INSTITUTO TECNOLOGICO DE CAMPECHE

INGENIERIA INDUSTRIAL

NUM: 1 NOMBRE DEL TRABAJO: Investigación

conceptual

NUM: 2 NOMBRE DE LA UNIDAD: Estimación

Nombre del alumno:

Materia:
Estadística inferencial
Maestro:
Bocos Patrón Ramón Agustín
Grupo:
MI3

/09/2018
Contenido
Introducción ........................................................................................................................................ 2
Los dos problemas que atiende la estadística inferencial .................................................................. 3
Estimación estadística ......................................................................................................................... 4
Intervalo de confianza ......................................................................................................................... 6
Intervalo de confianza para la media, varianza conocida ................................................................... 6
I de C para media con varianza desconocida ...................................................................................... 8
Intervalo de confianza para una proporción ....................................................................................... 8
I de C para 2 medias con varianza conocida ..................................................................................... 11
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS DISTRIBUCIONES NORMALES,
VARIANZAS DESCONOCIDAS ............................................................................................................. 12
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS DISTRIBUCIONES NORMALES,
VARIANZAS DESCONOCIDAS PERO IGUALES ..................................................................................... 13
Cálculo del Tamaño de la Muestra para Estimar una Media ............................................................ 17
Estimación de la Diferencia entre dos Medias .................................................................................. 22
Bibliografía ........................................................................................................................................ 24

1
 Introducción
Este documento tiene como objetivo dar a conocer
los conceptos de la unidad dos de la materia
estadística inferencial impartida en la carrera
ingeniería industrial grupo MI-3 por el maestro
Ramón Bocos.

2
Los dos problemas que atiende la estadística inferencial

Estadística inferencial

Los dos tipos de problemas que resuelven las técnicas estadísticas son: estimación y contraste
de hipótesis. En ambos casos se trata de generalizar la información obtenida en una muestra a
una población. Estas técnicas exigen que la muestra sea aleatoria. En la práctica rara vez se
dispone de muestras aleatorias, por la tanto la situación habitual es la que se esquematiza en
la figura

Entre la muestra con la que se trabaja y la población de interés, o población diana, aparece la
denominada población de muestreo: población (la mayor parte de las veces no definida con
precisión) de la cual nuestra muestra es una muestra aleatoria. En consecuencia la
generalización está amenazada por dos posibles tipos de errores: error aleatorio que es el que
las técnicas estadísticas permiten cuantificar y críticamente dependiente del tamaño muestral,
pero también de la variabilidad de la variable a estudiar y el error sistemático que tiene que
ver con la diferencia entre la población de muestreo y la población diana y que sólo puede ser
controlado por el diseño del estudio.

Tamaño muestral

El tamaño muestral juega el mismo papel en estadística que el aumento de la lente en

microscopía: si no se ve una bacteria al microscopio, puede ocurrir que:
- la preparación no la contenga
- el aumento de la lente sea insuficiente.
Para decidir el aumento adecuado hay que tener una idea del tamaño del objeto.

Del mismo modo, para decidir el tamaño muestral:

i) en un problema de estimación hay que tener una idea de la magnitud a estimar y del error
aceptable.
ii) en un contraste de hipótesis hay que saber el tamaño del efecto que se quiere ver.

3
Estimación estadística
Los métodos para hacer inferencias acerca de parámetros poblacionales caen en una

de dos categorías:

• Estimación: Estimar o predecir el valor del parámetro

• Prueba de hipótesis: Tomar una decisión acerca del valor de un parámetro, con base en
alguna idea preconcebida acerca de cuál podría ser su valor

Para estimar el valor de un parámetro poblacional, se puede usar información de

la muestra en la forma de un estimador. Los estimadores se calculan usando información
de las observaciones muestrales y, en consecuencia, por definición son también
estadísticas.

Un estimador es una regla, generalmente expresada como fórmula, que nos dice cómo
calcular una estimación basada en información de la muestra.

Los estimadores se usan en dos formas diferentes:

Estimación puntual: Con base en datos muestrales, se calcula un solo número para estimar
el parámetro poblacional. La regla o fórmula que describe este cálculo se denomina
estimador puntual y el número resultante recibe el nombre de estimación puntual.

