UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Per, DECANA DE AMERICA)

FACULTAD DE INGENIERIA INDUSTRIAL

ESTADISTICA Y PROBABILIDADES
ESTIMACION DE PARAMETROS

Abregu Jaimes, Raysa Lorena Caldern Campusano, Victor Anthony

I. INFERENCIA ESTADISTICA El objetivo bsico de la inferencia estadstica es hacer inferencias o sacar conclusiones sobre la poblacin a partir de la informacin contenida en una muestra aleatoria de la poblacin. Especficamente, podemos decir que la inferencia estadstica consiste en el proceso de seleccin y utilizacin de un estadstico muestral, mediante el cual, utilizando la informacin que nos proporciona una muestra aleatoria, nos permite sacar conclusiones sobre caractersticas poblacionales. Cualquier inferencia o conclusin obtenida de la poblacin,

necesariamente, estar basada en un estadstico muestral, es decir, en la informacin proporcionada por la muestra, definimos un estadstico como una funcin de las observaciones muestrales. La eleccin del estadstico apropiado depender de cul sea el parmetro poblacional que nos interese. El valor verdadero del parmetro ser desconocido y un objetivo sera estimar su valor, por lo que tal estadstico se denomina estimador. Las inferencias sobre el valor de un parmetro poblacional partir del contraste de hiptesis. En la estimacin, basta seleccionar un estadstico muestral cuyo valor se utilizar como estimador del valor del parmetro poblacional. En el contraste de hiptesis, se hace una hiptesis sobre el valor del parmetro y se utiliza la informacin proporcionada por la muestra para decidir si la hiptesis se acepta o no. "mbos m#todos de inferencia estadstica utilizan las mismas relaciones tericas entre resultados muestrales y valores poblacionales. "s pues, una muestra es sacada de la poblacin y un estadstico muestral es utilizado para hacer inferencias sobre el parmetro poblacional. En estimacin, la informacin muestral es utilizada para estimar el valor del parmetro . En el contraste de hiptesis, primero se formula la hiptesis sobre el valor de y la informacin muestral se utiliza para decidir si la hiptesis formulada debera ser o no rechazada. 2 se pueden

obtener bsicamente de dos maneras! a partir de estimacin o bien a

$ero cuando se utiliza la inferencia para estimar un parmetro poblacional debemos decir cmo de buena es esa inferencia, o sea debemos dar una medida de su bondad. $ara ello ser necesario conocer la diferencia e%istente entre la estimacin del parmetro poblacional, calculada a partir de una muestra especfica de tama&o n, y el valor verdadero del parmetro poblacional. II. ESTIMACIN PUNTUAL La estimacin puntual consiste en obtener un 'nico n'mero calculado a partir de las observaciones muestrales, y que es utilizado como estimacin del valor del parmetro . (e le llama estimacin puntual porque a ese n'mero, que se utiliza como estimacin del parmetro , se le puede asi)nar un punto sobre la recta real. El estimador del parmetro poblacional es una funcin de las variables

aleatorias u observaciones muestrales y se representa por $ *) + X 1 , X 2 ,..., X n , $ara una realizacin particular de la muestra + x1 , x2 ,..., xn , se obtiene un valor especfico del estimador que recibe el nombre de estimacin del parmetro poblacional y lo notaremos por $ * ) + x1 , x2 ,..., xn , -emos pues que e%iste diferencia entre estimador y estimacin. El estimador es un estadstico y, por tanto, una variable aleatoria y el valor de esta variable para una muestra concreta + x1 , x2 ,..., xn , ser la estimacin puntual. El estimador tendr su distribucin muestral.

En la si)uiente tabla e%presamos diferentes parmetros poblacionales, sus estimadores y sus estimaciones. Parmetros poblacionales estima!ores " estimaciones.

