Documentos de Académico
Documentos de Profesional
Documentos de Cultura
02 11 41 Estimacion Modo de Compatibilidad
02 11 41 Estimacion Modo de Compatibilidad
Estimación puntual
Características de los estimadores
1
02/12/2011
n = 10.000
votantes
N = ?? los estadísticos
se utilizan como
?? = millones de votantes
estimadores
de los
parámetros de
Inferencias. calculamos
la población,
Generalizaciones a estadísticos,
como la edad
como la edad
partir de la muestra a media de los media de los
la población. votantes de la votantes de la
población
muestra
2
02/12/2011
Estimación puntual
Estimación puntual
Media µX X x
Varianza σ X2 S X2 sx2
Desv. típica σX SX sx
Proporción p pˆ X pˆ x
3
02/12/2011
Estimación puntual
0,3
0,2
0,1
0
-5 -3 -1 1 3 5
Estimador
Estimación puntual
0,4 ()
E θˆ = θ
f(estimador)
0,3 Parámetro
0,2
0,1
0
-5 -3 -1 1 3 5
Estimador
4
02/12/2011
Estimación puntual
()
E θˆ = θ
E ( X ) = µX La desviación típica no es
un estimador insesgado
E ( S X2 ) = σ X2
E ( pˆ X ) = p
Estimación puntual
( ) ( )
Var θˆ1 < Var θˆ2
Eficiencia relativa
( )
Var θˆ2
Var (θˆ )
1
5
02/12/2011
n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
pˆ x = 0,1 pˆ x = 0,1
n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
pˆ x = 0,1 pˆ x = 0,1
6
02/12/2011
n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
pˆ x = 0,1 pˆ x = 0,1
n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
pˆ x = 0,1 pˆ x = 0,1
7
02/12/2011
n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
pˆ x = 0,1 pˆ x = 0,1
8
02/12/2011
Estimación puntual
Características de los estimadores
X −µ
Z= IC = 1 − α
σ/ n
0,4
0,3
α α
fZ(z)
0,2
2 1−α 2
0,1
0
-5 -3 -1 1 3 5
Z
9
02/12/2011
X −µ 1 − α = 0,9
Z= IC = 1 − α
σ/ n α = 0,1
0,4
0,3
fZ(z)
0,2
5% 90% 5%
0,1
0
-5 -3 -1 1 3 5
Z
1 − α = 0,9
α = 0,1
µ
El 90% de los intervalos de confianza contendrán la media
poblacional
10
02/12/2011
0,3
fZ(z)
0,2
0,1
0
-5 -3
− z0,05
-1 1
z0,05 3 5
X −µ
0,90 = P(−1, 645 < Z < 1, 645) = P −1, 645 < < 1, 645 =
σ / n
−1, 645σ −1, 645σ
= P < X −µ < =
n n
−1, 645σ −1, 645σ
= P X − <µ<X +
n n
z α / 2σ z α / 2σ
x− <µ<x+
n n
Intervalo de confianza del
100(1 − α )% α
P ( Z > zα / 2 ) =
2
11
02/12/2011
2. La varianza lo incrementa
3. La confianza del intervalo lo incrementa
12
02/12/2011
α
P ( Z > zα / 2 ) =
2
zα / 2 = z0,005 zα /2σ z σ
x− < µ < x + α /2
Fz ( z0,005 ) = 2, 575 n n
2,575·0, 70 2,575·0, 70
4,38 − < µ < 4,38 + =
172 172
13
02/12/2011
X −µ
t=
sx / n
Esta variable aleatoria no sigue la
distribución normal estándar, sino la
distribución t de Student con (n – 1)
grados de libertad.
0,4
X −µ
0,3 t=
sx / n
f(t)
0,2
Esta variable aleatoria no sigue la
0,1
distribución normal estándar, sino la
distribución
0 t de Student con (n – 1)
-7 -4 -1 2 5 8
grados de libertad.
