MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS

Grado en Economı́a. Facultad de Economı́a y Empresa. Universidad de Oviedo 1

Práctica resuelta del tema 6: Estimación por intervalos

[Tema 6, ejercicio 1] En una investigación sobre la alimentación infantil se analiza el consumo

semanal de agua (X, en litros), variable que se distribuye normalmente con dispersión σ = 3, 5. En
una m.a.s. de 45 niños se ha observado un consumo semanal medio de 17,72 litros.
a) Obtener un intervalo de confianza al 90 % para el consumo esperado.
b) Determinar el tamaño mı́nimo de la muestra para estimar el consumo esperado con un margen
de error de 1 litro y un nivel de confianza del 95 %. Indicar cómo se verı́a afectado este tamaño
de muestra si se desconociese el modelo probabilı́stico de la población.
Resolución
a) Consideremos la población X: Consumo semanal de agua (en litros). Teniendo en cuenta la
información del enunciado, X sigue un modelo normal con dispersión conocida: X ≈ N (µ; σ =
3, 5). Se trata por tanto de estimar un intervalo de confianza para el valor esperado de una
población normal con varianza conocida con un nivel de confianza del 90 %.
La discrepancia tipificada asociada al estimador X bajo las condiciones del enunciado seguirá
una distribución normal estándar:

X −µ
dX = σ/√n
≈ N (0, 1)

El primer paso será entonces determinar los lı́mites para la discrepancia que garanticen un
nivel de confianza 1 − α = 0, 9, es decir, se trata de calcular el valor k en las tablas del modelo
N (0, 1) que verifique:

P (|dX | ≤ k) = P (−k ≤ dX ≤ k) = 0, 9

A partir de las tablas de la función de distribución del modelo Z ≈ N (0, 1) tendremos que
determinar el valor k con probabilidad acumulada 0, 95. Dado que este valor no aparece en
las tablas, la solución habitual es tomar k = 1, 645, que es el resultado de la interpolación
para las probabilidades anterior y posterior que figuran en las tablas: P (Z ≤ 1, 64) = 0, 9495
y P (Z ≤ 1, 65) = 0, 9505.
Una alternativa es utilizar la herramienta “Tablas estadisticas” de Gretl, y calcular el valor
correspondiente a un modelo normal estándar con probabilidad en la cola derecha=0,05,
que da como resultado un valor crı́tico k =1,64485.
Una vez calculado el valor de k, el intervalo para µ se obtiene a partir de la expresión:
 
3, 5 3, 5
P X − 1, 645 √ ≤ µ ≤ X + 1, 645 √ = 0, 9
45 45

lo que da lugar al intervalo genérico [X − 0, 86; X + 0, 86]. Por tanto, se estima el consumo
esperado µ mediante la media muestral X con un margen de error e = 0, 86l y un nivel de
confianza del 90 %.
Finalmente, teniendo en cuenta que el consumo semanal medio observado para la muestra de
45 niños es de 17, 72l, se obtiene el intervalo particular [16, 86; 18, 58].
Puedes comprobar el resultado del intervalo de confianza mediante la función de Gretl dis-
ponible en el paquete “Métodos Estadı́sticos para la Economı́a”:
2 PRÁCTICA RESUELTA 6. Curso 2018-2019

SALIDA GRETL INTERVALO DE CONFIANZA PARA LA MEDIA

Datos introducidos manualmente
Nivel de confianza: 0.90
Modelo Normal. k= 1.6449
Media muestral= 17.7200
Desviacion Tipica= 3.5000
———————————-
Intervalo de confianza: (16.8618 , 18.578201)

b) El cálculo del tamaño de muestra se basa en igualar el margen de error preestablecido (e) al
margen de error del intervalo de confianza para µ, es decir:

 2
σ kσ
e = k √ =⇒ n =
n e

donde k es el valor correspondiente al intervalo de confianza al 95 % para µ. Dado que en este

caso la población es normal, calcularemos el valor de k a partir de las tablas de la N (0, 1),
que da como resultado k = 1, 96:

