ESTIMACIÓN DE PARÁMETROS:

ESTIMACIÓN POR INTERVALOS

MÓDULO 6

JUAN NARRO LAVI

PROFESOR DE ESTADÍSTICA PARA LA ADMINISTRACIÓN
 “LAS CIFRAS NO MIENTEN, PERO
LOS MENTIROSOS TAMBIÉN
USAN CIFRAS.”
(ANÓNIMO)

Figura 6.1.
Figura 6.1. Imagen tomada de “Matemáticas”, por UAM. Recuperado de
http://www.uam.es/ss/Satellite/Ciencias/es/1242655568413/contenidoFinal/Matematicas.html
 Sumario

1. Estimaciones por intervalos de confianza:

Estimación por intervalos de confianza
para la media y la proporción.

2. Cálculo del tamaño de muestra.

3. Intervalos de confianza para la diferencia
de medias y para la diferencia de proporciones.
 Estimación por Intervalo

Describe un intervalo de valores dentro del cual es posible

que esté el parámetro de la población.
- Basado en las observaciones de la muestra.
Da información sobre el error posible de la estimación.
Proporciona un grado de confianza para determinar donde
se ubica el parámetro de la población (1 - α)%

(Adaptado de Levin & Rubin, 2004, p. 275)

 Nivel de Confianza

Probabilidad de que el intervalo contenga al parámetro de la

población.
Se denota 100(1 - α)%
- 1- α es la probabilidad bajo la curva en el rango
del intervalo.
- α/2’s son la probabilidades en los extremos o colas
(intervalo bilateral)
- α es la probabilidad en el extremo o cola
(intervalo unilateral)
Niveles de confianza típicos son 99 %, 95 % y 90 %

(Adaptado de Levin & Rubin, 2004, p. 286)

Intervalo de Confianza para la Media

σx_
Distribución de
α/2 1-α α/2
muestreo de la

µx = µ
media

µ − Zα / 2σ X µ + Zα / 2σ X
_
x

100(1 - α)% de
los intervalos de
las muestras
contienen a µ.
Intervalo de Confianza para la Media

σ =1

−z x − zσ x x + zσ x
x−µ
0 z x

z= IC = x ± zσ x
σx
Intervalo de Confianza para la Media

σ σ
x − zα ≤ µ ≤ x + zα
2 n 2 n

IC ( 90%) = x ± 1.645σ x
IC ( 95%) = x ± 1.96σ x
IC ( 99%) = x ± 2.58σ x
Intervalo de Confianza para la Media

1-α
x-µ
σ
donde Z =
α/2 α/2 n
-Z0 Z0

Pr{− Z 0 ≤ Z ≤ Z 0 } = 1 − α
 x−µ 
Pr − Z 0 ≤ ≤ Z0  = 1 − α
 σx 
 σ σ 
Pr  x − Z0 ≤ µ ≤ x + Z0  = 1 −α
 n n 
Intervalo de Confianza para la Media
Se toma una muestra aleatoria de tamaño n=100 de una población
aproximadamente normal con una media de la muestra = 50. Calcu-
le una estimación del intervalo de la media de la población con un

σ σ
95 % de confianza si σ = 10.

x − zα ≤ µ ≤ x + zα
2 n 2 n

50 - 1.96 10 ≤ µ ≤ 50 + 1.96 10
100 100

48.04 ≤ µ ≤ 51.96
Aproximadamente 95 de 100 intervalos establecidos de manera si-
milar incluirán a la verdadera media poblacional (µ).
Intervalo de Confianza para la Media
Una encuesta hecha a 400 familias de una gran ciudad dio un gasto
medio anual en zapatos de S/. 740 por familia. La desviación están-
dar fue S/. 400. Establezca un intervalo de confianza al 0.95 de esti-
mación del gasto medio anual de zapatos por familia en esa ciudad.

