Beruflich Dokumente
Kultur Dokumente
Intervalos de confianza
Definición:
Proceso inductivo que permite inferir acerca de una característica
de la población proposiciones, usando información obtenida de un
subconjunto o una muestra de la población.
Inferencia Estadística
Definición:
Proceso inductivo que permite inferir acerca de una característica
de la población proposiciones, usando información obtenida de un
subconjunto o una muestra de la población.
Ejemplo:
Una empresa productora está interesada en conocer el gasto promedio
semanal en alimentos de las familias de estrato socioeconómico bajo, con
el fin de diseñar una estrategia de mercado para promover la demanda en
el mercado.
En la ciudad hay una gran cantidad de familias de este perfil, y resulta casi
imposible saber el gasto de cada una de estas familias. Por lo cual, se hace
necesario el uso de una muestra representativa para lograr el objetivo de
estimar el parámetro poblacional (gasto promedio semanal de una familia
de estrato socioeconómico bajo)
Población
Variable:
Característica de interés medible sobre cada elemento de la población.
Parámetro:
Valor numérico constante que resume la característica de interés de toda
población (µ, σ 2 )
Estadístico:
Valor numérico que resume la característica de interés en una
muestra(X̄, S 2 )
Ejemplo:
Para estimar el gasto promedio semanal en alimentos de familias de
estratos bajos, se tomó una muestra aleatoria de tamaño 10 y los
resultados (en miles de pesos) fueron: 70, 45, 50, 48, 40, 55, 66, 44,
65. Por lo cual el promedio muestral (x̄ = $53,666) es un estimador
de la media teórica (µ)
Estimación Puntual de un parámetro
Ejemplo:
Para estimar el gasto promedio semanal en alimentos de familias de
estratos bajos, se tomó una muestra aleatoria de tamaño 10 y los
resultados (en miles de pesos) fueron: 70, 45, 50, 48, 40, 55, 66, 44,
65. Por lo cual el promedio muestral (x̄ = $53,666) es un estimador
de la media teórica (µ)
Si:
• El valor calculado de x̄ dificilmente nos da el valor exacto de µ
• El valor de x̄ cambia cuando se toma otra muestra aleatoria
●
70
Parámetro
●
●
Estimación
● ●
65
● ● ●
●
●
●
●
●
● ●
●
● ●
● ●
●
Estimación
● ●
● ●
● ●
●
● ●
● ●
● ● ● ●
● ● ● ●●
● ● ●
●
60
● ● ●
● ●
●● ● ● ● ● ● ●
● ● ●
● ● ● ●
● ● ●
● ● ● ● ●
●
● ● ●
●
●
●
● ●
● ● ● ● ●
●
●
●
●
55
●
● ● ● ● ●
●
●
0 20 40 60 80 100
# Muestra
Estimación Puntual de un parámetro
Simulación:
Suponga que el gasto promedio semanal de las familias (µ) es de
$60.000 y se toman 100 muestras aleatorias diferentes de tamaño 10
y se observa su x̄ 30
25
20
frecuencia
15
10
5
0
50 55 60 65 70
Parámetro
Prom. Estimaciones
●
Estimación
70
●
●
● ● ●
65
●
● ● ●
● ● ●
● ● ●
● ●
● ● ●
Estimación
● ●
● ●
●
● ●
● ●● ● ● ●
● ●
● ●
● ●
60
●● ● ● ●
● ● ● ● ● ● ●
● ● ● ● ●
● ● ● ●
● ● ●● ●
● ● ● ● ● ● ●
● ● ● ●
● ● ● ● ● ●
● ● ●
●
●
● ●
●
55
● ●
●
● ●
● ●
●
●
●
50
45
0 20 40 60 80 100
# Muestra
Propiedades de un estimador
Se desea que los valores que toma el estimador (T) en promedio sean
cercanos al parámetro (θ). Se debe cumplir que E(T ) = θ (la esperanza
de una variable aleatoria puede ser vista como un promedio de todos los
valores que toma la variable) (Propiedad de insesgamiento)
Parámetro
Prom. Estimaciones
●
Estimación
70
65
Estimación
●
●●
60
● ●
●
●
● ● ●
● ● ●
● ● ●
● ● ● ●
● ●
● ● ●
● ●
● ● ● ●
● ● ● ●
●
55
● ● ● ● ● ●
● ● ● ●
● ● ● ●
● ●● ● ● ●● ● ● ●
● ● ●
● ● ●
● ●
● ● ●
● ● ● ●
● ● ● ●
● ●
● ● ●
● ● ●
●
● ●●
●
50
●
● ●
●
● ● ●
45
0 20 40 60 80 100
# Muestra
Propiedades de un estimador
También se quiere que el estimador tenga una variabilidad alrededor de
la media lo más pequeño posible (Varianza Mínima). Se dice que un
estimador T1 es más eficiente que T2 si: Var(T1 ) < Var(T2 )
●
Estimacion
60
50
40
T1 T2
Estimador
Estimación Puntual de un parámetro
Si el valor que adquiere un estimador es el resultado de un experi-
mento aleatorio (una muestra aleatoria), el estimador se considera
como una variable aleatoria y debe tener una distribución asociada.
