Intervalo de Confianza

Cómo Se Calcula el Intervalo de Confianza

Un intervalo de confianza es un rango de valores, construido alrededor de la media de una muestra, que probablemente contiene la verdadera media poblacional. Ingresa la media, la desviación estándar y el tamaño de una muestra, elige un nivel de confianza, y esta calculadora encuentra el rango dentro del cual probablemente se encuentra la media poblacional real.

Un “intervalo de confianza del 95%”, por ejemplo, significa que si repitieras el mismo proceso de muestreo muchas veces, alrededor del 95% de los intervalos producidos contendrían la verdadera media poblacional. No significa que exista un 95% de probabilidad de que la media real se encuentre dentro de este intervalo específico — una forma común, aunque técnicamente incorrecta, de expresarlo. Un intervalo más amplio (nivel de confianza más alto) abarca una red más amplia y es más probable que contenga la media real; un intervalo más estrecho es más preciso pero menos certero.

La fórmula

$$\vE{\text{Error estándar}} = \frac{\vA{s}}{\sqrt{\vB{n}}}$$ $$\vF{\text{Margen de error}} = \vC{z} \times \vE{\text{Error estándar}}$$ $$\text{Intervalo de confianza} = \vD{\bar{x}} \pm \vF{\text{Margen de error}}$$

Donde $\vA{s}$ es la desviación estándar de la muestra, $\vB{n}$ es el tamaño de la muestra, $\vC{z}$ es el valor crítico para el nivel de confianza elegido (obtenido de la distribución normal estándar), y $\vD{\bar{x}}$ es la media de la muestra. Un tamaño de muestra mayor reduce el error estándar — y por lo tanto todo el intervalo — ya que más datos ofrecen una estimación más precisa de la media real.

Ejemplo resuelto

Una muestra de 25 elementos tiene una media de 100 y una desviación estándar de 15, con un nivel de confianza del 95% (un valor crítico de z = 1.96):

1. Error estándar: $\vE{\text{Error estándar}} = \vA{15} \div \sqrt{\vB{25}} = \vE{3}$.
2. Margen de error: $\vF{\text{Margen de error}} = \vC{1.96} \times \vE{3} = \vF{5.88}$.
3. Intervalo de confianza: $\text{Intervalo de confianza} = \vD{100} \pm \vF{5.88} = [94.12, 105.88]$.

Así que la verdadera media poblacional probablemente (con un 95% de confianza) se encuentra en algún punto entre 94.12 y 105.88.

Factores Clave a Considerar

• Un intervalo de confianza no dice nada sobre cómo se recolectó la muestra. Las matemáticas aquí asumen que la muestra es genuinamente aleatoria y representativa de la población — un método de muestreo sesgado o no aleatorio puede producir un intervalo de confianza que parece preciso pero está centrado en un valor completamente incorrecto, un problema que esta fórmula no puede detectar ni corregir.
• El intervalo asume que los datos subyacentes están al menos aproximadamente distribuidos normalmente, o que la muestra es lo suficientemente grande como para que aplique el Teorema del Límite Central. Para una muestra pequeña de una distribución muy sesgada, tanto las aproximaciones de distribución z como t se vuelven menos confiables.
• Un intervalo de confianza y un margen de error reportado en una encuesta describen la misma idea subyacente. Una noticia que cita “un margen de error de más o menos 3 puntos porcentuales” con un nivel de confianza declarado (a menudo 95%) está describiendo exactamente el intervalo que calcula esta calculadora, solo expresado de otra forma.
• Más estrecho no siempre es mejor si es a costa de la confianza. Un intervalo más ajustado con un nivel de confianza más bajo (digamos 80% en lugar de 95%) es más preciso pero menos probable que realmente contenga el valor verdadero — el equilibrio correcto entre precisión y confianza depende de para qué se está usando la estimación.

Errores Comunes

• Interpretar “95% de confianza” como “95% de probabilidad de que la media real esté en este intervalo”. Una vez que la muestra ya se recolectó y el intervalo ya se calculó, la media poblacional real o está dentro de él o no lo está — ya no queda ninguna probabilidad de la que hablar. El 95% describe el comportamiento a largo plazo del MÉTODO a través de muchas muestras repetidas, no este resultado específico único.
• Aplicar esta fórmula basada en la distribución z a una muestra pequeña sin verificar los supuestos. La distribución z asume una muestra grande (convencionalmente n de alrededor de 30 o más) o una desviación estándar poblacional conocida. Una muestra pequeña con solo una desviación estándar estimada técnicamente debería usar la distribución t en su lugar, que produce un intervalo algo más amplio — y más honesto.
• Confundir el intervalo de confianza con el rango de los datos crudos. El intervalo describe la incertidumbre sobre la media de la población, no dónde caen los puntos de datos individuales — un conjunto de datos puede tener valores dispersos mucho más ampliamente que su intervalo de confianza, mientras que el intervalo sobre la media misma permanece estrecho, especialmente con una muestra grande.

Útil Saber

Debido a que el error estándar se reduce con la raíz cuadrada del tamaño de la muestra en lugar del tamaño de la muestra en sí, reducir a la mitad un margen de error generalmente significa cuadruplicar aproximadamente el tamaño de la muestra, no solo duplicarlo — un detalle que importa al planificar qué tan grande necesita ser realmente una encuesta o experimento. Esto también explica por qué las encuestas con solo unos pocos cientos de encuestados aún pueden reportar un margen de error respetablemente ajustado: una vez que una muestra alcanza unos pocos cientos, la relación de raíz cuadrada significa que cada encuestado adicional aporta progresivamente menos precisión, por lo que los encuestadores rara vez ven valor en aumentar los tamaños de muestra a decenas de miles solo para recortar una fracción de punto del margen.