5 Estimacion de Parametros Estadisticos Modo de Compatibilidad

Estimacin de parmetros Estimacin de parmetros
estadsticos estadsticos
Universidad Politcnica de Cd. Victoria Universidad Politcnica de Cd. Victoria
Probabilidad y Estadstica Probabilidad y Estadstica
Ingeniera en Tecnologas de la Informacin Ingeniera en Tecnologas de la Informacin
Ingeniera en Mecatrnica Ingeniera en Mecatrnica
estadsticos estadsticos
Introduccin
Generalidades
Aplicaciones
ME. Alfredo Santillana Cedillo ME. Alfredo Santillana Cedillo
Estimacin: puntual y por intervalos
Como ya hemos visto, a partir de los estadsticos que hemos
obtenido en la/s muestra/s queremos obtener una idea de los
valores de los parmetros en la poblacin.
Se trata de emplear los estadsticos para estimar los parmetros.
Veremos DOS tipos de estimadores:
1) Estimacin puntual. Aqu obtendremos un punto, un valor, como
estimacin del parmetro.
2) Estimacin por intervalos. Aqu obtendremos un intervalo dentro
del cual estimamos (bajo cierta probabilidad) estar el parmetro.
ME. Alfredo Santillana Cedillo
Estimacin puntual de parmetros
Un estimador puntual es simplemente un estadstico (media
aritmtica, varianza, etc.) que se emplea para estimar
parmetros (media poblacional, varianza poblacional, etc.).
Es decir, cuando obtenemos una media aritmtica a partir de
una muestra, tal valor puede ser empleado como un
estimador para el valor de la media poblacional. estimador para el valor de la media poblacional.
(Algunos autores comparan los estimadores con los
lanzamientos en una diana; el crculo central sera el valor
real del parmetro.)
Propiedades deseables en los
estimadores
Veremos CUATRO propiedades:
1. Ausencia de sesgo
2. Consistencia
3. Eficiencia
4. Suficiencia
estimadores (1)
1. Ser insesgado. Diremos que es un estimador insesgado
de si la esperanza de es . Es decir,
)

)
( ) E =
)
La media muestral es un estimador insesgado de la media La media muestral es un estimador insesgado de la media
poblacional.
Pero la varianza muestral NO es un estimador insesgado de la
varianza poblacional, pero s lo es en cambio la cuasivarianza.
estimadores (2)
2. Consistencia. Se dice que un estimador es consistente si se
cumple que
( )
lim 0
n
P
> =
)
Esta expresin indica que a medida que se incrementa el tamao
muestral, la diferencia entre el estimador y el parmetro ser menos muestral, la diferencia entre el estimador y el parmetro ser menos
que cualquier nmero ().
A diferencia de la ausencia de sesgo que se define para valores
finitos de n, la consistencia es una propiedad asinttica.
Tanto la media muestral como la cuasivarianza son estimadores
consistentes. Nota: la varianza muestral ES un estimador
consistente de la varianza poblacional, dado que a medida que el
tamao muestral se incrementa, el sesgo disminuye y disminuye.
estimadores (3)
3. Eficiencia. Se emplea para COMPARAR estimadores.
Si tenemos dos estimadores y de un mismo parmetro , diremos
que es ms eficiente que si tenemos que var( ) < var( )
)
1
)
2
)
que es ms eficiente que si tenemos que var( ) < var( )
Se puede comprobar que la varianza muestral es ms eficiente que la
cuasivarianza muestral a la hora de estimar la varianza poblacional.
(An as, se prefiere la cuasivarianza muestral como estimador de la
varianza poblacional por ser un estimador insesgado.)
1
)
2
)
2
)
1
)
2
)
estimadores (4)
4. Suficiencia. Diremos que es un estimador suficiente del
parmetro si dicho estimador basta por s solo para estimar

Intervalos de confianza para los
principales parmetros
El caso de la media (1)
En este caso, en lugar de indicar simplemente un nico valor como
estimacin del parmetro, lo que haremos es ofrecer un intervalo de
valores que sea asumible con cierta probabilidad por el parmetro que
queremos estimar.
-Intervalo de confianza: Es el intervalo de las estimaciones
(probables) sobre el parmetro.
-Lmites de los intervalos de confianza: Son los dos valores extremos
del intervalo de confianza
Intervalos de confianza para los principales parmetros:
Ahora bien, cun grande habr de ser el intervalo de confianza?
Evidentemente, si decimos que el intervalo de confianza va de
menos infinito a ms infinito, seguro que acertamos...pero eso no es
muy til. Por su parte, el extremo es la estimacin puntual, en la que
lo usual es que no demos con el valor del parmetro... lo usual es que no demos con el valor del parmetro...
La idea es crear unos intervalos de confianza de manera que
sepamos en qu porcentaje de casos el parmetro estar dentro del
intervalo crtico.Y cmo fijamos tal porcentaje de casos?
Usualmente se asume un porcentaje del 95%. Al calcular un
intervalo de confianza sobre la media al 95% ello quiere decir que el
95% de las veces que repitamos el proceso de muestreo (y
calculemos la media muestral), la media poblacional estar dentro
de tal intervalo.
Pero, cmo calculamos estos dos
lmites?
Sabemos que la distribucin subyacente es normal, lo cual nos ayuda
enormemente.
En una distribucin normal tipificada, es muy fcil saber qu puntuacin tpica (z)
deja a la izquierda el 2.5% de los datos (yendo a las tablas es -1.96) y cul deja
a la izquierda el 97.5% de los datos (o a la derecha el 2.5% de los datos: 1.96).
Ahora habr que pasar esos datos a puntuaciones directas....
Pero, cmo calculamos estos dos
lmites?
Vamos a ver DOS casos.
Primero, veremos el caso de que sepamos la varianza poblacional.
Segundo, veremos el caso de que NO sepamos la varianza
poblacional
2
Conocemos
Nuestra distribucin es normal, pero con cierta media y cierta desviacin tpica,
las cuales sabemos por el tema anterior:
1) La media de la distribucin muestral de medias es la media poblacional
2) La varianza de la distribucin muestral de medias es
2
/n
O lo que es lo mismo, la desviacin tpica de la dist.muestral de medias es
n

