Interv_Conf_cas-2

Intervalos
Intervalos de
de Confianza
Confianza
ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-1

Objetivos
Objetivos generales
 Construir e interpretar un intervalo de

confianza para la media y para
proporciones.
 Determinar el tamaño de la muestra
necesario para encontrar el intervalo de
confianza.
 Como usar el intervalo de confianza en una
auditoría.

Intervalos de confianza
 Intervalos de confianza para la Media de la
población, μ
 Cuando la desviación estándar de la Población σ
es conocida
 Cuando la desviación estándar de la Población σ
es desconocida
 Intervalos de confianza para la proporción de

la población , p
 Determinación del Tamaño de muestra

Requerido
Estimación Puntual y por intervalo
 Una estimación puntual es solo un número,

 Un intervalo de confianza provee información
adicional sobre la variabilidad
Límite Límite
inferior Superior
Estimación Puntual
Ancho del intervalo de

confianza
Estimación Puntual
Sepuede
Se puedeestimar
estimarel
el Conun
Con unEstadístico
Estadísticode
dela
la
parámetro de la población muestra
muestra
parámetro de la población (un punto de estimación)
… (un punto de estimación)
…
Media μ X
Proporción π p

Intervalo de confianza
 ¿Cuánta incertidumbre está asociada con

una estimación puntual de un parámetro
de la población?
 Una estimación por intervalo provee más

información sobre una característica de la
población que la que provee una
estimación puntual.
 Dicho intervalo se denomina “ intervalo

de confianza”

Estimación por Intervalo de confianza
 Un intervalo brinda un rango de valores:

 Toma en cuenta la variación del estadístico de
muestra en muestra.
 Basado en la observación de 1 muestra.
 Brinda información alrededor de un parámetro de
población desconocido.
 Está relacionado con la confianza de la prueba
estadística.
 Nunca puede existir un 100 % de confianza.

Proceso de estimación
Muestra Random Tengo un

95% de
Población confianza
Media
(media, μ, es que μ se
X = 50
desconocida encuentra
) entre 40 y 60.
Muestra

Fórmula General
 La fórmula general para todos los

intervalos de confianza es:
Punto de estimación ± (Valor

Crítico)(Error Standard)

Nivel de confianza
 Es la probabilidad que tiene el

intervalo calculado de contener al
parámetro de la población
desconocido.
 Es un porcentaje (menor a 100%)

Nivel de confianza (1-)
 Si el nivel de confianza es = 95%

 También se puede escribir (1 - ) = 0.95
 Interpretación:
 El 95% de todas las medias muestrales
posibles, generarán intervalos de
confianza que contengan a la
verdadero y desconocido parámetro de
población.
 Un intervalo de confianza o contiene o nó
a la verdadera media de la población.

Intervalos de
confianza
Media de Proporción
Población de Población
σ Conocido σ Desconocido

Intervalos de confianza para μ (σ Conocido)
 Se Asume:
 Desviación Standard de la población σ conocida
 Población normalmente distribuida
 Si la población es no normal, use muestras grandes
 Estimación del intervalo de confianza:

Punto de Estimación
σ
σ
X
X Z
Z
Es el valor crítico de z, basado
nn
en una probabilidad de /2 en
es el error standard
cada cola de una distribución
normal

Búsqueda del valor crítico, Z
 Considere un intervalo de confianza del 95%
1  0.95
Z 1.96
α α
0.025 0.025
2 2
Z units: Z= -1.96 0 Z= 1.96

Límite Punto de Límite
X unidad: inferior de
estimación inferior de
confianza confianza

Búsqueda del valor crítico, Z
 Considere un intervalo de confianza del 95%

Niveles comunes de confianza
 Los niveles de confianza más usados
son 90%, 95%, and 99%
Coeficiente
Nivel de
de Confianza Valor z
Confianza
1 
80% 0.80 1.28
90% 0.90 1.645
95% 0.95 1.96
98% 0.98 2.33
99% 0.99 2.58
99.8% 0.998 3.08
99.9% 0.999 3.27

Intervalos y nivel de confianza
Distribución Muestral de la Media
/2 1  /2
Los intervalos se
x
μx μ
extienden desde
x1
σ x2
(1-)x100%
(1-)x100%
XZ delos
de los
n intervalos
intervalos
σ contienenaaμμ
contienen
X Z yy()x100%
()x100%nono
n
Intervalos y nivel de confianza
Simulación

Ejemplo
 Una muestra de 11 circuitos de una gran

población tiene una resistencia media de
2,2 ohms. Se sabe de datos anteriores que
la desviación standard de la población es
0,35 ohms.
 Determinar un intervalo de confianza del

95% para la verdadera media de la
población.