Estimación de intervalo: Con base en datos muestrales, dos números se calculan para
formar un intervalo dentro del cual se espera esté el parámetro. La regla o fórmula que
describe este cálculo se denomina estimador de intervalo y el par de números resultantes
se llama estimación de intervalo o intervalo de confianza.

Las distribuciones muestrales dan información que se puede usar para seleccionar el
mejor estimador. ¿Qué características serían valiosas? Primero, la distribución muestral
del estimador puntual debe estar centrada sobre el verdadero valor del parámetro a ser
estimado. Esto quiere decir que, el estimador no debe subestimar o sobreestimar de
manera consistente al parámetro de interés. Un estimador como éste se dice que es
insesgado.

Se dice que un estimador de un parámetro es insesgado si la media de su distribución es

igual al verdadero valor del parámetro. De otro modo se dice que el estimador esta
sesgado.

4
Estimador por intervalo

Un estimador de intervalo es una regla para calcular dos números, por ejemplo a y b, para
crear un intervalo del que se está completamente seguro que contiene el parámetro de
interés. El concepto de “completamente seguro” significa “con gran probabilidad”.
Medimos esta probabilidad usando el coeficiente de confianza, designado por ;1-a.

La probabilidad de que un intervalo de confianza contenga el parámetro estimado se

denomina coeficiente de confianza.

UN INTERVALO DE CONFIANZA DE MUESTRA GRANDE (1- )100% PARA UNA MEDIA

POBLACIONAL

donde es el valor z correspondiente a un área en la cola superior de

distribución z normal estándar y un tamaño muestral n, desviación estándar de la
población muestrada .

Si es desconocida, puede ser aproximada por la desviación estándar muestral s cuando

el tamaño de la muestra sea grande (n mayor que 30),

UN INTERVALO DE CONFIANZA DE MUESTRA PEQUEÑO (1- )100% PARA UNA MEDIA

POBLACIONAL

Donde es el valor t correspondiente a un área de en la cola superior de la

distribución t de Student con n-1 grados de libertad, un tamaño muestral n y una

5
desviación estándar muestral s. Se considera un tamaño de muestra pequeño cuando es
menor a 30.

Intervalo de confianza
Un intervalo de confianza es una técnica de estimación utilizada
en estadística inferencial que permite acotar un par o varios pares de
valores, dentro de los cuales se encontrará la estimación puntual
buscada (con una determinada probabilidad).

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 de la

población (por ejemplo 500 personas) y calcular la media de esa muestra.
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.

En conclusión, el intervalo de confianza no sirve para dar una estimación

puntual del parámetro poblacional, si nos va a servir para hacernos una idea
aproximada de cual podría ser el verdadero de este. Nos permite acotar entre
dos valores en dónde se encontrará la media de la población.

Intervalo de confianza para la media, varianza conocida

Supóngase que se tiene una población don media desconocida y varianza
desconocida 𝜎 2 . De esta población se toma una muestra aleatoria x1,x2,…..xn de tamaño
n. la media muestral

6
𝑥̂ es un estimador puntual razonable de la media desconocida puede obtenerse un
intervalo de confianza del 100 (1-por ciento para al considerar la distribución de
muestreo para la media 𝑥̂

7
I de C para media con varianza desconocida
Con frecuencia debemos de tratar de estimar la media de una población sin conocer la
varianza. Recordemos que si tenemos una muestra aleatoria tomada de una población
normal, entonces la variable aleatoria

T=x¯−μS/n−−√T=x¯−μS/n
Sigue una distribución TT de student con υ=n−1υ=n−1 grados de libertad. Aquí S es la
desviación estándar de la muestra. En el caso que no se conozca la varianza
poblacinal σ2σ2 se puede utilizar la distribución TT para construir un intervalo de confianza
para μμ. El procedimiento es similar que cuando se conoce σ2σ2, sólo se
reemplaza σσ por S y la distribución normal estándar por la distribución T de student. De
esta manera
Si x¯x¯ y s son la media y desviación estándar de una muestra aleatoria de una
población normalde la que se desconoce la varianza σ2σ2, un intervalo de confianza
del 100(1−α)%100(1−α)% para μμ es:
x¯−tα/2sn−−√<μ<x¯−tα/2sn−−√x¯−tα/2sn<μ<x¯−tα/2sn
donde tα/2tα/2 es el valor tt con υ=n−1υ=n−1 grados de libertad que deja un área de α/2α/2 a
la derecha de la distribución TT de student.

