Calcular el intervalo de confianza es fundamental en estadística para estimar parámetros poblacionales a partir de una muestra. Esta calculadora interactiva te permite obtener el margen de error y los límites exactos para la media poblacional (usando distribución normal Z o t-Student) y para proporciones, cubriendo niveles de confianza del 90%, 95%, 99% y personalizados.
¿Qué es y cómo calcular el intervalo de confianza?
El intervalo de confianza es un rango de valores, derivado de los estadísticos de una muestra, que probablemente contenga el valor de un parámetro de población desconocido. En lugar de estimar un único valor (estimación puntual), el intervalo proporciona un margen de error que refleja la incertidumbre del muestreo.
La fórmula general para calcular el intervalo de confianza es: Estadístico ± (Valor Crítico × Error Estándar). El 'Estadístico' suele ser la media muestral (x̄) o la proporción (p). El 'Valor Crítico' depende del nivel de confianza elegido (usualmente Z para varianzas conocidas o t-Student para desconocidas), y el 'Error Estándar' mide la dispersión de la estimación.
Ejemplo resuelto: intervalo de confianza para la media
Imagina que una fábrica de componentes prueba una muestra de n = 36 piezas, obteniendo una media de longitud x̄ = 101.5 mm y una desviación estándar muestral s = 12 mm. Queremos calcular el intervalo de confianza del 95% para la media poblacional.
Dado que no conocemos la desviación poblacional, usamos la distribución t-Student. Con n = 36, los grados de libertad son 35. El valor crítico t para un 95% de confianza es aproximadamente 2.0301. El Error Estándar (SE) se calcula como 12 / √36 = 2.0.
El Margen de Error (ME) es 2.0301 × 2.0 = 4.0602. Finalmente, restamos y sumamos este margen a la media: [101.5 - 4.0602, 101.5 + 4.0602]. El intervalo de confianza al 95% es [97.44, 105.56] mm. Puedes comprobarlo en la calculadora: el paso a paso muestra cada uno de estos cálculos.
Tamaño de muestra para un margen de error
Si todavía no has recogido los datos, puedes calcular cuántas observaciones necesitas para que el margen de error no supere un valor E. Para estimar una media se usa n = (z · σ / E)², y para una proporción n = z² · p · (1 − p) / E². El resultado se redondea siempre hacia arriba.
Ejemplo: para estimar una proporción con un margen de error de ±5 % (E = 0,05) al 95 % de confianza y sin información previa (p = 0,5), n = 1,96² · 0,5 · 0,5 / 0,05² = 384,15, así que necesitas 385 personas. Si σ = 15 y quieres estimar una media con E = 5, n = (1,96 · 15 / 5)² = 34,57, es decir, 35 observaciones.
Usar p = 0,5 es la opción conservadora: es el valor que da el tamaño de muestra más grande. Estas fórmulas suponen muestreo aleatorio simple en una población grande.
Cómo calcular el intervalo de confianza en R, Python y Excel
Para automatizar estos cálculos en Excel o Google Sheets, puedes usar la función =INTERVALO.CONFIANZA.NORM(alfa; desv_estandar; tamaño) si conoces la desviación poblacional, o =INTERVALO.CONFIANZA.T(alfa; desv_estandar_muestral; tamaño) si usas la desviación de la muestra. El resultado será el margen de error, que deberás sumar y restar a tu media.
En R, el cálculo es directo utilizando la función nativa t.test(datos, conf.level = 0.95) para la media con desviación desconocida, o prop.test(x, n, conf.level = 0.95) para proporciones. R devolverá automáticamente los límites inferior y superior.
En Python, utilizando la librería SciPy, puedes calcularlo con scipy.stats.t.interval(confidence, df, loc=mean, scale=sem) para la distribución t-Student, o scipy.stats.norm.interval(confidence, loc=mean, scale=sem) para la distribución normal Z.