t5
14
02/12/2011
α
P (tn −1 > tn −1,α /2 ) =
2
15
02/12/2011
α
P ( Z > zα / 2 ) =
2
zα / 2 = z0,025 = 1, 96 pˆ x (1 − pˆ x ) pˆ x (1 − pˆ x )
pˆ x − zα /2 < p < pˆ x + zα /2
n n
0, 613·0,387 0, 613·0,387
0, 613 − 1,96 < p < 0, 613 + 1, 96
142 142
16
02/12/2011
(n − 1) sx2
χ 2
n −1 =
σ2
0,1
f(chi-cuadrado)
0,08 α
0,06 2
0,04 α
0,02
1−α 2
0
0 χ v2,1−α /2 10 20 χ v2,α /2 30 40
chi-cuadrado
(n − 1) sx2
χ 2
n −1 =
σ2
α α
P ( χ n2−1 > χ n2−1,α /2 ) = P ( χ n2−1 < χ n2−1,1−α /2 ) =
2 2
17
02/12/2011
(n − 1) sx2 (n − 1) sx2
χ 2
=χ 2
= 6, 57 <σ2 <
n −1,1−α /2 14,0,95
χ n2−1,α /2 χ n2−1,1−α /2
14·0, 64 14·0, 64
<σ2 < = 0,378 < σ 2 < 1,364
23, 68 6,57
18
02/12/2011
19
02/12/2011
20
02/12/2011
caballo
caballoprepre caballo
caballopostpost diferencias
ii xxi i yyi i di xi2
11 19,4
19,4 19,6
19,6 -0,2 0,04
22 18,8
18,8 17,5
17,5 1,3 1,69
33 20,6
20,6 18,4
18,4 2,2 4,84
44 17,6
17,6 17,5
17,5 0,1 0,01
55 19,2
19,2 18
18 1,2 1,44
66 20,9
20,9 20
20 0,9 0,81
77 18,3
18,3 18,8
18,8 -0,5 0,25
88 20,4
20,4 19,2
19,2 1,2 1,44
sumas
21
02/12/2011
α
P (tn −1 > tn −1,α /2 ) =
2
22
02/12/2011
Z=
( X −Y ) − (µ x − µy )
varianza conocida-
σ x2 σ y2
tamaño muestral +
grande nx ny
tiene una distribución normal estándar
23
02/12/2011
α
P ( Z > zα / 2 ) =
2
2 2
sx2 s y s2 s
( x − y ) − zα /2 + < µ x − µ y < ( x − y ) + zα / 2 x + y
nx n y nx n y
24
02/12/2011
varianzas poblacionales
son iguales
25
02/12/2011
n + ny
=σ2 x
(n x + ny − 2 )
nx n y
varianzas poblacionales
( X −Y ) −(µ − µy ) ( X son − ( µx − µ y )
− Y )iguales
Z=
x
t=
nx + n y
σ 2
n + ny
nx ny
s x
nx n y
( nx − 1) sx2 + ( ny − 1) s y2
s =
2
(n x + ny − 2 )
α
P (tnx + ny −2 > tnx + ny − 2,α / 2 ) =
2
26
02/12/2011
E ( pˆ x − pˆ y ) = E ( pˆ x ) − E ( pˆ y ) = px − p y
px (1 − px ) p y (1 − p y )
Var ( pˆ x − pˆ y ) = Var ( pˆ x ) + Var ( pˆ y ) = +
nx ny
Z=
( pˆ x − pˆ y ) − ( px − p y )
pˆ x (1 − pˆ x ) pˆ y (1 − pˆ y )
+
nx ny
27
02/12/2011
pˆ x (1 − pˆ x ) pˆ y (1 − pˆ y ) pˆ x (1 − pˆ x ) pˆ y (1 − pˆ y )
( pˆ x − pˆ y ) − zα /2
nx
+
ny
< px − p y < ( pˆ x − pˆ y ) − zα / 2
nx
+
ny
α
P ( Z > zα /2 ) =
2
pˆ x (1 − pˆ x ) pˆ y (1 − pˆ y ) pˆ x (1 − pˆ x ) pˆ y (1 − pˆ y )
( pˆ x − pˆ y ) − zα /2
nx
+
ny
< px − p y < ( pˆ x − pˆ y ) − zα / 2
nx
+
ny
α
0,892·0,108 0,518·0, 482 0,892·0,108 0,518·0, 482
( 0,892 − 0,518) − 1,96 + < pˆ x − pˆ y < ( 0,892 − 0,518 ) + 1,96 + =
120 141 120 141
= 0, 275 < pˆ x − pˆ y < 0, 473
28
02/12/2011
Tamaño de la muestra
Proporción poblacional
Varianza conocida
Varianza desconocida
29
02/12/2011
Tamaño de la muestra
Proporción poblacional
pˆ x (1 − pˆ x )
L = zα /2 pˆ x (1 − pˆ x ) ≤ 0, 25
n
0, 25 0,5 zα /2
L* = zα /2 =
n n
Tamaño de la muestra
Proporción poblacional
30
02/12/2011
Tamaño de la muestra
Proporción poblacional
Varianza conocida
Varianza desconocida
Tamaño de la muestra
Varianza conocida
zα /2 zα / 2
x− <µ<x+
n n
zα /2σ
L=
n
31
02/12/2011
Tamaño de la muestra
Varianza conocida
zα /2σ
n=
L2
α
P ( Z > zα / 2 ) =
2
Tamaño de la muestra
Proporción poblacional
Varianza conocida
Varianza desconocida
32
02/12/2011
Tamaño de la muestra
Varianza desconocida
Intervalo de confianza del 100(1 − α )%
zα / 2σ estimaciones de la
n= varianza
L2
α
P ( Z > zα /2 ) =
2
33