Unidad II ESTIMACIN Paquete Didctico

GRUPO 401C
40
Propsito
El alumno har estimaciones puntuales de las medias o proporciones poblacionales, a
partir del estudio de una muestra aleatoria para que logre formular sus primeras
inferencias.
Temtica:
2.1 Introduccin a la Inferencia Estadstica
2.1.1 Estimacin
2.1.2 Estimacin Puntual
2.1.3 Importancia de la Estimacin por Intervalos de confianza.
2.2 Estimacin por Intervalos de confianza para medias poblacionales
2.2.1 Elementos que componen un intervalo de confianza para medias
2.2.2 Aplicacin e interpretacin de resultados.
2.3 Estimacin de los Intervalos de confianza para proporciones poblacionales
2.3.1 Elementos que componen un intervalo de confianza para proporciones
2.3.2 Aplicacin e interpretacin de resultados.
0

UNIDAD II
Estimacin
) 1 ( o
Unidad II ESTIMACIN Paquete Didctico
GRUPO 401C
41
Los Aprendizajes de esta unidad son:
El alumno:
1. Conoce el concepto de estimacin puntual.
2. Comprende el concepto de estimacin por intervalo.
3. Comprende el propsito de los intervalos de confianza para la media y la
proporcin.
4. Construye el intervalo de confianza para la media y para la proporcin de la
poblacin.
5. Interpreta estadstica y grficamente los intervalos de confianza
6. Calcula el valor de n para diferentes errores y niveles de confianza.
7. Resuelve problemas de aplicacin.
La sabidura que se adquiere
con el trato cotidiano de
quien est a nuestro lado (tu
padre o madre), es muy
importante no la
desaproveches.
Unidad II ESTIMACIN Paquete Didctico
GRUPO 401C
42
2.1 Introduccin a la Inferencia Estadstica
La inferencia existe desde hace siglos y desempea un papel muy importante en la vida
de la mayora de las personas. A continuacin se mencionan algunas aplicaciones:
- El gobierno necesita predecir las tasas de inters a corto y lago plazo.
- Un corredor quiere prever el comportamiento de la bolsa de valores.
- Un ingeniero en metalurgia quiere decidir si un nuevo equipo de acero es ms
resistente a las altas temperaturas que lo que era el acero anterior.
- Un consumidor quiere estimar el precio de su casa antes ponerla a la venta.
Hay muchas maneras de tomar estas decisiones o hacer estas predicciones, algunas de
naturaleza subjetiva y otras ms objetivas. Qu tan buenas sern ests predicciones? El
trabajo de la Estadstica es proporcionar mtodos de inferencia estadstica que sean
mucho mejores que las suposiciones subjetivas.
La inferencia estadstica se relaciona con la toma de decisiones o la elaboracin de
predicciones respecto a los parmetros.
Ejemplo:
Un ingeniero en metalurgia podra medir los coeficientes de dilatacin promedio para
ambos tipos de acero y despus comparar sus valores.
Los mtodos para hacer inferencias acerca de los parmetros de la poblacin entran en
una de dos categoras:
- Estimacin: Estima o predice el valor del parmetro.
- Prueba de Hiptesis: Toma una decisin respecto al valor de un parmetro.
basado en alguna idea preconcebida acerca de cul podra ser su valor.
(Nota: En la unidad III, se estudiara a detalle el tema prueba de hiptesis)
2.1.1 Estimacin
Ejemplo 2.1
Una empresa fabrica remaches para usarlos en la construccin de aviones. Una
caracterstica de suma importancia es la resistencia a la rotura de cada remache. Los
ingenieros de la compaa deben monitorear su produccin, de modo que estn seguros
de que la resistencia a la rotura de sus remaches cumpla con las especificaciones
requeridas. Para lograr esto, los ingenieros toman una muestra y determinan la
resistencia media a la rotura de la muestra. Con base en esta informacin sobre la
muestra, la fbrica puede estimar la resistencia media a la rotura de todos los remaches
que produce.
Se elige aleatoriamente una muestra de 36 remaches, y se prueba la resistencia a la
rotura de cada uno. La media de la muestra resultante es 23 . 924 = x lb. Con base en esta
Unidad II ESTIMACIN Paquete Didctico
GRUPO 401C
43
muestra los ingenieros afirman consideramos que la resistencia media a la rotura de
todos estos remaches es de 924.23 lb.
Observacin:
La resistencia a la rotura es la fuerza necesaria para romper un material en una accin
cortante. Resulta evidente que el fabricante no va a examinar todos los remaches, ya
que la prueba lo destruye. En consecuencia, se prueban algunas muestras y la
informacin resultante debe usarse para hacer inferencias acerca de la poblacin de
todos los remaches.
Para estimar el valor de un parmetro de la poblacin se puede usar informacin de la
muestra bajo la forma de un estimador. Los estimadores se calculan por medio de
informacin de las observaciones muestrales y, por tanto, por definicin, tambin son
estadsticos.
Los estimadores se usan de dos maneras.
- Estimacin puntual: con base en los datos de la muestra se calcula un solo
nmero para estimar el parmetro de la poblacin. La regla o frmula que
describe este clculo se llama estimador puntual, y el nmero resultante se
conoce como estimacin puntual.
- Estimacin por intervalos de confianza: con base en los datos de la muestra, se
calculan dos nmeros para formar un intervalo dentro del cual se espera que est
el parmetro. La regla o frmula que describe este clculo se llama estimador de
intervalo, y el par de nmeros resultantes se conoce como estimacin de
intervalo o intervalo de confianza.
Ambos procedimientos de estimacin puntual y de intervalo emplean informacin
proporcionada por una distribucin de muestreo del estimador especfico que se
elige usar. A continuacin analizaremos la estimacin puntual y su uso en la
estimacin de medias y proporciones poblaciones.
Estimacin
La estimacin es un proceso que consiste en emplear los estadsticos obtenidos de
una muestra X
,
para inferir o estimar los parmetros de la poblacin ( o o ).
Existen dos clases de estimacin:
1. Estimacin puntual.
2. Estimacin por intervalos de confianza.
Unidad II ESTIMACIN Paquete Didctico
GRUPO 401C
44
2.1.2 Estimacin Puntual
En una situacin prctica es posible usar varios estadsticos como estimadores puntuales
para un parmetro de la poblacin. Cmo se puede decidir cul de las diversas
opciones es la mejor? Para hacerlo se necesita observar el comportamiento del
estimador en el muestreo repetido, descrito por su distribucin muestral.
Si realizamos un experimento de tiro al blanco. El parmetro de inters es el centro del
blanco al que se tira. Cada flecha tirada por el tirador, representa una sola estimacin de
la muestra, la cual representa al estimador. Suponiendo que otra persona tira y da en el
centro del blanco. Se puede concluir que l es un excelente estimador? Permanecera
al lado del blanco mientras se realiza un segundo tiro? Probablemente no, por que no
tiene ninguna medida de qu tan bien se desempea en ensayos repetidos Siempre que
tira al blanco, da al blanco o de forma constante pega muy alto o muy bajo? Sus tiros
se agrupan muy cerca alrededor del blanco, o por lo general falla por un amplio
margen? En la figura 2.1 se muestran varias configuraciones del blanco. Cul blanco
consideras que corresponda a los mejores tiros?
Figura 2.1 Cul tirador el mejor?
x
x x x
x xx x
x x x

