Beruflich Dokumente
Kultur Dokumente
INFERENCIA PARAMÉTRICA
•Sea X una v.a. en una población cuya distribución de probabilida es conocida
salvo por un parámetro θ.
•El parámetro desconocido θ asociado a la distribución de probabilidad de X puede
ser, por ejemplo, la media poblacional, la varianza poblacional, la proporción
asociada a una distribución binomial, p, etc.
•Sean x1 ,......, xn las mediciones de la variable X sobre una muestra de la
población tomadas de forma independiente y bajo las mismas condiciones. A este
conjunto de mediciones se le llama Muestra Aleatoria Simple de la variable X.
•La Inferencia Paramétrica consiste en obtener información sobre el parámetro θ a
partir de la muestra aleatoria simple de X.
Principales procedimientos inferenciales
Teniendo en cuenta que las técnicas estadísticas a utilizar con cada uno de ellos
serán diferentes, es importante saber distinguir claramente cuando estamos ante
un problema de estimación y cuando estamos ante un problema de contraste de
hipótesis.
Principales procedimientos inferenciales
PROCEDIMIENTOS DE ESTIMACIÓN
Su finalidad es proporcionarnos las herramientas necesarias para poder
determinar buenas aproximaciones (a las que llamaremos estimaciones) a
aquellos valores desconocidos en la población (a los que técnicamente se les
denomina parámetros) y que estamos interesados en conocer.
1.- Insesgado.
Sesgo de un estimador
2.- Eficiencia
Estimación puntual
3.- Consistencia.
Intervalos de confianza
Intervalos de confianza
Definición: Supongamos que x1 ,......, xn constituye una muestra aleatoria simple
de una población con parámetro θ. Un intervalo de confianza para θ se construye a
partir de dos estimadores (T ( x ,....., x ), T ( x ,....., x ) ) tales que:
1 1 n 1 1 n
T
2
T1
Una hipótesis estadística es una asunción relativa a una o varias poblaciones, que
puede ser cierta o no. Las hipótesis estadísticas se pueden contrastar con la
información extraída de las muestras y tanto si se aceptan como si se rechazan se
puede cometer un error.
H0 cierta H0 falsa
H1 cierta
H0 rechazada Error tipo I (α ) Decisión correcta (*)
H0 no rechazada Decisión correcta Error tipo II (β )
Obsérvese que, de esta manera, se está más seguro cuando se rechaza una
hipótesis que cuando no. Por eso se fija como H0 lo que se quiere rechazar.
Cuando no se rechaza, no se ha demostrado nada, simplemente no se ha podido
rechazar. Por otro lado, la decisión se toma en base a la distribución muestral en
H0, por eso es necesario que tenga la igualdad.