Intervalo De Confianza

Intervalo de confianza

En estadística, se llama intervalo de confianza a un par de números entre los cuales se estima que estará cierto valor desconocido con una determinada probabilidad de acierto. Formalmente, estos números determinan un intervalo, que se calcula a partir de datos de una muestra, y el valor desconocido es unparámetro poblacional. La probabilidad de éxito en la estimación se representa con 1 - α y se denomina nivel de confianza. En estas circunstancias, α es el llamado error aleatorio o nivel de significación, esto es, una medida de las posibilidades de fallar en la estimación mediante tal intervalo.1

El nivel de confianza y la amplitud del intervalo varían conjuntamente, de forma que un intervalo más amplio tendrá más posibilidades de acierto (mayor nivel de confianza), mientras que para un intervalo más pequeño, que ofrece una estimación más precisa, aumentan sus posibilidades de error.

Para la construcción de un determinado intervalo de confianza es necesario conocer la distribución teórica que sigue el parámetro a estimar, θ. Es habitual que el parámetro presente una distribución normal. También pueden construirse intervalos de confianza con ladesigualdad de Chebyshov.

En definitiva, un intervalo de confianza al 1 - α por ciento para la estimación de un parámetro poblacional θ que sigue una determinadadistribución de probabilidad, es una expresión del tipo [θ1, θ2] tal que P[θ1 ≤ θ ≤ θ2] = 1 - α, donde P es la función de distribución de probabilidad de θ.

¿Qué es un intervalo de predicción?

R: Un intervalo de predicción es un intervalo elaborado con una serie de datos de las muestras de modo que contenga observaciones futuras. Tenga en cuenta que éste es un problema diferente a la elaboración de un intervalo para el promedio con cierto grado de confianza, como se muestra en la Parte 1 de esta serie de artículos. Supongamos que una futura muestra se toma en las mismas condiciones y de la misma población o proceso que la muestra original y que la muestra era aleatoria o que el proceso estaba en condiciones de control estadístico. Hay muchas variaciones sobre este tema, pero todas tienen que ver con el problema esencial de lo que pasará en el futuro y con qué frecuencia sucederá —la esencia de la estadística. Podemos tener intervalos de predicción para los datos de las variables, o para datos del tipo de atributo; podemos basar más la predicción en un modelo paramétrico, como la distribución normal o usar métodos no paramétricos. Ambos son útiles en la práctica. También podemos pone condiciones sobre la predicción futura. Por ejemplo, tal vez queramos que el intervalo tenga como mínimo 4 de las siguientes 5, o que tenga el promedio de la próxima muestra de 10. En este artículo, exploramos el uso común de los intervalos de predicción cuando la distribución normal sea pertinente.

Supongamos que tenemos una muestra aleatoria de n observacionesX1, X2, .., Xn y sabemos que los datos provienen de una distribución normal, pero no sabemos el promedio ni la distribución estándar de la distribución. Una única observación futura sería Xn+1 y su error de predicción seríaXn+1 - . La varianza de este error de predicción puede resultar ser:

que se calcula por (1)

Queremos un intervalo de predicción para la próxima única observación de esta distribución normal. Para nuestros fines, la fórmula es:

(2)

Podrá encontrar los detalles de esta teoría en la Referencia 1. El intervalo de predicción para la futura observación Xn+1 será siempre más amplio que un intervalo de confianza para el promedio μ debido a la mayor variabilidad del error de predicción para una única observación en comparación con el error del cálculo del promedio. El término bajo el signo de

...