2.3.intervalos CLASE

9.
Estimacion por intervalos de confianza

Estadstica
Ingeniera Inform
atica
Curso 2009-2010
Estadstica (Aurora Torrente)
9. Estimaci
on por intervalos de confianza
Curso 2009-2010
1 / 23
Contenidos
Estimaci
Estimaci
on por intervalos bajo normalidad
Estimacion de la media poblacional . Varianza conocida
Determinaci
on del tama
no muestral para controlar el error de estimaci
on
Estimacion de la media poblacional . Varianza desconocida

Determinaci
on del tama
no muestral para controlar el error de estimaci
on
Estimacion de la diferencia de medias

A. Varianzas conocidas
B. Varianzas desconocidas e iguales
Estimacion de la varianza
Estimacion del cociente de varianzas
3
Estimaci
on por intervalos en poblaciones no normales
Estimacion de la media. Varianza conocida
Estimacion de la media en poblaciones no normales. Varianza
desconocida
Estimacion de la proporci
on en distribuciones binomiales
9. Estimaci
Curso 2009-2010
2 / 23
Estimaci
Estimacion por intervalos

La estimacion por intervalos de un parametro desconocido proporciona
informacion acerca de los valores de los parametros que estamos
estimando
una indicacion del nivel de confianza que se le puede dar a los
posibles valores de los parametros
Un intervalo de confianza para es de la forma L U, donde los
extremos inferior y superior L y U dependen del valor numerico obtenido
en una muestra para un cierto estadstico T , escogido seg
un el parametro
que queremos estimar.
L y U son variables aleatorias (distintas muestras producen distintos
valores de L y U)
9. Estimaci
Curso 2009-2010
3 / 23
Estimaci
A partir de la distribucion de T , y para un valor , 0 < < 1,

determinamos los valores de L y U que hacen que
P(L U) = 1
hay probabilidad 1 de que al seleccionar la muestra, esta produzca
un intervalo que contenga el verdadero valor de
El intervalo resultante, IC100(1) % , se denomina intervalo de confianza
del 100(1 ) % para
9. Estimaci
Curso 2009-2010
4 / 23
Estimaci
Interpretacion del IC100(1) % :

Si obtenemos un n
umero elevado (infinito) de muestras aleatorias y
calculamos para cada una de ellas el correspondiente IC100(1) % para ,
entonces el 100(1 ) % de estos intervalos contendran el verdadero valor
de .
En la practica solo se obtiene una muestra aleatoria, y calculamos un
intervalo de confianza.
Este intervalo contendra o no al verdadero valor del parametro
no tiene sentido atribuir una probabilidad al hecho de que s lo
contenga se dice que el intervalo contiene a con una confianza
de 100(1 ) % (y no con una probabilidad de 100(1 ) %)
9. Estimaci
Curso 2009-2010
5 / 23
Estimaci
Longitud y precision
La longitud de un intervalo de confianza, U L, es una importante medida

de la calidad de la informaci
on obtenida de la muestra.
La mitad de esta longitud se conoce como precisi

on.
cuanto mayor sea la longitud de un intervalo, mayor confianza
tendremos en que contenga al verdadero valor del parametro
cuanto mayor sea la longitud del intervalo, tendremos menos
informacion acerca del verdadero valor del parametro
9. Estimaci
Curso 2009-2010
6 / 23
Estimaci
Intervalos bilaterales y unilaterales

Este intervalo de confianza se denomina intervalo bilateral (proporciona
los dos extremos del intervalo)
Puede resultar conveniente el calculo de un intervalo unilateral para el
extremo inferior
L
con L tal que P(L ) = 1 ,
o intervalo unilateral para el extremo superior
U
con U tal que P( U) = 1
9. Estimaci
Curso 2009-2010
7 / 23
Estimaci
Cantidades pivotales (I)

Dada una m.a.s. (X1 , ..., Xn ) de una poblaci
on X con distribucion F ,
siendo = (1 , ..., k ), se llama cantidad pivotal para i a una funcion de
la muestra (por tanto, es v.a.) y de i , C (X1 , ..., Xn ; i ), donde i es la
u
nica cantidad desconocida y cuya distribuci
on no depende de i , ni de
ning
un otro parametro desconocido.
Ejemplo. X N(, ):
Sabemos que

X N ,
,
n
o tambien:
X

X
= n
N(0, 1)
/ n
por tanto, si conocemos ,

C (X1 , ..., Xn ; ) =

X
n
es una cantidad pivotal para .

