MATERIAL DE LECTURAS DE LA SEMANA 5 DE ME Estimacin Puntual Ahora in iciamos lo co rrespondiente a la estadstica inferencial.

Re cordemos que aqu lo qu e s e desea es e stimar cie rtas c aractersticas de un a pob lacin, m ediante lo s dat os obten idos en un a muestra aleatoria d e e sa poblacin. Pr imeramente m encionamos alg unos con ceptos bs icos d e la estadstica inferencial. Parmetro. Es una constante correspondiente a una distribucin de probabilidad o a una poblacin. Ejemplo. Para la distribucin binomial; sus parmetros son: n, p. Para la distribucin geomtrica; su parmetro es p. Para la distribucin poisson, su parmetro es . Para la distribucin exponencial, su parmetros es . Para la distribucin normal, sus parmetros son y . Ahora, los parmetros tpicos que se des ean conocer de una poblacin son; la media, la varianza o una prop orcin. E l prob lema de la estad stica in ferencial es e stimar el v alor d e esto s par metros mediante la informacin q ue hay en una m uestra al eatoria. En nu estro cu rso nos en focaremos a estimar parmetros poblacionales, es decir, nos enfocaremos en estimar la media, la varianza o la proporcin de una poblacin. Estadstico. Es un a funcin de una m uestra, o u na frmula matemtica calculada en lo s valores de ~ 2 una muestra aleatoria. Por ejemplo; X , X , S , S, Rango, etc. Es de cir, s e pu eden ver como

funciones o frmulas calculadas en los valores de una muestra aleatoria.

Estimador Puntual. Es un e stadstico utili zado pa ra e stimar e l va lor de un pa rmetro desconocido a p artir de una muestra aleatoria. Por ejemplo, el mejor estimador puntual de 2 la media de una poblaci n es X , el m ejor e stimador pun tual de l a v arianza e s S , E l me jor X estimador puntual de un a proporcin es p = , donde X es el nmero de xitos en una n muestra aleatoria de tamao n. Estimacin por intervalo Aunque la t eora d e lo s estimadores puntual es es mu y completa y s e pueden tene r estimadores puntuales muy buenos, no es su ficiente qued arse solo con estimaciones puntuales, ya que no te ndramos informacin a cerca de que t an ce rca o tan lejos podra estar el valor d el par metro de su estimacin pu ntual. Por ejemplo, si te nemos que X = 80.52, entonces se espe ra que el v alor r eal de la media poblacional de be ser un v alor cercano a 80.52. pero no tenemos idea de que tan cerca de 80.52 pued e estar el valor de .. la estimacin por intervalo de con fianza nos pu ede dar informacin sobre que tan c erca o que tan lejos de una esti macin puntual esta el valor del parmetro pobla cional. Entonces, al estimar el v alor de un parmet ro poblacion al se re comienda h acerlo mediante un intervalo de confianza. Una estimacin por intervalo de un parmetro poblacional , consiste en construir un intervalo de la forma 1 < < 2 , donde los ex tremos del intervalo se obtienen de ac uerdo a la distribucin del estimador del parmetro y de 1 , donde 1 es la probabilidad de

que el intervalo conten ga al valor del pa rmetro (0 < < 1) y se le lla ma nive l de confianza. A un inte rvalo obtenido de esta manera se l e llama interv alo de confianza (IC) de , con un nivel de confianza de 1 . IC para la media con varianza conocida. Suponer una muestra aleatoria d e una v.a. X con distribucin normal y varianza conocida. El IC para la media con un nivel de confianz a de 1- est dado por: X z / 2 (1) < < X + z / 2 n n donde z / 2 es el valor de z tal que P( z > z / 2 ) = / 2 . NOTA: S i es una m uestra g rande ( n 30), se pue de sustituir por S sin importar l a distribucin de probabilidad que tenga X. Ahora se presenta la just ificacin de la f rmula (1). Suponer una muestra de tamao n de una poblacin normal( , ). Sea x el promedio de la muestra. Luego, se tiene que x tiene una distribucin normal con media , y desvia cin estndar /n (obse rve que x es una v.a.). Luego

tiene una distri bucin normal estndar. Por otra parte, si z / 2 es un / n valor de z tal que P( z > z / 2 ) = /2, se tiene por simetra que P( z / 2 < z < z / 2 ) = 1 (ver figura 1), y sustituyendo z se tiene:

z=

0.4

0.3

f(z)

0.2 /2 0.1 /2

0.0 -z(alfa/2) 0 z(alfa/2)

Figura 1. Ilustracin del valor de z / 2 .

 x P z / 2 < / n < z / 2 = 1 , luego haciendo lgebra para despejar : P z x z < < / 2 / 2 = 1 n n P > x + > z / 2 = 1 z / 2 n n P z x z < < / 2 / 2 = 1 n n P < < x + z / 2 = 1 x z / 2 n n
x z / 2 < < x + z / 2 . Esto se puede n n interpretar diciendo qu e el v alor de se encuentra ent re x z / 2 / n con una probabilidad de 1, donde 1 es un valor determinado por el investigador.

Finalmente, el IC 1 para es:

Ejemplo. Se tom un muestra aleatori a de 40 focos anotando el tie mpo en horas que funcion cada fo co. Se tiene que el promedio de la muestra es 604.79 horas con una desviacin estndar muestral de 510.52 horas. Co nstruir un IC para el tie mpo promedio de vida del foco con un nivel de confianza del 95%. Como la muestra es grande (mayor a 30), podemos usar la frmula (1) sustituyendo por S e ignorando el ajuste de la variable a la distribucin normal. Como 1 = 0.95, entonces /2 = 0.025 y z 0.025 = 1.96 obteniendo:
604.79 1.96(510.52 / 40 ) < < 604.79 + 1.96(510.52 / 40 ) quedando; 446.58 < < 763.00, es decir, la media del tiempo de vida de los focos esta entre 446.58 y 763.00 horas con una probabilidad de 95%.