Estimación e

intervalos de
confianza

C9 Lind J. Alger, PhD 1

ESTIMACIÓN E INTERVALOS DE CONFIANZ.

ESTIMACIÓN E INTERVALOS DE CONFIANZA

ESTIMADOR PUNTUAL E INTERVALO DE CONFIANZA

DESVIACIÓN ESTÁNDAR POBLACIONAL CONOCIDA

DESV. ESTÁNDAR POBLACIONAL DESCONOCIDA
INTERVALO DE CONFIANZA DE PROPORCIONES
FACTOR DE CORRECCIÓN POBLACIÓN FINITA
ELECCIÓN DEL TAMAÑO DE UNA MUESTRA

C9 Lind J. Alger, PhD 2

ESTIMACIÓN E INTERVALOS
DE CONFIANZA

C9 Lind J. Alger, PhD

 ESTIMADOR PUNTUAL

El estimador puntual
consiste en un valor único o
en un punto extraído de una
muestra, con el que es
posible deducir el valor
correspondiente de una
población.
C9 Lind J. Alger, PhD 4
 EL ESTIMADOR PUNTUAL
Ejemplo: A una muestra de 10 Médicos
se les pregunta cuántas horas laboraron
la semana pasada. Luego se calcula la
media de esta muestra y se le utiliza
como estimador puntual de la población
de todos los médicos en San Pedro Sula.

X = (48+52+51+49+49+55+60+48+53+55)/10 =
52 Horas/semana
C9 Lind J. Alger, PhD 5
 EL ESTIMADOR PUNTUAL

Resumiendo…EL
ESTIMADOR PUNTUAL es
un estadístico calculado a
partir de los datos de una
muestra, que se emplea
para estimar el parámetro
poblacional:
C9 Lind J. Alger, PhD 6
 EL ESTIMADOR PUNTUAL

 (X) o media muestral, es un estimador

puntual de la media poblacional (μ).

 (p) o proporción muestral, es un

estimador puntual de la proporción
poblacional (π).

 (s) o desviación estándar muestral, es

estimador puntual de la desviación
estándar poblacional (σ).
C9 Lind J. Alger, PhD 7
 INTERVALO DE CONFIANZA
Un estimador puntual es un
solo valor, pero un enfoque
más práctico es presentar una
serie de valores o intervalo de
valores o INTERVALO DE
CONFIANZA, del que se
espera estimar el parámetro
poblacional.
C9 Lind J. Alger, PhD 8
 INTERVALO DE CONFIANZA
Para el ejemplo anterior, es válido
afirmar que los Médicos en San
Pedro laboran aproximadamente
entre 42 y 62 horas semanales.
A los puntos extremos del
intervalo de confianza se les
llama límites de confianza.
C9 Lind J. Alger, PhD 9
 NIVEL DE CONFIANZA
Un intervalo de confianza es un conjunto
de valores formado a partir de una
muestra, de manera que exista la
posibilidad que el parámetro poblacional
ocurra dentro de dicho conjunto con una
PROBABILIDAD ESPECÍFICA.
Esta probabilidad específica recibe el
nombre de NIVEL DE CONFIANZA.

C9 Lind J. Alger, PhD 10

 NIVEL DE CONFIANZA
Los niveles de confianza más
comunes son 90%, 95% y 99%,
pero cualquier porcentaje entre 0%
y 100% es admisible dependiendo
del nivel de precisión deseado, pues
a mayor nivel de confianza mayor
precisión en las estimaciones.

C9 Lind J. Alger, PhD 11

 NIVEL DE CONFIANZA

En la determinación de los
intervalos de confianza de
una media muestral (X) se
consideran 2 casos.

C9 Lind J. Alger, PhD 12

 CASO A: Se conoce la desviación
estándar poblacional (σ)

X ± [(z)(σ/√n)]
 X = media de la muestra
 σ = desviación estándar poblacional
 z = el valor de z depende del nivel de
confianza y se halla en la página 20
del Manual de Trabajo
 n = tamaño de la muestra
C9 Lind J. Alger, PhD 13
 EJEMPLO 1 / CASO A
Determinar los valores z que le
corresponden a los niveles de
confianza de 90%, 95% y 99%.
Como la distribución normal es
simétrica, la misma se divide en dos
mitades iguales y luego se busca z en
la tabla de la Distribución Normal
Estándar o TNE página 20 del Manual
de Trabajo.
C9 Lind J. Alger, PhD 14
 EJEMPLO 1 / CASO A
 0.90/2 = 0.4500. En la TNE hay 2
valores: 0.4495 y 0.4505, pero se usa
el mayor. Ahí podemos leer que el
valor z es igual a 1.65.
 0.95/2 = 0.4750. Le corresponde un
valor z de 1.96.
 0.99/2 = 0.4950. Hay 2 valores 0.4949
y 0.4951 pero se usa el mayor, al que
le corresponde un valor z de 2.58.
C9 Lind J. Alger, PhD 15
 EJEMPLO 2 / CASO A
Una muestra aleatoria de 36 empresas
del Sector Bienes de Transformación
(BT) reveló que en promedio pagan un
salario mínimo de 8,300 lempiras/mes.