Ejemplo: Solución:
 Una muestra de 11 circuitos de una gran
población tiene una resistencia media de
2,2 ohms. Se sabe de datos anteriores
que la desviación standard de la
población es 0,35 ohms.
σ
X Z
n
2.20 1.96 (0.35/ 11 )
2.20 0.2068
1.9932   2.4068

Interpretación
 Existe una probabilidad del 95% que la

verdadera resistencia media se
encuentre entre 1.9932 y 2.4068 ohms
 En realidad, la verdadera media puede o
no pertenecer al intervalo calculado, pero
se espera que el 95% de los intervalos
potenciales que se podrían haber
calculado contengan a la verdadera media.

Ejercicio con prueba z
Una empresa de Administración está estudiando los ingresos de los
gerentes de empresas en la industria minorista. Una muestra aleatoria
de 49 gerentes revela una media de muestra de $45,420. La desviación
estándar de la población es de $2,050.
1.¿Qué significa la población?
¿Qué significa un rango razonable de valores para la
población?
¿Cómo interpretamos estos resultados?

Intervalos de
confianza

Intervalos de confianza para μ (σ Desconocido)
 Si la desviación standard σ de la población

es desconocida, se la puede substituir por
la desviación standard de la muestra, S
 Esto introduce una incertidumbre adicional,
ya que S varía de muestra a muestra.
 Se debe usar la usar la distribución “t” de
Student en lugar de la distribución normal.

Intervalos de confianza para μ (σ Desconocido)
 Se Asume
 Desviación Standard de población desconocida
 Población normalmente disttribuida
 Usar Distribución de Student’s “t”
S
X t n-1
n
(donde “t” es el valor crítico de la distribución de Student con “n -1” grados
de libertad y un área de α/2 en cada cola)

Distribución de Student
 “t” es una familia de distribuciones

 El valor de “t” depende de los grados
de libertad (d.f.)
 Número de observaciones que están libres de variar
después que la media de la muestra ha sido calculada.
d.f. = n - 1

Grados de libertad (df)
Idea: Número de observaciones que están libres de variar
después que la media de la muestra ha sido calculada.
Ejemplo: Suponga que la media de los 3 números es 8
X1 = 7 SI la media es 8.0,
X2 = 8 luego X3 debe ser 9
X3? (X3 no puede variar
libremente)
n = 3, grados de libertad = n – 1 = 3 – 1 = 2
(2 valores pueden ser cualquiera, pero el tercero no puede
tomar cualquier valor)

Distribución “t” de Student
Nota: t Z a medida que n incrementa
Normal
(t con df = ∞)
t (df = 13)
t-distributions tiene forma
de campana, simétrica,
pero con más áreas en las t (df = 5)
colas que la normal
0 t
Distribución “t” de Student
Uso de tabla“t” de Student
Tabla de Student
Area de cola sup.

Let: n = 3
df .25 .10 .05 df = n - 1 = 2
 = 0.10
1 1.000 3.078 6.314 /2 = 0.05
2 0.817 1.886 2.920

3 0.765 1.638 2.353 /2 = 0.05
Valores t, no
probabilidades 0 2.920 t
Valores de la distribución “t”
Comparación de valores de Z y t
Confianza t t t Z
Nivel (10 d.f.) (20 d.f.) (30 d.f.) ____
0.80 1.372 1.325 1.310 1.28

0.90 1.812 1.725 1.697 1.645
0.95 2.228 2.086 2.042 1.96
0.99 3.169 2.845 2.750 2.58