x x x x
x x x x
x x x
x
x x
x x
x x
x x
x x x
x x
x x x
x x x
x x x
Consistentemente abajo
del blanco
Consistentemente
arriba del blanco
Fuera del blanco por un
amplio margen
Mejor puntera.
Para un estimador puntual estadstico de la distribucin muestral del estimador
proporciona informacin acerca del mejor estimador. Dos caractersticas son valiosas en
un estimador puntual.
1. La distribucin muestral del estimador puntual se debe centrar sobre el
verdadero valor del parmetro por estimar. Es decir, el estimador no debe
subestimar o sobrestimar de forma consistente el parmetro de inters. Se dice
que tal estimador es insesgado.
Se dice que el estimador de un parmetro es insesgado si la media de su distribucin
es igual al valor verdadero del parmetro. De otra manera, se dice que el estimador es
sesgado.
La figura 2.2 muestra las distribuciones muestrales para un estimador insesgado
y un estimador sesgado. La distribucin muestral para el estimador sesgado se
Unidad II ESTIMACIN Paquete Didctico
GRUPO 401C
45
recorre a la derecha del valor verdadero del parmetro. Este estimador sesgado
tiene ms probabilidades de sobre estimar el valor del parmetro que uno
insesgado.
Figura 2.2
Distribuciones
Para estimadores
sesgados e in sesgados.
Estimador
Insesgado
Estimador
sesgado
Valor verdadero
del parmetro
2. La segunda caracterstica deseable de un estimador es que la dispersin (medida
por la varianza) de la distribucin muestral debe ser tan pequea como sea
posible. Esto asegura que, con una probabilidad alta, un estimador individual
quedar cerca del verdadero valor del parmetro. En la figura 2.3 se muestran las
distribuciones mustrales para dos estimadores insesgados, una con una varianza
pequea
1
y la otra con una varianza ms grande. Naturalmente, se preferira al
estimador con la varianza ms pequea porque las estimaciones tienden a
quedar ms cerca del verdadero valor del parmetro que en la distribucin con la
varianza ms grande.
Figura 2.3
Comparacin de la
variabilidad del
estimador.
Estimador con
Varianza menor
Estimador con
Varianza mayor
Valor verdadero
del parmetro
1
Los estadsticos comnmente usan el trmino varianza de un estimador cuando en realidad se refieren a
la varianza de la distribucin muestral del estimador. Esta expresin es de uso casi universal.
Unidad II ESTIMACIN Paquete Didctico
GRUPO 401C
46
En situaciones de muestreo de la vida real se podra saber que la distribucin
muestral de un estimador se centra respecto del parmetro que se intenta estimar,
pero todo lo que se tiene es la estimacin calculada de las n mediciones
contenidas en la muestra.
Qu tan lejos del valor verdadero quedar su estimacin del parmetro? Qu
tan cerca del centro del blanco estar la flecha del tirador? La distancia entre la
estimacin y el verdadero valor del parmetro se llama error de estimacin.
La distancia entre una estimacin y el parmetro estimado se llama error de estimacin.
En est unidad se considerarn tamaos de muestras grandes, por consiguiente los
estimadores insesgados que se estudiarn tienen distribuciones muestrales que pueden
aproximarse mediante una distribucin normal (debido al teorema del lmite central).
Es importante recordar que para cualquier estimador puntual con una distribucin
normal, la regla emprica establece que alrededor del 95% de las estimaciones
puntuales estarn alrededor de dos (o con ms exactitud, 1.96) desviaciones estndar de
la media de esa distribucin. Para estimadores insesgados esto implica que la diferencia
entre el estimador puntual y el valor verdadero del parmetro ser menor que 1.96
desviaciones estndar o 1.96 errores estndar (SE, por sus siglas en ingles), y esta
cantidad, conocida como margen de error, proporciona una lmite prctico para el error
de estimacin (figura 2.4) Puede ser que el error de estimacin exceda este margen de
error, pero es poco probable.