9. Estimaci
Curso 2009-2010
8 / 23
Estimaci
Cantidades pivotales (II)
Elegida una cantidad pivotal C (X1 , ..., Xn ; i ), podemos construir un

intervalo de confianza para i de la siguiente manera:
Elegimos dos valores c1 y c2 tales que
P (c1 C (X1 , ..., Xn ; i ) c2 ) = 1
Despejamos i en ambas desigualdades para obtener los extremos del
intervalo L y U.
9. Estimaci
Curso 2009-2010
9 / 23
or Estimaci
4.3.
on
por#intervalos
bajo
4.3.
Estimaci
on por
bajo.$normalidad
Estimaci
o
n por intervalos
bajo normalidad
Estimaci
on deintervalos
la
media normalidad
poblacional
Varianza conocida
Estimaci
on de la media
Varianza
4.3.1. poblacional
Estimaci
la mediaconocida
poblacional
. Varian
on.de
=1
P z/2 < X < z/2
4.3.1. Estimaci
de la media
poblacional
. Varianza
nla media poblacional
n.conocida
4.3.1.on Estimaci
on de
Varianza conocida
Supongamos que tenemos una poblaci
on normalque
N (,
), donde
valor ode
es conocido
queremos
Supongamos
tenemos
una el
poblaci
n normal
N (, ),y donde
el val
or
$
#
Supongamos
que
tenemos
una
poblaci
o
n
normal
N
(,
),
donde
el
valor
de
es
conocido
queremos
Supongamos
que
tenemos
una
poblaci
o
n
normal
N
(,
),
donde
el
valor
de
es conoci
estimar mediante un intervalo de confianza
del 100(1un
)
% parade
. confianza del 100(1 ) %ypara
estimar mediante
intervalo
.
<100(1
z/2
<
= 1.
P un
z
/2
estimar mediante
un intervalo
de
confianza
delde100(1
) X
%delpara
.
estimar
mediante
intervalo
confianza
) % para
n Xnmedia
n IC
Sabemos
que el estad
stico media
partir
de
la muestra
(X1del
Xn ),detiene
Sabemosconstruido
que(X
el estad
stico
muestralaleatoria
construido
a, ...,
partir
la mu
Queremos
estimar
a muestral
partir
de
) mediante
un
1 , a...,
4.3.1.
Estimaci
on de la media. X N(, ), conocida
! Sabemos
" que el estad
"
!!
sticoque
media
muestral
construido
a partir
de la muestra
(X1 , ...,
Xn ), tiene
Sabemos
el estad
stico
media
construido
a partiraleatoria
de la muestra
aleatoria
(X1
muestral
"
!stico "
is,lo! que
That
distribuci
nN
, por
100(1 o
),%
distribuci
o#n N , , por lo que el estadstico
el estad
$
n on N distribuci
,opor
distribuci
,
queel estad
nlo que el estadstico
n Nlo
,
, porstico
n
= 1
< < X + z/2
tiene distribucion N , P X Xz/2
n X
X
n
X
X
Z=
Z=
Z=
Z
=
n
/ n
/ n
/ n
/ n
n
otiene
n Ntiene
(0,
1). distribuci
distribuci
on N (0,on
1).N (0, 1).
tiene distribucion tiene
N (0,distribuci
1).
Z =
/ n
N(0, 1)
(cantidad pivotal para )

4.4.
a area = 2
Area==
area
2
2
z/2
z
a/2
area =
a
Area
area==2
2
a/2
zz/2
Estimaci
on por 4.4.
intervalos
en poblaciones
no normales
Estimaci
on por intervalos
en poblacio
FIGURE 7.1 P{z/2 < Z < z/2 } = 1 .
4.4.
Estimaci
por intervalos
en poblaciones
no normales
4.4. on
Estimaci
on por intervalos
enpoblaciones
no norm

