Tema 6

Intervalos de confianza
Inferencia
Inferencia
Llegar a conclusiones sobre una población
a partir de datos de una muestra.
Es decir, estimar parámetros a partir de estadísticos.

Conclusiones inciertas
Al basarnos en una muestra de los datos, no vamos a estar
nunca seguros al 100% de lo que pasa en la población.
Siempre vamos a concluir en términos de la probabilidad
de que un parámetro esté en un intervalo.
Ejercicio
Queremos ver qué va a pasar en las próximas elecciones.
Por ello, realizamos una encuesta a varias personas.
El 30% de ellas nos dice que va a votar a un partido.
¿Podemos concluir que el día de las elecciones
ese partido se llevará el 30% de los votos?
Ejercicio
Queremos ver qué va a pasar en las próximas elecciones.
Por ello, realizamos una encuesta a varias personas.
El 30% de ellas nos dice que va a votar a un partido.
¿Podemos concluir que el día de las elecciones
ese partido se llevará el 30% de los votos?

25% 30% 35%

⋯ 95% ⋯
Estamos seguros al 95% de que la gente que le votará
estará entre un 25% y un 35%
Cuanta más grande sea la muestra, menor la incertidumbre.
Estimar media poblacional 𝜇

Queremos estimar la media poblacional 𝜇

a partir de la media muestral 𝑥 .

Varianza poblacional 𝝈𝟐 conocida

𝜎2
Si 𝑋~𝑁 𝜇, 𝜎 2 ⟹ 𝑥 ~𝑁 𝜇,
𝑛

𝑥−𝜇 Se comporta como

~𝑁 0, 1 una normal
𝜎/ 𝑛
 Intervalo de confianza de 𝜇

𝑃 𝜇 < 𝐼1 = 0.05 𝑃 𝜇 > 𝐼2 = 0.05

𝟗𝟎%
𝟓% 𝟓%

𝐼1 𝑥 𝐼2

Hay una probabilidad del 90% de que la media 𝜇

esté dentro del área roja.

Nivel de significación
𝛼 = 1 − 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎
Límite superior intervalo 𝑥−𝜇
~𝑁 0, 1
𝑃 𝜇 > 𝐼2 = 0.05 𝜎/ 𝑛

𝑃 𝜇 > 𝐼2 = 0.05 ⟹ 𝑃 −𝜇 < −𝐼2 = 0.05 ⟹

𝑥−𝜇 𝑥−𝐼2 𝑥−𝐼2
⟹ 𝑃 < = 0.05 ⟹ 𝑃 𝑍 < = 0.05 ⟹
𝜎/ 𝑛 𝜎/ 𝑛 𝜎/ 𝑛

𝐼2 −𝑥 𝐼2 −𝑥
⟹ 𝑃 𝑍> = 0.05 ⟹ = 1.645 ⟹
𝜎/ 𝑛 𝜎/ 𝑛
𝜎
⟹ 𝐼2 = 𝑥 + 1.645 ∙
𝑛

Intervalo de confianza al 90%

𝜎 𝜎
𝑥 − 1.645 ∙ < 𝜇 < 𝑥 + 1.645 ∙
𝑛 𝑛
Intervalo de confianza de 𝜇
Varianza poblacional 𝝈𝟐 conocida
Si 𝑋 ~ 𝑁 𝜇, 𝜎 2 ⟹ 𝑥 ~ 𝑁 𝜇, 𝜎 2 /𝑛

Cantidad pivotal
𝑥 −𝜇
es una cantidad pivotal para 𝜇.
𝜃/ 𝑛

Intervalo de confianza
𝜎
𝜇 ∈ 𝑥 ± 𝑧𝛼/2 ∙
𝑛
𝛼
𝑃 𝑍 > 𝑧𝛼/2 =
2
Intervalo de confianza de 𝜇
Varianza poblacional 𝝈𝟐 desconocida
2 𝑥−𝜇
Si 𝑋 ~ 𝑁 𝜇, 𝜎 ⟹ ~ 𝑡𝑛−1
𝑠/ 𝑛