 σ σ 
Pr  x − Z0 ≤ µ ≤ x + Z0  = 1 −α
 n n 

 
Pr 740 − (1.96) ≤ µ ≤ 740 + (1.96)  = 0.95
400 400
 400 400 

Pr{700.80 ≤ µ ≤ 779.20} = 0.95

Hay 0.95 de confianza que el intervalo hallado se encuentre dentro

cional (µ).
del grupo de intervalos que contienen a la verdadera media pobla-
(Adaptado de Ejercicios de inferencia estadística, 2013, p. 2)
Intervalo de Confianza para la Media
Una corporación quiere emitir algunos pagarés a corto plazo y
espera que los intereses que tendrá que pagar no sean mayo-
res al 11.5 %.
Para obtener cierta información acerca de la tasa media de in-
terés que habría que pagar, la corporación pone a la venta 40
pagarés, uno a través de cada una de las firmas de corretaje.
La media y la desviación estándar para las 40 tasas de interés
fueron 10.3 % y 0.31 % respectivamente.
Asumiendo un riesgo del 5 %, ¿entre qué rangos se encontrará
el promedio de la tasa de interés?

(Adaptado Cervantes López, s.f., p. 28)

Intervalo de Confianza para la Media
¿Cuánto será lo máximo esperado a pagar?

1 − α = 95% σx
α
_

α = 0.05, z( 0.05 ) = 1.645 1-α

µx = µ
_
x

σ
Unilateral

LSC = x + 1.645 *
n
LSC = 10.3 + (1.645) = 10.3 + 0.0806 = 10.3806
0.31
40

La tasa media de interés que tendría que pagar la Corporación

es menor a 10.3806 %, con una confianza de 95 %.
 Distribución t de Student

Características:
acampanada Normal
simétrica estándar
más plana 13 grados
para n<30
Distribución t de libertad
5 grados de
libertad

z
0 t
 Distribución t de Student

Número de observaciones que son libres de variar después

de que una estadística de la muestra ha sido calculada.

Grados de Libertad = n − 1

(Vargas Neri, s.f., p. 35)

Intervalo de Confianza para la Media
Distribución t de Student

Se usa para inferir medias cuando:

- Desconocemos la desv. estándar poblacional.
- La población está normalmente distribuida.
- n<30.
Más achatada que la normal.
Corregida por grados de libertad, gl = n-1

x − tα ≤ µ ≤ x + tα
S S
2
, gl n 2
, gl n
(Adaptado de Levin & Rubin, 2004, p. 297)
Intervalo de Confianza para la Media
Distribución t de Student

x -µ
1-α
Pero,
t =
α/2 α/2 S
n
-t t

Pr{− t 0 ≤ t ≤ t 0 } = 1 − α
0 0

 
 x−µ 
Pr − t 0 ≤ ≤ t0  = 1 − α
 
 
S
n
 s 
Pr  x − t 0 ≤ µ ≤ x + t0  = 1−α
s
 n n
 Intervalo de Confianza para la Media
Distribución t de Student
Una muestra de tamaño n = 10 tomada de una población aproxima-
damente simétrica, tiene x = 50 y s = 8. Establezca un intervalo de
confianza de 95 % para estimar µ.
Grados de libertad: 10-1=9
Empleando EXCEL, función dist. t inversa (α= 0.05, dos colas)
t = 2.262

8 8
50 − 2.262 < µ < 50 + 2.262
100 100

44.28 < µ < 55.72

 Intervalo de Confianza para la Media
Distribución t de Student

Nueve automóviles del mismo modelo fueron conduci-

dos de idéntica manera usando un litro de gasolina co-
rriente.
La distancia media recorrida por estos automóviles fue
de 8 Kms con una desviación estándar de 1,14 Kms.
Con una confianza al 0.95, estimar el kilometraje
medio por litro de gasolina para este modelo de auto-
móvil.

(Adaptado de Fundación Centro Colombiano De Estudios Profesionales, 2011, p. 3)

 Intervalo de Confianza para la Media
Distribución t de Student
GL= n - 1=8 t (0.025,8)= 2.306

 1.14 
Pr 8 − 2.306 (
1.14
) ≤ µ ≤ 8 + 2.306 ( ) = 0.95
 9 9 

Pr{7.12372 ≤ µ ≤ 8.87628} = 0.95

Hay 0.95 de confianza que el intervalo hallado se encuentre dentro

del grupo de intervalos que contienen la verdadera media poblacio-
nal, por lo que el kilometraje promedio por litro de gasolina está
entre 7.12 y 8.88, con un nivel de confianza de 0.95.
Intervalo de Confianza para la Media