Valor verdadero
Margen de error Margen de error
Una estimacin particular
Figura 2.4
Distribucin muestral de un estimador insesgado.
95%
1.96
x
o 1.96
x
o
Unidad II ESTIMACIN Paquete Didctico
GRUPO 401C
47
Estimacin puntual de un parmetro poblacional
Estimador puntual: un estadstico que se calcula usando mediciones muestrales
Margen de error: 1.96 x error estndar del estimador.
Cmo se estima una media o proporcin poblacional?
- Para estimar la media poblacional , en el caso de una poblacin cuantitativa,
el estimador puntual x es insesgado con error estndar dado por

n
x
o
o =
El margen de error se calcula como
|
|
.
|

\
|

n
o
96 . 1
Si no se conoce el valor de o , y n es 30 o ms grande, se puede usar la desviacin
estndar de la muestra para aproximar o .
2
- Para estimar la proporcin poblacional p en el caso de una poblacin binomial,
el estimador puntual
n
x
p = es insesgado con error estndar dado como
n
pq
x
= o El margen de error se calcula como
n
pq
96 . 1
Y se estima como
n
q p
96 . 1
Supuestos: 5 5 > > nq y np . Puesto que se desconocen los valores de p y q,
usar 5 5 > > q n y p n
Para calcular los errores estndar de estas dos estimaciones puntuales se puede calcular
los errores estndar de estas dos estas dos estimaciones puntuales se necesit estimar o
con s, p con py q con q. Estas aproximaciones de los errores estndar diferirn slo
ligeramente del verdadero valor de
x
o cuando el tamao de la muestra n sea grande, y
tendrn poco efecto en el margen de error. De hecho en la tabla 2.1 se muestra que, para
la mayora de los valores de p sobre todo cuando p est entre 0.3 y 0.7 hay un cambio
muy pequeo en pq , el numerador de
x
o cuando cambia p.
Tabla 2.1
Algunos valores calculados de pq
p q
pq
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.09
0.16
0.21
0.24
0.25
0.24
0.21
0.16
0.09
0.30
0.40
0.46
0.49
0.50
0.49
0.46
0.40
0.30

