FACULTAD DE MEDICINA - ESCUELA PROFESIONAL DE MEDICINA

HUMANA DEPARTAMENTO ACADÉMICO DE CIENCIAS CLÍNICAS

ASIGNATURA DE EPIDEMIOLOGÍA

SEMINARIO O2:

INTERVALOS DE CONFIANZA

 DOCENTES:
o Dr. MIGUEL ORTEGA CARRASCO
o Dr. ROBERTO AYALA

 SEMESTRE:
o 2019 – I

 CICLO:
o 7°

 ALUMNOS:

Pimentel, 24 de Abril del 2019

I. INTRODUCCIÓN
II. OBJETIVOS
III. MARCO TEÓRICO

1. ESTIMACIÓN DE PARÁMETROS

2. ESTIMACIÓN PUNTUAL

3. ESTIMACIÓN POR INTERVALO

3.1. Intervalo de confianza para una proporción

 Elección del tamaños muestral para una proporción

3.2. Intervalo de confianza para la media cuando la población es

normal y conocemos la desviación típica

Supongamos que la variable que queremos estudiar sigue una ley

normal de media µ (desconocida) y desviación típica σ conocida y
que disponemos de una muestra aleatoria simple de tamaño n y
del valor de la media de la muestra x . Para estimar μ, el estadístico
que mejor nos va a ayudar es x , del que conocemos su ley de
distribución:

𝜎2
𝑋̅ → 𝑁 (𝑢, )
𝑛

un parámetro
desconocido

Esa ley de distribución depende de μ (desconocida). Lo más

conveniente es hacer que la ley de distribución no dependa de
ningún parámetro desconocido, para ello tipificamos:

𝑋̅ − 𝑢
𝑍= 𝜎 → 𝑁 (0,1)
√𝑛
𝑡𝑎𝑏𝑢𝑙𝑎𝑑𝑎

𝑝𝑎𝑟. 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜
+
𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑑𝑟
+
 𝑐𝑜𝑠𝑎𝑠 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎𝑠

Este es el modo en que haremos siempre la estimación puntual:

buscaremos una relación en la que intervengan el parámetro
desconocido junto con su estimador y de modo que estos se
distribuyan según una ley de probabilidad que es bien conocida y
a ser posible tabulada. Vamos a desarrollar cómo calcular el
intervalo de confianza:

 Fijamos el nivel de confianza (en forma de porcentaje), que

habitualmente escribiremos como (1 ).

 Calculamos el error estándar de la media: 𝐸𝐸𝑀 = 𝜎⁄ x

√𝑛

 Calculamos valor crítico, 𝑍𝛼⁄2

 Calculamos el llamado margen de error3 (también llamado

precisión de la estimación): 𝑍𝛼⁄2 𝜎⁄
√𝑛

El intervalo de confianza para la media al nivel 1-α obtenido con

la muestra de partida es el siguiente:
𝜎
𝜇 = 𝑋̅ ± 𝑍1−𝛼⁄2 .
√𝑛

Distribución N(0,1) y el intervalo más pequeño posible cuya

probabilidad es 1 Por simetría, los cuartiles 𝑍𝛼⁄2 y
𝑍1−𝛼⁄2 sólo difieren en el signo
 3.3. Intervalo de confianza para la media a cuando la población
es normal y conocemos la desviación típica (caso general)

En este caso estimaremos la desviación típica utilizando los valores muestrales

y trabajaremos con la distribución de la media muestral ẋ, ya que, por un
procedimiento parecido a la estandarización, podemos relacionarla con otra
variable que sigue una distribución t de Student.

La distribución t de Student es una aproximación que tiene en cuenta el tamaño

de la muestra. Cuando el tamaño de la muestra es muy grande t ≈ z. Si la muestra
es pequeña y sólo se dispone del valor de la desviación estándar muestral, como
sucede en este caso, es imprescindible sustituir el valor de z por otro mayor que
sigue la distribución t de Student.
El intervalo de confianza al nivel 1−α para la media de una distribución Normal
cuando sus parámetros son desconocidos es:

Ŝ
̅±𝑡
𝜇= X 𝛼.
𝑛−1,1−
2 √𝑛
Ejemplo 5.4
Sabemos que el peso de los recién nacidos sigue una distribución Normal. Si en
una muestra aleatoria simple de 100 de ellos se obtiene una media muestral de
3 kg, y una desviación típica de 0,5 kg., vamos a calcular un I.C. para la media
poblacional que presente una confianza del 95%.

Para calcular μ usamos el estadístico: 𝑇 = 𝑋Ŝ −µ ≈ 𝑡𝑛−1

⁄
√𝑛

Depende de su estimación puntual insesgada:

100
Ŝ = √𝑛/(𝑛 − 1)𝑆 = √ 99 0.5 = 0.503

Un I.C. al 95% se calcula teniendo en cuenta que T sigue una distribución 𝑡𝑛−1
Dicha distribución presenta un 95 % de probabilidad de ocurrir entre sus
cuantiles Tn-1; 0.025= -1.98 y Tn-1; 0.975= 1.98 (son de signo opuesto por
simetría de la distribución t de Student).
Luego con una confianza del 95% tenemos que:
Ŝ
ǀx̅ - µǀ≤+1.98 ↔ ǀµ - 3ǀ≤0.1
√𝑛

Es decir, con una confianza del 95% tenemos que μ = 3 + 0.1 kg.
Interpretación: Podemos afirmar con una confianza del 95% que la media del
peso de 100 recién nacidos extraídos al azar se encuentra dentro del intervalo
comprendido entre 2,9 y 3,1 Kg. Confiamos en qué esté sea uno de los 95
intervalos de cada 100 que incluyen a la media poblacional y no sea uno de los
5 intervalos de cada 100 que no la incluyen.

Estimación del tamaño muestral:

Antes de realizar un estudio de inferencia estadística sobre una variable, lo
primero es decidir el número de elementos, n, a elegir en la muestra aleatoria.
Para ello consideremos que el estudio se basa en una variable de distribución
normal, y nos interesa obtener para un nivel de significación α dado, una
precisión (error) d.
Si n es suficientemente grande, la distribución t de Student se aproxima a la
distribución normal. Luego una manera de obtener la precisión buscada consiste
en elegir n con el siguiente criterio:
2
𝑍1−𝛼/2
𝑛≥ Ŝ2
𝑑2

Donde Ŝ2 es una estimación puntual a priori de la varianza de la muestra. Para

obtenerla nos podemos basar en una cota superior conocida por nuestra
experiencia previa, o simplemente, tomando una muestra piloto que sirve para
dar una idea previa de los parámetros que describen una población.

IV. CONLUSIONES
V. BIBLIOGRAFÍA