 2
1, 96 × 3, 5
n= = 47, 0596
1

Por lo tanto, el tamaño mı́nimo de muestra que garantiza la estimación de µ con un margen
de error de 1l y un nivel de confianza del 95 % es n = 48.
Puedes comprobar el resultado del tamaño de muestra mediante la función de Gretl disponible
en el paquete “Métodos Estadı́sticos para la Economı́a”:

SALIDA GRETL DETERMINACIÓN DEL TAMAÑO DE MUESTRA PARA

LA MEDIA
Datos introducidos manualmente
La población sigue un modelo Normal
Nivel de confianza: 0.95
Varianza= 12.25
Margen de error= 1
————————————————-
Tamaño mı́nimo de muestra: n= 48

Si desconociésemos la distribución de probabilidad poblacional, el resultado del apartado ante-

rior se mantendrı́a puesto que el tamaño de muestra resultante (n = 48) es lo suficientemente
grande como para aplicar la aproximación normal en virtud del Teorema Central del Lı́mite. Si
aplicando la aproximación normal hubiésemos obtenido un tamaño n < 30, la aproximación
no serı́a aceptable y habrı́a que utilizar procedimientos alternativos para el cálculo del valor
k. Una alternativa en esta situación es aplicar la desigualdad de Chebyshev, resultado que no
forma parte de los contenidos de la asignatura.
MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS
Grado en Economı́a. Facultad de Economı́a y Empresa. Universidad de Oviedo 3

[Tema 6, ejercicio 6] Para efectuar un estudio sobre el consumo mensual de leche (en litros) en
los hogares de cierta comunidad autónoma, se analiza una m.a.s de 25 familias, obteniéndose un
consumo mensual medio de 54 litros con desviación tı́pica 3,33. Sabiendo que el consumo de leche
se distribuye normalmente:
a) Construir un intervalo de confianza al 95 % para el consumo esperado de leche.
b) Si el precio del litro de leche es de 0,6 euros, obtener un intervalo de confianza al 95 % para
el gasto esperado.
c) Con el fin de aproximar la variabilidad del consumo de leche, obtener un intervalo de confianza
al 90 % para la varianza.
Resolución
a) Consideremos la población X: Consumo mensual de leche (en litros). Teniendo en cuenta la
información del enunciado, X sigue un modelo normal con dispersión desconocida. Se trata
por tanto de estimar un intervalo de confianza para el valor esperado de una población normal
con varianza desconocida con un nivel de confianza del 95 %.
La discrepancia tipificada asociada al estimador X bajo las condiciones del enunciado seguirá
una distribución t de Student con n − 1 grados de libertad:
X̄ − µ
dX̄ = S/√n
≈ tn−1

El primer paso será entonces determinar los lı́mites para la discrepancia que garanticen un
nivel de confianza 1 − α = 0, 95. Dado que el tamaño muestral es n = 25 , se trata de calcular
el valor k de la distribución t24 que verifica:

P (|dX | ≤ k) = P (−k ≤ dX ≤ k) = 0, 95
A partir de las tablas del modelo t de Student tendremos que determinar el valor k con
probabilidad en ambas colas igual a 0, 05, obteniendo k = 2, 0639.
Una vez calculado el valor de k, teniendo en cuenta la desviación tı́pica muestral s = 3, 33,
3,33
podemos calcular el margen de error del intervalo: ε = k √Sn = 2, 0639 √ 25
= 1, 375.
Finalmente, teniendo en cuenta el consumo mensual medio observado en la muestra x̄ = 54,
se obtiene el intervalo particular [52, 625; 55, 375].
Puedes comprobar el resultado del intervalo de confianza mediante la función de Gretl dis-
ponible en el paquete “Métodos Estadı́sticos para la Economı́a”:
SALIDA GRETL INTERVALO DE CONFIANZA PARA LA MEDIA
Datos introducidos manualmente
Nivel de confianza: 0.95
Modelo t-Student con 24 g.l. k= 2.0639
Media muestral= 54.0000
Desviacion Tipica= 3.3300
———————————-
Intervalo de confianza: (52.6254 , 55.374556)
b) Se trata ahora de obtener un intervalo de confianza para la esperanza de una nueva variable
Y : Gasto mensual en leche (en euros), que está relacionada mediante un cambio de escala
con la variable anterior, X: Consumo mensual de leche (en litros), Y = 0, 6X.
La población Y sigue también una distribución normal con dispersión desconocida N (0, 6µX ; 0, 6σX ).
Teniendo en cuenta el cambio de escala, los resultados muestrales para Y son: Ȳ = 0, 6X̄ y
SY = 0, 6SX , de donde se deduce que los lı́mites del intervalo genérico para µY se pueden
expresar como sigue:
4 PRÁCTICA RESUELTA 6. Curso 2018-2019

