Sí, podemos construir intervalos de confianza unilaterales con una cobertura del 95%.
El intervalo de confianza de dos lados corresponde a los valores críticos en una prueba de hipótesis de dos colas, lo mismo se aplica a los intervalos de confianza de un lado y a las pruebas de hipótesis de una cola.
Por ejemplo, si tiene datos con estadísticas muestrales $\bar{x}=7$ , $s=4$ a partir de una muestra $n=40$
El intervalo de confianza del 95% para la media es $7 \pm 1.96\frac{4}{\sqrt{40}} = (5.76,8.24)$
Si estuviéramos haciendo una prueba de hipótesis para $\mu = \mu_0$ entonces se rechazaría la hipótesis nula si utilizáramos un valor de $\mu_0$ que es $\mu_0>8.24$ o $\mu_0 < 5.76$
Construcción de intervalos de confianza unilaterales del 95
En el intervalo de confianza anterior obtenemos una cobertura del 95% con un 47,5% de la población por encima de la media y un 47,5% por debajo de la media. En un intervalo unilateral podemos obtener una cobertura del 95% con un 50% por debajo de la media y un 45% por encima de la media.
Para una distribución normal estándar, el valor que corresponde al 50% por debajo de la media es $-\infty$ . El 45% de la población por encima de la media es $1.64$ puede comprobarlo en cualquier tabla Z. Utilizando el ejemplo anterior obtenemos que el límite superior del intervalo de confianza es $7+1.64 \frac{4}{\sqrt{40}} = 8.04$
Por lo tanto, el intervalo de confianza unilateral es $(-\infty,8.04)$
Si estuviéramos haciendo una prueba de hipótesis para $\mu<\mu_0$ entonces rechazaríamos la hipótesis nula si consideráramos un valor de $\mu_0$ mayor que $8.04$
Intervalo de dos caras para una prueba de una cara
Cuando se construye un intervalo de confianza del 95% de dos caras $(a,b)$ usted tiene el 2,5% de la población que está por debajo de $a$ y el 2,5% de la población está por encima $b$ (por tanto, el 5% de la población está fuera del intervalo).
Podría utilizarlo para una prueba unilateral, si desea probar la hipótesis de que $\mu>\mu_0$ a continuación, compruebe si $\mu_0<a$ . Si $\mu_0<a$ entonces se rechaza la hipótesis $\mu>\mu_0$ con una significación del 2,5%.
No lo utilice para probar ambos $\mu>\mu_0$ o $\mu<\mu_0$ . Tienes que decidir antes de usted mira los datos qué hipótesis va a probar. Si no lo decide antes, estará introduciendo un sesgo y su significación sólo será del 5%.