UNIVERSIDAD NACIONAL EXPERIMENTAL SUR DEL LAGO

“JESUS MARIA SEMPRUM”O

(UNESUR)
PROGRAMA: CONTADURÍA PÚBLICA
UNIDAD CURRICULAR: ESTADÍSTICA II

UNIDAD I: CONTRASTE DE HIPÓTESIS

YARITZA VILLASMIL
V-19.539.989
TELEF. 0424-7780102
SEMESTRE III SECCIÓN A
PROFESORA: BENEDICTO BRAVO

SANTA BARBARA DE ZULIA, 26 DE MAYO DE 2024

 INDICE
UNIDAD I: Contraste de Hipótesis.
Pag.
 A qué se denomina, en estadística; hipótesis. 6

 A qué hace referencia el contraste de hipótesis. 8

 A qué hace referencia; contraste de hipótesis bilateral. 10

 A qué hace referencia; contraste de hipótesis unilateral. 13

 Desviación estándar. 18

 Tipos de error 19

 Nivel de significancia 20

 Zona crítica 21

 Intervalo de confianza 21

 Conclusión 25

 Bibliografía 26

Página 2 de 24
UNIDAD I: Contraste de Hipótesis.
Popper (1967) propuso que una cierta teoría puede racionalmente considerarse
como cierta frente a otras con las que se halla en competencia, si, a pesar de
numerosos intentos, no se consigue refutarla. Este autor sugirió poner a prueba
las hipótesis científicas, mediante experimentos u observaciones y comparar los
patrones deducidos de la teoría con los datos obtenidos. La teoría seria
provisionalmente confirmada si, los datos recogido siguiesen estos patrones,
aunque los datos futuros podrían contradecirla. En cambio, si los datos del
experimento se apartasen del patrón esperado, la teoría sería refutada, por lo que
el rechazo de la hipótesis tiene mayor fuerza que su confirmación.

Estas ideas de Popper tuvieron una gran influencia en el desarrollo de la

inferencia estadística, que fue desarrollada para tratar de apoyar el
razonamiento inductivo, recurriendo a la probabilidad. Ya que mediante un
razonamiento inductivo no es posible llegar a la certidumbre de una proposición
(verdad cierta), diversos autores intentaron enunciar proposiciones probables
(verdad probable), tratando de calcular la probabilidad de que una hipótesis fuese
cierta (Ridadulla, 1991; Batanero, 2000).

Fuente: Carmen Batanero Bernabeu Facultad de Educacion, Universidad de Granada España. XIII CIAEM-IACME,
Recife, Brasil, 2011.

La inferencia estadística

Se llama estadística inferencial o inferencia estadística a la rama de la

Estadística encargada de hacer deducciones, es decir, inferir
propiedades, conclusiones y tendencias, a partir de una muestra del conjunto. Su
papel es interpretar, hacer proyecciones y comparaciones.

Consiste, básicamente, en determinar algunas características desconocidas de una

población partiendo de datos muestrales conocidos. Estas características
poblacionales serán "inferidas" utilizando los recursos de la TEORÍA MATEMATICA
DE LA PROBABILIDAD.

Fundamentalmente la Inferencia Estadística consiste en la resolución de dos

grandes categorías de problemas:

Página 3 de 24
 -La Estimación: Determinar el valor de una característica poblacional
desconocida. Podrá ser:

• Por punto: Determinación de un valor poblacional concreto

• Por intervalo: Determinación de un intervalo en el que quede incluido el valor

de la característica con cierto grado de probabilidad.

Fuente: https://concepto.de/estadistica-inferencial/#ixzz8NydGsUQ0
https://concepto.de/estadistica-inferencial/#ixzz8Nycz0S5V

La estadística inferencial se utiliza en una variedad de campos para hacer

predicciones y tomar decisiones basadas en datos. Aquí hay algunos ejemplos de
cómo se puede usar la estadística inferencial:

Fuente: https://www.questionpro.com/blog/es/estadistica-inferencial/

Página 4 de 24
 En investigación científica: La estadística inferencial es fundamental en
la investigación científica, donde se utilizan técnicas como pruebas de hipótesis
y análisis de varianza para determinar si los resultados obtenidos de una
muestra son representativos de la población de interés.