   
SY SY 0, 6SX 0, 6SX
Ȳ − k √ , Ȳ + k √ ≡ 0, 6X̄ − k √ , 0, 6X̄ + k √ ≡
n n n n
    
S SX
≡ 0, 6 X̄ − k √ , 0, 6 X̄ + k √
n n

Dado que el nivel de confianza es del 95 %, el valor de k es el mismo del apartado a) y, en

consecuencia, los lı́mites del intervalo particular para el gasto esperado µY se pueden obtener
a partir de los del intervalo calculado para el consumo esperado µX aplicando el cambio de
escala anterior, llegando a la siguiente estimación [31, 575; 33, 225].
c) La población X: Consumo mensual de leche (en litros) sigue un modelo normal con disper-
sión desconocida. Ahora nuestro objetivo es estimar la varianza poblacional con un nivel de
confianza del 90 %.
Dado que la población es normal, la discrepancia tipificada asociada al estimador S 2 seguirá
una distribución chi-cuadrado con n − 1 grados de libertad:

(n − 1)S 2
dS 2 = ≈ χ2n−1
σ2
La expresión genérica del intervalo de confianza es:

(n − 1)S 2 (n − 1)S 2
 
,
k2 k1

donde las constantes k1 y k2 son los valores de la distribución χ2n−1 que verifican:
α α
P (dS 2 ≤ k1 ) = y P (dS 2 ≥ k2 ) =
2 2

Dado que en este caso el tamaño muestral es n = 25 y el nivel de confianza 1 − α = 0, 9, se

trata de calcular los valores k1 y k2 de la distribución χ224 que verifican:

P (dS 2 ≤ k1 ) = 0, 05 y P (dS 2 ≤ k2 ) = 0, 95

A partir de las tablas de la función de distribución del modelo se obtienen los siguientes valores:
k1 = 13, 8484 y k2 = 36, 4150.
Finalmente, sustituyendo en la expresión genérica del intervalo dichos valores y la información
muestral, n = 25 y s2 = 3, 332 , se llega a la estimación siguiente [7, 3083; 19, 2176].
Puedes comprobar el resultado del intervalo de confianza mediante la función de Gretl disponible
en el paquete “Métodos Estadı́sticos para la Economı́a”:

SALIDA GRETL INTERVALO DE CONFIANZA PARA LA VARIANZA

Datos introducidos manualmente
Nivel de confianza: 0.90
Varianza= 11.09
Modelo Chi-cuadrado con 24 g.l.
———————————-
Valores Chi² (2 colas) P(X<=13.8484)=0.0500, P(X>=36.4150)=0.0500
Intervalo de confianza: (7.3083 , 19.217608)
MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS
Grado en Economı́a. Facultad de Economı́a y Empresa. Universidad de Oviedo 5