Cantidad pivotal
𝑥−𝜇
es una cantidad pivotal para 𝜇.
𝑠/ 𝑛

Intervalo de confianza
𝑠
𝜇 ∈ 𝑥 ± 𝑡𝑛−1;𝛼/2 ∙
𝑛
 2
Intervalo de confianza de 𝜎
Varianza poblacional 𝝈𝟐 desconocida
𝑛−1 ∙𝑠 2
Si 𝑋 ~ 𝑁 𝜇, 𝜎 2 ⟹ ~ 𝜒2
𝜎2

Cantidad pivotal
𝑛−1 ∙𝑠 2
es una cantidad pivotal para 𝜎 2 .
𝜎2

Intervalo de confianza
𝑛 − 1 ∙ 𝑠2 𝑛 − 1 ∙ 𝑠2
𝜎2 ∈ 2 , 2
𝜒𝑛−1;𝛼/2 𝜒𝑛−1;1−𝛼/2
¿Es fiable un intervalo del 90%?

Significa que falla el 10% de las veces.

Los intervalos más comunes son el 90%, el 95% y el 99%.
Ejemplo
El tiempo en minutos que pasan los usuarios en una web
sigue una distribución normal con varianza 𝝈𝟐 = 𝟏:
5.29 3.66 5.71 6.62 4.30 5.85 6.25 3.40 3.55 5.57
4.60 5.69 5.81 5.71 6.29 5.66 6.19 3.79 4.98 4.84

Calcula un intervalo al 90% para la media poblacional 𝜇.

 Ejemplo
El tiempo en minutos que pasan los usuarios en una web
sigue una distribución normal con varianza 𝝈𝟐 = 𝟏:
5.29 3.66 5.71 6.62 4.30 5.85 6.25 3.40 3.55 5.57
4.60 5.69 5.81 5.71 6.29 5.66 6.19 3.79 4.98 4.84

Calcula un intervalo al 90% para la media poblacional 𝜇.

Nivel de significancia: 𝛼 = 0.1

5.29 + 3.66 + ⋯ + 4.84

Media muestral: 𝑥= = 5.188
20
𝜎 1
Intervalo de confianza: 𝜇 ∈ 𝑥 ± 𝑧𝛼/2 ∙ = 5.188 ± 1.645 ∙
𝑛 20
= 4.6678; 5.7082
Ejemplo
El tiempo en minutos que pasan los usuarios en una web
sigue una distribución normal con varianza desconocida:
5.29 3.66 5.71 6.62 4.30 5.85 6.25 3.40 3.55 5.57
4.60 5.69 5.81 5.71 6.29 5.66 6.19 3.79 4.98 4.84

Calcula un intervalo al 90% para la media poblacional 𝜇.

 Ejemplo
El tiempo en minutos que pasan los usuarios en una web
sigue una distribución normal con varianza desconocida:
5.29 3.66 5.71 6.62 4.30 5.85 6.25 3.40 3.55 5.57
4.60 5.69 5.81 5.71 6.29 5.66 6.19 3.79 4.98 4.84

Calcula un intervalo al 90% para la media poblacional 𝜇.

Nivel de significancia: 𝛼 = 0.1

5.29 + 3.66 + ⋯ + 4.84
Media muestral: 𝑥 = = 5.188
20
2 2
2
5.29 − 5.188 + ⋯ + 4.84 − 5.188
Cuasi-varianza muestral: 𝑠 = = 0.9929
19
𝑠 0.9929
Intervalo de confianza: 𝜇 ∈ 𝑥 ± 𝑡𝑛−1;𝛼/2 ∙ = 5.188 ± 1.729 ∙
𝑛 20
= 4.6432; 5.7328
Ejemplo
El tiempo en minutos que pasan los usuarios en una web
sigue una distribución normal con varianza desconocida:
5.29 3.66 5.71 6.62 4.30 5.85 6.25 3.40 3.55 5.57
4.60 5.69 5.81 5.71 6.29 5.66 6.19 3.79 4.98 4.84

Calcula un intervalo al 90% para la varianza poblacional σ.