P(z/2 Z z/2 ) = P z/2

X
z/2
/ n
9. Estimaci
=1
Curso 2009-2010
10 / 23
or Estimaci
4.3.
on
por#intervalos
bajo
4.3.
Estimaci
on por
bajo.$normalidad
Estimaci
o
n por intervalos
bajo normalidad
Estimaci
on deintervalos
la
media normalidad
poblacional
Varianza conocida
Estimaci
on de la media
Varianza
4.3.1. poblacional
Estimaci
la mediaconocida
poblacional
. Varian
on.de
=1
P z/2 < X < z/2
4.3.1. Estimaci
de la media
poblacional
. Varianza
n.conocida
4.3.1.on Estimaci
on de
Varianza conocida
on normalque
N (,
), donde
valor ode
es conocido
queremos
Supongamos
tenemos
una el
poblaci
n normal
N (, ),y donde
el val
or
$
#
Supongamos
que
tenemos
una
poblaci
o
n
normal
N
(,
),
donde
el
valor
de
es
conocido
queremos
Supongamos
que
tenemos
una
poblaci
o
n
normal
N
(,
),
donde
el
valor
de
es conoci
del 100(1un
)
% parade
estimar mediante
intervalo
.
<100(1
z/2
<
= 1.
P un
z
/2
estimar mediante
un intervalo
de
confianza
delde100(1
) X
%delpara
.
estimar
mediante
intervalo
confianza
) % para
n Xnmedia
n IC
Sabemos
que el estad
stico media
partir
de
la muestra
(X1del
Xn ),detiene
Sabemosconstruido
que(X
el estad
stico
muestralaleatoria
construido
a, ...,
partir
la mu
Queremos
estimar
a muestral
partir
de
) mediante
un
1 , a...,
4.3.1.
Estimaci
! Sabemos
" que el estad
"
!!
sticoque
media
muestral
construido
a partir
de la muestra
(X1 , ...,
Xn ), tiene
Sabemos
el estad
stico
media
construido
a partiraleatoria
de la muestra
aleatoria
(X1
muestral
"
!stico "
is,lo! que
That
distribuci
nN
, por
100(1 o
),%
distribuci
el estad
$
n on N distribuci
,opor
distribuci
,
queel estad
n Nlo
,
, porstico
n
= 1
< < X + z/2
n X
X
n
X
X
Z=
Z=
Z=
Z
=
n
/ n
/ n
/ n
/ n
n
otiene
n Ntiene
(0,
1). distribuci
distribuci
on N (0,on
1).N (0, 1).
N (0,distribuci
1).
Z =
/ n
N(0, 1)

4.4.
a area = 2
Area==
area
2
2
z/2
z
a/2
area =
a
Area
area==2
2
a/2
zz/2
Estimaci
on por 4.4.
intervalos
en poblaciones
no normales
Estimaci
on por intervalos
en poblacio
FIGURE 7.1 P{z/2 < Z < z/2 } = 1 .
4.4.
Estimaci
por intervalos
en poblaciones
no normales
4.4. on
Estimaci
on por intervalos
en poblaciones
no norm
z/2 X
+ z/2
P X
n
n
9. Estimaci
=1
Curso 2009-2010
10 / 23
or Estimaci
4.3.
on
por#intervalos
bajo
4.3.
Estimaci
on por
bajo.$normalidad
Estimaci
o
n por intervalos
bajo normalidad
Estimaci
on deintervalos
la
media normalidad
poblacional
Varianza conocida
Estimaci
on de la media
Varianza
4.3.1. poblacional
Estimaci
la mediaconocida
poblacional
. Varian
on.de
=1
P z/2 < X < z/2
4.3.1. Estimaci
de la media
poblacional
. Varianza
n.conocida
4.3.1.on Estimaci
on de
Varianza conocida
on normalque
N (,
), donde
valor ode
es conocido
queremos
Supongamos
tenemos
una el
poblaci
n normal
N (, ),y donde
el val
or
$
#
Supongamos
que
tenemos
una
poblaci
o
n
normal
N
(,
),
donde
el
valor
de
es
conocido
queremos
Supongamos
que
tenemos
una
poblaci
o
n
normal
N
(,
),
donde
el
valor
de
es conoci
del 100(1un
)
% parade
estimar mediante
intervalo
.
<100(1
z/2
<
= 1.
P un
z
/2
estimar mediante
un intervalo
de
confianza
delde100(1
) X
%delpara
.
estimar
mediante
intervalo
confianza
) % para
n Xnmedia
n IC
Sabemos
que el estad
stico media
partir
de
la muestra
(X1del
Xn ),detiene
Sabemosconstruido
que(X
el estad
stico
muestralaleatoria
construido
a, ...,
partir
la mu
Queremos
estimar
a muestral
partir
de
) mediante
un
1 , a...,
4.3.1.
Estimaci
! Sabemos
" que el estad
"
!!
sticoque
media
muestral
construido
a partir
de la muestra
(X1 , ...,
Xn ), tiene
Sabemos
el estad
stico
media
construido
a partiraleatoria
de la muestra
aleatoria
(X1
muestral
"
!stico "
is,lo! que
That
distribuci
nN
, por
100(1 o
),%
distribuci
el estad
$
n on N distribuci
,opor
distribuci
,
queel estad
n Nlo
,
, porstico
n
= 1
< < X + z/2
n X
X
n
X
X
Z=
Z=
Z=
Z
=
n
/ n
/ n
/ n
/ n
n
otiene
n Ntiene
(0,
1). distribuci
distribuci
on N (0,on
1).N (0, 1).
N (0,distribuci
1).
Z =
/ n
N(0, 1)

