =
0
z
a/2
z
a/2
a
2
Area =
a
2
FIGURE 7.1 P{z
/2
< Z < z
/2
} = 1 .
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
4.4. Estimacion por intervalos en poblaciones no normales
20
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
4.4. Estimacion por intervalos en poblaciones no normales
20
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
z
/2
4.4. Estimacion por intervalos en poblaciones no normales
20
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
z
/2
4.4. Estimacion por intervalos en poblaciones no normales
20
P(z
/2
Z z
/2
) = P
_
z
/2

X
/

n
z
/2
_
= 1
P
_

X z
/2

n


X + z
/2

n
_
= 1 L =

X z
/2

n
y U =

X + z
/2

n
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 10 / 23
Estimacion por intervalos bajo normalidad Estimacion de la media poblacional . Varianza conocida
Estimacion de la media. X N(, ), conocida
Queremos estimar a partir de (X
1
, ..., X
n
) mediante un IC del
100(1 ) %

X tiene distribucion N
_
,

n
_
Z =

X
/

n
N(0, 1)
(cantidad pivotal para )
!
7.3 Interval Estimates 243
SOLUTION Since
1.645

n
=
3.29
3
= 1.097
the 95 percent upper condence interval is
(9 1.097, ) = (7.903, )
and the 95 percent lower condence interval is
(, 9 + 1.097) = (, 10.097) I
We can also obtain condence intervals of any specied level of condence. To do so,
recall that z

is such that
P{Z > z

} =
when Z is a standard normal random variable. But this implies (see Figure 7.1) that for
any
P{z
/2
< Z < z
/2
} = 1
As a result, we see that
P

z
/2
<

n
(X )

< z
/2

= 1
or
P

z
/2

n
< X < z
/2

= 1
or
P

z
/2

n
< X < z
/2

= 1
That is,
P

X z
/2

n
< < X + z
/2

= 1
Area =
0
z
a/2
z
a/2
a
2
Area =
a
2
FIGURE 7.1 P{z
/2
< Z < z
/2
} = 1 .
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
4.4. Estimacion por intervalos en poblaciones no normales
20
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
4.4. Estimacion por intervalos en poblaciones no normales
20
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
z
/2
4.4. Estimacion por intervalos en poblaciones no normales
20
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
z
/2
4.4. Estimacion por intervalos en poblaciones no normales
20
P(z
/2
Z z
/2
) = P
_
z
/2

X
/

n
z
/2
_
= 1
P
_

X z
/2

n


X + z
/2

n
_
= 1
L =

X z
/2

n
y U =

X + z
/2

n
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 10 / 23
Estimacion por intervalos bajo normalidad Estimacion de la media poblacional . Varianza conocida
Estimacion de la media. X N(, ), conocida
Queremos estimar a partir de (X
1
, ..., X
n
) mediante un IC del
100(1 ) %

X tiene distribucion N
_
,

n
_
Z =

X
/

n
N(0, 1)
(cantidad pivotal para )
!
7.3 Interval Estimates 243
SOLUTION Since
1.645

n
=
3.29
3
= 1.097
the 95 percent upper condence interval is
(9 1.097, ) = (7.903, )
and the 95 percent lower condence interval is
(, 9 + 1.097) = (, 10.097) I
We can also obtain condence intervals of any specied level of condence. To do so,
recall that z

is such that
P{Z > z

} =
when Z is a standard normal random variable. But this implies (see Figure 7.1) that for
any
P{z
/2
< Z < z
/2
} = 1
As a result, we see that
P

z
/2
<

n
(X )

< z
/2

= 1
or
P

z
/2

n
< X < z
/2

= 1
or
P

z
/2

n
< X < z
/2

= 1
That is,
P

X z
/2

n
< < X + z
/2

= 1
Area =
0
z
a/2
z
a/2
a
2
Area =
a
2
FIGURE 7.1 P{z
/2
< Z < z
/2
} = 1 .
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
4.4. Estimacion por intervalos en poblaciones no normales
20
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
4.4. Estimacion por intervalos en poblaciones no normales
20
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
z
/2
4.4. Estimacion por intervalos en poblaciones no normales
20
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
z
/2
4.4. Estimacion por intervalos en poblaciones no normales
20
P(z
/2
Z z
/2
) = P
_
z
/2