 Ejemplo
El tiempo en minutos que pasan los usuarios en una web
sigue una distribución normal con varianza desconocida:
5.29 3.66 5.71 6.62 4.30 5.85 6.25 3.40 3.55 5.57
4.60 5.69 5.81 5.71 6.29 5.66 6.19 3.79 4.98 4.84

Calcula un intervalo al 90% para la varianza poblacional σ.

Nivel de significancia: 𝛼 = 0.1

2 2
5.29 − 5.188 + ⋯ + 4.84 − 5.188
Cuasi-varianza muestral: 𝑠 2 = = 0.9929
19

2
𝑛 − 1 ∙ 𝑠2 𝑛 − 1 ∙ 𝑠2 19 ∙ 0.9929 19 ∙ 0.9929
Intervalo de confianza: 𝜎 ∈ , = , =
𝜒2 𝛼 𝜒2 𝛼 30.14 10.12
𝑛−1; 𝑛−1;1−
2 2
= 0.6259; 1.8641
Muestras grandes
𝒏 > 𝟑𝟎
Intervalo de confianza de 𝜇

En una distribución normal con varianza 𝜎 2 desconocida,

si el tamaño muestral es grande 𝑛 > 30 ,
podemos aproximar la media 𝜇 por la normal.

Media 𝝁 con la varianza 𝝈𝟐 desconocida

𝑠 𝑠
𝜇 ∈ 𝑥 ± 𝑡𝑛−1;𝛼/2 ∙ ≈ 𝑥 ± 𝑧𝛼/2 ∙
𝑛 𝑛

𝑡 y 𝑧 se aproximan más cuanto mayor sea el tamaño muestral.

Intervalo de confianza de 𝜇

En una distribución no normal

con varianza 𝜎 2 desconocida,
si el tamaño muestral es grande 𝑛 > 30 ,
podemos aproximar la media 𝜇 por la normal.

Media 𝝁 con la varianza 𝝈𝟐 desconocida

𝑠
𝜇 ∈ 𝑥 ± 𝑧𝛼/2 ∙
𝑛
Intervalo de confianza de 𝑝
Distribución
𝑝∙𝑞
Si 𝑛 > 30 ⟹ 𝑝 ~ 𝑁 𝑝,
𝑛

Cantidad pivotal
𝑝−𝑝
es una cantidad pivotal para 𝑝.
𝑝∙𝑞
𝑛

De la proporción 𝒑

𝑝∙𝑞
𝑝 ∈ 𝑝 ± 𝑧𝛼/2 ∙
𝑛
Ejemplo
Un partido político quiere saber cuánta gente le votará en
las próximas elecciones. Por ello, realiza un sondeo a 230
personas y 69 de ellas dice que le votará.
Construye un intervalo al 90% para la proporción.
 Ejemplo
Un partido político quiere saber cuánta gente le votará en
las próximas elecciones. Por ello, realiza un sondeo a 230
personas y 69 de ellas dice que le votará.
Construye un intervalo al 90% para la proporción.

Nivel de significancia: 𝛼 = 0.05

69
Proporción muestral: 𝑝 = = 0.3
230

𝑝∙𝑞 0.3 ∙ 0.7

Intervalo de confianza: 𝑝 ∈ 𝑝 ± 𝑧𝛼/2 ∙ = 0.3 ± 1. 645 ∙
𝑛 230
= 0.2503; 0.3497
 Calcular el resto
de los componentes
Calcular nivel de confianza 𝛼
Error de estimación
𝜎
𝜇 ∈ 𝑥 ± 𝑧𝛼/2 ∙
𝑛
El error de estimación corresponde con
la semiamplitud del intervalo.
Es decir, lo que hay a la derecha del «más menos».