En negocios: Las empresas a menudo utilizan la estadística inferencial para

tomar decisiones importantes, como determinar el tamaño de la muestra necesario
para obtener resultados representativos, estimar la demanda de productos,
analizar la satisfacción del cliente y evaluar el rendimiento de los empleados.

En salud: La estadística inferencial es fundamental en la investigación médica,

donde se utilizan técnicas estadísticas para evaluar la eficacia de nuevos
tratamientos y medicamentos, así como para analizar los factores de riesgo para
enfermedades.

En política: También se utiliza en política para hacer predicciones sobre el

resultado de elecciones, encuestas de opinión pública, y para analizar los datos de
votación.

Tipos de estadística inferencial

La estadística inferencial se divide en dos categorías:

 Pruebas de hipótesis.
 Análisis de regresión.

Los investigadores suelen emplear estos métodos para generalizar los

resultados a poblaciones más grandes a partir de muestras pequeñas.
Veamos algunos de los métodos disponibles en estadística inferencial.

A qué se denomina, en estadística; hipótesis.

El Diccionario de la lengua española señala: etimológicamente tiene su origen

en los términos griegos: "hipo" y "thesis'' que equivalen a: "lo que se supone".
Según esta noción, la hipótesis representa una gran generalidad y desde este
punto de vista, es un enunciado teórico supuesto, no verificado pero probable,
referente a variables o relación entre variables.

Isaac Asfmov, citado por Best (1967) dice que la hipótesis es una simple
conjetura inteligente. Blalock (1984), la define como un enunciado acerca de un

Página 5 de 24
Briceida Carnacho de Báez - 95 acontecimiento cuyo resultado se desconoce en el
momento de la predicción, formulada de modo que pueda descontarse. Hernández
y otros (2000:74), afirman: "son proposiciones tentativas acerca de las relaciones
entre dos o más variables y se apoyan en conocimientos organizados y
sistemáticos".

Los términos "hipótesis" y "predicciones" representan diferentes pasos del

método científico. Si bien diferentes autores adhieren a diferentes definiciones del
significado de hipótesis, en general las hipótesis científicas se definen como una
proposición general (particular o universal) que puede verificarse solo de manera
indirecta, esto es, por el examen de sus predicciones (Bunge 1997). Las
predicciones son, por ende, los resultados esperados bajo el supuesto de que
nuestra hipótesis es verdadera (i.e., sus posibles consecuencias). Comparando
estos resultados esperados con los resultados reales obtenidos de nuestra
investigación, podemos entonces rechazar (o no) la veracidad de nuestra idea. Por
ende, los términos "hipótesis" y "predicciones" no solo son diferentes pasos del
método científico, sino que siguen una secuencia direccional lógica que no es
intercambiable. Sin embargo, la confusión en el uso de dichos términos es muy
frecuente y su utilización incorrecta excede el error semántico. Alrededor del 50%
de los trabajos publicados en varias de las principales revistas de ecología
(incluyendo a Ecología Austral) utilizan erróneamente los términos "hipótesis" y
"predicciones" (Farji-Brener 2003).

Que es una hipótesis; Una creencia sobre la población, principalmente sus

parámetros: Media, Varianza, Proporción. Si queremos contrastarla, debe
establecerse antes del análisis. Dicha creencia puede ser o no ser verdadera

En todo contraste de hipótesis, hay 2 enunciados excluyentes:

- Hipótesis nula o H0: Hipótesis que se somete a comprobación para ver si se

rechaza o no.

- Hipótesis alternativa o H1: Hipótesis que se acepta cuando se rechaza H 0, es la

negación de H0.

Ambas hipótesis NO tienen igual fuerza, salvo que se demuestre lo contrario,

hay que asumir que H0 es cierta.

