Matemáticas

Teoría de Distribuciones Muestrales

intervalo de confianza

Matemáticas660 views·Updated Jun 26, 2026·6 pages

Estadística Básica e Intervalos de Confianza: Ejemplos y Apuntes

belen@belen_laow

Add to Google sources

¿Te has preguntado cómo predecir resultados en situaciones de incertidumbre?...

1 / 6

of 6

# INTERVALO CARACTERÍSTICO EN UNA DISTRIBUCIÓN NORMAL

95=م%

N (66,8)

Ν (μισ)
N(0,1)
P=0/95

↓

x?p=1-a

α = 0'05

↓

=P(2320/2) = 01025

Intervalos Característicos en la Distribución Normal

Imagínate que necesitas determinar un rango de valores donde es muy probable que se encuentre tu variable. Los intervalos característicos te permiten hacer exactamente eso con un nivel de confianza específico.

Para construir un intervalo del 95% de confianza, primero necesitas encontrar el valor crítico Z₀.₀₂₅ = 1.96 usando la tabla de la distribución normal estándar. Este valor se obtiene porque α = 0.05, y α/2 = 0.025.

El intervalo característico para una distribución N(μ,σ) se calcula como: $μ - Z_{α/2} · σ, μ + Z_{α/2} · σ$ . Para la distribución de la media muestral, el intervalo se modifica dividiendo la desviación típica por √n: $μ - Z_{α/2} · σ/√n, μ + Z_{α/2} · σ/√n$ .

💡 Truco clave: Recuerda que el 95% de confianza siempre usa Z = 1.96, y el 90% usa Z = 1.645. ¡Memoriza estos valores!

of 6

Distribución Normal

La distribución normal es la más importante en estadística porque describe multitud de fenómenos naturales. Su forma de campana característica tiene dos parámetros clave: μ (media) que indica el centro, y σ (desviación típica) que mide la dispersión.

La función de densidad es compleja matemáticamente, pero lo importante es entender que no tiene primitiva. Por eso necesitamos la tipificación: Z = $x-μ$ /σ, que transforma cualquier N(μ,σ) en una N(0,1) estándar.

Con la tipificación puedes calcular probabilidades fácilmente. Por ejemplo, si X~N(6,4), para calcular P(x≤9) tipificas: Z = (9-6)/4 = 0.75, y buscas en la tabla P(Z≤0.75) = 0.7734.

💡 Dato curioso: El 68% de los datos está a 1σ de la media, el 95% a 2σ, y el 99.7% a 3σ. ¡Esta es la regla empírica!

of 6

Experiencias Dicotómicas y Distribución Binomial

Las experiencias dicotómicas son situaciones donde solo hay dos resultados posibles: éxito (probabilidad p) o fracaso $probabilidad q = 1-p$ . Piensa en lanzar una moneda o aprobar un examen.

Cuando repites una experiencia dicotómica n veces, el número de éxitos sigue una distribución binomial B(n,p). La fórmula clave es: P $X=k$ = C(n,k) · p^k · q^ $n-k$ , donde C(n,k) son las combinaciones.

Los parámetros importantes son: media μ = n·p y desviación típica σ = √(n·p·q). Por ejemplo, si lanzas un dado 5 veces buscando doses, tienes B(5, 1/6), y P(exactamente 3 doses) = C(5,3) · (1/6)³ · (5/6)² ≈ 0.032.

💡 Consejo práctico: Las combinaciones C(n,k) = n!/ $k!·(n-k)!$ te dicen de cuántas formas puedes ordenar k éxitos en n intentos.

of 6

Intervalos Característicos y Media Muestral

Cuando trabajas con muestras, la distribución de la media muestral x̄ sigue siendo normal pero con menor variabilidad: x̄ ~ N $μ, σ/√n$ . Fíjate que la desviación se reduce al dividir por √n.

El intervalo de confianza para la media poblacional μ es: $x̄ - Z_{α/2} · σ/√n, x̄ + Z_{α/2} · σ/√n$ . Aquí x̄ es tu media muestral observada, no la poblacional teórica.

El error de estimación E = Z_{α/2} · σ/√n te indica qué tan precisa es tu estimación. Cuanto mayor sea tu muestra (n), menor será el error. La suma de observaciones ∑x_i ~ N(n·μ, √n·σ).

💡 Punto clave: Si aumentas el tamaño de muestra n, reduces el error de estimación porque divides por √n. ¡Más datos = más precisión!

of 6

Ejemplo Práctico: Intervalo de Confianza del 95%

Veamos un caso concreto con N(66,8) y nivel de confianza del 95%. Primero, como P = 0.95, entonces α = 0.05 y α/2 = 0.025.

Buscas Z_{α/2} tal que P $Z ≤ Z_{α/2}$ = 0.975, que da Z_{α/2} = 1.96. Para destipificar, usas x = μ + Z·σ: el límite superior es 66 + 1.96×8 = 81.68, y el inferior es 66 - 1.96×8 = 50.32.

El intervalo del 95% es [50.32, 81.68]. Para un 90% de confianza, α/2 = 0.05, Z_{α/2} = 1.645, y el intervalo sería [52.84, 79.16], más estrecho porque exiges menos confianza.

💡 Relación importante: Mayor nivel de confianza = intervalo más amplio. Es el precio de estar más seguro de tu estimación.

of 6

Distribución de la Media Muestral: Caso Práctico

Imagina paquetes con peso medio μ = 500g y σ = 35g. Si tomas muestras de 100 paquetes, x̄ ~ N(500, 35/√100) = N(500, 3.5).