Despejar la distribución
𝛼
𝑧𝛼/2 = 𝑐 ⟹ 𝑃 𝑍 > 𝑐 =
2
Buscamos el resultado en la tabla de la distribución.
Ejemplo
Un partido político quiere saber cuánta gente le votará en
las próximas elecciones. Por ello, realiza un sondeo a 230
personas y 69 de ellas dice que le votará.
Si el intervalo ha sido 0.243; 0.357 , determina cuál es el
nivel de significancia elegido.
 Ejemplo
Un partido político quiere saber cuánta gente le votará en
las próximas elecciones. Por ello, realiza un sondeo a 230
personas y 69 de ellas dice que le votará.
Si el intervalo ha sido 0.243; 0.357 , determina cuál es el
nivel de significancia elegido.

Ancho del intervalo: 0.357 − 0.243 = 0.114

69
Proporción muestral: 𝑝 = = 0.3
230
𝑝∙𝑞 0.114 230
Igualdad: 0.114 = 2 ∙ 𝑧𝛼/2 ∙ ⟹ 𝑧𝛼/2 = ∙
𝑛 2 0.3 ∙ 0.7
𝛼
⟹ 𝑧𝛼/2 = 1.8874 ⟹ = 𝑃 𝑍 > 1.8874 = 0.03
2
⟹ 𝛼 = 0.06 ⟹ Nivel 94% de confianza
Calcular el tamaño muestral 𝑛
Antes de la toma de datos
Si queremos es calcular el tamaño muestral,
este será de una muestra que todavía no ha tenido lugar.
Es decir, desconocemos lo relativo a la muestra:
𝑥 , 𝑠, 𝑝

Despejar el tamaño muestral

Despejamos el tamaño muestral de nuestro intervalo.
Si estamos en una proporción, desconoceremos 𝑝 y 𝑞.
Nos pondremos en el ‘peor’ caso posible:
𝑝 = 𝑞 = 0.5
Ejemplo
Se quiere que la longitud del intervalo de confianza al 90%
sea menor que 0.15.
¿Cuál sería el tamaño muestral necesario?
Ejemplo
Se quiere que la longitud del intervalo de confianza al 90%
sea menor que 0.15.
¿Cuál sería el tamaño muestral necesario?

1
𝑝=𝑞=
2
𝑝∙𝑞 2 1 1
0.15 > 2 ∙ 𝑧𝛼/2 ∙ ⟹ 𝑛> ∙ 1.645 ∙ ∙ ⟹
𝑛 0.15 2 2

2 2
⟹ 𝑛> ∙ 1.645 ∙ 0.5 ∙ 0.5 ⟹ 𝑛 > 120.28 ⟹
0.15

⟹ 𝑛 = 121
Aproximamos siempre por arriba
Ejemplo
Tenemos una distribución normal con varianza 𝜎 2 = 5.
¿Cuál debe ser el tamaño muestral necesario para que
el error de estimación no sea superior a 0.5
en un intervalo de confianza del 95%?
Ejemplo
Tenemos una distribución normal con varianza 𝜎 2 = 5.
¿Cuál debe ser el tamaño muestral necesario para que
el error de estimación no sea superior a 0.5
en un intervalo de confianza del 95%?