Intervalo de confianza para una proporción

Dada una variable aleatoria con distribución Binomial B(n, p), el objetivo es la
construcción de un intervalo de confianza para el parámetro p, basada en una observación
de la variable que ha dado como valor x. El mismo caso se aplica si estudiamos una
Binomial B(1, p) y consideramos el número de veces que ocurre el suceso que define la
variable al repetir el experimento n veces en condiciones de independencia.

Existen dos alternativas a la hora de construir un intervalo de confianza para p:

 Considerar la aproximación asintótica de la distribución Binomial en la distribución

Normal.

 Utilizar un método exacto.

Aproximación asintótica

Tiene la ventaja de la simplicidad en la expresión y en los cálculos, y es la más referenciada

en la mayoría de textos de estadística. Se basa en la aproximación

8
que, trasladada a la frecuencia relativa, resulta

Tomando como estadístico pivote

que sigue una distribución N(0, 1), y añadiendo una corrección por continuidad al pasar
de una variable discreta a una continua, se obtiene el intervalo de confianza asintótico:

donde zα/2 es el valor de una distribución Normal estándar que deja a su derecha una
probabilidad de α/2 para un intervalo de confianza de (1 − α) · 100 %. Las condiciones
generalmente aceptadas para considerar válida la aproximación asintótica anterior son:

El intervalo obtenido es un intervalo asintótico y por tanto condicionado a la validez de la

aproximación utilizada. Una información más general sobre los intervalos de confianza
asintóticos puede encontrase aquí.

Intervalo exacto

Aun cuando las condiciones anteriores no se verifiquen, es posible la construcción de un

intervalo exacto, válido siempre pero algo más complicado en los cálculos. Es posible
demostrar que un intervalo exacto para el parámetro p viene dado por los valores
siguientes:

9
donde Fα/2,a,b es el valor de una distribución F de Fisher-Snedecor con a y b grados de
libertad que deja a su derecha una probabilidad de α/2 para un intervalo de confianza
de (1 − α) · 100 %.

Una justificación de los intervalos de confianza exactos para distribuciones discretas

puede encontrarse aquí.

En el programa siguiente se pueden calcular los intervalos de confianza asintótico y, si n es

menor de 100, también el exacto para una proporción.

Intervalo de confianza para la varianza de una distribución Normal

Dada una variable aleatoria con distribución Normal N(μ; σ), el objetivo es la construcción
de un intervalo de confianza para el parámetro σ, basado en una muestra de tamaño n de
la variable.

A partir del estadístico

la fórmula para el intervalo de confianza, con nivel de confianza 1 − α es la siguiente

Donde χ2α/2 es el valor de una distribución ji-cuadrado con n − 1 grados de libertad que
deja a su derecha una probabilidad de α/2.

Por ejemplo, dados los datos siguientes:

 Distribución poblacional: Normal

10
  Tamaño de muestra: 10

 Confianza deseada para el intervalo: 95 %

 Varianza muestral corregida: 38,5

Un intervalo de confianza al 95 % para la varianza de la distribución viene dado por:

que resulta, finalmente

Intervalo de confianza para 2 poblaciones

I de C para 2 medias con varianza conocida

Supóngase que se tiene dos poblaciones independientes con medias desconocidas y con
varianzas conocidas, respectivamente. Se desea encontrar un intervalo de confianza del
100(1-alfa) por ciento para la diferencia de medias.

Sean x11,x12,….x1n una muestra aleatoria con de n1 observaciones tomadas de la

primera población y x21,x22,….x2n una muestra aleatoria de n2 observaciones tomadas
̂ 𝑦 𝑥2
de la segunda población. Si 𝑥1 ̂ son las medias muestrales, la estadística 𝑥1
̂ − 𝑥2
̂ es
un estimador puntual de µ1-µ2. La variable aleatoria

11
El nivel de confianza 1-α es exacto cuando las poblaciones son normales.

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE

DOS DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS

En esta sección se verá el caso en donde se tienen dos poblaciones con medias y
varianzas desconocidas, y se desea encontrar un intervalo de confianza para la
diferencia de dos medias  Si los tamaños de muestras n1 y n2 son
mayores que 30, entonces, puede emplearse el intervalo de confianza de
la distribución normal. Sin embargo, cuando se toman muestras
pequeñas se supone que las poblaciones de interés están distribuidas de
manera normal, y los intervalos de confianza se basan en la distribución
t.

