Beruflich Dokumente
Kultur Dokumente
σ2 X −µ
X ~ N µ , o
⇔ ~ N (0,1)
n σo
n
X −µ
y, por lo tanto, sabemos que la probabilidad de que n se encuentre entre –1.96 y
σo
1.96 es 0.95, es decir
X −µ
P − 1.96 ≤ n ≤ 1.96 = 0.95
σo
174
σ σ σ σ
P − 1.96 o ≤ X − µ ≤ 1.96 o = 0.95 ⇔ P X − 1.96 o ≤ µ ≤ X + 1.96 o = 0.95
n n n n
σo σ
X − 1.96 , X + 1.96 o
n n
contenga al verdadero valor del parámetro µ es 0.95. Este intervalo se denomina intervalo de
confianza para µ de nivel de confianza 0.95.
2) Una vez construído el intervalo a partir de una muestra dada, ya no tiene sentido hablar de
probabilidad. En todo caso, tenemos “confianza” de que el intervalo contenga a θ. La confianza
está puesta en el método de construcción de los intervalos, que nos asegura que (1 - α) 100% de
las muestras producirán intervalos que contienen a θ.
n 1
Distribución t: Sean dos v.a. Z ~N(0,1) y U ~ χ n2 = Γ , independientes, entonces
2 2
Z
T= ~ tn
U
n
Se dice que T tiene distribución t de Student con n grados de libertad. Esta distribución
está tabulada para diferentes valores de n. Su densidad es simétrica respecto al 0 y tiene
forma de campana, pero tiene colas más pesadas que la distribución normal standard.
Cuando n tiende a infinito, la distribución de Student tiende a la distribución normal
standard.
Proposición: Sea X 1 , X 2 ,..., X n una m.a. de una distribución N(µ, σ2), entonces
σ2 X −µ
a) X ~ N µ , ⇔ n ~ N (0,1)
n σ
175
n
(n − 1) S2 ∑ (X
i =1
i − X )2
b) ~ χ n2−1 con S 2 =
σ 2
n −1
c) X y S 2 son independientes
X −µ
d) n ~ t n −1
S
e) Resulta de a) b) y c) pues
X −µ (n − 1) S 2
n ~ N (0,1) y ~ χ n2−1
σ σ 2
X −µ
n
σ X −µ
= n ~ t n −1
(n − 1) S 2 S
σ 2 (n − 1)
X −µ
n ~ N (0,1)
σo
X −µ
P − zα / 2 ≤ n ≤ zα / 2 = 1 − α
σo
176
σo σ
X − zε / 2 , X + zε / 2 o (1)
n n
X −µ
n ~ t n −1
S
X −µ
P − t n −1,α / 2 ≤ n ≤ t n −1,α / 2 = 1 − α
S
S S
X − t n −1,α / 2 , X + t n −1,α / 2
n n
2
X i − µo X i − µo 1 1
~ N (0,1) ∀1 ≤ i ≤ n ⇒ ~ χ 12 = Γ , ∀1 ≤ i ≤ n
σ σ 2 2
2
n
X i − µo n 1
∑
i =1 σ
~ χ n2 = Γ ,
2 2
177
χ n2,1−α / 2 χ n2,α / 2
Los elegimos de manera tal que quede un área igual a α/2 en cada extremo. Entonces,
n
∑ ( X i − µ o )2
P χ n ,1−α / 2 ≤
2 i =1
≤ χ n ,α / 2 = 1 − α
2
σ 2
n