𝜎 𝑧𝛼/2
0.5 > 𝑧𝛼/2 ∙ ⟹ 𝑛> ∙𝜎 ⟹
𝑛 0.5

1.96 2
⟹ 𝑛> ∙5 ⟹ 𝑛 > 384.16 ⟹
0.5

⟹ 𝑛 = 385

Aproximamos siempre por arriba

Intervalos de confianza
con dos poblaciones
Intervalo de confianza de 𝜇1 − 𝜇2
Normales con varianzas 𝜎𝑖 𝟐 conocidas
2 𝜎1 2 𝜎2 2
Si 𝑋𝑖 ~ 𝑁 𝜇𝑖 , 𝜎𝑖 ⟹ 𝑥1 − 𝑥2 ~ 𝑁 𝜇1 − 𝜇2 , +
𝑛1 𝑛2
𝑥1 −𝑥2 − 𝜇1 −𝜇2
es una cantidad pivotal para 𝜇1 − 𝜇2 .
𝜎1 2 𝜎2 2
+
𝑛1 𝑛2

Intervalo de confianza

𝜎1 2 𝜎2 2
𝜇1 − 𝜇2 ∈ 𝑥1 − 𝑥2 ± 𝑧𝛼/2 ∙ +
𝑛1 𝑛2
Intervalo de confianza de 𝜇1 − 𝜇2
Normales con varianzas 𝜎𝑖 𝟐 desconocidas y 𝜎1 𝟐 ≠ 𝜎2 𝟐
𝑥1 −𝑥2 − 𝜇1 −𝜇2
Si 𝑋𝑖 ~𝑁 𝜇𝑖 , 𝜎𝑖 2 ⟹ ~ 𝑡𝑘
𝑠1 2 𝑠2 2
+
𝑛1 𝑛2

𝑥1 −𝑥2 − 𝜇1 −𝜇2
es una cantidad pivotal para 𝜇1 − 𝜇2 .
𝑠1 2 𝑠2 2
+
𝑛1 𝑛2

2
𝑠1 2 𝑠2 2
+
𝑛1 𝑛2
𝑘= 2 2
𝑠1 2 𝑠2 2
𝑛1 𝑛2
+
Intervalo de confianza 𝑛1 −1 𝑛2 −1

𝑠1 2 𝑠2 2
𝜇1 − 𝜇2 ∈ 𝑥1 − 𝑥2 ± 𝑡𝑘;𝛼/2 ∙ +
𝑛1 𝑛2
Intervalo de confianza de 𝜇1 − 𝜇2
Normales con varianzas 𝜎𝑖 𝟐 desconocidas y 𝜎1 𝟐 = 𝜎2 𝟐
𝑥1 −𝑥2 − 𝜇1 −𝜇2
Si 𝑋𝑖 ~𝑁 𝜇𝑖 , 𝜎𝑖 2 ⟹ 1 1
~ 𝑡𝑛1 +𝑛2 −2
𝑠𝑐 ∙ +
𝑛1 𝑛2

𝑥1 −𝑥2 − 𝜇1 −𝜇2
1 1
es una cantidad pivotal para 𝜇1 − 𝜇2 .
𝑠𝑐 ∙ +
𝑛1 𝑛2

2 𝑛1 −1 ∙𝑠1 2 + 𝑛2 −1 ∙𝑠2 2
𝑠𝑐 =
𝑛1 −1 + 𝑛2 −1

Intervalo de confianza

1 1
𝜇1 − 𝜇2 ∈ 𝑥1 − 𝑥2 ± 𝑡𝑛1 +𝑛2 −2;𝛼/2 ∙ 𝑠𝑐 +
𝑛1 𝑛2
Intervalo de confianza de 𝜇1 − 𝜇2
Varianzas 𝜎𝑖 𝟐 desconocidas y 𝒏𝟏 , 𝒏𝟐 > 𝟑𝟎
Distribuciones no 𝑥1 −𝑥2 − 𝜇1 −𝜇2
⟹ ~ 𝑁 0,1
necesariamente normales 𝑠1 2 𝑠2 2
+
𝑛1 𝑛2