12
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE
DOS DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS PERO
IGUALES

Si s12 y s22 son las medias y las varianzas de dos muestras

aleatorias de tamaño n1 y n2, respectivamente, tomadas de dos
poblaciones normales e independientes con varianzas desconocidas
pero iguales, entonces un intervalo de confianza del 100( ) por
ciento para la diferencia entre medias es:

en donde:

es el estimador combinado de la desviación estándar común de la

población con n1+n2 – 2 grados de libertad.

Ejemplos:

1. Un artículo publicado dio a conocer los resultados de un análisis

del peso de calcio en cemento estándar y en cemento contaminado
con plomo. Los niveles bajos de calcio indican que el mecanismo
de hidratación del cemento queda bloqueado y esto permite que el
agua ataque varias partes de una estructura de cemento. Al tomar
diez muestras de cemento estándar, se encontró que el peso
promedio de calcio es de 90 con una desviación estándar de 5; los
resultados obtenidos con 15 muestras de cemento contaminado
con plomo fueron de 87 en promedio con una desviación estándar
de 4. Supóngase que el porcentaje de peso de calcio está
distribuido de manera normal. Encuéntrese un intervalo de
confianza del 95% para la diferencia entre medias de los dos tipos
de cementos. Por otra parte, supóngase que las dos poblaciones
normales tienen la misma desviación estándar.

Solución:

13
 El estimador combinado de la desviación estándar es:

Al calcularle raíz cuadrada a este valor nos queda que sp = 4.41

expresión que se reduce a – 0.72   6.72

Nótese que el intervalo de confianza del 95% incluye al cero; por

consiguiente, para este nivel confianza, no puede concluirse la
existencia de una diferencia entre las medias.

Intervalo de confianza para µ1-µ2 para observaciones pareadas

Se toma una muestra n1 observaciones de la primera población, y

una muestra aleatoria completamente independiente de n2
observaciones de la segunda población. En muchas situaciones
experimentales, existen solo n unidades experimentales diferentes
y los datos están recopilados por pares; esto es, cada unidad
experimental está formada por dos observaciones.

14
Intervalo de confianza para la diferencia de dos proporciones con datos
independientes

Los límites para el intervalo de una diferencia de proporciones

correspondientes a dos muestras independientes son:

15
donde el símbolo zα/2 es el mismo valor crítico que antes, prob(Z > zα/2) =
α/2, y corresponde a un intervalo de confianza 1 − α %.

Este intervalo puede utilizarse de manera alternativa al contraste de

hipótesis para decidir (con nivel de significación α %) si hay igualdad de
los dos grupos. Se decidirá por la igualdad de los grupos si el valor 0
queda incluido en cualquier posición en el intervalo.

Aunque se haga el contraste de dos proporciones, en primer lugar,

es aconsejable obtener el intervalo de confianza de la diferencia de
medias, si éste ha resultado significativo, puesto que ayudará a
interpretar si existe significación aplicada además de la estadística.

Si se dispone de alguna información previa y sólo quiere calcularse

alguno de los dos intervalos unilaterales, bastará sustituir zα/2 por zα y
descartar el límite superior o inferior del intervalo según el caso. Por
ejemplo, el intervalo unilateral derecho corresponde a:

Intervalo de confianza para el cociente de varianzas de distribuciones

normales independientes

Supondremos la existencia de dos poblaciones sobre las que una

determinada variable sigue una distribución Normal. Sobre la población 1
la variable sigue una distribución N(µ1, σ1) y sobre la población 2 sigue
una distribución N(µ2, σ2). Igualmente supondremos que disponemos de
dos muestras aleatorias independientes, una para cada población, de
tamaños muestrales n1 y n2 respectivamente.

El objetivo es construir un intervalo de confianza, con nivel de

confianza (1 − α) · 100 %, para el cociente de varianzas

16
El estadístico pivote utilizado es

que sigue una distribución F de Fisher con n1 − 1 y n2 − 1 grados de

libertad.