( X i − µ o )2
n
∑ i ( X − µ o ) 2
∑
i =1 2 , i =1 2
χ n ,α / 2 χ n ,1−α / 2
(n − 1) S 2
~ χ n2−1
σ 2
Por lo tanto,
(n − 1) S 2
P χ n2−1,1−α / 2 ≤ ≤ χ n2−1,α / 2 = 1 − α
σ 2
178
Se obtiene el siguiente intervalo
(n − 1) S 2 (n − 1) S 2
2 , 2
χ n −1,ε / 2 χ n −1,1−ε / 2
Como las v.a. son normales y la varianza es conocida, el intervalo para µ será de la forma
σ σ
X − z ε / 2 o , X + z ε / 2 o
n n
35 35
160 − 1.96 , 160 + 1.96 = (160 − 9.8, 160 + 9.8) = (150.2, 169.8)
49 49
S S
X − t n −1,α / 2 , X + t n −1,α / 2
n n
35 35
160 − 2.01 , 160 + 2.01 = (160 − 10.05, 160 + 10.05) = (149.95, 170.05)
49 49
Por tratarse de una muestra normal con media desconocida, el intervalo para σ2 será de
la forma
(n − 1) S 2 (n − 1) S 2
, 2
χ2
n −1,ε / 2 χ n −1,1−ε / 2
179
con χ n2−1,α / 2 = χ 48
2
, 0.025 = 69.02 y χ n −1,1−α / 2 = χ 48, 0.975 = 30.75 . Obtenemos
48 ⋅ 35 2 48 ⋅ 35 2
, = (851.93, 1912.20)
69.02 30.75
48 ⋅ 35 2 48 ⋅ 35 2
69.02
,
30.75
=
( )
851.93 , 1912.20 = (29.19, 43.73)
Esto último resulta de aplicar una función monótona creciente a cada extremo del
intervalo para σ2
σo
L = 2 zα / 2
n
y depende de
2
σo 2z σ 2z σ
L = 2 zα / 2 ≤ Lo ⇔ n ≥ α / 2 o ⇔ n ≥ α / 2 o
n Lo Lo
Ejemplo: Supongamos que σo = 35, ¿qué tamaño de muestra se requiere como mínimo
para obtener un intervalo de nivel 0.95 de longitud menor o igual que 10?.
2
2 ⋅ 1.96 ⋅ 35
n≥ = 188.23 ⇒ n ≥ 189
10
180
Método general para obtener intervalos de confianza:
P(a ≤ T ( X 1 , X 2 ,..., X n ,θ ) ≤ b ) = 1 − α
∑X
i =1
i ~ Γ(n, λ )
λ
Usando este resultado y que, si V ~ Γ(α , λ ) y a > 0 entonces aV ~ Γα, , se puede
a
demostrar que
n
2n 1
2λ ∑ X i ~ χ 22n = Γ ,
i =1 2 2
n
Usando como pivote la función T ( X 1 , X 2 ,..., X n , λ ) = 2λ ∑X
i =1
i , podemos obtener un
n
P χ 22n ,1−α / 2 ≤ 2λ ∑ X i ≤ χ 22n ,α / 2 = 1 − α
i =1
χ 2 n ,1−α / 2 χ 2 n ,α / 2
P n ≤λ ≤ n =1−α
2∑ X i 2∑ X i
i =1 i =1
y el intervalo requerido es
181
χ χ
2 nn,1−α / 2 , 2nn ,α / 2
2∑ X i 2 ∑ X i
i =1 i =1
Ejemplo: Sea X 1 , X 2 ,..., X n una m.a. de una distribución U(0,θ). Para obtener un intervalo
de confianza para θ , recordemos que el EMV de θ es θˆ = max ( X 1 ,..., X n ) y probemos
que la distribución de θˆ / θ no depende de θ.