2
Conocemos
Estimador de
es
X
Recordad que
O lo que es
anlogo
Y para pasar directas-
tpicas:
i i
X z X
n
= +
/
i
i
X X
z
n
=
2
Conocemos
z
0975
z
0025
En
definitiva
Aplicando la
lgica de pasar de
puntuaciones
tpicas a directas
En Punt.tpicas
En Punt.directas
0.025 0.975
0.95 P X z X z
n n

| |
+ < < + =
|
\
0.025
X z
n
+
0.975
X z
n
+
Intervalos de confianza para la media: CASO DE
DESCONOCER LA VARIANZA POBLACIONAL
Para la media (cuando conocemos la varianza poblacional), tenemos la
expresin
Pero si no conocemos la varianza poblacional, no podemos emplear
2
n
0.025 0.975
0.95 P X z X z
n n

| |
+ < < + =
|
\
En su lugar hemos de emplear
Ahora la distribucin ya no es exactamente una distribucin normal...
Por el tema anterior sabemos que la distribucin muestral de
2
s
n
%
/
X
s n

%
no es una distribucin normal, sino una distribucin t de
Student con n-1 grados de libertad.
Recordad, en el caso de
varianza conocida tenamos:
/
i
i
X
z
n
=
Intervalos de confianza para la media: CASO DE
DESCONOCER LA VARIANZA POBLACIONAL
En definitiva, para la media (cuando conocemos la varianza
poblacional), tenemos la expresin
Pero si no conocemos la varianza poblacional (el caso realista),
0.025 0.975
0.95 P X z X z
n n

| |
+ < < + =
|
\
Pero si no conocemos la varianza poblacional (el caso realista),
tenemos la expresin:
En todo caso, recordad que si "n" es grande, la distribucin t de Student
ser virtualmente una distribucin normal N(0,1). En otras palabras, si
"n" es grande, ambas frmulas dan unos intervalos virtualmente idntico,
y emplear la distribucin normal es correcto.
0.025 1 0.975 1
0.95
n n
s s
P X t X t
n n

| |
+ < < + =
|
\
% %
Qu quiere decir la expresin
siguiente?
0.025 0.975
0.95 P X z X z
n n

| |
+ < < + =
|
\
Quiere decir que cada vez que extraigamos una muestra y
hallemos la media, el parmetro desconocido estar entre
los lmites de dicho intervalo el 95% de las veces. (O el
99% si hubiramos elegido un intervalo al 99%, etc.)
Tamao muestral y la amplitud del intervalo de
confianza
Para el caso de la media hemos visto que
0.025 0.975
0.95 P X z X z
n n

| |
+ < < + =
|
\
Es claro que a medida que el tamao muestral aumente, la amplitud del intervalo
disminuye. (Evidentemente, esto es general, no slo para la media.) Veamos, en
todo caso un ejemplo:
Caso A1. Media muestral=10, varianza pobl=4, tamao muestral=12
Caso A2. Media muestral=10, varianza pobl=4, tamao muestral=20
( )
2 2
10 ( 1.96) 10 1.96 9.12 10.88 0.95
20 20
P P
| |
+ < < + = < < =
|
\
( )
2 2
10 ( 1.96) 10 1.96 8.87 11.13 0.95
12 12
P P
| |
+ < < + = < < =
|
\
Amplitud del intervalo de confianza y el valor del ndice
de confianza
Pero evidentemente es posible emplear intervalos a, digamos, el 99%. En tal caso, tendremos ms
El caso "usual" (por defecto) es emplear intervalos al 95%.
0.025 0.975
0.95 P X z X z
n n

| |
+ < < + =
|
\
Pero evidentemente es posible emplear intervalos a, digamos, el 99%. En tal caso, tendremos ms
seguridad de que el parmetro de inters se halle en los lmites del intervalo. El problema es que
incrementar tal ndice aumenta as mismo la amplitud del intervalo.
Caso A1. Media muestral=10, varianza pobl.=4, tamao muestral=12. Intervalo al 95%
Caso A2. Media muestral=10, varianza pobl=4, tamao muestral=12. Intervalo al 99%
( )
2 2
10 ( 2.57) 10 2.57 8.52 11.48 0.99
12 12
P P
| |
+ < < + = < < =
|
\
( )
2 2
10 ( 1.96) 10 1.96 8.87 11.13 0.95
12 12
P P
| |
+ < < + = < < =
|
\
Intervalos de confianza para OTROS parmetros
Intervalos de confianza para las proporciones
Caso de muestras grandes
.025 .975
(1 ) (1 )
0.95
P P P P
P P z P z
n n
(
| | | |

+ + =
( | |
| |
(
\ \

n n
(
\ \

Intervalos de confianza para la varianza
2 2
2
2 2
.975 1 .025 1
0.95
n n
n S n S
P

(
| | | |

=
( | |
\ \

5 Estimacion de Parametros Estadisticos Modo de Compatibilidad

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

5 Estimacion de Parametros Estadisticos Modo de Compatibilidad

Hochgeladen von

Copyright:

Verfügbare Formate

Estimacin de parmetros Estimacin de parmetros

ME. Alfredo Santillana Cedillo

ME. Alfredo Santillana Cedillo

Das könnte Ihnen auch gefallen