Si No
¿Puede la desviación estándar σ
ser asumida o conocida?
Use la desviación

σ Conocida
estándar muestral
s para estimar σ

σ
Usar
x ± tα / 2
Usar
x ± zα /2
S Desconocida s
n n

(Adaptado de Levin & Rubin, 2004, p. 301)

 Intervalo de Confianza para una
Proporción
IC(1−α ) = p ± z(α / 2 ) σ Procedimiento semejante a la
p (1 − p )
p

IC(1−α ) = p ± z(α / 2 )
estimación de la media
n Factores:
•Número de observaciones
en la muestra (n).
•El valor de p.
•El nivel de confianza z
(Adaptado de Lind et al., 2012, pp. 313-316)

Figura 6.3.
Figura 6.3. Imagen tomada de “From The Desk Of Dr. Harvey
R. Bernard, M.D. Medical Director”, por NYS Department of
Health. Recuperado de https://www.health.ny.gov/health_-
care/medicaid/program/update/2001/may2001.htm
Intervalo de Confianza para una
Proporción

µp = p

σp =
pq
n

p − zα ≤ π ≤ p + zα
pq pq
2 n 2 n
 Intervalo de Confianza para una
Proporción
De 985 electores encuestados, 592 indican que votarán por el can-
didato oficialista. Con un nivel de confianza del 0.90, ¿Cuál es la pro-
porción de votantes de la población que piensa votar por el candida-
to oficialista?
¿Tiene probabilidades de ganar?

p= = 0.601 q = 1 − 0.601 = 0.399 n = 985

592

0.601 × 0.399
985

σp = = = 0.016
pq
n 985
 Intervalo de Confianza para una
Proporción

p − zα ≤ π ≤ p + zα
pq pq
2 n 2 n

IC = 0.601 ± 1.64 × 0.016 = 0.601 ± 0.026

IC = 0.575 ≤ π ≤ 0.627
Hay 0.95 de confianza de que el intervalo hallado se encuentre
dentro del grupo de intervalos que contienen la verdadera proporción
poblacional.
Más del 50 % de la población votaría por el candidato oficialista.
Para σ de la Población no conocida

Σ( x − x ) σˆ
σˆ = s = σˆ x =
2

n −1 n

ˆ = p σˆ p =
pq
p
n
Para σ de la Población no conocida

x ≈ N ( µ ,σ )
x−µ
z=
σ
,

x−µ
z=
σ
Error de muestreo

σ
σ
x

= , M .C.R.

σ
x
n
N −n
σ x
=
n N −1
, M .S .R.
 Cálculo del Tamaño de la
Muestra - Media
σ
Error = zσ x = z

z σ
n

n =   Muestreo con reposición o población Infinita
2


(α / 2 )

 Error 
Si es muestreo sin reposición interviene F.C.P.F., se calcula en
dos pasos:
z σ 
I. n0 =  Error  , M .C.R.
2


(α / 2 )

 
Si n0 > 0.05 N pasamos a II, sino n= n0

=
n −1
n
1+ 
0
II. n

 N 
0

(Adaptado de Lind et al., 2012, p. 317-318)

 Cálculo del Tamaño de la
Muestra - Proporción
p - π = Error = zσ p = z
pq
n

n= zα pq 2
( / 2)
Muestreo con reposición o población infinita
Error 2
Si es muestreo sin reposición interviene F.C.P.F.,
se calcula en dos pasos:

I. n =
2
α
z pq
0
, M .C.R. Si n0 > 0.05 N pasamos a II, sino n= n0
( / 2)
2
E
= Si no conocemos π o p, usamos 0.5,
 −1
n
II.
1+  n
0
n
 esto nos da un mayor tamaño de n.
 N 
0

(Adaptado de Lind et al., 2012, p. 318-319)

 Cálculo del Tamaño de
2
la Muestra -¿σ ?
Error = t (α / 2 ,n −1) S x = t (α / 2 ,n −1)
S
n

,σ x ≈
Muestreo con reposición o población
n= α
2 2
t / 2 , n*−1) S
(
2 S x
infinita, n*-1 grados de libertad, y n*=
E muestra piloto

Si es muestreo sin reposición interviene

FCPF, se calcula en dos pasos:

=
2 2

I. n tα
( / 2 , n*−1) s , M .C.R. Si n0 > 0.05 N pasamos a II, sino n= n0
0 2
E
=
 −1
n
1+  n
0
n

II.
 N 
0
 Cálculo del Tamaño de la Muestra

Se desea estimar la media de consumo mensual de combustible por

los automóviles de una ciudad dentro de ±50 galones del valor ver-
dadero con una confianza del 95 %. Con base en un estudio realiza-
do el año anterior, se conoce que la desviación estándar es de 325
galones.
¿Cuál será el tamaño de la muestra requerido para esta estimación?

z(α / 2 ) = 1.96
σ
Error = z(α / 2 ) ×
n
Cálculo del Tamaño de la Muestra

50 = 1.96 ×
325
n
(1.96) × (325)
n= =
2 2

2
162. 31
(50)
n = 163
Cálculo del Tamaño de la Muestra
¿Qué tamaño de muestra de clientes debe escoger una comercia-
lizadora para estimar la proporción de ventas del próximo año, si
desean que su estimación quede dentro del 0.04 de la proporción
real con probabilidad igual a 0.90?

z(α / 2 ) = 1.64

margen de error = E = p − π = zα / 2 × σ p
Cálculo del Tamaño de la Muestra

0.5 × 0.5
0.04 = 1.64 × = 1.64 ×
pq
n n
(1.64) × 0.5 × 0.5
n= = = 420.25
2 2
z pq
2 2
error (0.04)
n = 421
Cálculo del Tamaño de la Muestra

Se calcula que la media de los promedios de los puntos de cali-

dad; en términos relativos, de una muestra aleatoria de 36 alum-
nos del último ciclo de la universidad QP es de 2.6 puntos.

Encuentre los intervalos de confianza del 95 % y 99 % para la

media de todos los alumnos del último ciclo; del último censo
universitario se sabe que la desviación estándar es 0.3 puntos.

¿Qué tan grande se requiere que sea la muestra, si se desea una

confianza del 95 % que la estimación de la µ difiera de esta por
menos de 0.05 puntos?
Cálculo del Tamaño de la Muestra

36, x =2.6 ptos. , 1 - = 0.95 y 0.99, 0.3 ptos

σ σ
x − zα ≤ µ ≤ x + zα
2 n 2 n

2.6 − (1.96) ≤ µ ≤ 2.6 + (1.96)

0 .3 0 .3
36 36

2.6 (1.96)0.05 ≤ µ ≤ 2.6 + (1.96)0.05

2.5020 ≤ µ ≤ 2.6980
Cálculo del Tamaño de la Muestra

σ σ
x − zα ≤ µ ≤ x + zα
2 n 2 n

2.6 − ( 2.58) ≤ µ ≤ 2.6 + ( 2.58)

0.3 0.3
36 36

2.6 − ( 2.58)0.05 ≤ µ ≤ 2.6 + ( 2.58)0.05

2.4710 ≤ µ ≤ 2.7290
Cálculo del Tamaño de la Muestra

z(α / 2 ) = 1.96
Error = 0.05
σ = 0 .3
( z (α / 2 ) ) σ
n=
2 2

2
E
(1.96) × (0.3)
n= = 138.29
2 2

2
(0.05)
n ≈ 139
Cálculo del Tamaño de la Muestra
Los contenidos de 7 frascos similares con ácido sulfúrico son
9.8, 10.2, 10.4, 9.8, 10.0, 10.2 y 9.6 cc.

Determinar un intervalo de confianza del 95 % para la media de

todos los frascos (µ), suponiendo que se trata de una distribu-
ción aproximadamente normal.

¿Cuál será el tamaño óptimo de la muestra, si deseamos tener

un nivel de error del 5 % y una precisión de 0.25 cc. para esti-
mar la µ?

Error = t (α / 2 ,n −1) S x = t (α / 2 ,n −1)

S
n
Cálculo del Tamaño de la Muestra
n° frasco CC Error = 0.25 cc
α = 0.05, 1 - α = 0.95
1 9.80
2 10.20

α/2 = 0.025,
Promedio 10.00
desv.
3 estándar 0.28
gl. = n - 1 = 6
10.40
4 9.80

s = 0.28
5 10.00
6 10.20
7 9.60

n= α
2 2
t ( / 2 , n*−1) S
2
E
2 2

n= = 7.51 ≈ 8
(2.4469) (0.28)
2
(0.25)
Cálculo del Tamaño de la Muestra

En una muestra aleatoria de 500 familias que tienen televisor en

las zonas de San Borja y San Isidro, se encontró que 340 se
habían suscrito a Cable Mágico. Se desea establecer un intervalo
de confianza de 95 % para la proporción actual de familias en San
Borja y San Isidro que están suscritos a este servicio.

