Un pequeño ejercicio de simulación para ilustrar si la respuesta de @soakley funciona:
# Set the number of trials, M
M=10^6
# Set the true mean for each trial
mu=rep(0,M)
# Set the true standard deviation for each trial
sd=rep(1,M)
# Set counter to zero
count=0
for(i in 1:M){
# Control the random number generation so that the experiment is replicable
set.seed(i)
# Generate one draw of a normal random variable with a given mean and standard deviation
x=rnorm(n=1,mean=mu[i],sd=sd[i])
# Estimate the lower confidence bound for the population mean
lower=x-9.68*abs(x)
# Estimate the upper confidence bound for the population mean
upper=x+9.68*abs(x)
# If the true mean is within the confidence interval, count it in
if( (lower<mu[i]) && (mu[i]<upper) ) count=count+1
}
# Obtain the percentage of cases when the true mean is within the confidence interval
count_pct=count/M
# Print the result
print(count_pct)
[1] 1
De un millón de ensayos aleatorios, el intervalo de confianza incluye la verdadera media un millón de veces, es decir, siempre . Eso no debería ocurrir en caso de que el intervalo de confianza fuera un 95% intervalo de confianza.
La fórmula no parece funcionar... ¿O he cometido un error de codificación?
Editar: el mismo resultado empírico se mantiene cuando se utiliza $(\mu, \sigma)=(1000,1)$ ;
sin embargo, es $0.950097 \approx 0.95$ para $(\mu, \sigma)=(1000,1000)$ -- por lo tanto, bastante cerca del intervalo de confianza del 95%.