Página 6 de 24
 ¿Son hipótesis las hipótesis "nulas" (H0) o las "alternativas" (Ha)? En cierto
sentido, lo son. La similitud o desigualdad del parámetro entre las poblaciones (H0
y Ha, respectivamente) no es calculada, sino inferida en función de la probabilidad
que tiene el estadístico calculado de ocurrir bajo el supuesto de que no existen
diferencias de los parámetros entre las poblaciones. Si este valor es muy pequeño
(usualmente menor al 5%), la hipótesis nula se rechaza y, por descarte, uno se
queda con la hipótesis estadística alternativa (i.e., el parámetro difiere entre las
poblaciones) como "verdadera". Dicho de otra forma, si la "hipótesis" nula fuese
verdadera, es poco probable que el estadístico calculado con nuestros datos
obtenga ese valor (e.g., ocurrirá menos de 5 veces cada 100). Las "hipótesis"
estadísticas podrían entonces considerarse como hipótesis porque son propuestas
(i.e., "escenarios" posibles), que se comprueban de manera indirecta (Bunge
1997). Sin embargo, su sentido difiere al de las hipótesis científicas comúnmente
utilizadas en la planificación y desarrollo de un proyecto de investigación. Como
puede observarse, las "hipótesis" estadísticas representan claramente resultados
esperados bajo diferentes escenarios biológicos, y no verdaderas hipótesis en el
sentido previamente discutido. Dado que los resultados esperados o predicciones
no son hipótesis científicas en sí mismas, sino sus consecuencias, ¿qué
representan entonces las hipótesis estadísticas?
Fuente: Ecol. austral v.14 n.2 Córdoba jul./dic. 2004 http://www.scielo.org.ar/scielo.php?
script=sci_arttext&pid=S1667-782X2004000200011
Briceida Camacha de Báez - https://librosaccesoabierto.uptc.edu.co/index.php/editorialuptc/catalog/download/
124/154/3264?inline=1

A qué hace referencia el contraste de hipótesis.

“Neyman y Pearson” conceptualizaron el contraste de hipótesis como un

proceso de decisión que permite elegir entre una hipótesis dada H0 y otra
hipótesis alternativa H1 (Rivadulla, 1991). Por ello contemplan dos posibles
decisiones respecto a H0: rechazar esta hipótesis, asumiendo que es falsa y
aceptando la alternativa, o abstenerse de esa acción. Al tomar una de estas
decisiones sobre las hipótesis a partir de los resultados del contraste se consideran
dos tipos de error:

Página 7 de 24
 - Error tipo I: Rechazar una hipótesis nula cuando es cierta. Se suele establecer
un criterio de prueba que asegura que la probabilidad de cometer este tipo de
error sea menor que un número α preestablecido o nivel de significación.

- Error tipo II: aceptar la hipótesis nula que de hecho es falsa. Beta ( β ) es la
probabilidad de cometer este tipo de error y el complemento de beta (1 – β ) sería
la potencia del contraste. Mientras que α es un número preestablecido, β es
variable, porque su valor depende del valor del parámetro (generalmente
desconocido).

Un contraste de hipótesis tiene una presunción a favor de H 0, de forma similar

a como ocurre en los tribunales de justicia, donde hay una presunción de
inocencia. Dado que uno es inocente hasta que se demuestre lo contrario, la
evidencia aportada debe ser muy consistente para admitir la culpabilidad

Reglas de inferencia negativa --- Se da por supuesto que la hipótesis nula es

verdadera - La decisión por H 1, viene dada a partir del rechazo de H 0.

Elementos a establecer en Contraste Hipótesis

• Hipótesis nula H o
- Afirmación en términos de igualdad
- Hipótesis científicamente más simple
- Los datos pueden refutarla
- No debería ser rechazada sin una buena razón.

• Hipótesis Alternativa H 1
- Niega a H0
- Hipótesis que se quiere demostrar fuera de toda duda
- Si nos decantamos por ella se quiere estar prácticamente seguro de que es
cierta
- Los datos pueden mostrar evidencia a favor
- No debería ser aceptada sin una gran evidencia a favor.

 Nivel de significación, α
- Probabilidad [Rechazar H0 / H0 es cierta] = α
- Es un valor tanto más pequeño cuántas más garantías se precisen de que una
decisión a favor de H1 sea correcta.
Usualmente se toma α = 0.05
Página 8 de 24
 • Estadístico de Contraste
- Variable aleatoria que se usa para realizar el test
- Es una función de los valores de la muestra que resume la información
relevante de ella.
- Si se cumple H0, su comportamiento es conocido.

