Universidad de Chile - FCFM - DIM

MA34B 2009-01
Profesor: Julio Deride; Auxiliar: Gonzalo Contador.

Resumen: Intervalos de Conanza

Tericos

X1 , ..., Xr
N ormal(0, 1),

1) Si
cin

son variables aleatorias independientes, todas con distribuse dene la distribucin que sigue la suma de sus cuadrados

como una Chi-cuadrado a

grados de libertad. Se denota

r
X

Xi2 2r

i=1
2) Sean

Z N ormal(0, 1), W 2r ,

con

Z
q

tribucin que sigue la variable aleatoria

independientes. La dis-

se conoce como distribucin t de

W
r

Student a

grados de libertad. Escribimos

Z
q

tr

W
r

desconocido y una m.a.s.

como el intervalo [a, b] de

3) Dada una variable aleatoria con un parametro

de ella, denimos el intervalo de conanza a nivel
largo mnimo tal que

P( [a, b]) = .
X.

Usualmente, este intervalo es simtrico

con respecto a la media muestral

Propiedad

Dada una m.a.s. de una variable aleatoria

X N ormal(, 2 ),

se cumple

que

ns2n
2n1
2
Lo anterior viene del hecho que, como vimos en clase auxiliar

X Xi
ns2n
X 2
=
(
)2 (
)
2

i=1
n v.a. N ormal(0, 1) al cuadrado, luego
ns2n
el segundo trmino de la igualdad,
2
ns2n
2
que es una v.a. normal al cuadrado (o bien, una 1 ). Luego,
2n1 , osea
2
sigue una distribucin Chi-Cuadrado a n 1 grados de libertad.

se ve que el primer trmino es la suma de

2
es una n , y ella se obtiene de sumar a

Resumen

En esta parte del curso ya no buscamos estimar un parmetro

que de-

sconocemos de una distribucin, sino dar un rango de valores en funcin de una

muestra, dentro del cul es altamente probable que se encuentre ese parmetro.
En ese contexto, dado

(0, 1),

buscamos un intervalo del menor largo posible

de manera de que la probabilidad de que

corresponda a

se encuentre dentro de ese intervalo

Cuando trabajamos con una distribucin

N ormal(, 2 ),

tenemos que esta

distribucin concentra la mayor probabilidad para valores cercanos a

simtrica respecto a este parmetro.

y es

Luego, para plantear un intervalo que

concentre un cierto nivel de probabilidad, requerimos que este est centrado en

Luego, dentro de muchos intervalos que podemos encontrar asociadps a un

cierto nivel de probabilidad, el intervalo de conanza ser el nico para aquella

probabilidad que sea centrado en

En un contexto general, podemos plantearnos dos casos en los que queremos

dar intervalos de conanza:

Caso 1: Intervalo de conanza para un parmetro

el otro parmetro conocido.
Sabemos, por el Teorema Central del Lmite, que para
se tomaba

n grande

2 ,

siendo

(en MA34A

tendiendo a innito, aqu nos basta con una muestra grande para

hacer la aproximacin), que si

X1 ...Xn

son variables de media

y varianza

todas independientes entre s, entonces

n(X )
N ormal(0, 1)

En el caso de que queramos dar un intervalo de conanza para

a nivel

tenemos

P(a < < b) =

si y solo si

P(
si

n(X a)
>

Z N ormal(0, 1),

n(X )
>

n(X b)
)=

como queremos un intervalo simtrico, lo anterior es

equivalente a pedir

P(c < Z < c) =

por la simetra de la distribucin, esto equivale a

P(Z > c) =

1
2

c
con la tabla de valores de la distribu
n(X b)
n(X a)
despejamos
= c y
= c, y

con esto, despejamos el valor de

cin normal. Finalmente,

obtenemos los valores de los lmites del intervalo.

En el caso de la varianza, si conocemos la media, tenemos

n(X )
>
P(a < < b) = = P(
a

n(X )
>

y de manera anloga a lo anterior despejamos

n(X )
)
b

b.
desconocido.

Caso 2: Intervalo de conanza para , con

En este caso, lo anterior ya no es vlido pues no podemos despejar valores

del intervalo si no conocemos
slo dependa de

ns2n
2

por lo que necesitamos una distribucin que

y la muestra. Como vimos,

n(X )
N ormal(0, 1)

2n1 . como adems se tiene que estos estadsticos son independientes (si

no me creen, no los culpo, pero es verdad que lo son. Piensenlo un rato, igual
tiene sentido), se tiene

n(X )

n 1(X )

s
=
tn1
sn
ns2n
2 (n 1)
El estadstico anterior nos sirve para construir un intervalo de conanza
para

ya que slo depende de ste y de valores muestrales conocidos. Como la

distribucin t de Student tambin es simtrica respecto a cero, procedemos de

igual manera que en el caso 1, pero buscando los valores en la tabla de la t de
Student. (Nota: en esa tabla no vienen las distribuciones para todos los grados
de libertad de la distribucin, por lo que tienen que aproximar a la distribucin
con grados de libertad ms cercanos a

n1

que encuentren)