X
/

n
z
/2
_
= 1
P
_

X z
/2

n


X + z
/2

n
_
= 1
L =

X z
/2

n
y U =

X + z
/2

n
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 10 / 23
Estimacion por intervalos bajo normalidad Estimacion de la media poblacional . Varianza conocida
Estimacion de la media. X N(, ), conocida
Ejemplo:
Cuando una se nal que tiene valor es enviada desde un punto A a
un punto B, el valor recibido tiene distribucion normal de media y
varianza 4 (es decir, al transmitir la se nal, se a nade un ruido
aleatorio de distribucion N(0, 2)). Para reducir el error, se enva el
mismo valor 9 veces, de manera que el valor medio recibido es
x = 9. Calculemos el intervalo de conanza del 95 % para .
Se tiene: z
/2
= z
0,05/2
= z
0,025
= 1,96, = 2 y n = 9 el intervalo para
es
_
9 1,96
2
3
, 9 + 1,96
2
3
_
= (7,69, 10,31)
Tenemos una conanza del 95 % de que el verdadero valor enviado
este entre 7,69 y 10,31.
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 11 / 23
Estimacion por intervalos bajo normalidad Estimacion de la media poblacional . Varianza conocida
Estimacion de la media. X N(, ), conocida
Determinaci on del tama no muestral para controlar el error de
estimaci on
Longitud del IC
100(1) %
para :
L = 2 z
/2

n
cuanto mayor sea el nivel de conanza, para n y jos, mayor sera L
Error que cometemos al estimar un parametro mediante su estimador:
E =|

X |
si podemos controlar el tama no muestral, podemos escoger n para
tener una conanza del 100(1 ) % de que E sea menor que una
cierta cota :
n =
_
z
/2

_
2
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 12 / 23
Estimacion por intervalos bajo normalidad Estimacion de la media poblacional . Varianza conocida
Estimacion de la media. X N(, ), conocida
Se quiere medir la velocidad de un nuevo modelo de procesador, y
para ello se va a ejecutar un programa de simulacion en algunos
ordenadores, con dicho modelo incorporado. Suponiendo que la
variable aleatoria X, tiempo de ejecucion, es normal, de varianza 9,
obtener el tama no muestral necesario para obtener un intervalo de
longitud 2 y de nivel de conanza 95 % para el tiempo medio de
ejecucion del programa de simulacion.
Como la longitud del intervalo es
2z
/2

n
= 2 1,96
3

n
= 1 n = 1,96
2
9 = 34,57
es decir, n ha de ser 35 para asegurarse una conanza de al menos el 95 %.
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 13 / 23
Estimacion por intervalos bajo normalidad Estimacion de la media poblacional . Varianza desconocida
Estimacion de la media. X N(, ), desconocida
Queremos estimar a partir de (X
1
, ..., X
n
) mediante un IC
100(1) %
Z =

X
/

n
no es cantidad pivotal, pues es funcion de dos parametros
desconocidos.
t =

X
s
n1
/

n
tiene distribucion t
n1
, ya que:

X
/

n
N(0, 1), (n 1)
s
2
n1

2

2
n1
, t =

X
s
n1
/

n
=

X
/

(n 1)
s
2
n1

2
n 1
t es una cantidad pivotal para
P(t
n1;/2
t t
n
1
;/2
) = P
_
t
n1;/2

X
s
n1
/

n
t
n1;/2
_
= 1
L =

X t
n1;/2
s
n1

n
y U =

X + t
n1;/2
s
n1

n
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 14 / 23
Estimacion por intervalos bajo normalidad Estimacion de la media poblacional . Varianza desconocida
Estimacion de la media. X N(, ), desconocida
Queremos estimar a partir de (X
1
, ..., X
n
) mediante un IC
100(1) %
Z =

