Calcular un intervalo de confianza te permite estimar entre qué valores se encuentra un parámetro poblacional con un nivel de certeza definido. Aquí aprendes a hacerlo paso a paso con la tabla Z, tanto cuando conoces la distribución como cuando no, usando ejemplos numéricos concretos.

¿Qué es un intervalo de confianza y cómo se interpreta?

Un intervalo de confianza define un rango con un valor mínimo a la izquierda y un valor máximo a la derecha donde se concentra un porcentaje de los datos de la población. Si trabajas con un 95% de confianza, ese porcentaje agrupa la mayoría de los valores y el 5% restante se reparte de forma simétrica: 2,5% hacia la izquierda y 2,5% hacia la derecha.

¿Qué representa un intervalo de confianza del 95%? Significa que estás 95% seguro de que el valor real de la población está entre el límite inferior y el superior calculados. El 5% restante se divide en partes iguales en ambos extremos.

La simetría es la clave para entender por qué siempre divides el porcentaje sobrante entre dos. Eso te permite ubicar correctamente los valores en la tabla Z [01:02].

¿Cómo encontrar el valor Z cuando no conoces la distribución?

Cuando no tienes información sobre la media o la varianza de la población, te apoyas únicamente en la tabla Z para encontrar el valor crítico que define los límites del intervalo.

Para un nivel de confianza del 95%, la operación es directa:

• Sumas el 95% de concentración central más el 2,5% del lado izquierdo.
• Obtienes 97,5%, que en formato decimal es 0,975.
• Buscas ese valor dentro de la tabla Z [01:35].

La tabla Z se lee cruzando un eje vertical y un eje horizontal. Para 0,975 encuentras el valor en la fila 1,9 y la columna 0,006, lo que da un índice Z de 1,96. Ese resultado se refleja de manera simétrica: tu límite inferior es 1,96 y tu límite superior es +1,96, tomando como centro la media poblacional mu.

¿Por qué se busca 0,975 y no 0,95 en la tabla?

La tabla Z acumula probabilidades desde el extremo izquierdo. Por eso necesitas sumar el 95% central más el 2,5% que queda a la izquierda antes de localizar el valor. Esa lógica acumulativa es la que hace que muchas personas se confundan al usarla por primera vez.

¿Cómo calcular el intervalo cuando sí conoces la media y la desviación?

Aquí cambia el escenario. Imagina que analizas la duración de un cepillo de dientes con una distribución conocida: media de 28 días y desviación estándar de 4 días [03:45]. Quieres saber, con un 80% de confianza, entre qué cantidad de días dura realmente el cepillo.

El procedimiento empieza igual: el 80% central deja un 20% repartido en los extremos, es decir, 10% a cada lado. Sumas el 80% más el 10% izquierdo y buscas 0,9 en la tabla Z. Si no encuentras el valor exacto, usas el más cercano, que en este caso es 0,899, ubicado en la fila 1,2 y la columna 0,008. Eso te da un Z de 1,28 y +1,28 [05:20].

¿Qué hago si el valor exacto no está en la tabla Z? Tomas el número más cercano disponible. Es una práctica estándar y no afecta significativamente el resultado del intervalo.

¿Cómo se aplica la fórmula Z para obtener los límites en días?

La fórmula que conecta el valor Z con los datos reales es:

Z = (X − mu) / desviación

Despejas X para cada extremo del intervalo:

• Para el límite inferior: 1,28 = (X1 − 28) / 4, lo que da X1 = 22,88 días.
• Para el límite superior: +1,28 = (X2 − 28) / 4, lo que da X2 = 33,2 días [07:10].

El intervalo de confianza queda expresado como IC₈₀% = (22,88 ; 33,2). Eso significa que, con un 80% de confianza, tu cepillo de dientes durará entre 22,88 y 33,2 días, con la media de 28 ubicada justo en el centro.

¿Qué conceptos clave debes dominar para aplicar intervalos de confianza?

Antes de pasar a la automatización, conviene tener claros los elementos que aparecen en cada cálculo:

• Nivel de confianza: porcentaje central de la distribución que decides cubrir, como 80%, 95% o 99%.
• Tabla Z: referencia que entrega valores críticos según probabilidades acumuladas.
• Mu (media poblacional): punto central del intervalo cuando conoces la distribución.
• Desviación estándar: medida de dispersión que escala el valor Z hacia las unidades reales del problema.
• Simetría: principio que reparte el porcentaje sobrante en partes iguales a ambos lados.

Dominar estos elementos te prepara para automatizar el cálculo en Python en la siguiente clase. ¿Qué nivel de confianza usarías tú para un proyecto real? Cuéntamelo en los comentarios.