¿Quién es H0?
Ejemplo: En la ejecución de una prueba diagnóstico del SIDA hay 2
posibilidades: que se obtenga resultado positivo, o que se obtenga resultado
negativo. No obstante, la prueba no es 100% exacta, ya que existen los falsos
negativos y falsos positivos. Determine quién sería H0»

Hipótesis:
- El individuo está enfermo (el virus está en el individuo)
- El individuo está sano (no existe el virus)
- Seleccionar la hipótesis nula, H0 : El individuo está sano

Contraste de hipótesis bilateral.

Llamamos contraste bilateral a aquél en el que la hipótesis nula se formula en

términos de igual y la alternativa en términos de distinto. En estos casos la región
de aceptación sería el área central determinada por los valores críticos que
previamente son determinados por el nivel de significación.

Fuente: Proyectodescartes.org

Página 9 de 24
 En ocasiones, cuando realizamos una prueba de hipótesis, nuestra hipótesis
nula pueden ser de la forma

Para la media, o si se trata de una proporción.

En este caso, la hipótesis alternativa es del tipo cuando se

trata de la media, para la proporción.

Procedimiento y fórmulas del contraste bilateral

A partir de aquí consideramos sólo la prueba de hipótesis para la media. El

procedimiento es muy similar para las proporciones y se indicará cuando sea
diferente. Observemos que la hipótesis nula es una igualdad. Por lo tanto,
rechazaremos la hipótesis nula cuando la media muestral sea mucho mayor o
mucho menor a la hipotética. En otras palabras, la región de rechazo se divide en
dos regiones alejadas de la media. Estas regiones (o colas) de la región
de rechazo son simétricas respecto a la media hipotética. Además, la
probabilidad de estas regiones se conoce como el nivel de significación.

Por tanto, en este caso la región de aceptación es el intervalo de

probabilidad para . Este intervalo se obtiene al descargar las colas de la
región de rechazo y está dado por

en el caso de la prueba de hipótesis para la media hipotética .

Por otro lado, si hacemos una prueba de hipótesis para la proporción , entonces
la región de aceptación está dada por

Página 10 de 24
En estas regiones, es el tamaño de muestra, es el valor crítico, es la
media hipotética y es la proporción hipotética.

Los valores críticos para la significancia se resumen en la siguiente tabla:

Intervalos característicos
0.90 0.05 1.645
0.95 0.025 1.96
0.99 0.005 2.575

Observemos que esta prueba de conoce como bilateral ya que la hipótesis

se rechaza si la media (o proporción) muestral es mucho mayor o menor que la
hipotética, es decir, la hipótesis se puede rechazar en ambos lados de (o ).

Ejemplo

Se sabe que la desviación típica de las notas de cierto examen de Matemáticas es

2,4. Para una muestra de 36 estudiantes se obtuvo una nota media de 5,6. ¿Sirven
estos datos para confirmar la hipótesis de que la nota media del examen fue de 6,
con un nivel de confianza del 95%?

Realizamos los pasos para hacer una prueba de hipótesis:

a) Primero enunciamos las hipótesis nula y alternativa. La hipótesis nula es

Es decir, que la nota promedio es 6. Por otro lado, la hipótesis alternativa es

Que significa que la nota promedio es diferente a 6. Observemos que como la

hipótesis nula es una igualdad, entonces haremos un constraste bilateral.

Página 11 de 24
 b) Luego construimos la zona de aceptación. Como tenemos que el nivel de
confianza es 95%, entonces el nivel de significancia es . A este
valor de significancia le corresponde el valor crítico

De este modo, el intervalo de aceptación para la media es

es decir,

c) Después realizamos la verificación: la media obtenida en la muestra es de

5.6.
d) Por tanto, decidimos que la hipótesis nula se acepta debido a
que se encuentra dentro del intervalo de aceptación. Es decir,
concluimos que no hay evidencia suficiente para decir que la media es
diferente a 6.
Fuente: https://www.superprof.es/apuntes/escolar/matematicas/estadistica/inferencia/contraste-bilateral.html

Contraste de hipótesis Unilateral.

Unilateral derecho: llamamos contraste unilateral derecho a aquél en el que

la hipótesis nula se formula en términos de menor o igual y la alternativa en
términos de mayor. En estos casos la región de aceptación sería el área que deja a
su izquierda el valor crítico que previamente determina el nivel de significación.