Establecer un intervalo de confianza

del 95% para la media poblacional si la
desviación estándar de la población es
de 900 lempiras.
C9 Lind J. Alger, PhD 16
 EJEMPLO 2 / CASO A
 ¿Media de la población? Se desconoce
pero el mejor estimador es la media de
la muestra o sea 8,300 lempiras
mensuales.

 X ± 1.96 (900/√ 36) = 8,300 ± (1.96 x 150)

= 8,300 ± 294.

 Límite superior 8,300 + 294 = 8,594 Lps

 Límite inferior 8,300 – 294 = 8,006 Lps

C9 Lind J. Alger, PhD 17

 EJEMPLO 2 / CASO A
Conclusión
95% de las empresas del
Sector BT pagan un salario
mínimo que oscila entre 8,006
y 8,594 lempiras mensuales,
con un promedio de 8,300
lempiras/mes.
C9 Lind J. Alger, PhD 18
 EJEMPLO 2 / CASO A
Otra forma de ver el problema es
que si en el Sector BT se toman
100 muestras de 36 empresas
cada una y se establecen los
respectivos intervalos de
confianza, 95 de tales intervalos
contendrán la media poblacional.

Problemas 9.1, 9.3, 9.5, 9.7 Pag 301 TX

C9 Lind J. Alger, PhD 19
 EJEMPLO 2 / CASO A

C9 Lind J. Alger, PhD 20

CASO B: Se desconoce la desviación
estándar de la población (σ)

X ± [(t)(s/√n)]
 X = media de la muestra
 s = desviación estándar de la muestra
 t = el valor de t depende del nivel de
confianza y se encuentra en las páginas
21 y 22 del Manual de Trabajo
 n = tamaño de la muestra

C9 Lind J. Alger, PhD 21

 CASO B: Se desconoce la desviación
estándar de la población (σ)

Debido a que no se conoce

la desviación estándar de la
población y se trata de una
muestra pequeña (< 30
elementos), se utiliza la
Distribución t de Student.
C9 Lind J. Alger, PhD 22
 LA DISTRIBUCIÓN t DE STUDENT
Características:
1. Al igual que z, es una
distribución de probabilidad
continua.
2. Es de naturaleza normal; por lo
tanto, tiene forma de campana
y es simétrica.
C9 Lind J. Alger, PhD 23
 LA DISTRIBUCIÓN T DE STUDENT

3. En la distribución t, entre
mayor es la muestra menor es
la desviación estándar.
4. Conforme se incrementa el
tamaño de la muestra, la
distribución t se aproxima a la
distribución normal estándar.
C9 Lind J. Alger, PhD 24
INTERVALO DE CONFIANZA Y NIVEL DE CONFIANZA

Resumiendo:

Se supone que la
distribución es
normal

¿Se conoce la desviación

estándar de la población?

No Sí

Se utiliza la Se utiliza la
distribución t distribución z

C9 Lind J. Alger, PhD 25

GRADOS DE LIBERTAD = n-1 (Pag. 451 Lind)
Número de elementos de una muestra
que tienen libertad para variar. Ejemplo:
• Una muestra de 2 valores tiene media
de 6 y obligadamente un total de 12.
• Hay libertad especificar sólo 1 valor.
• Si elige 8 entonces el otro valor es 4
porque el total de los dos valores es el
doble de la media (8+4 = 2*6).

C9 Lind J. Alger, PhD 26

 EJEMPLO 1 / CASO B
Determinar el intervalo de confianza para
días de ausentismo de una muestra de
10 obreras en un periodo de 2 semanas:
X = 4+1+2+2+1+2+2+1+0+3 días

 Desviación estándar muestra: 1.135

 Nivel de confianza deseado: 95%
 Media de la población: 1.8 días

C9 Lind J. Alger, PhD 27

 EJEMPLO 1 / CASO B
a) t (Páginas 21-22 del Manual de
Trabajo) = 2.262 para 10 – 1 = 9
grados de libertad.
b) I. Conf. = 1.80 ± 2.262 (1.135/√10) =
1.80 ± (2.262 x 0.359) = 1.80 ± 0.81

Límite inferior: 0.99 días

Límite superior: 2.61 días
C9 Lind J. Alger, PhD 28
 EJEMPLO 1 / CASO B
c) Se usó la distribución t porque
no se conoce la desviación
estándar de la población, y la
muestra es pequeña (< 30)
Problemas 9.9, 9.11, 9.13 Pag.
308 Texto
C9 Lind J. Alger, PhD 29
 INTERVALO DE CONFIANZA Y NIVEL DE CONFIANZA
Para resolver este tipo de problemas también se usa el software de
Megastat para Excel.