2
Cuando la muestra es grande este estadstico est aproximadamente normalmente distribuido, ya sea que
la poblacin muestreada sea o no normal.
Unidad II ESTIMACIN Paquete Didctico
GRUPO 401C
48
Ejemplo 2.2
Un investigador est interesado en la posibilidad de fusionar las capacidades de la
televisin y la Internet. Una muestra aleatoria de n =50 usuarios de Internet a los que se
encuest para determinar el tiempo que pasan viendo la televisin produjo un promedio
de 11.5 horas a la semana con una desviacin estndar de 3.5 horas. Usa est
informacin para estimar la media poblacional del tiempo que los usuarios de Internet
pasan viendo la televisin.
Solucin
La variable aleatoria media es el tiempo a la semana que se dedica a ver televisin. sta
es la variable aleatoria cuantitativa que es mejor descrita por su media . La estimacin
puntual de , el tiempo promedio que los usuarios de Internet dedican a ver televisin,
es 5 . 11 = x horas. El margen de error es
|
|
.
|

\
|
=
|
|
.
|

\
|
=
50
96 . 1 96 . 1 96 . 1
o o
o
n
x
Aun que no se conoce o , el tamao de la muestra es grande, y se puede aproximar el
valor de o mediante s. Por consiguiente, el margen de error es aproximadamente.
1 97 . 0
50
5 . 3
96 . 1
50
5 . 3
96 . 1 96 . 1 ~ =
|
|
.
|

\
|
=
|
|
.
|

\
|
=
|
|
.
|

\
|
n
s
Puede sentirse seguro de que la estimacin muestral de 11.5 horas de ver televisin para
los usuarios de Internet est a 1 hora de la media poblacional.
Ejemplo 2.3
Adems del tiempo promedio que los usuarios de Internet dedican a ver televisin, el
investigador del ejemplo 2.2 estaba interesado en estimar la proporcin de individuos en
la poblacin en general que quieren comprar una televisin que tambin funcione como
computadora. En una muestra aleatoria de n =100 adultos, el 45% de la muestra indic
que ellos podran comprar una. Estima la verdadera proporcin de la poblacin de
adultos que est interesada en comprar una televisin que tambin funcione como
computadora, y encuentra el margen de error para la estimacin.
Solucin
El mejor estimador de la proporcin poblacional p es la proporcin muestral pque para
est muestra es 45 . 0 = p
( )
( ) 10 . 0 05 . 0 96 . 1
100
55 . 0 45 . 0
96 . 1

96 . 1 96 . 1 96 . 1 = = = ~ =
n
q p
n
pq
x
o
Con este margen de error se puede estar seguro de que la estimacin de 0.45 est dentro
de 10 . 0 del valor verdadero de p. Por tanto, puede concluirse que el verdadero valor
dep pudiera ser tan pequeo como 0.35, o tan grande como 0.55. Este margen de error
es bastante grande cuando se compara con la estimacin en s y refleja el hecho de que
se requieren muestras grandes para lograr un margen pequeo de error al estimar p.
Unidad II ESTIMACIN Paquete Didctico
GRUPO 401C
49
Nota: si observamos en la tabla 2.1, el margen de error que usa el estimador pes un
mximo cuando p =0.5 Algunos encuestadores usan de manera rutinaria el margen
mximo de error al estimar p, en cuyo caso calculan
( )
n n
q p
n
pq
x
5 . 0 5 . 0
96 . 1