[Tema 6, ejercicio 8] [Pérez, R. y López, A.J., 1997] Una empresa automovilı́stica lanzará próxi-
mamente al mercado un nuevo modelo que intenta promocionar entre sus compradores potenciales.
Para ello envı́a a una muestra seleccionada aleatoriamente entre sus clientes una invitación para
asistir a la presentación del automóvil, con derecho a efectuar un recorrido de prueba.
a) Sabiendo que de 40 clientes que probaron el nuevo modelo 10 se mostraron interesados en su
adquisición, obtener un intervalo de confianza al 90 % para la proporción de compradores p.
b) ¿Cuánto habrı́a que incrementar el tamaño muestral para garantizar el mismo nivel de confianza
con un margen de error de 0,1?
Resolución
a) Se trata de estimar un intervalo de confianza para la proporción poblacional de clientes que
adquieren el coche (p) con un nivel de confianza del 90 %.
La discrepancia tipificada asociada al estimador p̂ sigue la expresión:

p̂ − p
dp̂ = q ≈ N (0, 1)
p̂(1−p̂)
n−1

Dado que el tamaño de muestra n=40 es suficientemente elevado, podemos aplicar la conver-
gencia de la discrepancia asociada a la proporción muestral (p̂) al modelo normal.
El primer paso será entonces determinar los lı́mites para la discrepancia que garanticen un
nivel de confianza 1 − α = 0, 9, es decir, se trata de calcular el valor k en las tablas del modelo
N (0, 1) que verifique:

P (|dp̂ | ≤ k) = P (−k ≤ dp̂ ≤ k) = 0, 9

A partir de las tablas de la función de distribución del modelo Z ≈ N (0, 1), se obtiene
k = 1, 645.
Una alternativa es utilizar la herramienta “Tablas estadisticas” de Gretl, y calcular el valor
correspondiente a un modelo normal estándar con probabilidad en la cola derecha=0,05,
que da como resultado un valor crı́tico k =1,64485.
Una vez calculado el valor de k, el intervalo para p se obtiene a partir de la expresión:
r r !
p̂ (1 − p̂) p̂ (1 − p̂)
P p̂ − 1, 645 ≤ p ≤ p̂ + 1, 645 = 0, 9
39 39

Finalmente, sustituyendo en la expresión anterior la información procedente de la muestra

10
p̂ = 40 = 0, 25, se obtiene el intervalo particular [0, 1359; 0, 3640].
Puedes comprobar el resultado del intervalo de confianza mediante la función de Gretl dis-
ponible en el paquete “Métodos Estadı́sticos para la Economı́a”:

SALIDA GRETL INTERVALO DE CONFIANZA PARA LA PROPORCIÓN

Introducir proporción muestral (scalar): 0.25
Introducir tamaño muestral: 40
Nivel de confianza (scalar): 0.90
———————————-
Intervalo de confianza: (0.1359 , 0.3640)

b) Debemos calcular un nuevo tamaño de muestra para estimar la proporción, que lleve asociado
igual nivel de confianza 1 − α y un margen de error e = 0, 1 . El tamaño mı́nimo de muestra
será:
6 PRÁCTICA RESUELTA 6. Curso 2018-2019

k 2 p (1 − p)
n=
e2
donde k es el valor correspondiente al intervalo de confianza al 90 % para p. Para obtener
el tamaño n sustituimos la información disponible: k = 1, 645 por ser el nivel de confianza
del 90 %, e = 0, 1 es el nivel de precisión exigido y, ante el desconocimiento de la dispersión
poblacional podemos considerar la solución más desfavorable p (1 − p) = 0, 25:

k 2 p (1 − p) 1, 6452 0, 25
n= = = 67, 65
e2 0, 12
Por lo tanto, el tamaño mı́nimo de muestra que garantiza la estimación de p con un margen
de error de 0, 1 y un nivel de confianza del 90 % es n = 68.
Puedes comprobar el resultado del tamaño de muestra mediante la función de Gretl disponible
en el paquete “Métodos Estadı́sticos para la Economı́a”:

SALIDA GRETL DETERMINACIÓN DEL TAMAÑO DE MUESTRA PARA

LA PROPORCIÓN
Nivel de confianza (scalar): 0.90
Margen de error (Amplitud/2) (scalar)= 0.1
CASO MANUAL p estimada (scalar)=0.5
————————————————-
Tamaño de mı́nimo muestra estimado usando aproximación normal: n= 68