Este parrafo está dedicado a la construcción de intervalos de confianza de la esperanza y la varianza para muestras gaussianas, o sea de la ley normal . La ventaja de esta situación es que los estimadores naturales de la esperanza y de la varianza tienen leyes calculables explícitamente. Denotamos una muestra de la ley , su media empírica y su varianza empírica:
Damos a continuación, y admitiremos, los tres resultados que permiten calcular los intervalos de confianza de y .
Las dos primeras afirmaciones sirven para estimar la esperanza en el caso en que la varianza es conocida y en el caso en que es desconocida, respectivamente. Comencemos por suponer que es conocida. Pongamos . El intervalo de dispersión optimal de nivel para la ley es . Hay dos valores de que son utilizados frecuentemente: para y , vale, respectivamente, y . De acuerdo con el inciso 1 del teorema 3.3, tenemos:
El caso en que es desconocida se trata de la misma forma, reemplazando la ley por la ley . Sigue siendo una ley simétrica, para la cual el intervalo de dispersión optimal de nivel es de la forma , donde:
El mismo razonamiento conduce al siguiente intervalo de confianza para :
Pasemos ahora a la estimación de a partir de . La ley de chi-cuadrado no es simétrica y el intervalo de dispersión simétrico no es optimal. Denotaremos por y dos números reales positivos tales que sea un intervalo de dispersión de nivel para la ley . Podremos calcular el intervalo de dispersión optimal por un procedimiento de optimización numérico, o si no tomar el intervalo simétrico:
De acuerdo con el inciso 3 del teorema 3.3, tenemos:
El intervalo es por tanto un intervalo de confianza de nivel para .