96 . 1 96 . 1 96 . 1 = ~ = o
En las encuestas de Gallup, Harris y Roper generalmente usan tamaos de muestra de
aproximadamente 1000, as que su margen de error es
( ) ( )
( ) 031 . 0 016 . 0 96 . 1
1000
5 . 0 5 . 0
96 . 1
5 . 0 5 . 0
96 . 1 = = =
n
o alrededor de 3%
En este caso se dice que la estimacin est dentro de 3 puntos porcentuales de la
proporcin poblacional verdadera.
Unidad II ESTIMACIN Paquete Didctico
GRUPO 401C
50
Problemas que debern
resolver los alumnos
Ejercicios 2.1
1. Explica qu significa el trmino margen de error en la estimacin puntual.
2. Cules son dos caractersticas del mejor estimador puntual para un parmetro
poblacional?
3. Calcula el margen de error al estimar una medida poblacional para estos
valores:
a) 2 . 0 , 30
2
= = o n b) 9 . 0 , 30
2
= = o n c) 5 . 1 , 30
2
= = o n
Qu efecto tiene una varianza poblacional ms grande en el margen de error?
4. Calcula el margen de error al estimar una media poblacional para estos valores:
a) 4 , 50
2
= = s n b) 4 , 500
2
= = s n c) 4 , 5000
2
= = o n
Qu efecto tiene el aumentar el tamao de la muestra en el margen de error?
5. Calcula el margen de error al estimar una proporcin binomial para cada uno de los
siguientes valores de n. Usa p =0.5 para calcular el error estndar del estimador.
a) n =30 b) n =100 c) n =400 d) n =1000
Qu efecto tiene sobre el margen de error incrementar el tamao de la muestra?
6. Calcula el margen de error al estimar una proporcin binomial p por medio de
muestras de tamao n =100 y los siguientes valores estimados para p:
a) p =0.1 b) p =0.3 c) p =0.5 d) p =0.7 e) p =0.9
f) Cul de los valores estimados de p producen el margen de error ms grande?
7. Suponiendo que est, elaborando un cuestionario para su aplicacin por muestreo
que involucra a n =1000 individuos. El cuestionario generar estimaciones para
varias proporciones binomiales diferentes. Si se quiere informar un solo margen de
error para la encuesta, qu margen de error del ejercicio 6 sera correcto usar?
8. Una muestra aleatoria de n =900 observaciones de una poblacin binomial produjo
x =655 xitos. Estima la proporcin binomial p y calcula el margen de error.
Unidad II ESTIMACIN Paquete Didctico
GRUPO 401C
51
9. Una muestra aleatoria de n =50 observaciones de una poblacin cuantitativa
produjo 4 . 56 = x y 6 . 2
2
= s . Da la mejor estimacin puntual para la media
poblacional y calcula el margen de error.
10. Estimaciones de la biomasa terrestre, la cantidad total de vegetacin que sostienen
los bosques de la tierra, son importantes para determinar la cantidad de anhdrido
carbnico no absorbido que se espera permanezca en la atmsfera de la tierra.
Suponiendo que una muestra de 75 parcelas de un metro cuadrado, elegidas al azar
en los bosques boreales de Amrica del norte, produjo una biomasa media de 4.2
kilogramos por metro cuadrado (kg/
2
m ), con una desviacin estndar de 1.5 kg/
2
m .
Estima la biomasa promedio para los bosques boreales de Amrica del Norte y
encuentra el margen de error para su estimacin.
11. Con frecuencia un aumento en la proporcin de ahorros de los consumidores se
asocia con una falta de confianza en la economa y se dice que es un indicador de
una tendencia recesiva en la economa. Un muestreo aleatorio de n =200 cuentas de
ahorro en una comunidad local mostr un incremento medio en los valores de las
cuentas de ahorro de 7.2% durante los ltimos 12 meses, con una desviacin
estndar de 5.6%. Estima el aumento del porcentaje medio en los valores de las
cuentas de ahorro durante los ltimos 12 meses de los depositantes en la comunidad.
Encuentra el margen de error para su estimacin.
12. Aun que la mayora de los distritos escolares no resultan especficamente a los
hombres para que sean maestros de primaria, los que escogen una carrera en la
educacin elemental son muy estimados y encuentran la carrera muy gratificante. Si
haba 40 hombres en una muestra aleatoria de 250 maestros de primaria, estima la
proporcin de maestros hombres en toda la poblacin. Da el margen de error para su
estimacin.
2.1.3 Importancia de la Estimacin por Intervalo
Es una forma de establecer la precisin o confiabilidad de un estimador puntual. La
construccin de este intervalo a partir de la informacin observada y recopilada de una
muestra provee una banda alrededor del parmetro estimado, asegurando con una
probabilidad determinada que dicho parmetro est ubicado dentro del intervalo. A
dicho intervalo se le conoce de varias maneras: de confianza, estimado de confianza,
regin de confianza, intervalo de confianza (IC).
La probabilidad de que un intervalo contenga al parmetro que se estima se le llama
Coeficiente de confianza el cual se denota por ) 1 ( o para estimar el parmetro
poblacional respectivo.
La estimacin por intervalos de confianza consiste en emplear un conjunto de valores
dentro del cual se espera se encuentre el valor del parmetro en cuestin. La ventaja de
este tipo de estimacin por intervalos de confianza es que muestra su exactitud a menor
valor del intervalo de confianza.
Unidad II ESTIMACIN Paquete Didctico
GRUPO 401C
52
Figura 2.5. Los valores de una variable aleatoria normal
se encuentran en el intervalo
o 3
Los nmeros del extremo de estos
intervalos se llaman limites de
confianza del 68.27%, 95.45% y
99.73%
El porcentaje de confianza recibe el
nombre de nivel de confianza. Los
nmeros 1.96, 2.58, etc. en los lmites
de confianza se llaman valores
crticos y se denotan como
c
z .
Podemos encontrar los valores crticos
a partir de los niveles de confianza y
viceversa.
En la tabla 2.2 se muestran los valores de
c
z correspondientes a varios niveles de
confianza que se utilizan en la prctica. Se puede encontrar los valores de
c
z para los
niveles de confianza que no estn en la tabla a partir del rea bajo la curva normal que
se encuentra en la tabla I del apndice I
Nivel de
Confianza 99.73% 99% 98% 96% 95.45% 95% 90% 80% 75% 68.27% 50%
Valores crticos
c
z
3 2.58 2.33 2.05 2 1.96 1.645 1.28 1.15 1 0.6745
o 0.0027 0.01 0.02 0.04 0.0455 0.05 0.10 0.20
0.25
0.3173 0.5
Tabla 2.2 Algunos Niveles de confianza que se utilizan en la prctica.
Puesto que el rea total bajo la curva es 1, el rea restante en las dos colas es o , y cada
cola contiene un rea
2
o
. El valor de z que tiene con rea de cola
2
o
a su derecha
se llama
2
o
z
, y el rea entre
2
o
z
y
2
o
z
es el coeficiente de confianza ) 1 ( o
.
Los valores de
2
o
z
que los experimentadores suelen usar sern comunes para
nosotros cuando empecemos a construir intervalos de confianza para diferentes
situaciones prcticas.
Unidad II ESTIMACIN Paquete Didctico
GRUPO 401C
53