Página 12 de 24
 Unilateral izquierdo: llamamos contraste unilateral izquierdo a aquél
en el que la hipótesis nula se formula en términos de mayor o igual y la
alternativa en términos de menor. En estos casos la región de aceptación sería
el área que deja a su derecha el valor crítico que previamente determina el
nivel de significación.

Fuente: https://proyectodescartes.org

En ocasiones, cuando realizamos una prueba de hipótesis para la media,

nuestra hipótesis nula pueden ser de la forma

por lo que la hipótesis alternativa sería

Otra posibilidad es que la hipótesis nula sea del tipo

de modo que la hipótesis alternativa es

Procedimiento y fórmulas del contraste unilateral

Consideramos ambos casos por separado, empezando con el caso "menor o igual
que".

Caso "menor o igual que"

En este caso, la hipótesis nula es del tipo

Página 13 de 24
en el caso de la media. De modo que la hipótesis alternativa es

En este caso, rechazaríamos la hipótesis nula si la media muestral es mucho

mayor a la media hipotética. La región de rechazo se muestra en la siguiente
imagen, donde podemos apreciar que esta región de rechazo se concentra en la
cola derecha de la distribución.

En este caso, la región de aceptación es

en donde es el valor crítico para la significación , es la desviación estándar

de la población y es la media hipotética.

Caso "mayor o igual que"

Para este caso, la hipótesis nula es del tipo

mientras que la hipótesis alternativa es

Página 14 de 24
Aquí, rechazaríamos la hipótesis nula si la media de la muestra es muy inferior
a la media hipotética. En la siguiente imagen se muestra la región de rechazo, la
cual se concentra en la cola izquierda de la distribución:

Por último, la región de aceptación en este caso está dada por

Al igual que en el caso anterior, es el valor crítico para la significación , es la

desviación estándar de la población y es la media hipotética.

Prueba de hipótesis para una proporción

En el caso de una proporción, si la hipótesis nula es de la forma

y la hipótesis alternativa es del tipo

entonces la región de aceptación en este caso está dada por

Por otro lado, si la hipótesis nula es de la forma

Página 15 de 24
y la hipótesis alternativa es del tipo

entonces la región de aceptación estaría dada por

Valores críticos

Los valores críticos para valores de significación comunes se resumen en la

siguiente tabla:

0.90 0.10 1.28

0.95 0.05 1.645
0.99 0.01 2.33

Ejemplo:

Un sociólogo ha pronosticado, que en una determinada ciudad, el nivel de

abstención en las próximas elecciones será del 40% como mínimo. Se elige al azar
una muestra aleatoria de 200 individuos con derecho a votar, 75 de los cuales
estarían dispuestos a votar. Determina con un nivel de significación del 1% si se
puede admitir el pronóstico.

Para realizar la prueba de hipótesis, haremos cada uno de los pasos.

a) Comenzamos enunciando las hipótesis nula y alternativa. La hipótesis nula es

es decir, la abstención será del 40% como mínimo. Luego, enunciamos la

hipótesis alternativa:

Página 16 de 24
que significa que la abstención será menor al 40%. Observemos que se trata de
una contraste unilateral del tipo "mayor o igual que".

b) Después, construimos la región de aceptación. En este caso, a la

significación le corresponde un valor crítico de . Así, la
región de aceptación es

c) Ahora verificamos si la proporción muestral está en el la región de aceptación.

Notemos que 75 de los individuos están dispuestos a votar, por lo que 125 se
abstendrían. Es decir, la proporción de abstenciones en la muestra es

d) Notemos que se encuentra dentro de la región de aceptación. Por

tanto, podemos aceptar la hipótesis nula. Es decir, concluimos que la abstención
será de al menos el 40%.

Fuente: https://www.superprof.es/apuntes/escolar/matematicas/estadistica/inferencia/contraste-unilateral.html

Desviación Estándar.

Es una de las principales medidas estadísticas que intervienen en el cálculo de

la muestra de una investigación, y también es una medida de riesgo que utilizan
los analistas, los gestores de carteras y los asesores.

La desviación estándar es una medida de extensión o variabilidad en la

estadística descriptiva. Se utiliza para calcular la variación o dispersión en la que
los puntos de datos individuales difieren de la media.

Una desviación baja indica que los puntos de datos están muy cerca de la
media, mientras que una desviación alta muestra que los datos están dispersos en
un rango mayor de valores.