¿Qué tan grande será la muestra (n) si deseamos tener una con-
fianza del 95 % y una precisión del 2 %?

(Adaptado de Instituto Tecnológico De Chihuahua, s.f.)

 Intervalo de Confianza
para una Proporción
p= = 0.68 q = 1 − 0.68 = 0.32 n = 500
340

0.68 × 0.32
500

σp = = = 0.0209
pq
n 500

p − zα ≤ π ≤ p + zα
pq pq
n n
IC = 0.68 ± 1.96 × 0.0209 = 0.68 ± 0.0410
2 2

IC = 0.6390 ≤ π ≤ 0.7210
 Intervalo de Confianza
para una Proporción
Hay 0.95 de confianza que el intervalo hallado se encuentre dentro
del grupo de intervalos que contienen la verdadera proporción pobla-
cional.

z(α / 2 ) = 1.96
E = p − π = zα / 2 × σ p
0.68 × 0.32
0.02 = 1.96 × = 1.96 ×
pq
n n
(1.96) × 0.68 × 0.32
n= = = 2089.83 ≈ 2090
2 2
z pq
2 2
error (0.02)
 Intervalo de Confianza
para una Proporción

σ σ
2 2

)+ zα σ
Cuando conocemos las varianzas

( x1 − x2
1 2

x1 − x2

)− zα σ
L.S.C

( x1 − x2
( / 2)

x1 − x2
L.I.C ( / 2)

σ = σ + σ
2 2

x1 − x2
1 2

n 1 n 2
Intervalo de Confianza para la µ1-µ2

Aplicamos una prueba de aptitud académica a 50 niñas y 75

niños de un nido, como parte de su preparación para ingresar al
colegio.
Las niñas obtienen una calificación promedio de 76 puntos, y los
niños de 82 puntos.
Encuentre un intervalo de confianza del 96 % para la diferencia
entre µ1-µ2 donde µ1 es la calificación promedio de todos los
niños y µ2 de todas las niñas que realizaron la prueba.
De estudios anteriores se estableció que las desviaciones están-
dar para las niñas y los niños son 6 y 8 respectivamente.
Intervalo de Confianza para la µ1-µ2

( x1 − x2 ) − z (α / 2 )σ x − x ≤ µ1 − µ 2 ≤ ( x1 − x2 ) + z (α / 2 )σ x − x
1 2 1 2

Niños (1) Niñas (2)

σ = σ + σ
2 2

x1 − x2
1 2
n=75 n=50
X = 82 X= 76 n 1 n 2

σ
σ =8 σ=6
= +
2 2
8 6
1 − α = 0.96,
x1 − x2
75 50
α / 2 = 0.02
z(α / 2 ) = 2.05 σ = + = 1.2543
64 36
x1 − x2

( x1 − x2 ) = (82 − 76) = 6
75 50
Intervalo de Confianza para la µ1-µ2

( x1 − x2 ) − z (α / 2 )σ x − x ≤ µ1 − µ 2 ≤ ( x1 − x2 ) + z (α / 2 )σ x − x

(6) − (2.05)1.2543 ≤ µ1 − µ 2 ≤ (6) + (2.05)1.2543

1 2 1 2

3.4287 ≤ µ1 − µ 2 ≤ 8.5713

Hay 96 % de confianza que el intervalo hallado se encuentre dentro

del grupo de intervalos que contienen la verdadera diferencia entre
las medias poblacionales.
Intervalo de Confianza para la µ1-µ2