X
/

n
no es cantidad pivotal, pues es funcion de dos parametros
desconocidos.
t =

X
s
n1
/

n
tiene distribucion t
n1
, ya que:

X
/

n
N(0, 1), (n 1)
s
2
n1

2

2
n1
, t =

X
s
n1
/

n
=

X
/

(n 1)
s
2
n1

2
n 1
t es una cantidad pivotal para
P(t
n1;/2
t t
n
1
;/2
) = P
_
t
n1;/2

X
s
n1
/

n
t
n1;/2
_
= 1
L =

X t
n1;/2
s
n1

n
y U =

X + t
n1;/2
s
n1

n
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 14 / 23
Estimacion por intervalos bajo normalidad Estimacion de la media poblacional . Varianza desconocida
Estimacion de la media. X N(, ), desconocida
Determinaci on del tama no muestral
Longitud del IC
100(1) %
para :
L = 2 t
n1;/2
s
n1

n
Error de estimacion E menor que si tomamos:
n =
_
t
n1;/2
S

_
2
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 15 / 23
Estimacion por intervalos bajo normalidad Estimacion de la diferencia de medias
Estimacion de la diferencia de medias. Poblaciones
normales independientes. Varianzas conocidas
(X
1
, ..., X
n
X
), (Y
1
, ..., Y
n
Y
) m.a.s. de dos poblaciones normales
independientes N(
X
,
X
) y N(
Y
,
X
), respectivamente, con
varianzas conocidas.
Queremos construir un IC para la diferencia
X

Y
.
Z =

X

Y (
X

Y
)

2
X
n
x
+

2
Y
n
y
N(0, 1) es cantidad pivotal para la
diferencia
X

Y
.
L =

X

Y z
/2

2
X
n
X
+

2
Y
n
Y
y U =

X

Y + z
/2

2
X
n
X
+

2
Y
n
Y
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 16 / 23
Estimacion por intervalos bajo normalidad Estimacion de la diferencia de medias
Estimacion de la diferencia de medias. Poblaciones
normales independientes. Varianzas desconocidas e iguales
(X
1
, ..., X
n
X
) m.a.s. N(
X
,
X
)
(Y
1
, ..., Y
n
Y
) m.a.s. N(
Y
,
X
)
_
con
2
X
y
2
Y
desconocidas e iguales.
Queremos construir un IC para la diferencia
X

Y
.
Cantidad pivotal: t =

X

Y (
X

Y
)
S
p
_
1
n
X
+
1
n
Y
t
n
X
+n
Y
2
_
con S
2
p
=
(n
X
1)s
2
n1;X
+(n
Y
1)s
2
n1;Y
n
X
+n
Y
2
_
L =

X

Y t
n
X
+n
Y
2;/2
S
p
_
1
n
X
+
1
n
Y
U =

X

Y + t
n
X
+n
Y
2;/2
S
p
_
1
n
X
+
1
n
Y
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 17 / 23
Estimacion por intervalos bajo normalidad Estimacion de la diferencia de medias
Ejemplo:
Se piensa que los estudiantes de licenciatura de periodismo pueden
esperar un mayor salario promedio en su primer trabajo que el que
esperan los estudiantes de administracion, y para comprobarlo, se
desea construir un intervalo de conanza del 90 % para la diferencia
de medias, suponiendo que la varianza en ambos salarios es la
misma.
Se obtienen dos muestras aleatorias simples de ambos grupos, que
proporcionan los siguientes datos:
n
P
= 10, x
P
= 16250, s
2
n1;P
= 1187222,22,
n
A
= 14, x
A
= 15400, s
2
n1;A
= 1352307,69.
Se obtiene que S
p
= 1133,48, y puesto que t
n
P
+n
A
2;0,05
= 1,717, se tiene
que el intervalo de conanza para la diferencia entre los salarios es
(44,135, 1655,865).
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 18 / 23
Estimacion por intervalos bajo normalidad Estimacion de la varianza
Estimacion de la varianza. X N(, ), desconocida
Queremos estimar a partir de (X
1
, ..., X
n
) de una poblacion
N(, ), con y desconocidos, mediante un IC del 100(1 ) %
Cantidad pivotal para : (n 1)
s
2
n1