2
o
z
0
2
o
z
Figura 2.6 o
o o
= |
.
|

\
|
< < 1
2 2
z Z z P
2.2 Estimacin por Intervalos de confianza para medias
poblacionales.
Al multiplicar cada termino en la desigualdad por
n
o
, y despus de restar X de cada
termino y multiplicar por -1 (para invertir el sentido de las desigualdades), obtenemos
o
o

o
o o
=
|
|
.
|

\
|
+ < < 1
2 2
n
z X
n
z X P
Se selecciona una muestra aleatoria de tamao n de una poblacin cuya varianza
2
o se
conoce y se calcula la media x para obtener el siguiente intervalo de confianza de
( ) % 100 1 o . Es importante enfatizar que recurrimos al teorema del lmite central.
Como resultado es importante anotar las condiciones para las aplicaciones que siguen.
Intervalo de confianza de ; con o conocida.
Si x es la media de una muestra aleatoria de tamao n de una poblacin con
varianza
2
o , conocida, un intervalo de confianza ( ) % 100 1 o para esta dado
por
o
o

o
o o
=
|
|
.
|

\
|
+ < < 1
2 2
n
z X
n
z X P
Donde
2
o
z
es el valor z que deja un rea de
2
o
a la derecha.
Muestras grandes ( ) 30 > n
De manera general, los lmites de confianza estn dados por
x c
z X o donde
c
z
depende del nivel particular deseado de confianza, puede obtenerse de la tabla 2.2
) 1 ( o
2
o
2
o