𝑥1 −𝑥2 − 𝜇1 −𝜇2
es una cantidad pivotal para 𝜇1 − 𝜇2 .
𝑠1 2 𝑠2 2
+
𝑛1 𝑛2

Intervalo de confianza

𝑠1 2 𝑠2 2
𝜇1 − 𝜇2 ∈ 𝑥1 − 𝑥2 ± 𝑧𝛼/2 ∙ +
𝑛1 𝑛2
Intervalo de confianza de 𝑝1 − 𝑝2
Proporciones con alto tamaño muestral
𝑝1 ∙𝑞1 𝑝2 ∙𝑞2
Si 𝑛1 , 𝑛2 > 30 ⟹ 𝑝1 − 𝑝2 ~ 𝑁 𝑝1 − 𝑝2 , +
𝑛1 𝑛2
𝑝1 −𝑝2 − 𝑝1 −𝑝2
𝑝1 ∙𝑞1 𝑝2 ∙𝑞2
es una cantidad pivotal para 𝑝1 − 𝑝2 .
+
𝑛1 𝑛2

Intervalo de confianza

𝑝1 ∙𝑞1 𝑝2 ∙𝑞2
𝑝1 − 𝑝2 ∈ 𝑝1 − 𝑝2 ± 𝑧𝛼/2 ∙ +
𝑛1 𝑛2
Intervalo de confianza de 𝜎1 /𝜎2

Normales con varianzas 𝜎𝑖 𝟐 desconocidas

2 𝑠1 2 𝑠2 2
Si 𝑋𝑖 ~𝑁 𝜇𝑖 , 𝜎𝑖 ⟹ / ~𝐹𝑛1 −1;𝑛2 −1
𝜎1 2 𝜎2 2
𝑠1 2 𝑠2 2 𝜎1
/ es una cantidad pivotal para .
𝜎1 2 𝜎2 2 𝜎2

Intervalo de confianza
𝜎1 𝑠1 2 /𝑠2 2 𝑠1 2
∈ , 2 𝐹𝑛2 −1;𝑛1 −1;𝛼/2
𝜎2 𝐹𝑛1 −1;𝑛2 −1;𝛼/2 𝑠2
Ejemplo
En 2010 se realizó un sondeo para saber cuánta gente
estaba a favor de peatonalizar la Gran Vía de Madrid. Se
preguntó a 1000 personas y 550 estaban a favor.
En 2017 se repitió este sondeo entre 1500 personas y el 60%
de ellos se declaró a favor de la peatonalización.
Construye un intervalo al 95% para el primer sondeo.
 Ejemplo
En 2010 se realizó un sondeo para saber cuánta gente
estaba a favor de peatonalizar la Gran Vía de Madrid. Se
preguntó a 1000 personas y 550 estaban a favor.
En 2017 se repitió este sondeo entre 1500 personas y el 60%
de ellos se declaró a favor de la peatonalización.
Construye un intervalo al 95% para el primer sondeo.

Nivel de significancia: 𝛼 = 0.05

550
Proporción muestral: 𝑝 = = 0.55
1000

𝑝∙𝑞 0.55 ∙ 0.45

Intervalo de confianza: 𝑝 ∈ 𝑝 ± 𝑧𝛼/2 ∙ = 0.55 ± 1. 96 ∙
𝑛 1000
= 0.5192; 0.5808
Ejemplo
En 2010 se preguntó a 1000 personas y 550 estaban a favor.
En 2017 se preguntó 1500 personas y 60% estaban a favor.
Construye un intervalo al 95% para la diferencia 𝑝2 − 𝑝1 .
¿Se puede asegurar, con un nivel de significancia del 5%,
que las proporciones han cambiado?
 Ejemplo
En 2010 se preguntó a 1000 personas y 550 estaban a favor.
En 2017 se preguntó 1500 personas y 60% estaban a favor.
Construye un intervalo al 95% para la diferencia 𝑝2 − 𝑝1 .
¿Se puede asegurar, con un nivel de significancia del 5%,
que las proporciones han cambiado?