2

2
n1
0 10 20 30 40 50
0
.
0
0
0
.
0
5
0
.
1
0
0
.
1
5
(0:5000)/100
d
c
h
i
s
q
(
(
0
:
5
0
0
0
)
/
1
0
0
,

5
)
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
4.4. Estimacion por intervalos en poblaciones no normales
20
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
4.4. Estimacion por intervalos en poblaciones no normales
20
que t
nP +nA2;0,05
= 1,717, se tiene que el intervalo de conanza para la diferencia entre los salarios es
(44,135, 1655,865).
4.3.4. Estimacion de la varianza
En el caso de tener una muestra aleatoria (X
1
, ..., X
n
) de una poblacion N(, ), en la que ambos
parametros son desconocidos, para construir un intervalo de conanza para hemos de hacer uso del
resultado de que
(n 1)
S
2

2

2
n1
.
Para que se verique
P

2
n1;1/2
(n 1)
S
2

2

2
n1;/2

4.4. Estimacion por intervalos en poblaciones no normales


24
que t
nP +nA2;0,05
= 1,717, se tiene que el intervalo de conanza para la diferencia entre los salarios es
(44,135, 1655,865).
4.3.4. Estimacion de la varianza
En el caso de tener una muestra aleatoria (X
1
, ..., X
n
) de una poblacion N(, ), en la que ambos
parametros son desconocidos, para construir un intervalo de conanza para hemos de hacer uso del
resultado de que
(n 1)
S
2

2

2
n1
.
Para que se verique
P

2
n1;1/2
(n 1)
S
2

2

2
n1;/2

4.4. Estimacion por intervalos en poblaciones no normales


24
P
_

2
n1;1/2
(n 1)
s
2
n1

2

2
n1;/2
_
= 1
L = (n 1)
s
2
n1

2
n1;/2
y U = (n 1)
s
2
n1

2
n1;1/2
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 19 / 23
Estimacion por intervalos bajo normalidad Estimacion de la varianza
Estimacion de la varianza. X N(, ), desconocida
Queremos estimar a partir de (X
1
, ..., X
n
) de una poblacion
N(, ), con y desconocidos, mediante un IC del 100(1 ) %
Cantidad pivotal para : (n 1)
s
2
n1

2

2
n1
0 10 20 30 40 50
0
.
0
0
0
.
0
5
0
.
1
0
0
.
1
5
(0:5000)/100
d
c
h
i
s
q
(
(
0
:
5
0
0
0
)
/
1
0
0
,

5
)
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
4.4. Estimacion por intervalos en poblaciones no normales
20
Ahora bien, en la practica solo se obtiene una muestra aleatoria, y calculamos un intervalo de conanza.
Puesto que este intervalo contendra o no al verdadero valor del parametro , no tiene sentido atribuir
una probabilidad al hecho de que s lo contenga, por lo que se dice que el intervalo contiene a con una
conanza de 100(1 ) % (y no con una probabilidad de 100(1 ) %).
El intervalo de conanza que hemos descrito se denomina intervalo bilateral, debido a que proporciona
los dos extremos del intervalo. Sin embargo, en ocasiones puede resultar conveniente el calculo de un
intervalo unilateral para el extremo inferior, dado por L , donde L se determina de manera que
P(L ) = 1 , o para el extremo superior, dado por U, donde U verica P( U) = 1 .
Veamos como construir algunos intervalos de conanza, donde la clave esta en la eleccion del estadstico
T.
4.3. Estimacion por intervalos bajo normalidad
4.3.1. Estimacion de la media poblacional . Varianza conocida
Supongamos que tenemos una poblacion normal N(, ), donde el valor de es conocido y queremos
estimar mediante un intervalo de conanza del 100(1 ) % para .
Sabemos que el estadstico media muestral construido a partir de la muestra aleatoria (X
1
, ..., X
n
), tiene
distribucion N