El intervalo de confianza que resulta es

donde Fα/2 es el valor de una distribución F de Fisher-Snedecor

con n1 − 1 y n2 − 1 grados de libertad que deja a su derecha una
probabilidad de α/2.

Cálculo del Tamaño de la Muestra para Estimar una Media

¿Qué tan grande debe ser una muestra si la media muestral se va a usar
para estimar la media poblacional?. La respuesta depende del error
estándar de la media, si este fuera cero, entonces se necesitaría una
sola media que será igual necesariamente a la media poblacional
desconocida , porque = 0. Este caso extremo no se encuentra en la
práctica, pero refuerza el hecho de que mientras menor sea el error
estándar de la media, menor es el tamaño de muestra necesario para
lograr un cierto grado de precisión.

Se estableció antes que una forma de disminuir el error de estimación es

aumentar el tamaño de la muestra, si éste incluye el total de la población,

entonces sería igual a cero. Con esto en mente, parece razonable

que para un nivel de confianza fijo, sea posible determinar un tamaño de
la muestra tal que el error de estimación sea tan pequeño como
queramos, para ser mas preciso, dado un nivel de confianza y un error
fijo de estimación , se puede escoger un tamaño de muestra n tal que

17
P( ) = Nivel de confianza. Con el propósito de determinar n. El
error máximo de estimación esta dado por:

Si se eleva al cuadrado ambos lados de esta ecuación y se despeja n de

la ecuación resultante, obtenemos:

Como n debe de ser un número entero, redondeamos hacia arriba todos

los resultados fraccionarios.

En el caso de que se tenga una población finita y un muestreo sin

reemplazo, el error de estimación se convierte en:

De nuevo se eleva al cuadrado ambos lados y se despeja la n,

obteniendo:

Ejemplos:

1. Un biólogo quiere estimar el peso promedio de los ciervos cazados

en el estado de Maryland. Un estudio anterior de diez ciervos
cazados mostró que la desviación estándar de sus pesos es de
12.2 libras. ¿Qué tan grande debe ser una muestra para que el
biólogo tenga el 95% de confianza de que el error de estimación es
a lo más de 4 libras?

Solución:

18
Cálculo del Tamaño de la Muestra para Estimar una Proporción

Se desea saber que tan grande se requiere que sea una muestra para
asegurar que el error al estimar P sea menor que una cantidad
específica .

Elevando al cuadrado la ecuación anterior se despeja n y nos queda:

Esta fórmula está algo engañosa, pues debemos utilizar p para

determinar el tamaño de la muestra, pero p se calcula a partir de la
muestra. Existen ocasiones en las cuales se tiene una idea del
comportamiento de la proporción de la población y ese valor se puede
sustituir en la fórmula, pero si no se sabe nada referente a esa
proporción entonces se tienen dos opciones:

 Tomar una muestra preliminar mayor o igual a 30 para

proporcionar una estimación de P. Después con el uso de la
fórmula se podría determinar de forma aproximada cuántas
observaciones se necesitan para proporcionar el grado de
precisión que se desea.

 Tomar el valor de p como 0.5 ya que sustituyendo este en la

fórmula se obtiene el tamaño de muestra mayor posible. Observe
el siguiente ejemplo:

Se desconoce el valor de P, por lo que se utilizarán diferentes valores y

se sustituirán en la formula para observar los diferentes tamaños de

19
muestras. El nivel de confianza que se utilizará es del 95% con un error
de estimación de 0.30.

p n

0.10 3.84

0.20 6.82

0.30 8.96

0.40 10.24

0.50 10.67

0.60 10.24

0.70 8.96

20
 0.80 6.82

0.90 3.84

Como se puede observar en la tabla anterior cuando P vale 0.5 el

tamaño de la muestra alcanza su máximo valor.

En el caso de que se tenga una población finita y un muestreo sin

reemplazo, el error de estimación se convierte en:

De nuevo se eleva al cuadrado ambos lados y se despeja la n,

obteniendo:

Ejemplos:

1. En una muestra aleatoria de 500 familias que tienen televisores en

la ciudad de Hamilton, Canadá, se encuentra que 340 están
suscritas a HBO. ¿Qué tan grande se requiere que sea una
muestra si se quiere tener 95% de confianza de que la estimación
de P esté dentro de 0.02?