Ejemplo
Una muestra aleatoria de n = 25 tiene una X = 50 y

S =8 Calcular un intervalo de confianza para μ
 d.f. = n – 1 = 24, t/2 , n 1 t 0.025,24 2.0639

El intervalo de confianza es:
S 8
X t /2, n-1  50 (2.0639)
n 25
46.698 ≤ μ ≤ 53.302

Ejemplo de Prueba t
Un fabricante de neumáticos desea investigar la vida útil de la banda de
rodadura de sus neumáticos. Una muestra de 10 neumáticos conducidos
50,000 millas reveló una media de muestra de 0.32 pulgadas de banda de
rodadura restante con una desviación estándar de 0.09 pulgadas. Construir
un intervalo de confianza del 95% para la media de la población.
¿Sería razonable que el fabricante concluyera que
después de 50.000 millas la cantidad media de banda de
rodadura restante es de 0,30 pulgadas?

Diferencias

Criterio

Construcción de un Intervalo con Excel
Tutorial

Intervalos de
confianza

Intervalo de confianza para la proporción
de la población, π
La estimación de un intervalo para estimar

la proporción de la población (π) puede
calcularse adicionando y extrayendo una
determinada proporción a la proporción de
la muestra (p)

Intervalo de confianza para la proporción
de la población, π
 La distribución de la proporción muestral

es aproximadamente normal si el tamaño
de la muestra es grande, con desviación
standard de población:
(1
 (1 ))

σσpp 
nn
 Se estimará este valor con el valor muestral
p(1 p)
p(1 p)
nn
Límites del Intervalo de Confianza
 Ambos límites se pueden calcular por la
fórmula:
p(1 p)
p(1 p)
ZZ
pp
nn
 dónde
 Z es el valor normal standard para el nivel de confianza deseado
 p es la proporción de la población
 n es el tamaño de la muestra

Ejemplo
 Una muestra aleatoria de 100 personas muestra que
el 25% son zurdos.
 Calcular un intervalo de confianza del 95% para la
proporción verdadera en la población de zurdos.
p Z p(1 p)/n
25/100 1.96 0.25(0.75)/100
0.25 1.96 (0.0433)

0.1651  0.3349
Interpretación
 El intervalo del 95% de confianza para la verdadera
proporción de zurdos en la población está entre:
16.51% y 33.49%.
 En realidad, la verdadera proporción media puede

o no pertenecer al intervalo calculado, pero se
espera que el 95% de los intervalos potenciales
que se podrían haber calculado contengan a la
verdadera media, por lo que éste intervalo puede
se uno de esos……………….o no

Intervalo de Confianza para proporciones: Ejemplo
El sindicato que representa a los Sopladores de Botellas de América (BBA) está
considerando una propuesta para fusionarse con otro Sindicato relacionado. Al
menos tres cuartas partes de los miembros de la BBA deben aprobar cualquier
fusión. Una muestra aleatoria de 2.000 miembros actuales revela 1.600 planean
votar a favor de la propuesta de fusión. ¿Cuál es la estimación de la proporción de
población? ¿Puede concluir que la proporción necesaria de miembros de la BBA
favorece la fusión? ¿por qué?

Determinación del tamaño de la Muestra
Determinación
del tamaño de la
Muestra
Media Proporción

Determinación del tamaño de la Muestra
Incremen-
Incremen-
tando
tandoel el
tamaño
tamañode de
lala
muestra,
muestra,
disminuye
disminuye
elelancho
ancho
dede
intervalo
intervaloyy
aumenta
aumenta
lala
precisión,
precisión,
pero
pero
también
también
ESTADÍSTICA - USAL aumenta
INTERVALOS DE CONFIANZA-46
Error Muestral
 El tamaño de muestra requerido se
encuentra alcanzando un margen de error
(e) deseado con un nivel de confianza (1 - )
 EL margen de error (e) se denomina error

muestral
 “Mide” la cantidad de imprecisión en la
estimación del parámetro de la población.
 La cantidad que se suma y resta al punto de
estimación forman los límites del inervalo.