4.4.
a area = 2
Area==
area
2
2
z/2
z
a/2
area =
a
Area
area==2
2
a/2
zz/2
Estimaci
on por 4.4.
intervalos
en poblaciones
no normales
Estimaci
on por intervalos
en poblacio
FIGURE 7.1 P{z/2 < Z < z/2 } = 1 .
4.4.
Estimaci
por intervalos
en poblaciones
no normales
4.4. on
Estimaci
on por intervalos
en poblaciones
no norm
z/2
L=X
n
+ z/2
U=X
n
9. Estimaci
Curso 2009-2010
10 / 23
Estimaci
Estimaci
on de la media poblacional . Varianza conocida
Estimaci
Ejemplo:
Cuando una se
nal que tiene valor es enviada desde un punto A a
un punto B, el valor recibido tiene distribuci
on normal de media y
varianza 4 (es decir, al transmitir la se
nal, se a
nade un ruido
aleatorio de distribuci
on N(0, 2)). Para reducir el error, se enva el
mismo valor 9 veces, de manera que el valor medio recibido es
x = 9. Calculemos el intervalo de confianza del 95 % para .
Se tiene: z/2 = z0,05/2 = z0,025 = 1,96, = 2 y n = 9 el intervalo para
es

2
2
9 1,96 , 9 + 1,96
= (7,69, 10,31)
3
3
Tenemos una confianza del 95 % de que el verdadero valor enviado
este entre 7,69 y 10,31.
9. Estimaci
Curso 2009-2010
11 / 23
Estimaci
Estimaci
Estimaci
Determinacion del tamano muestral para controlar el error de
estimacion
Longitud del IC100(1) % para :
L = 2 z/2
n
cuanto mayor sea el nivel de confianza, para n y fijos, mayor sera L
Error que cometemos al estimar un parametro mediante su estimador:
|
E =| X
si podemos controlar el tama
no muestral, podemos escoger n para
tener una confianza del 100(1 ) % de que E sea menor que una
cierta cota :

2
n = z/2

9. Estimaci
Curso 2009-2010
12 / 23
Estimaci
Estimaci
Estimaci
Se quiere medir la velocidad de un nuevo modelo de procesador, y
para ello se va a ejecutar un programa de simulaci
on en algunos
ordenadores, con dicho modelo incorporado. Suponiendo que la
variable aleatoria X , tiempo de ejecuci
on, es normal, de varianza 9,
obtener el tama
no muestral necesario para obtener un intervalo de
longitud 2 y de nivel de confianza 95 % para el tiempo medio de
ejecuci
on del programa de simulaci
on.
Como la longitud del intervalo es
3
2z/2 = 2 1,96 = 1 n = 1,962 9 = 34,57

n
n
es decir, n ha de ser 35 para asegurarse una confianza de al menos el 95 %.
9. Estimaci
Curso 2009-2010
13 / 23
Estimaci
Estimaci
on de la media poblacional . Varianza desconocida
Estimaci
on de la media. X N(, ), desconocida
Queremos estimar a partir de (X1 , ..., Xn ) mediante un IC100(1) %
X
no es cantidad pivotal, pues es funci
on de dos parametros
Z = /
n
desconocidos.

X
tiene distribuci
t=
on tn1 , ya que:
sn1 / n

X
N(0, 1),
/ n
(n
s2
1) n1
2
2n1 ,
X
/ n
=s
t=
sn1 / n
s2
(n 1) n1
2
n1
t es una cantidad pivotal para

X
tn1;/2 = 1
P(tn1;/2 t tn1 ;/2 ) = P tn1;/2
sn1 / n
9. Estimaci
Curso 2009-2010
14 / 23
Estimaci
Estimaci
Estimaci
Queremos estimar a partir de (X1 , ..., Xn ) mediante un IC100(1) %
X
no es cantidad pivotal, pues es funci
on de dos parametros
Z = /
n
desconocidos.