V
FV / θ ( w) = P ≤ w = P(V ≤ θ w) = FV (θ w) = FX i (θ w) ( )n
θ
0 si θ w ≤ 0 0 si w ≤ 0
θw n
(
FV / θ ( w) = FX i (θw) )
n
= si 0 < θ w < θ
= w n si 0 < w < 1
θ 1 si w ≥ 1
1 si θ w ≥ θ
f V / θ ( w) = n w n −1 I ( 0,1) ( w)
max ( X 1 ,..., X n )
Utilizando T ( X 1 , X 2 ,..., X n , θ ) = como pivote, obtendremos un intervalo
θ
de confianza para θ de nivel 1 - α. Buscamos a y b tales que
max ( X 1 ,..., X n )
P a ≤ ≤ b = 1−α
θ
182
max ( X 1 ,..., X n ) max ( X 1 ,..., X n )
,
b a
¿Cómo elegimos a y b?. Observando (2), debemos hallar a y b , 0 < a < b < 1, tales que
b
b
∫nw
n −1
dw = w n = bn − an =1 − α (2)
a
a
Obviamente hay infinitas soluciones de esta ecuación, pero podríamos elegir la solución
que produce el intervalo de menor longitud esperada, es decir, buscar a y b que
minimicen E(L) sujeto a la condición (2), siendo
1 1
L = max ( X 1 ,..., X n ) −
a b
n
Como ya hemos demostrado que E (max ( X 1 ,..., X n ) = θ , debemos minimizar
n +1
n 1 1
θ − (3)
n +1 b a
sujeto a la condición b n − a n = 1 − α .
Definición: Sea X 1 , X 2 ,..., X n una m.a. de una distribución que depende de un parámetro
θ. Dadas dos sucesiones {a n ( X 1 , X 2 ,...., X n )} y {bn ( X 1 , X 2 ,...., X n )} tales que
183
la sucesión de intervalos [a n ( X 1 , X 2 ,..., X n ), bn ( X 1 , X 2 ,..., X n )] es una sucesión de
intervalos de confianza de nivel asintótico 1 - α para el parámetro θ. También se dice
que, si n es suficientemente grande, el intervalo [a n ( X 1 , X 2 ,..., X n ), bn ( X 1 , X 2 ,..., X n )]
tiene nivel aproximado 1 - α.
• Porque no es posible encontrar una función pivote que no dependa del parámetro
• Porque no se conoce a distribución exacta de la función pivote
• Porque en general es más fácil encontrar la distribución asintótica que la exacta de la
función pivote
X −µ d
n → N (0,1)
σ
Propiedad:
Yn
→
d
Y
⇒ U n Yn
→
d
aY
Un → a
p
s p σ p
Como s
→p
σ por ser un estimador consistente, entonces
→1 y →1 .
σ s
Luego,
X −µ d
n → N (0,1) X −µ d
σ ⇒ n → N (0,1)
σ p s
→1
s
X −µ
P − zα / 2 ≤ n ≤ zα / 2 → 1 − α
s
184
y se obtiene el siguiente intervalo de nivel aproximado 1 - α
s s
X − zα / 2 , X + zα / 2
n n
X
∑X
i =1
i (a)
p (1 − p )
pˆ = = ~ N p,
n n n
y, por lo tanto
X
−p
P − zα / 2 ≤ n ≤ zα / 2 ≅ 1 − α (4)
p (1 − p )
n
Hay dos formas de obtener un intervalo para p a partir de esta última expresión.
X
∑X
i =1
i
a) Como =
→p
p por la Ley de los Grandes Números, podemos aplicar la
n n
Propiedad enunciada antes y reemplazar en el denominador del pivote p por su
estimador. Entonces
X
−p
P − zα / 2 ≤ n ≤ zα / 2 ≅ 1 − α
pˆ (1 − pˆ )
n
185
X X X X
1 − 1 −
X n n X n n
P − z α / 2 ≤ p ≤ + zα / 2 ≅1−α
n n n n
X 2
X
−p − p
n n ≤ z2 ≅1−α
P ≤ zα / 2 ≅ 1 − α ⇔ P α/2
p(1 − p) p(1 − p)
n n
Observemos que
2
X
− p 2
n ≤ z2 X p (1 − p )
α /2 ⇔ − p ≤ zα / 2
2
p (1 − p ) n n
n
2
X X p(1 − p )
⇔ − 2 p + p − zα / 2
2 2
≤0
n n n
2
z2 2 X zα2 / 2 X
⇔ p 2 1 + α / 2 − p + + ≤0
n
n n n
Buscamos las raíces de esta ecuación de segundo grado, que llamaremos p̂1 y p̂ 2 y el
intervalo pedido será
( pˆ 1 , pˆ 2 )
186