, por lo que el estadstico


Z =

X
/

n
tiene distribucion N(0, 1).
area =

2
4.4. Estimacion por intervalos en poblaciones no normales
20
que t
nP +nA2;0,05
= 1,717, se tiene que el intervalo de conanza para la diferencia entre los salarios es
(44,135, 1655,865).
4.3.4. Estimacion de la varianza
En el caso de tener una muestra aleatoria (X
1
, ..., X
n
) de una poblacion N(, ), en la que ambos
parametros son desconocidos, para construir un intervalo de conanza para hemos de hacer uso del
resultado de que
(n 1)
S
2

2

2
n1
.
Para que se verique
P

2
n1;1/2
(n 1)
S
2

2

2
n1;/2

4.4. Estimacion por intervalos en poblaciones no normales


24
que t
nP +nA2;0,05
= 1,717, se tiene que el intervalo de conanza para la diferencia entre los salarios es
(44,135, 1655,865).
4.3.4. Estimacion de la varianza
En el caso de tener una muestra aleatoria (X
1
, ..., X
n
) de una poblacion N(, ), en la que ambos
parametros son desconocidos, para construir un intervalo de conanza para hemos de hacer uso del
resultado de que
(n 1)
S
2

2

2
n1
.
Para que se verique
P

2
n1;1/2
(n 1)
S
2

2

2
n1;/2

4.4. Estimacion por intervalos en poblaciones no normales


24
P
_

2
n1;1/2
(n 1)
s
2
n1

2

2
n1;/2
_
= 1
L = (n 1)
s
2
n1

2
n1;/2
y U = (n 1)
s
2
n1

2
n1;1/2
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 19 / 23
Estimacion por intervalos bajo normalidad Estimacion del cociente de varianzas
Estimacion del cociente de varianzas. Poblaciones
normales independientes
(X
1
, ..., X
n
X
) y (Y
1
, ..., Y
n
Y
) m.a.s. de dos poblaciones normales
independientes N(
X
,
X
) y N(
Y
,
X
), respectivamente.
Queremos construir un IC para el cociente
2
Y
/
2
X
.
Cantidad pivotal para

2
Y

2
X
: F =
s
2
n1;X
/
2
X
s
2
n1;Y
/
2
Y
F
n
X
1;n
Y
1
L =
s
2
n1;Y
s
2
n1;X
1
F
n
Y
1,n
X
1;/2
y U =
s
2
n1;Y
s
2
n1;X
F
n
X
1,n
Y
1;/2
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 20 / 23
Estimacion por intervalos en poblaciones no normales Estimacion de la media. Varianza conocida
Estimacion de la media. Varianza conocida
Poblacion no normal con varianza conocida
Queremos estimar la media mediante un IC del 100(1 ) %
Si tomamos una m.a. (X
1
, ..., X
n
), con n 30, seg un el Teorema
Central del Lmite:
Z =

X
/

n
n
N(0, 1)
IC asint otico (o aproximado) para :
L =

X z
/2

n
y U =

X + z
/2

n
Para tama nos muestrales peque nos, el intervalo asint otico no es apropiado
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 21 / 23
Estimacion por intervalos en poblaciones no normales
Estimacion de la media en poblaciones no normales. Varianza
desconocida
Estimacion de la media. Varianza desconocida
Poblacion no normal con varianza desconocida
Queremos estimar la media mediante un IC del 100(1 ) %
No podemos utilizar directamente el TCL porque es desconocida,
pero si tomamos una m.a.s. (X
1
, ..., X
n
), con n 30, se cumple que:
t =