Página 17 de 24
Fórmula de la desviación estándar de una muestra

S = Desviación estándar.

∑ = Suma de.
X = Cada valor.
x̅ = Media aritmética.

Fuente: https://www.questionpro.com/blog/es/desviacion-estandar/

Tipos de Error.

El error de tipo I se comete cuando la hipótesis nula es verdadera y, como

consecuencia del contraste, se rechaza.

El error de tipo II se comete cuando la hipótesis nula es falsa y, como

consecuencia del contraste se acepta.

H0 Verdadera Falsa
Decisón correcta Decisión incorrecta:
Aceptar
Probabilidad = 1 − α ERROR DE TIPO II
ERROR DE TIPO I
Rechazar Decisión correcta
Probabilidad = α

La probabilidad de cometer Error de tipo I es el nivel de significación α.

La probabilidad de cometer Error de tipo II depende del verdadero valor del

parámetro. Se hace tanto menor cuanto mayor sea n.

Fuente: https://www.superprof.es/diccionario/matematicas/estadistica/error-tipo.html

Página 18 de 24
 Nivel de significancia.

Es la probabilidad de que la estimación de un parámetro estadístico de una

población se encuentre fuera del intervalo de confianza. Es decir, el nivel de
significación es la probabilidad de rechazar una hipótesis que en realidad es
verdadera.

En estadística, el nivel de significación se representa con el símbolo griego α

(alfa). Por eso también se conoce como nivel alfa.

Por ejemplo, si el nivel de significación es α=0,05, significa que la probabilidad

de rechazar una hipótesis cuando es cierta es del 5%. En otras palabras, la
probabilidad de hacer la estimación de un parámetro estadístico y equivocarnos
con un error mayor al margen de error es del 5%.

Por lo tanto, el nivel de significación marca el límite para determinar si un

resultado es estadísticamente significativo o no, de manera que si el p-valor es
menor que el nivel de significación, el resultado se considera estadísticamente
significativo. Más abajo veremos la relación entre el nivel de significación y el p-
valor.

Nivel de confianza (1-α) Nivel de significación (α) Valor crítico (Z α/2)

0,80 0,20 1,282

0,85 0,15 1,440

0,90 0,10 1,645

0,95 0,05 1,960

0,99 0,01 2,576

0,995 0,005 2,807

0,999 0,001 3,291

Esta tabla te resultará muy útil para calcular los límites de un intervalo de
confianza.

Página 19 de 24
 Como puedes apreciar en la tabla, al aumentar el nivel de confianza se
disminuye el nivel de significación, lo que provoca un riesgo menor en cometer un
error al aceptar una hipótesis y, por otro lado, una menor precisión en la
estimación de un parámetro estadístico. En general, se suele utilizar un nivel de
significación del 5% (α=0,05)
Fuente: https://www.probabilidadyestadistica.net/nivel-de-significacion/#google_vignette

Zona crítica.

Se denomina región crítica a los valores de prueba que rechazan la hipótesis

nula. El área de la región crítica es igual al tamaño del error de tipo I.

Para construir una regla de decisión apropiada en la prueba de una hipótesis

estadística es necesario establecer una hipótesis alternativa que refleje el valor o
intervalo de valores posibles del parámetro, si la hipótesis nula es falsa. Esta
hipótesis alternativa se designa con H 1. Probar una hipótesis consiste, pues, en
proporcionar una decisión entre H0 y H1.

El enfoque general es el de aceptar que el error de tipo I es mucho más serio

que el error de tipo II, y formular la hipótesis nula y la alternativa de acuerdo con
lo anterior.

Una manera simple de obtener reglas de decisión consiste en seleccionar aquel

procedimiento que tenga el error más pequeño de tipo II de entre todos los
procedimientos que den el mismo tamaño de error de tipo I.

La probabilidad a de error de tipo I también se conoce como el nivel de

significación estadística.

Intervalo de confianza

El intervalo de confianza describe la variabilidad entre la medida obtenida en un

estudio y la medida real de la población (el valor real). Corresponde a un rango
de valores, cuya distribución es normal y en el cual se encuentra, con alta
probabilidad, el valor real de una determinada variable. Esta «alta probabilidad»
se ha establecido por consenso en 95%. Así, un intervalo de confianza de 95% nos

Página 20 de 24
indica que dentro del rango dado se encuentra el valor real de un parámetro con
95% de certeza5-8.