X
tiene distribuci
t=
on tn1 , ya que:
sn1 / n

X
N(0, 1),
/ n
(n
s2
1) n1
2
2n1 ,
X
/ n
=s
t=
sn1 / n
s2
(n 1) n1
2
n1
t es una cantidad pivotal para
n1
tn1;/2 s
L=X
n
n1
+ tn1;/2 s
U=X
n
9. Estimaci
Curso 2009-2010
14 / 23
Estimaci
Estimaci
Estimaci
Determinacion del tamano muestral
Longitud del IC100(1) % para :
sn1
L = 2 tn1;/2
n
Error de estimacion E menor que si tomamos:
n=

S 2
tn1;/2

9. Estimaci
Curso 2009-2010
15 / 23
Estimaci
Estimaci
on de la diferencia de medias
Estimaci
on de la diferencia de medias. Poblaciones
normales independientes. Varianzas conocidas
(X1 , ..., XnX ), (Y1 , ..., YnY ) m.a.s. de dos poblaciones normales
independientes N(X , X ) y N(Y , X ), respectivamente, con
varianzas conocidas.
Queremos construir un IC para la diferencia X Y .
Y (X Y )
X
s
N(0, 1) es cantidad pivotal para la
Z=
X2
Y2
+
nx
ny
diferencia X Y .
Y z/2
L=X
X2
2
+ Y
nX
nY
Y + z/2
U=X
9. Estimaci
X2
2
+ Y
nX
nY
Curso 2009-2010
16 / 23
Estimaci
Estimaci
Estimaci
on de la diferencia de medias. Poblaciones
normales independientes. Varianzas desconocidas e iguales
(X1 , ..., XnX ) m.a.s. N(X , X )
(Y1 , ..., YnY ) m.a.s. N(Y , X )
con X2 y Y2 desconocidas e iguales.
Queremos construir un IC para la diferencia X Y .

Y (X Y )
X
r
Cantidad pivotal: t =
tnX +nY 2
1
1
Sp
+
nX
nY
con Sp2 =
Y tn +n 2;/2 Sp
L=X
X
Y
2
2
+(nY 1)sn1;Y
(nX 1)sn1;X
nX +nY 2
1
1
+
nX
nY
Y + tn +n 2;/2 Sp
U=X
X
Y
9. Estimaci
1
1
+
nX
nY
Curso 2009-2010
17 / 23
Estimaci
Estimaci
Ejemplo:
Se piensa que los estudiantes de licenciatura de periodismo pueden
esperar un mayor salario promedio en su primer trabajo que el que
esperan los estudiantes de administraci
on, y para comprobarlo, se
desea construir un intervalo de confianza del 90 % para la diferencia
de medias, suponiendo que la varianza en ambos salarios es la
misma.
Se obtienen dos muestras aleatorias simples de ambos grupos, que
proporcionan los siguientes datos:
2
nP = 10, xP = 16250, sn1;P
= 1187222,22,
2
nA = 14, xA = 15400, sn1;A = 1352307,69.
Se obtiene que Sp = 1133,48, y puesto que tnP +nA 2;0,05 = 1,717, se tiene
que el intervalo de confianza para la diferencia entre los salarios es
(44,135, 1655,865).
9. Estimaci
Curso 2009-2010
18 / 23
P (L )Estimaci
= 1 , ooP
por superior,
Estimaci
U , donde
verifica
U )U=verifica
1 . P ( U ) = 1 .
npara
porelintervalos
bajo
normalidad
oUnpor
de lavarianza
(L
)extremo
= 1 ,superior,
o para
eldado
extremo
dado
UP,(donde
Veamos como construir