Valores críticos z y t de Student para intervalos de confianza (bilaterales)
| Nivel de confianza | α | z | t (gl = 5) | t (gl = 10) | t (gl = 20) | t (gl = 30) |
|---|---|---|---|---|---|---|
| 80 % | 0.2 | 1.2816 | 1.4759 | 1.3722 | 1.3253 | 1.3104 |
| 90 % | 0.1 | 1.6449 | 2.015 | 1.8125 | 1.7247 | 1.6973 |
| 95 % | 0.05 | 1.96 | 2.5706 | 2.2281 | 2.086 | 2.0423 |
| 98 % | 0.02 | 2.3263 | 3.3649 | 2.7638 | 2.528 | 2.4573 |
| 99 % | 0.01 | 2.5758 | 4.0321 | 3.1693 | 2.8453 | 2.75 |
| 99.9 % | 0.001 | 3.2905 | 6.8688 | 4.5869 | 3.8495 | 3.646 |
Cómo usar esta herramienta
- Elige qué quieres calcular: un intervalo de confianza (media con Z, media con t de Student o proporción) o el tamaño de muestra necesario.
- Introduce el nivel de confianza, por ejemplo 95.
- Rellena los datos que pide ese cálculo: n, media y desviación; o n y proporción; o el margen de error deseado para el tamaño de muestra.
- El resultado y el desarrollo paso a paso se actualizan al instante mientras escribes.
Preguntas frecuentes
¿Cómo calcular el intervalo de confianza del 95%?
Para calcular el intervalo de confianza al 95%, debes encontrar la media muestral, calcular el error estándar (dividiendo la desviación estándar entre la raíz cuadrada del tamaño de la muestra) y multiplicarlo por el valor crítico Z (1.96) o t-Student correspondiente. Luego, sumas y restas este margen de error a la media.
¿Cuál es la diferencia entre usar Z y t-Student?
Se usa la distribución normal Z cuando se conoce la desviación estándar poblacional (σ). Si σ es desconocida y se estima con la desviación de la muestra (s), lo correcto es la t de Student con n − 1 grados de libertad. Con muestras grandes (n > 30) los valores de t y Z son muy parecidos, por eso muchos textos usan Z como aproximación.
¿Cómo calcular el tamaño de muestra con el intervalo de confianza?
Para calcular el tamaño de muestra necesario, debes despejar 'n' de la fórmula del margen de error. La fórmula es n = (Z * σ / E)^2, donde Z es el valor crítico del nivel de confianza deseado, σ es la desviación estándar y E es el margen de error máximo tolerado.
¿Cuál es el intervalo de confianza del 90%?
Un intervalo de confianza del 90% significa que si repitiéramos el mismo muestreo muchas veces, el 90% de los intervalos calculados contendrían el verdadero parámetro poblacional. Su valor crítico Z asociado es 1.645.
¿Cómo se calcula el intervalo de confianza para una proporción?
Para una proporción, el intervalo de confianza se calcula con la fórmula p ± Z · √[p(1 − p)/n], donde p es la proporción muestral, Z el valor crítico y n el tamaño de la muestra. Esta aproximación (método de Wald) es fiable cuando n·p y n·(1 − p) son al menos 10; con muestras pequeñas o proporciones cercanas a 0 o 1 es mejor el método de Wilson.
¿Cómo calcular el nivel de confianza de un intervalo?
Si conoces el intervalo, el tamaño de muestra y la desviación, despeja el valor crítico: z = E / SE, donde E es la mitad de la anchura del intervalo y SE = σ / √n. El nivel de confianza es 2·Φ(z) − 1. Por ejemplo, con E = 3,92, σ = 10 y n = 25 (SE = 2), z = 1,96 y el nivel de confianza es del 95 %.
Fuentes
- NIST/SEMATECH e-Handbook of Statistical Methods
- Documentación oficial de SciPy (scipy.stats)
- Ayuda de Microsoft Excel: funciones INTERVALO.CONFIANZA.NORM e INTERVALO.CONFIANZA.T