Nivel de significancia: 𝛼 = 0.05

550
Proporciones muestrales: 𝑝1 = = 0.55 𝑝2 = 0.60
1000
𝑝1 ∙ 𝑞1 𝑝2 ∙ 𝑞2
Intervalo de confianza: 𝑝2 − 𝑝1 ∈ 𝑝2 − 𝑝1 ± 𝑧𝛼/2 ∙
𝑛1
+
𝑛2

0.55 ∙ 0.45 0.6 ∙ 0.4

= 0.6 − 0.55 ± 1. 96 ∙ +
1000 1500
= 0.0104; 0.0896 > 0
Otros intervalos
de confianza
Otros intervalos de confianza
𝜎
𝜇 ∈ 𝑥 ± 𝑧𝛼/2 ∙
𝟓% 𝟗𝟎% 𝟓% 𝑛

𝜎
𝜇 ∈ −∞, 𝑥 + 𝑧𝛼 ∙
𝟗𝟎% 𝟏𝟎% 𝑛

𝜎
𝜇 ∈ 𝑥 − 𝑧𝛼 ∙ , +∞
𝟏𝟎% 𝟗𝟎% 𝑛
Resumen una población
Normal con varianza 𝜎
𝜇 ∈ 𝑥 ± 𝑧𝛼/2 ∙
conocida 𝑛

Normal con varianza 𝑠

𝜇 ∈ 𝑥 ± 𝑡𝑛−1;𝛼/2 ∙
desconocida 𝑛

Normal con varianza 𝑠

𝜇 ∈ 𝑥 ± 𝑧𝛼/2 ∙
desconocida 𝒏 > 𝟑𝟎 𝑛

Distribución con varianza 𝑠

𝜇 ∈ 𝑥 ± 𝑧𝛼/2 ∙
desconocida 𝒏 > 𝟑𝟎 𝑛

𝑝∙𝑞
Proporción 𝑝 ∈ 𝑝 ± 𝑧𝛼/2 ∙
𝑛

𝑛 − 1 ∙ 𝑠2 𝑛 − 1 ∙ 𝑠2
Varianza 𝜎2 ∈ 2 , 2
𝜒𝑛−1;𝛼/2 𝜒𝑛−1;1−𝛼/2
Resumen dos poblaciones
Normales con varianzas 𝜎1 2 𝜎2 2
𝜇1 − 𝜇2 ∈ 𝑥1 − 𝑥2 ± 𝑧𝛼/2 ∙ +
conocidas 𝑛1 𝑛2

Normales con varianzas 𝑠1 2 𝑠2 2

𝜇1 − 𝜇2 ∈ 𝑥1 − 𝑥2 ± 𝑡𝑘;𝛼/2 ∙ +
desconocidas y diferentes 𝑛1 𝑛2

Normales con varianzas 1 1

𝜇1 − 𝜇2 ∈ 𝑥1 − 𝑥2 ± 𝑡𝑛1 +𝑛2 −2;𝛼/2 ∙ 𝑠𝑐 +
desconocidas e iguales 𝑛1 𝑛2

Distribución con varianza 𝑠1 2 𝑠2 2

𝜇1 − 𝜇2 ∈ 𝑥1 − 𝑥2 ± 𝑧𝛼/2 ∙ +
desconocida 𝒏 > 𝟑𝟎 𝑛1 𝑛2

𝑝1 ∙ 𝑞1 𝑝2 ∙ 𝑞2
Proporciones 𝑝1 − 𝑝2 ∈ 𝑝1 − 𝑝2 ± 𝑧𝛼/2 ∙
𝑛1
+
𝑛2

𝜎1 𝑠1 2 /𝑠2 2 𝑠1 2
Varianzas ∈ , 𝐹
𝜎2 𝐹𝑛1 −1;𝑛2 −1;𝛼/2 𝑠2 2 𝑛2 −1;𝑛1 −1;𝛼/2