algunos
intervalos
confianza,
donde de
la clave
esta en
la elecci
on del
estad
Veamos
como
construirdealgunos
intervalos
confianza,
donde
la clave
est
a en stico
la eleccion del estadstico
Estimaci
on de la varianza. X N(, ), desconocida
T.
T.
Queremos
estimar
intervalos
a partir de
(Xnormalidad
on
1 , ..., Xn ) de una poblaci
4.3. Estimaci
on por
bajo
4.3.
Estimaci
on por
intervalos
bajo normalidad
N(, ), con y desconocidos, mediante un IC del 100(1 ) %
4.3.1.
Estimaci
on de Estimaci
la mediaopoblacional
. Varianza
conocida
4.3.1.
n de la media
poblacional
. Varianza conocida
2
s
Supongamos que tenemos una poblacion normal N (, ), donde
el valor de es conocido y queremos
Supongamos que tenemos una poblacionn1

normal N (, ),
2 donde el valor de es conocido y queremos
Cantidad
pivotal
para
: del
(n100(1
de1)
2 . n1
estimar
de confianza
) %para
que t mediante un
= intervalo
1,717, se tiene
que el intervalo
confianza
para la diferencia entre los salarios es
nP +n
que
tnP +nAestimar
1,717, se
A 2;0,05
2;0,05 =mediante
tiene
que el intervalo
de confianza
para
la diferencia
un
intervalo
de confianza
del 100(1
)
% para .entre los salarios es
0.15
Sabemos
el estad
stico media
muestral
construido
a partir de
la muestra
aleatoria
(Xmuestra
), tiene
(44,135, que
1655,865).
!
1 , ..., Xnaleatoria
(44,135,
! 1 , ..., Xn ), tiene
Sabemos
que el
estadstico
media muestral
construido
a partir
de la
(X
! 1655,865).
"
!
"
stico
distribucion N ,
,
por
lo
que
el
estad
distribuci
on N , , por lo que el estadstico
n
n
4.3.4. 4.3.4.
Estimaci
on de olan varianza
Estimaci
de la varianza
0.10
dchisq((0:5000)/100, 5)

X

X
Z=
(,
Z una
= opoblaci
En el caso
tenerdeuna
muestra
aleatoriaaleatoria
(X1 , ...,/
Xn1)n
de Xuna
poblaci
en ),
la que
ambos
En de
el caso
tener
una muestra
(X
, ...,
en la
que ambos
n ) de
/n N
n on),N (,
que se verifique
Para quePara
se verifique
4.4.
0.00
resultadoresultado
de que de que
0.05
paradistribuci
metros
para construir
un intervalo
de confianza
para para
hemos
hacer
deluso del
parason
metros
son1).
desconocidos,
para construir
un intervalo
de confianza
de
hemos
de uso
hacer
tiene
ondesconocidos,
Ntiene
(0,
distribucion N (0, 1).
S2
S2
(n 1) (n2
1)
2 2 . 2n1 .
area
= n1
area =
2
2
!
S2
2S
"
"
P n1;1/2
(n2
n1;/2
P n1;1/2
(n 1)
1)
n1;/2
2
poblaciones
Estimaci
on por
intervalos
en
no20 normales no
4.4.
Estimaci
en poblaciones
0on por intervalos
10
30 normales 40
2
(0:5000)/100
!
Estimaci
on intervalos
por intervalos
en poblaciones
no normales
4.4. 4.4.
Estimaci
on por
en poblaciones
no normales
P
2n1;1/2 (n
s2
1) n1
2
2n1;/2
9. Estimaci
=1
Curso 2009-2010
19 / 23
P (L )Estimaci
= 1 , ooP
por superior,
Estimaci
U , donde
verifica
U )U=verifica
1 . P ( U ) = 1 .
npara
porelintervalos
bajo
normalidad
oUnpor
de lavarianza
(L
)extremo
= 1 ,superior,
o para
eldado
extremo
dado
UP,(donde
Veamos como construir

algunos
intervalos
confianza,
donde de
la clave
esta en
la elecci
on del
estad
Veamos
como
construirdealgunos
intervalos
confianza,
donde
la clave
est
a en stico
la eleccion del estadstico
Estimaci
on de la varianza. X N(, ), desconocida
T.
T.
Queremos
estimar
intervalos
a partir de
(Xnormalidad
on
1 , ..., Xn ) de una poblaci
4.3. Estimaci
on por
bajo
4.3.
Estimaci
on por
intervalos
bajo normalidad
N(, ), con y desconocidos, mediante un IC del 100(1 ) %
4.3.1.
Estimaci
on de Estimaci
la mediaopoblacional
. Varianza
conocida
4.3.1.
n de la media
poblacional
. Varianza conocida
2
s
Supongamos que tenemos una poblacion normal N (, ), donde
el valor de es conocido y queremos
Supongamos que tenemos una poblacionn1