Determinación del tamaño de la muestra
Determinación
del tamaño de la
muestra
Para la
Media Error muestral,
(margen de error)
σ σ
X Z e Z
n n

Determinación
del tamaño de la
muestra
Para la
media
σ Z σ2 2
e Z Resolución n 2
n e
Para determinar el tamaño de la muestra,

se debe conocer:
 Nivel de confianza (1 - ), para determinar el
valor crítico de z
 Un error muestral aceptable, e
 Desviación standard, σ

Determinación del tamaño de la muestra: Ejemplo
Si  = 45, ¿que tamaño de muestra será necesaria

para estimar la media de una población con un
error de ± 5 con un 90% de confianza?
2 2 2 2
Z σ (1.645) (45)
n 2  2
219.19
e 5
Muestra requerida
Muestra requerida nn == 220
220

Un estudiante quiere estimar la proporción de ciudades

que tienen recolectores privados de basura. El
estudiante quiere estimar la proporción de población
con un margen de error de .10, prefiere un nivel de
confianza del 90%, y no tiene una estimación para la
proporción de población.
¿Cuál es el tamaño de muestra requerido?

Determinación del
tamaño de la
muestra
Para
proporción
π (1 π ) resolver Z 2 π (1 π )

e Z n 2
n e

 Para determinar el tamaño de muestra necesario

para estimar la propporción media de una
población, se debe conocer:
 Nivel de confianza (1 - ), para determinar el valor crítico
de z
 Un error muestral aceptable, e
 La verdadera proporción de la variable que se investiga,
π
 π puede ser estimado mediante una muestra piloto, o,
conservativamente usar π = 0.5

Determinación del tamaño de la muestra:
Ejemplo
¿Cuál debería ser el tamaño de la muestra

para estimar la verdadera proporción de
defectuosos en una población grande dentro
de ±3%, con 95% de confianza?
(Asumir una muestra piloto con p = 0.12)

Solución:
Para 95% de confianza, usar Z = 1.96
e = 0.03
p = 0.12, como estimación de π
2 2
Z π (1 π ) (1.96) (0.12)(1 0.12)
n 2
 2
450.74
e (0.03)
Usar n = 451

Aplicaciones en Auditorías
 Los resultados son objetivos y defendibles
 Basado en principios estadísticos demostrables
 Proporciona una estimación del error muestral
 Se obtienen conclusiones mas precisas que al
trabajar con la población
 Examinar la población puede llevar mas tiempo y está
sujeta a cometer mas errores no muestrales.
 Las muestras pueden ser tomadas por distintos
auditores y evaluadas separadamente.
 Basadas matemáticamente
 Permiten evaluar objetivamente los resultados
 Basadas en errores muestrales conocidos

Intervalos de confianza para poblaciones
finitas
(Para muestreos sin reemplazo, se usa la corrección para población finita)

Intervalos de confianza para poblaciones
finitas
 Punto de estimación:
Populationtotal
Population NNXX
total
 Estimación por intervalo de confianza:
S N
S N nn
NX
N N
X N((ttnn11))
N 11
nn N
(Para muestreos sin reemplazo, se usa la corrección para población

finita)

Intervalos de confianza para poblaciones finitas
Ejemplo
Una empresa tiene un total de 1000 cuentas y desea
estimar el valor total de la población.
Una muestra de 80 cuentas se selecciona con resultados
de media y desviación standard de $87.6 y $22.3
respectivamente.
Buscar el intervalo de confianza del 95 % del balance total

Ejemplo: Solución
1000
NN 80,
1000,, nn 87
80, XX 22.3
87..66,, SS 22.3
S NN nn
S
NN((tt n 1))
NNXX 
nn NN 11
n 1
22.3 1000 80
22.3 1000 80
((1000
 1000)()(87 ((1000
87..66)) 1000)()(11..9905
9905))
1000 11
80 1000
80
87
 87,600 44,762
,600 ,762..48
48
Elintervalo
El intervalode
deconfianza
confianzadel
del95%
95%para
parael
elbalance
balancede
de
todaslas
todas lascuentas
cuentases
esde
de$82,837.52
$82,837.52aa$92,362.48
$92,362.48

Ejemplo y Solución
Hay 250 familias que residen en una región. Una muestra aleatoria de 40 de
estas familias reveló que la contribución media anual a la iglesia era de $450 y la
desviación estándar de esto era de $75.
1.¿Cuál es la media de la población? ¿Cuál es la mejor estimación de la
población?
Desarrollar un intervalo de confianza del 90% para la
media de la población.
Usando el intervalo de confianza, explique por qué la
media de la población podría ser $445. ¿Podría la
población significar $425? ¿por qué?

