Beruflich Dokumente
Kultur Dokumente
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.)
ME. Alfredo Santillana Cedillo
Propiedades deseables en los
estimadores
Veremos CUATRO propiedades:
1. Ausencia de sesgo
2. Consistencia
3. Eficiencia
4. Suficiencia
ME. Alfredo Santillana Cedillo
Propiedades deseables en los
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.
ME. Alfredo Santillana Cedillo
Propiedades deseables en los
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.
ME. Alfredo Santillana Cedillo
Propiedades deseables en los
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
)
ME. Alfredo Santillana Cedillo
Propiedades deseables en los
estimadores (4)
4. Suficiencia. Diremos que es un estimador suficiente del
parmetro si dicho estimador basta por s solo para estimar
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
=
ME. Alfredo Santillana Cedillo
Intervalos de confianza para los principales parmetros:
El caso de la media (6)
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
+
ME. Alfredo Santillana Cedillo
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
| |
+ < < + =
|
\
% %
Intervalos de confianza para los principales parmetros:
El caso de la media (7)
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.)
ME. Alfredo Santillana Cedillo
Intervalos de confianza para los principales parmetros:
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
| |
+ < < + = < < =
|
\
ME. Alfredo Santillana Cedillo
Intervalos de confianza para los principales parmetros:
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
| |
+ < < + = < < =
|
\
ME. Alfredo Santillana Cedillo
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
(
\ \
ME. Alfredo Santillana Cedillo
Intervalos de confianza para la varianza
2 2
2
2 2
.975 1 .025 1
0.95
n n
n S n S
P
(
| | | |
=
( | |
\ \