Parmetro Poblacional Me!ia %arian&a 2 Proporci$n p

Estima!or

Estimaci$n
i

n 1 n 2 2 =S = (X i X )2 n 1 i =1
= p X nmeroxitos = n nmeropruebas

=X=

X
i =1

n 1 n s2 = xi x n 1 i =1

x=

x
i =1

= p

x n

$ara la eleccin de estos estimadores puntuales nos hemos basado, principalmente en la intuicin y en la posible analo)a de los parmetros poblacionales con sus correspondientes valores muestrales, pero #ste no ser el m#todo ms adecuado para la obtencin de estimadores puntuales, aunque en este caso se obtienen estimadores satisfactorios para los parmetros poblacionales. En )eneral, el problema de obtener estimadores puntuales no ser tan sencillo, por ello tenemos que dar propiedades que seran deseables que se cumplieran por los diferentes estimadores puntuales obtenidos, aunque no e%iste un mecanismo o m#todo 'nico que nos permita obtener el mejor estimador puntual en todas las circunstancias. .uestro objetivo ahora ser dar al)unas propiedades deseables de los estimadores puntuales, con el fin de poder conocer la bondad de los mismos, pues cuantas ms propiedades verifiquen los estimadores puntuales mejores sern. Propie!a!es !eseables !e los Estima!ores P#nt#ales

a' Estima!or inses(a!o (i tenemos un )ran n'mero de muestras de tama&o n y obtenemos el valor del estimador en cada una de ellas, sera deseable que la media de todas estas estimaciones coincidiera con el valor de /. (e dice que un estimador es inses)ado si su esperanza matemtica coincide con el valor del parmetro a estimar. b' Estima!or e)iciente (e dice que los estimadores son eficientes cuando )eneran una distribucin muestral con el mnimo error estndar, es decir, entre dos estimadores inses)ados de un parmetro dado es ms eficiente el de menor varianza. c' Estima!or consistente 0n estimador se dice consistente cuando su valor tiende hacia el verdadero valor del parmetro a medida que aumenta el tama&o de la muestra. Es decir, la probabilidad de que la estimacin sea el verdadero valor del parmetro tiende a 1. !' Estima!or s#)iciente (e dice de un estimador que es suficiente cuando es capaz de e%traer de los datos toda la informacin importante sobre el parmetro. III. ESTIMACIN P*R INTER%AL*S La estimacin puntual es poco 'til, pues solo obtenemos un valor como apro%imacin al que tratamos de estimar. Es mucho ms interesante obtener un intervalo dentro del cual se tiene una cierta confianza de que se encuentre el parmetro que tratamos de estimar. El objetivo que se pretende con los intervalos de confianza es obtener un intervalo de poca amplitud y con una alta probabilidad de que el parmetro se encuentre en su interior. En la estimacin por intervalos se obtienen dos puntos +un e%tremo inferior y un e%tremo superior, que definen un intervalo sobre la recta real, el cual contendr con cierta se)uridad el valor 5

del parmetro

. "s pues, ele)iremos probabilidades cercanas a la

unidad, que se representan por 123 y cuyos valores ms frecuentes suelen ser 456, 476 y 446. Lue)o si deseamos obtener una estimacin por intervalo del parmetro poblacional desconocido, tendremos que obtener dos estadsticos y ( X 1 , X 2 ,..., X n ) que nos darn los valores e%tremos

( X 1 , X 2 ,..., X n )

del intervalo, tales que P ( X 1 , X 2 ,..., X n ) ( X 1 , X 2 ,..., X n ) = 1 "l valor +,- se le llama coe)iciente !e con)ian&a, y al valor +../+,-' 0 se le llama ni1el !e con)ian&a. a' Inter1alo !e con)ian&a para la proporci$n poblacional . (i p representa la proporcin de #%itos en una muestra aleatoria de tama&o n suficientemente )rande y q*12p, entonces un intervalo de confianza apro%imado para la proporcin poblacional p al nivel de confianza del 155+123,6 viene dado por!
z p 2 q p + z ,p n 2 q p n

en donde z / 2 es tal que $89: z / 2 ;*

y la variable aleatoria 9 si)ue una distribucin .+5,1,. b' Inter1alo !e con)ian&a para la me!ia !e #na poblaci$n normal sien!o 2 conoci!a (upon)amos que tenemos una muestra aleatoria de n observaciones de una distribucin .+/, <,. (i < es conocida, y la media muestral observada es x , entonces el intervalo de confianza para la media poblacional /, al nivel de confianza del 155+123,6 viene dado por!