Intervalos de Confianza para la diferencia
 Punto de estimación:
Diferencia Total N D
 Dónde el promedio de la diferencia, D, es:
nn
DD
 ii
D
D  i
i11
nn
ddonde valor
ondeDDi i  valor auditado
auditado--valor
valor original
original

Intervalos de Confianza para la diferencia
SD N n
ND  N ( t n 1 )
n N 1
dónde n
 i
(D  D ) 2
SD  i1
n 1

Intervalos de confianza unilaterales
 Aplicación: buscar el límite superior para la

proporción de ítems con disconformidad
respecto de las normas de calidad.
p(1  p) N  n
Límite Superior p  Z
n N 1
 dónde
 Z es el valor standarizado para el nivel de nonfianza deseado
 p es la proporción de la muestra que no conforman las normas
 n es el tamaño de la muestra
 N es el tamaño de la población
Consideraciones Éticas
 El intervalo de confianza reflejando el error

muestral debería siempre ser incluido cuando
se informa sobre un punto de estimación
 El nivel de confianza debería informarse
 El tamaño de muestra debería informarse
 Debería darse una interpretación del intervalo

de confianza

Resumen
 Se introdujo el concepto de punto de

estimación e intervalo de confianza.
 Se generaron algunos intervalos de
confianza para σ conocida y desconocida;
para proporciones.
 Se determinaron tamaños de muestra para
media y proporciones

Resumen
 Se vieron aplicaciones de intervalos

de confianza en auditorías
 Se calculó un intervalo de confianza
para población finita, para la
diferencia y proporciones.
 Se hicieron algunas consideraciones
éticas.

PREGUNTAS?

Interv_Conf_cas-2

Cargado por

Copyright:

Formatos disponibles

Interv_Conf_cas-2

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Interv_Conf_cas-2

Cargado por

Copyright:

Formatos disponibles

Intervalos

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-1

 Construir e interpretar un intervalo de

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-2

 Intervalos de confianza para la proporción de

 Determinación del Tamaño de muestra

 Una estimación puntual es solo un número,

Ancho del intervalo de

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-5

 ¿Cuánta incertidumbre está asociada con

 Una estimación por intervalo provee más

 Dicho intervalo se denomina “ intervalo

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-6

 Un intervalo brinda un rango de valores:

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-7

Muestra Random Tengo un

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-8

 La fórmula general para todos los

Punto de estimación ± (Valor

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-9

 Es la probabilidad que tiene el

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-10

 Si el nivel de confianza es = 95%

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-11

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-12

 Estimación del intervalo de confianza:

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-13

Z units: Z= -1.96 0 Z= 1.96

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-14

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-15

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-16

Distribución Muestral de la Media

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-18

 Una muestra de 11 circuitos de una gran

 Determinar un intervalo de confianza del

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-19

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-20

 Existe una probabilidad del 95% que la

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-21

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-22

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-23

 Si la desviación standard σ de la población

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-24

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-25

 “t” es una familia de distribuciones

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-26

Ejemplo: Suponga que la media de los 3 números es 8

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-27

Nota: t Z a medida que n incrementa

Area de cola sup.

2 0.817 1.886 2.920

0.80 1.372 1.325 1.310 1.28

Nota: t Z a medida que n incrementa

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-32

Una muestra aleatoria de n = 25 tiene una X = 50 y

 d.f. = n – 1 = 24, t/2 , n 1 t 0.025,24 2.0639

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-33

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-34

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-35

ESTADÍSTICA - USAL INTERVALOS DE CONFIANZA-36