σ σ
Cuando no conocemos las 2 2
varianzas pero son iguales. 1 2

( x1 − x2 ) + t (α / 2 , gl ) S p +
1 1
L.S.C
n 1 n 2

( x1 − x2 ) − t (α / 2 , gl ) S p +
1 1
L.I.C
n
1 n 2

(n1 − 1) S 1 + (n2 − 1) S 2
=
2 2

n1 + n2 − 2
S p
Intervalo de Confianza para la µ1-µ2
Una Empresa minera del centro del país está preocupada por la
polución de un río donde descarga sus relaves previamente trata-
dos. Efectúa un estudio sobre la contaminación medida en mgr.
de sedimentos por litro; se establecieron 2 estaciones, una cerca-
na a la descarga (2) y otra río abajo (1). Para 12 muestras recogi-
das mensualmente en la estación # 1 se obtuvo un promedio de
3.11 mgr/lt. y desv. estándar 0.771, mientras que en 10 mues-
tras recogidas en la estación # 2, se obtuvo un promedio de 2.04
y desv. estándar 0.448.

Determinar el intervalo de confianza para µ1-µ2 asumiendo

poblaciones normalmente distribuidas y varianzas homogéneas.
Intervalo de Confianza para la µ1-µ2
( x1 − x2 ) − t (α / 2 , gl ) S p + ≤ µ1 − µ 2 ≤ ( x1 − x2 ) + t (α / 2 , gl ) S p +
1 1 1 1
n
1 n 2 n
1 n 2

(n1 − 1) S 1 + (n2 − 1) S 2
=
Estac. 1 Estac. 2 2 2

n1 + n2 − 2
n=12 n=10 S p

X = 3.11 X= 2.04

(12 − 1)(0.771) 2 + (10 − 1)(0.448) 2

S =0.771 S=0.448
Sp = 12 + 10 − 2
1 − α = 0.90,
α / 2 = 0.05 S p = 0.646
gl = n1 + n2 − 2
t(α / 2 , gl ) = t( 0.05, 20 ) = 1.725
( x1 − x2 ) = (3.11 − 2.04) = 1.07
Intervalo de Confianza para la µ1-µ2

( x1 − x2 ) − t (α / 2 , gl ) S p + ≤ µ1 − µ 2 ≤ ( x1 − x2 ) + t (α / 2 , gl ) S p +
1 1 1 1
n1 n 2 n
1 n 2

(1.07) − 1.725(0.646) + ≤ µ1 − µ 2 ≤ (1.07) + 1.725(0.646) +

1 1 1 1
12 10 12 10

0.593 ≤ µ1 − µ 2 ≤ 1.547

Hay 90 % de confianza que el intervalo hallado se encuentre dentro

del grupo de intervalos que contienen la verdadera diferencia entre
las medias poblacionales.
Intervalo de Confianza para la π1-π2

zα σ
Cuando las muestras n1 y n2 son grandes (n>30)

( p1 − p 2 ) p1 − p 2

z σ
L.S.C

( p1 − p 2 )
( / 2)

L.I.C (α / 2 ) p1 − p 2

σ = +
p1 q1 p2 q2
p1 − p 2
n1 n 2
 BIBLIOGRAFÍA
Cervantes López, E. (s.f.). Estadística Inferencial. Recuperado de http://www.inegi.org.mx/inegi/spc/do-
c/INTERNET/19-%20Curso%20estad%C3%ADstica%20Inferencial.pdf

Fundación Centro Colombiano De Estudios Profesionales. (2011). Estimación de intervalos de confian-

za y muestras. Periodo académico: II-2010. Recuperado de https://estadisticainferencial.wikispaces.-
com/file/view/TALLER+ESTIMACION+DE+PARAMETROS.docx.

Instituto Tecnológico De Chihuahua. (s.f.). Estimación de una Proporción. Recuperado de http://www.it-

chihuahua.edu.mx/academic/industrial/estadistica1/cap01d.html
Levin, R., & Rubin, Estadística para administración y economía (7a ed.). México: Pearson Prentice Hall.

Lind, D., Marchal, W., & Wathen, S. (2012). Estadística aplicada a los negocios y la economía (15a ed.).
México: McGraw-Hill.

Vargas Neri, G. (s.f.). Estadistica I CSH [diapositivas de Power Point]. Recuperado de ht-
tp://s54536b9429f51100.jimcontent.com/download/ver-
sion/1268111405/module/3449044054/name/TEMA%20V.pps

Ejercicios de inferencia estadística. (s.f.). Recuperado de ihttp://www.srbarreiro.es/Apuntes/CCSS_2b-

to/Ejercicios/EJEBT2CS-INFEST.pdf