 , x + z / 2 x z / 2 n n
donde z / 2 es tal que P ( Z > z / 2 ) = y la variable aleatoria 9=.+5,1,. c' Inter1alo !e con)ian&a para la me!ia !e #na poblaci$n normal sien!o 2 !esconoci!a " n34.. (upon)amos que tenemos una muestra aleatoria de n>?5 observaciones de una distribucin .+/,<,. (i < es desconocida, y la media y la desviacin tpica muestral observadas son % y s, respectivamente, entonces el intervalo de confianza para la media poblacional /, al nivel de confianza del 155+123,6 viene dado por! $ $ s s , x + t / 2 x t / 2 n n donde t / 2 es tal que P [ tn 1 > t / 2 ] =

y la variable tn 1 si)ue una distribucin t2(tudent con n21 )rados de libertad. !' Inter1alo !e con)ian&a para la !i)erencia !e me!ias en poblaciones normales in!epen!ientes (upon)amos dos muestras independientes de tama&o procedentes de poblaciones normales. N ( x , x ) y N ( y , y ) , respectivamente. (i las medias para las nx y ny

muestras observadas son x e y , entonces un intervalo de confianza, al nivel de confianza del 155+123,6, para las diferencias de medias poblacionales x y viene dado por!
2 2 x2 y x2 y ( x y ) z / 2 + , ( x y ) + z / 2 + nx ny nx ny

en donde z / 2 es el n'mero tal que! P [ Z > z / 2 ] = 9 si)ue una .+5, 1,.

y la variable aleatoria 2

e' Inter1alo !e con)ian&a para la !i)erencia !e me!ias en poblaciones normales in!epen!ientes (i el tama&o muestral n es )rande, el @eorema Central del Lmite nos ase)ura que!

A bien!

Bonde p es el porcentaje de personas con la caracterstica de inter#s en

es su estimador la poblacin +o sea, es el parmetro de inter#s, y p

muestral. Lue)o, procediendo en forma anlo)a al caso de la media, podemos construir un intervalo de 476 de confianza para la proporcin poblacional $.

En forma )eneral! Z1 ( p (1 p ) / n) p p + Z1 ( p (1 p ) / n) p
2 2

con un nivel de confianza de 12 I%. ESTIMACIN DEL TAMA5* MUESTRAL (abemos que si tomamos una muestra aleatoria simple de tama&o n procedente de una poblacin .+/,<,, siendo < conocida, el intervalo de confianza al nivel del 155+123,6 para la media poblacional / vena dado por!

 I = x z / 2 , x + z / 2 n n
(iendo la amplitud del intervalo L = ( x + z / 2

) ( x z / 2 ) = 2 z / 2 n n n

+C,

(i, previamente, se fija la lon)itud del intervalo L y deseamos conocer el tama&o de la muestra para obtener ese intervalo al nivel de confianza del 155+123,6, bastar despejar n de la e%presin +C,, pues L, z / 2 y < son conocidos, y tendremos que el tama&o de la muestra ser!
2 n = 4 z /2

2 L2

el cual nos permitir construir un intervalo al nivel de confianza del 155+12 3,6 y de amplitud L para la media de una poblacin normal con conocida. @ambi#n podramos hacer el si)uiente razonamiento cuando estimara puntualmente a / sin error al)uno, / x D222222222222222222222222222D2222222222222222D222222222222222222222222222D E error = x z / 2 x + z / 2 n n $ero )eneralmente % no ser e%actamente i)ual a / y entonces se comete un error, E*D x 2/D, que como m%imo ser! E* z1 /2 < sea <

conocido, si la media / fuera el valor central del intervalo, entonces %

entonces si queremos determinar el tama&o de muestra necesario para obtener un intervalo de confianza para la media poblacional /, admitiendo un error E, tendremos que despejando de la e%presin anterior!

n = z12 /2

2 E2

10