Confidence interval - mean

95% confidence level

1.8 mean
1.135 std. dev.
10 n
2.262 t (df = 9)
0.812 half-width

2.612 upper confidence limit

0.988 lower confidence limit

C9 Lind J. Alger, PhD 30

 INTERVALO DE CONFIANZA DE UNA
PROPORCIÓN

Además de construir intervalos

de confianza con variables
como ingresos, pesos,
distancias, edades, días, etc.,
también se puede hacer con
PROPORCIONES.
C9 Lind J. Alger, PhD 31
 INTERVALO DE CONFIANZA DE UNA
PROPORCIÓN

Entendiéndose la proporción
como la “fracción, razón o
porcentaje que indica la parte
de la muestra de la población
que posee un rasgo de interés
particular”:
C9 Lind J. Alger, PhD 32
 INTERVALO DE CONFIANZA DE UNA
PROPORCIÓN

p = x/n
 p = proporción de la muestra; por
contraste la proporción de la
población se denota con la letra
griega π (pi).
 X = número de éxitos
 n = tamaño de la muestra
C9 Lind J. Alger, PhD 33
 INTERVALO DE CONFIANZA DE UNA
PROPORCIÓN
1. Las condiciones binomiales
han de ser satisfechas:
– Los datos de la muestra son
resultados de conteos.
– Sólo hay dos posibles
resultados, éxito o fracaso.

C9 Lind J. Alger, PhD 34

 INTERVALO DE CONFIANZA DE UNA
PROPORCIÓN
– La probabilidad de un éxito
permanece igual de una prueba
a la próxima.
– La pruebas son independientes,
de manera que el resultado de
una prueba no influye en el
resultado de las siguientes.

C9 Lind J. Alger, PhD 35

 INTERVALO DE CONFIANZA DE UNA
PROPORCIÓN

2. Los valores nπ y n(1 – π) deben

ser iguales o mayores que 5.

Esta condición permite recurrir al

teorema del límite central y emplear
la distribución normal estándar, es
decir z, para completar un intervalo
de confianza.
C9 Lind J. Alger, PhD 36
 INTERVALO DE CONFIANZA DE UNA
PROPORCIÓN

p±z p(1-p)
n

El componente de la fórmula √p(1-p)/n,

recibe ahora el nombre de error
estándar de la proporción

C9 Lind J. Alger, PhD 37

 EJEMPLO INTERVALO DE CONFIANZA
DE UNA PROPORCIÓN
• Un estudio de mercado reveló que
420 de 1,400 amas de casa
entrevistadas reconocieron la marca
de un limpiador, por la forma y el
color del envase.
• Construya un intervalo de confianza
de 99% para proporción poblacional.
C9 Lind J. Alger, PhD 38
EJEMPLO INTERVALO DE CONFIANZA DE
UNA PROPORCIÓN
 p = 420/1,400 = 0.30

 Intervalo de Confianza =
0.30 ± 2.58 √0.30(1-0.30)/1,400 =
0.30 ± 0.03

 0.27 0.30 0.33

C9 Lind J. Alger, PhD 39

EJEMPLO INTERVALO DE CONFIANZA DE
UNA PROPORCIÓN

Interpretación: entre el 27% y el

33% de las amas de casa
reconocen esta marca de
limpiador por la forma y el color
del envase.
Problemas 9.15, 9.17 Pag. 312
Texto
C9 Lind J. Alger, PhD 40
FACTOR DE CORRECCIÓN POBLACIÓN FINITA

Cuando la razón del tamaño de la

muestra al tamaño de la población es
> 0.05 o sea 5% (lo cual ocurre
cuando se analizan poblaciones
finitas) se debe aplicar el factor de
corrección para mejorar la precisión
en el cálculo del intervalo de
confianza.