normal N (, ),
2 donde el valor de es conocido y queremos
Cantidad
pivotal
para
: del
(n100(1
de1)
2 . n1
estimar
de confianza
) %para
que t mediante un
= intervalo
1,717, se tiene
que el intervalo
confianza
para la diferencia entre los salarios es
nP +n
que
tnP +nAestimar
1,717, se
A 2;0,05
2;0,05 =mediante
tiene
que el intervalo
de confianza
para
la diferencia
un
intervalo
de confianza
del 100(1
)
% para .entre los salarios es
0.15
Sabemos
el estad
stico media
muestral
construido
a partir de
la muestra
aleatoria
(Xmuestra
), tiene
(44,135, que
1655,865).
!
1 , ..., Xnaleatoria
(44,135,
! 1 , ..., Xn ), tiene
Sabemos
que el
estadstico
media muestral
construido
a partir
de la
(X
! 1655,865).
"
!
"
stico
distribucion N ,
,
por
lo
que
el
estad
distribuci
on N , , por lo que el estadstico
n
n
4.3.4. 4.3.4.
Estimaci
on de olan varianza
Estimaci
de la varianza
0.10
dchisq((0:5000)/100, 5)

X

X
Z=
(,
Z una
= opoblaci
En el caso
tenerdeuna
muestra
aleatoriaaleatoria
(X1 , ...,/
Xn1)n
de Xuna
poblaci
en ),
la que
ambos
En de
el caso
tener
una muestra
(X
, ...,
en la
que ambos
n ) de
/n N
n on),N (,
que se verifique
Para quePara
se verifique
4.4.
0.00
resultadoresultado
de que de que
0.05
paradistribuci
metros
para construir
un intervalo
de confianza
para para
hemos
hacer
deluso del
parason
metros
son1).
desconocidos,
para construir
un intervalo
de confianza
de
hemos
de uso
hacer
tiene
ondesconocidos,
Ntiene
(0,
distribucion N (0, 1).
S2
S2
(n 1) (n2
1)
2 2 . 2n1 .
area
= n1
area =
2
2
!
S2
2S
"
"
P n1;1/2
(n2
n1;/2
P n1;1/2
(n 1)
1)
n1;/2
2
poblaciones
Estimaci
on por
intervalos
en
no20 normales no
4.4.
Estimaci
en poblaciones
0on por intervalos
10
30 normales 40
2
(0:5000)/100
Estimaci
on intervalos
por intervalos
en poblaciones
no normales
4.4. 4.4.
Estimaci
on por
en poblaciones
no normales
L = (n 1)
2
sn1
2n1;/2
U = (n 1)
9. Estimaci
2
sn1
2n1;1/2
Curso 2009-2010
19 / 23
Estimaci
Estimaci
on del cociente de varianzas
Estimaci
on del cociente de varianzas. Poblaciones
normales independientes
(X1 , ..., XnX ) y (Y1 , ..., YnY ) m.a.s. de dos poblaciones normales
independientes N(X , X ) y N(Y , X ), respectivamente.
Queremos construir un IC para el cociente Y2 /X2 .
Cantidad pivotal para
L=
2
sn1;Y
Y2
X2
:F =
2
FnY 1,nX 1;/2
sn1;X
2
sn1;X
/X2
2
sn1;Y
/Y2
U=
FnX 1;nY 1
2
sn1;Y
2
sn1;X
9. Estimaci
FnX 1,nY 1;/2
Curso 2009-2010
20 / 23
Estimaci
Estimaci
on de la media. Varianza conocida
Estimaci
on de la media. Varianza conocida
Poblacion no normal con varianza conocida
Queremos estimar la media mediante un IC del 100(1 ) %
Si tomamos una m.a. (X1 , ..., Xn ), con n 30, seg

un el Teorema
Central del Lmite:
Z=
n
X
N(0, 1)
/ n
IC asintotico (o aproximado) para :

z/2
L=X
n
+ z/2
U=X
n
Para tama
nos muestrales peque
nos, el intervalo asint
otico no es apropiado
9. Estimaci
Curso 2009-2010
21 / 23
Estimaci
on de la media en poblaciones no normales. Varianza
Estimaci
on por intervalos en poblaciones no normales desconocida
Estimaci
on de la media. Varianza desconocida
Poblacion no normal con varianza desconocida
Queremos estimar la media mediante un IC del 100(1 ) %
No podemos utilizar directamente el TCL porque es desconocida,