Solución:

Se tratarán a las 500 familias como una muestra preliminar que

proporciona una estimación de p=340/500=0.68.

21
Por lo tanto si basamos nuestra estimación de P sobre una muestra
aleatoria de tamaño 2090, se puede tener una confianza de 95% de que
nuestra proporción muestral no diferirá de la proporción real por más de
0.02.

Estimación de la Diferencia entre dos Medias

2
Si se tienen dos poblaciones con medias 1 y 2 y varianzas 1 y
2
2 , respectivamente, un estimador puntual de la diferencia entre 1 y

2 estádado por la estadística . Por tanto. Para obtener una

estimación puntual de
1- 2, se seleccionan dos muestras aleatorias independientes, una de

cada población, de tamaño n1 y n2, se calcula la diferencia , de las

medias muestrales.

Recordando a la distribución muestral de diferencia de medias:

Al despejar de esta ecuación 1- 2 se tiene:

En el caso en que se desconozcan las varianzas de la población y los

tamaños de muestra sean mayores a 30 se podrá utilizar la varianza de
la muestra como una estimación puntual.

Ejemplos:

1. Se lleva a cabo un experimento en que se comparan dos tipos de

motores, A y B. Se mide el rendimiento en millas por galón de
gasolina. Se realizan 50 experimentos con el motor tipo A y 75 con

22
 el motor tipo B. La gasolina que se utiliza y las demás condiciones
se mantienen constantes. El rendimiento promedio de gasolina
para el motor A es de 36 millas por galón y el promedio para el
motor B es 24 millas por galón. Encuentre un intervalo de confianza
de 96% sobre la diferencia promedio real para los motores A y B.
Suponga que las desviaciones estándar poblacionales son 6 y 8
para los motores A y B respectivamente.

Solución:

Es deseable que la diferencia de medias sea positiva por lo que se

recomienda restar la media mayor menos la media menor. En este caso
será la media del motor B menos la media del motor A.

El valor de z para un nivel de confianza del 96% es de 2.05.

3.43< B- A<8.57

La interpretación de este ejemplo sería que con un nivel de confianza del

96% la diferencia del rendimiento promedio esta entre 3.43 y 8.57 millas
por galón a favor del motor B. Esto quiere decir que el motor B da mas
rendimiento promedio que el motor A, ya que los dos valores del intervalo
son positivos

23
Bibliografía
Los dos problemas que atiende la estadística inferencial

http://www.hrc.es/bioest/Introducion.html

Estimación estadística

https://sites.google.com/site/tallerdebioestadistica/estimacion

Intervalos de confianza

http://economipedia.com/definiciones/intervalo-de-confianza.html

I de C con medias y varianza conocida

Prob. y Estadística aplic. a la Ing. - Montgomery 1º Ed [Cap 1 - 8]

I de C media con varianza desconocida

http://rstudio-pubs-
static.s3.amazonaws.com/308667_7cffe2c4ce4f4900ad53a12c1a5a0732.html

I de C para la proporción pi

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo8/B0C8m1t11.
htm

I de C para la varianza

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo8/B0C8m1t10.
htm

I de C para diferencia de medias con varianza conocida

Prob. y Estadística aplic. a la Ing. - Montgomery 1º Ed [Cap 1 - 8]

I de C con medias y varianzas desconocidas

http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap03d.html

Intervalo de confianza para µ1-µ2 para observaciones pareadas

Prob. y Estadística aplic. a la Ing. - Montgomery 1º Ed [Cap 1 - 8]

Intervalo de confianza para la diferencia de dos proporciones con datos independientes

24
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo11/B0C11m1t
14.htm

Intervalo de confianza para el cociente de varianzas de distribuciones normales

independientes

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo8/B0C8m1t17.
htm

Determinación del tamaño de la muestra

http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap01d.html#u01calcul
oestimarproporcion

Videos de apoyo al tema

07 Intervalo de confianza

https://www.youtube.com/watch?v=2wugQGs1GNY

09 Intervalo de confianza para la media poblacional

https://www.youtube.com/watch?v=VQJpcYPfEI

25