La distribución de probabilidad de un estimador recibe el nombre de
distribución muestral.
600
400
200
0
50 55 60 65 70
σ2
X̄ ∼ Normal µ,
n
Ejemplo
Una fabrica embotelladora de jugos emplea una maquina para enva-
sarlo, la cual llena las botellas automáticamente con 16 onzas. Sin
embargo, la cantidad de líquido que se vierte en cada botella puede
diferir. El fabricante garantiza que la cantidad de líquido que se vierte
en cada botella se aproxima a una distribución normal con media 16
onzas y una desviación estándar de 1 onza.
Importancia:
La normalidad es fundamental en los procedimientos inferenciales
como son las estimaciones por intervalos de confianza, pruebas de
hipótesis, pronósticos, entre otros procedimientos.
σ2
d
X̄n → N ormal µ,
n
Ejemplo
Parámetro
●
●
Estimación
● ●
65
● ● ●
●
●
●
●
●
● ●
●
● ●
● ●
●
Estimación
● ●
● ●
● ●
●
● ●
● ●
● ● ● ●
● ● ● ●●
● ● ●
●
60
● ● ●
● ●
●● ● ● ● ● ● ●
● ● ●
● ● ● ●
● ● ●
● ● ● ● ●
●
● ● ●
●
●
●
● ●
● ● ● ● ●
●
●
●
●
55
●
● ● ● ● ●
●
●
0 20 40 60 80 100
# Muestra
Intervalo de Confianza
Una estimación por intervalos para un parámetro poblacional es lla-
mada un intervalo de confianza. No podemos estar seguros que el
intervalo contiene al verdadero valor del parámetro poblacional des-
conocido. Sin embargo, el intervalo de confianza es construido de
forma que se tenga una alta confianza (probabilidad) de que el in-
tervalo contenga el parámetro poblacional (?).
Intervalo de Confianza
Una estimación por intervalos para un parámetro poblacional es lla-
mada un intervalo de confianza. No podemos estar seguros que el
intervalo contiene al verdadero valor del parámetro poblacional des-
conocido. Sin embargo, el intervalo de confianza es construido de
forma que se tenga una alta confianza (probabilidad) de que el in-
tervalo contenga el parámetro poblacional (?).
P (LI ≤ µ ≤ LS) = 1 − α
Donde 0 ≤ α ≤ 1. Lo que indica que hay una probabilidad de 1 − α de
que para la muestra seleccionada el intervalo de confianza contenga a µ
Intervalo de Confianza para µ
Dado que:
x̄ − µ
Z= √ ∼ Normal(0, 1)
σ/ n
Entonces:
x̄ − µ Prob = α/2 Prob = α/2
P zα/2 ≤ √ ≤ z1−α/2 = 1−α
σ/ n
Z(α/2) 0 Z( 1 − α/2)
(76.02335; 76.03665 )
intervalo de confianza
0 10 20 30 40 50
Muestra
Para estimar µ:
σ
x̄ ± z1−α/2 √
n