En estadística , la estimación de intervalo es el uso de datos de muestra para estimar un intervalo de valores plausibles de un parámetro de interés. Esto contrasta con la estimación puntual , que da un valor único. [1]
Las formas más frecuentes de estimación de intervalos son los intervalos de confianza (un método frecuentista ) y los intervalos creíbles (un método bayesiano ); [2] las formas menos comunes incluyen intervalos de verosimilitud e intervalos fiduciales . Otras formas de intervalos estadísticos incluyen intervalos de tolerancia (que cubren una proporción de una población muestreada) e intervalos de predicción (una estimación de una observación futura, utilizada principalmente en análisis de regresión ).
Severini (1991) analiza las condiciones bajo las cuales los intervalos creíbles y los intervalos de confianza producirán resultados similares, y también analiza las probabilidades de cobertura de los intervalos creíbles y las probabilidades posteriores asociadas con los intervalos de confianza.
En la teoría de la decisión , que es un enfoque común y una justificación para las estadísticas bayesianas, la estimación por intervalos no tiene un interés directo. El resultado es una decisión, no una estimación de intervalo y, por lo tanto, los teóricos de la decisión bayesiana utilizan una acción de Bayes : minimizan la pérdida esperada de una función de pérdida con respecto a toda la distribución posterior, no a un intervalo específico.