pero si tomamos una m.a.s. (X1 , ..., Xn ), con n 30, se cumple que:
t=
n
X
N(0, 1)
n
2 /
sn1
Intervalo asintotico (o aproximado) para :

n1
z/2 s
L=X
n
n1
+ z/2 s
U=X
n
Para tama
nos muestrales peque
nos, el intervalo asint
otico no es apropiado
9. Estimaci
Curso 2009-2010
22 / 23
Estimaci
Estimaci
on de la proporci
Estimaci
on de la proporci
on. Poblaciones binomiales
Poblacion binomial con parametro p desconocido
Queremos construir un IC para p
Para una muestra (X1 , ..., Xn ) el estadstico p =
verifica (teorema de DeMoivre-Laplace):
p p
p(1 p)
n
X
, con X B(n, p)
n
N(0, 1)
p p
1
r
P
z
z
/2
/2
p(1 p)
n
9. Estimaci
Curso 2009-2010
23 / 23
Estimaci
Estimaci
on de la proporci
Estimaci
on de la proporci
r
P
p z/2
p p
p(1 p)
n
X
, con X B(n, p)
n
N(0, 1)
p(1 p)
p p + z/2
n
p(1 p)
n
9. Estimaci
Curso 2009-2010
23 / 23
Estimaci
Estimaci
on de la proporci
Estimaci
on de la proporci
r
P
p z/2
p p
p(1 p)
n
X
, con X B(n, p)
n
N(0, 1)
p(1 p)
p p + z/2
n
p(1 p)
n
los lmites del intervalo contienen el parametro desconocido p

9. Estimaci
Curso 2009-2010
23 / 23
Estimaci
Estimaci
on de la proporci
Estimaci
on de la proporci
r
p p
X
, con X B(n, p)
n
p(1 p)
n
N(0, 1)
Sustituyendo p por p:
L = p z/2
p(1 p)
n
U = p + z/2
9. Estimaci
p(1 p)
n
Curso 2009-2010
23 / 23

2.3.intervalos CLASE

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2.3.intervalos CLASE

Cargado por

Copyright:

Formatos disponibles

9.

Estimacion por intervalos de confianza

Estadstica (Aurora Torrente)

Estimacion de la media poblacional . Varianza desconocida

Estimacion de la diferencia de medias

Estimacion por intervalos

Estadstica (Aurora Torrente)

A partir de la distribucion de T , y para un valor , 0 < < 1,

Estadstica (Aurora Torrente)

Interpretacion del IC100(1) % :

Estadstica (Aurora Torrente)

La longitud de un intervalo de confianza, U L, es una importante medida

La mitad de esta longitud se conoce como precisi

Estadstica (Aurora Torrente)

Intervalos bilaterales y unilaterales

Cantidades pivotales (I)

por tanto, si conocemos ,

es una cantidad pivotal para .

Cantidades pivotales (II)

Elegida una cantidad pivotal C (X1 , ..., Xn ; i ), podemos construir un

Estadstica (Aurora Torrente)

(cantidad pivotal para )

P(z/2 Z z/2 ) = P z/2

Estadstica (Aurora Torrente)

(cantidad pivotal para )

Estadstica (Aurora Torrente)

(cantidad pivotal para )

Estadstica (Aurora Torrente)

2z/2 = 2 1,96 = 1 n = 1,962 9 = 34,57

Estadstica (Aurora Torrente)

t es una cantidad pivotal para

t es una cantidad pivotal para

Estadstica (Aurora Torrente)

Estadstica (Aurora Torrente)

con X2 y Y2 desconocidas e iguales.

Queremos construir un IC para la diferencia X Y .

Estadstica (Aurora Torrente)

Veamos como construir

Supongamos que tenemos una poblacionn1

Estadstica (Aurora Torrente)

Veamos como construir

Supongamos que tenemos una poblacionn1

Estadstica (Aurora Torrente)

FnX 1,nY 1;/2

Si tomamos una m.a. (X1 , ..., Xn ), con n 30, seg

IC asintotico (o aproximado) para :

No podemos utilizar directamente el TCL porque es desconocida,

Intervalo asintotico (o aproximado) para :

Estadstica (Aurora Torrente)

los lmites del intervalo contienen el parametro desconocido p

Estadstica (Aurora Torrente)

También podría gustarte