Para P(x̄ < 495), tipificas: Z = (495-500)/3.5 = -1.43. Como P $Z < -1.43$ = P(Z > 1.43) = 1 - 0.9236 = 0.0764.

El intervalo del 95% para la media muestral es [500 - 1.96×3.5, 500 + 1.96×3.5] = [493.14, 506.86]. Para el peso total de 100 paquetes, ∑x_i ~ N(50000, 350), y P(peso total > 51000g) = P(Z > 2.86) = 0.021.

💡 Aplicación real: Este tipo de cálculos es crucial en control de calidad industrial para garantizar que los productos cumplan especificaciones.

We thought you’d never ask...

What is the Knowunity AI companion?

Our AI companion is specifically built for the needs of students. Based on the millions of content pieces we have on the platform we can provide truly meaningful and relevant answers to students. But its not only about answers, the companion is even more about guiding students through their daily learning challenges, with personalised study plans, quizzes or content pieces in the chat and 100% personalisation based on the students skills and developments.

Where can I download the Knowunity app?

You can download the app in the Google Play Store and in the Apple App Store.

Is Knowunity really free of charge?

That's right! Enjoy free access to study content, connect with fellow students, and get instant help – all at your fingertips.

Can't find what you're looking for? Explore other subjects.

Students love us — and so will you.

4.6/5App Store

4.7/5Google Play

The app is very easy to use and well designed. I have found everything I was looking for so far and have been able to learn a lot from the presentations! I will definitely use the app for a class assignment! And of course it also helps a lot as an inspiration.

Stefan SiOS user

This app is really great. There are so many study notes and help [...]. My problem subject is French, for example, and the app has so many options for help. Thanks to this app, I have improved my French. I would recommend it to anyone.

Samantha KlichAndroid user

Wow, I am really amazed. I just tried the app because I've seen it advertised many times and was absolutely stunned. This app is THE HELP you want for school and above all, it offers so many things, such as workouts and fact sheets, which have been VERY helpful to me personally.

AnnaiOS user

Matemáticas

Teoría de Distribuciones Muestrales

intervalo de confianza

Matemáticas660 views·Updated Jun 26, 2026·6 pages

Estadística Básica e Intervalos de Confianza: Ejemplos y Apuntes

belen@belen_laow

Add to Google sources

¿Te has preguntado cómo predecir resultados en situaciones de incertidumbre? La estadística y las distribuciones de probabilidad te permiten hacer estimaciones precisas y calcular intervalos de confianza. Estos conceptos son fundamentales para interpretar datos y tomar decisiones basadas en evidencia.

of 6

Intervalos Característicos en la Distribución Normal

💡 Truco clave: Recuerda que el 95% de confianza siempre usa Z = 1.96, y el 90% usa Z = 1.645. ¡Memoriza estos valores!

of 6

Distribución Normal

Con la tipificación puedes calcular probabilidades fácilmente. Por ejemplo, si X~N(6,4), para calcular P(x≤9) tipificas: Z = (9-6)/4 = 0.75, y buscas en la tabla P(Z≤0.75) = 0.7734.

💡 Dato curioso: El 68% de los datos está a 1σ de la media, el 95% a 2σ, y el 99.7% a 3σ. ¡Esta es la regla empírica!

of 6

Experiencias Dicotómicas y Distribución Binomial

Las experiencias dicotómicas son situaciones donde solo hay dos resultados posibles: éxito (probabilidad p) o fracaso $probabilidad q = 1-p$ . Piensa en lanzar una moneda o aprobar un examen.

💡 Consejo práctico: Las combinaciones C(n,k) = n!/ $k!·(n-k)!$ te dicen de cuántas formas puedes ordenar k éxitos en n intentos.

of 6

Intervalos Característicos y Media Muestral

El intervalo de confianza para la media poblacional μ es: $x̄ - Z_{α/2} · σ/√n, x̄ + Z_{α/2} · σ/√n$ . Aquí x̄ es tu media muestral observada, no la poblacional teórica.

💡 Punto clave: Si aumentas el tamaño de muestra n, reduces el error de estimación porque divides por √n. ¡Más datos = más precisión!

of 6

Ejemplo Práctico: Intervalo de Confianza del 95%

Veamos un caso concreto con N(66,8) y nivel de confianza del 95%. Primero, como P = 0.95, entonces α = 0.05 y α/2 = 0.025.

El intervalo del 95% es [50.32, 81.68]. Para un 90% de confianza, α/2 = 0.05, Z_{α/2} = 1.645, y el intervalo sería [52.84, 79.16], más estrecho porque exiges menos confianza.

💡 Relación importante: Mayor nivel de confianza = intervalo más amplio. Es el precio de estar más seguro de tu estimación.

of 6

Distribución de la Media Muestral: Caso Práctico

Imagina paquetes con peso medio μ = 500g y σ = 35g. Si tomas muestras de 100 paquetes, x̄ ~ N(500, 35/√100) = N(500, 3.5).

Para P(x̄ < 495), tipificas: Z = (495-500)/3.5 = -1.43. Como P $Z < -1.43$ = P(Z > 1.43) = 1 - 0.9236 = 0.0764.

💡 Aplicación real: Este tipo de cálculos es crucial en control de calidad industrial para garantizar que los productos cumplan especificaciones.