X
s
2
n1
/

n
n
N(0, 1)
Intervalo asintotico (o aproximado) para :
L =

X z
/2
s
n1

n
y U =

X + z
/2
s
n1

n
Para tama nos muestrales peque nos, el intervalo asint otico no es apropiado
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 22 / 23
Estimacion por intervalos en poblaciones no normales Estimacion de la proporcion en distribuciones binomiales
Estimacion de la proporcion. Poblaciones binomiales
Poblacion binomial con parametro p desconocido
Queremos construir un IC para p
Para una muestra (X
1
, ..., X
n
) el estadstico p =
X
n
, con X B(n, p)
verica (teorema de DeMoivre-Laplace):
p p
_
p(1 p)
n
n
N(0, 1)
P
_
_
_
_
z
/2

p p
_
p(1 p)
n
z
/2
_
_
_
_
1
P
_
p z
/2
_
p(1 p)
n
p p + z
/2
_
p(1 p)
n
_
1
los lmites del intervalo contienen el parametro desconocido p
Sustituyendo p por p:
L = p z
/2
_
p(1 p)
n
y U = p + z
/2
_
p(1 p)
n
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 23 / 23
Estimacion por intervalos en poblaciones no normales Estimacion de la proporcion en distribuciones binomiales
Estimacion de la proporcion. Poblaciones binomiales
Poblacion binomial con parametro p desconocido
Queremos construir un IC para p
Para una muestra (X
1
, ..., X
n
) el estadstico p =
X
n
, con X B(n, p)
verica (teorema de DeMoivre-Laplace):
p p
_
p(1 p)
n
n
N(0, 1)
P
_
_
_
_
z
/2

p p
_
p(1 p)
n
z
/2
_
_
_
_
1
P
_
p z
/2
_
p(1 p)
n
p p + z
/2
_
p(1 p)
n
_
1
los lmites del intervalo contienen el parametro desconocido p
Sustituyendo p por p:
L = p z
/2
_
p(1 p)
n
y U = p + z
/2
_
p(1 p)
n
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 23 / 23
Estimacion por intervalos en poblaciones no normales Estimacion de la proporcion en distribuciones binomiales
Estimacion de la proporcion. Poblaciones binomiales
Poblacion binomial con parametro p desconocido
Queremos construir un IC para p
Para una muestra (X
1
, ..., X
n
) el estadstico p =
X
n
, con X B(n, p)
verica (teorema de DeMoivre-Laplace):
p p
_
p(1 p)
n
n
N(0, 1)
P
_
_
_
_
z
/2

p p
_
p(1 p)
n
z
/2
_
_
_
_
1
P
_
p z
/2
_
p(1 p)
n
p p + z
/2
_
p(1 p)
n
_
1
los lmites del intervalo contienen el parametro desconocido p
Sustituyendo p por p:
L = p z
/2
_
p(1 p)
n
y U = p + z
/2
_
p(1 p)
n
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 23 / 23
Estimacion por intervalos en poblaciones no normales Estimacion de la proporcion en distribuciones binomiales
Estimacion de la proporcion. Poblaciones binomiales
Poblacion binomial con parametro p desconocido
Queremos construir un IC para p
Para una muestra (X
1
, ..., X
n
) el estadstico p =
X
n
, con X B(n, p)
verica (teorema de DeMoivre-Laplace):
p p
_
p(1 p)
n
n
N(0, 1)
P
_
_
_
_
z
/2

p p
_
p(1 p)
n
z
/2
_
_
_
_
1
P
_
p z
/2
_
p(1 p)
n
p p + z
/2
_
p(1 p)
n
_
1
los lmites del intervalo contienen el parametro desconocido p
Sustituyendo p por p:
L = p z
/2
_
p(1 p)
n
y U = p + z
/2
_
p(1 p)
n
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de conanza Curso 2009-2010 23 / 23