C9 Lind J. Alger, PhD 41

FACTOR DE CORRECCIÓN POBLACIÓN FINITA

La fórmula del factor de

corrección es como sigue:

N-n
N-1

C9 Lind J. Alger, PhD 42

 FACTOR DE CORRECCIÓN PARA UNA
POBLACIÓN FINITA

El cuadro presentado a continuación

expone como se modifica el factor
de corrección de una población
finita (FCPF) cuando aumenta el
tamaño de la muestra en relación al
tamaño de la población (se supone
una población de 1,000 objetos):
C9 Lind J. Alger, PhD 43
 FACTOR DE CORRECCIÓN PARA UNA
POBLACIÓN FINITA
Fracción
n de población FCPF

10 0.010 0.9955
25 0.025 0.9879
40 0.040 0.9802
50 0.050 0.9752
100 0.100 0.9492
200 0.200 0.8489
500 0.500 0.7075

C9 Lind J. Alger, PhD 44

 FACTOR DE CORRECCIÓN PARA UNA
POBLACIÓN FINITA

Como se puede observar en la

tabla anterior, cuando la
proporción de la muestra a la
población es < 5%, el factor de
corrección por población finita es
despreciable.
C9 Lind J. Alger, PhD 45
EJEMPLO FACTOR DE CORRECCIÓN PARA
UNA POBLACIÓN FINITA
40 familias de una población de 250
mostraron que su contribución media
anual a obras de caridad fue de $450,
con desviación estándar de $75.

¿La media poblacional de

contribuciones puede ser $445 o
$425? Nivel de confianza 90%.
C9 Lind J. Alger, PhD 46
EJEMPLO FACTOR DE CORRECCIÓN PARA
UNA POBLACIÓN FINITA
Calcular el intervalo de
confianza CON y SIN factor de
corrección para población finita.

Problemas 9.19, 9.21 Pag.

314 Texto

C9 Lind J. Alger, PhD 47

ELECCIÓN TAMAÑO ADECUADO DE UNA
MUESTRA

Un aspecto esencial en investigación

es cuál debe ser el tamaño de la
muestra a utilizar.
Si la muestra es muy grande, resulta
innecesariamente cara; pero si es
muy pequeña las conclusiones serán
erróneas.
C9 Lind J. Alger, PhD 48
 ELECCIÓN DEL TAMAÑO ADECUADO DE
UNA MUESTRA
Depende de 3 factores.
1. El nivel de confianza deseado
Los más comunes son: 90% para
encuestas políticas, 95% para
investigaciones del consumidor y
99% en relación con el control de
calidad.
C9 Lind J. Alger, PhD 49
 ELECCIÓN DEL TAMAÑO ADECUADO DE
UNA MUESTRA
2. El margen de error (E) que tolerará el
investigador
Este margen de error es la cantidad que se
suma o se resta a la media muestral o a la
proporción muestral para determinar los
puntos extremos del intervalo de confianza.
Un error admisible pequeño requerirá una
muestra mayor; un error admisible grande
permitirá una muestra menor.
C9 Lind J. Alger, PhD 50
ELECCIÓN DEL TAMAÑO ADECUADO DE
UNA MUESTRA
3. La variabilidad (medida por la desviación
estándar) de la población que se estudia
• Una población dispersa requiere una
muestra grande pero una población
homogénea requiere muestra menor.
• A veces no se dispone de este dato y
se debe emplear un estimador para la
desviación estándar de la población. A
continuación algunas sugerencias:
C9 Lind J. Alger, PhD 51
ELECCIÓN DEL TAMAÑO ADECUADO DE
UNA MUESTRA
a) Utilice un estudio comparativo. Puede ser
otro estudio o un estudio anterior.
b) Báselo en el intervalo. Si se conocen los
límites máximo y mínimo del intervalo,
entonces de acuerdo a la regla empírica la
desviación estándar equivaldrá a la sexta
parte de la distancia entre los límites
mencionados.
c) Corra una prueba piloto.

C9 Lind J. Alger, PhD 52

 TAMAÑO MUESTRAL PARA ESTIMAR LA
MEDIA DE LA POBLACIÓN

(zσ)2
n=
E2
n = tamaño de la muestra
z = valor normal estándar correspondiente
al nivel de confianza deseado
σ = desviación estándar poblacional
E = error máximo admisible

C9 Lind J. Alger, PhD 53

TAMAÑO DE LA MUESTRA PARA ESTIMAR
LA PROPORCIÓN DE LA POBLACIÓN
n= p(1 – p)(z2)

E2
n = tamaño de la muestra
z = valor normal estándar correspondiente al
nivel de confianza deseado.
p = % de éxitos en la muestra; si no está
disponible utilizar 0.50 pues dará el
tamaño máximo de muestra.
E = error máximo admisible.
Problemas 9.23, 9.25, 9.27, 9.29 Pag 317 TX
C9 Lind J. Alger, PhD 54