Un intervalo de confianza nos va a permitir calcular dos valores alrededor de

una media muestral (uno superior y otro inferior). Estos valores van a acotar
un rango dentro del cual, con una determinada probabilidad, se va a localizar el
parámetro poblacional.

Intervalo de confianza = media +- margen de error

Conocer el verdadero poblacional, por lo general, suele ser algo muy

complicado. Pensemos en una población de 4 millones de personas. ¿Podríamos
saber el gasto medio en consumo por hogar de esa población? En principio sí.
Simplemente tendríamos que hacer una encuesta entre todos los hogares y
calcular la media. Sin embargo, seguir ese proceso sería tremendamente laborioso
y complicaría bastante el estudio.

Ante situaciones así, se hace más factible seleccionar una muestra

estadística. Por ejemplo, 500 personas. Y sobre dicha muestra, calcular la media.
Aunque seguiríamos sin saber el verdadero valor poblacional, podríamos suponer
que este se va a situar cerca del valor muestral. A esa media le sumamos el
margen de error y tenemos un valor del intervalo de confianza. Por otro lado, le
restamos a la media ese margen de error y tendremos otro valor. Entre esos dos
valores estará la media poblacional.

Fuente: https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0034-98872005000900017

Ejemplo de intervalo de confianza para la media, asumiendo normalidad

y conocida la desviación típica

El estadístico pivote utilizado para el cálculo sería el siguiente:

Los retos de la economía mundial en 2024

Read More

Página 21 de 24
El intervalo resultante sería el siguiente:

Vemos como en el intervalo a la izquierda y derecha de la desigualdad tenemos la

cota inferior y superior respectivamente. Por tanto la expresión nos dice, que la
probabilidad de que la media poblacional se sitúe entre esos valores es de 1-alfa
(nivel de confianza).

Veamos mejor lo anterior con un ejercicio resuelto a modo de ejemplo.

Se desea estimar la media del tiempo que un corredor emplea para completar una
maratón. Para ello se han cronometrado 10 maratones y se ha obtenido una
media de 4 horas con una desviación típica de 33 minutos (0,55 horas). Se desea
obtener un intervalo al 95% de confianza.

Para obtener el intervalo, no tendríamos más que sustituir los datos en la fórmula
del intervalo.

Página 22 de 24
El intervalo de confianza, sería la parte de la distribución que queda sombreada en
azul. Los 2 valores acotados por este serían los correspondientes a las 2 líneas de
color rojo. La línea central que parte la distribución en 2 sería el verdadero valor
poblacional.

Es importante resaltar que en este caso, dado que la función de densidad de la

distribución N(0,1) nos da la probabilidad acumulada (desde la izquierda hasta el
valor crítico), tenemos que encontrar el valor que nos deja a la izquierda 0,975%
(este es 1,96).

Página 23 de 24
 BIBLIOGRAFÍA

 Carmen Batanero Bernabeu Facultad de Educacion, Universidad de Granada

España. XIII CIAEM-IACME, Recife, Brasil, 2011.
 https://concepto.de/estadistica-inferencial/#ixzz8NydGsUQ0
 https://concepto.de/estadistica-inferencial/#ixzz8Nycz0S5V
 https://www.questionpro.com/blog/es/estadistica-inferencial/

 Ecol. austral v.14 n.2 Córdoba jul./dic. 2004

http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S1667-
782X2004000200011
 Briceida Camacha de Báez -
https://librosaccesoabierto.uptc.edu.co/index.php/editorialuptc/catalog/
download/124/154/3264?inline=1

 https://www.superprof.es/apuntes/escolar/matematicas/estadistica/
inferencia/contraste-unilateral.html

 https://www.superprof.es/apuntes/escolar/matematicas/estadistica/
inferencia/contraste-bilateral.html
 https://www.questionpro.com/blog/es/desviacion-estandar/
 https://www.superprof.es/diccionario/matematicas/estadistica/error-
tipo.html
 https://www.probabilidadyestadistica.net/nivel-de-significacion/
#google_vignette
 https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0034-
98872005000900017

Página 24 de 24