Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso 08/09
Inferencia estadstica
Curso 08/09
1 / 24
Objetivo
Inferencia estadstica
Objetivo
Inferencia estadstica
Curso 08/09
2 / 24
Mtodo
Mtodo
Seleccin de la
muestra
Muestra
0.0
0.6
0.4
0.0
0.2
0.4
0.6
Inferencia
estadstica
0.2
0.8
0.8
Poblacin
X v.a. de
inters
0.0
0.0
0.5
1.0
1.5
2.0
0.5
1.0
1.5
2.0
2.5
2.5
Distribucin de la
variable en la
muestra
Distribucin de la
variable en la
poblacin
Inferencia estadstica
Curso 08/09
3 / 24
Mtodo
Inferencia estadstica
Curso 08/09
4 / 24
Seleccin de la muestra:
Muestra aleatoria simple
N , 2 ) Xi i.i.d. N , 2
Inferencia estadstica
Curso 08/09
5 / 24
Estimacin puntual
Inferencia estadstica
Curso 08/09
6 / 24
Estimador puntual
1
n
Varianza muestral:
n (X1 , X2 , . . . , Xn ) =
1
n
Xi = X
i =1
n
Xi
= S2
i =1
Cuasi-varianza muestral:
n
n (X1 , X2 , . . . , Xn ) = 1 Xi
n 1
= S 2
i =1
Inferencia estadstica
Curso 08/09
7 / 24
Inferencia estadstica
Curso 08/09
8 / 24
Ejemplos
N , 2 , entonces:
2
n
N (0, 1)
p
n
2
b 2 ,verican:
La varianza muestral S y la cuasivarianza muestral S
Equivalentemente:
nS 2
2
(n 1) Sb 2
=
=
2
Equivalentemente: S 2
Tema 1 (I) (Estadstica 2)
2 2
n n
Xi
i =1
b2
1; S
Inferencia estadstica
2n
2
2
n
2n
1
Curso 08/09
9 / 24
n =
n (X1 , X2 , . . . , Xn ) es un estimador insesgado
Se dice que
(centrado) de si:
n =
E
n = + b ( ) se dice que
n es sesgado (descentrado) y:
Si E
n = b ( ) = E
n
Sesgo
n !
Inferencia estadstica
Curso 08/09
10 / 24
Estimadores ecientes
n =
Ec
1
n
Var
n de es eciente si es de
Se dice que un estimador insesgado
varianza mnima:
n
Var
n
Var
n estimador insesgado de
8
Inferencia estadstica
Curso 08/09
11 / 24
n
= Sesgo
n
+ Var
n !
n = lim Var
n =0
o equivalentemente lim Sesgo
n !
n !
1
n
ECM
Inferencia estadstica
Curso 08/09
12 / 24
Ejemplos
Si X1 , . . . , Xn m.a.s. de X con E (X ) = y Var (X ) = 2 , entonces:
X es un estimador insesgado de
E X =
1 n
E (Xi ) =
n i
=1
N , 2 , X es un estimador eciente de .
Si X
i
n i
n
=1
b2 =
S
1
n
Xi
1 i =1
es un estimador insesgado de 2 :
b2 =
E S
n
n
E S 2 = 2
Inferencia estadstica
Curso 08/09
13 / 24
Inferencia estadstica
Curso 08/09
14 / 24
Intervalo de conanza
Intervalo de conanza
Se denomina Intervalo de Conanza para el parmetro con nivel
de conanza 1 , a un intervalo aleatorio:
IC(1
b I (X1 , . . . , Xn ) ,
b S (X1 , . . . , Xn )
( ) =
b S (X1 , . . . , Xn ) = 1
b I (x1 , . . . , xn ) ,
b S (x1 , . . . , xn )
Curso 08/09
15 / 24
Intervalo de conanza
Intervalo de conanza
Interpretacin
IC
15,00
10,00
5,00
0,00
99
97
95
93
91
89
87
85
83
81
79
77
75
73
71
69
67
65
63
61
59
57
55
53
51
49
47
45
43
41
39
37
35
33
31
29
27
25
23
21
19
17
15
13
11
9
7
5
3
1
Muestra
Inferencia estadstica
Curso 08/09
16 / 24
Inferencia estadstica
b
Curso 08/09
17 / 24
n
P
=1
n
( ) =
n
n ,
n + b
b
b n
Inferencia estadstica
Curso 08/09
18 / 24
p X
n
2
tn
tn
1,1 /2
<
p X
n
< tn
1,1 /2
=1
tn
S
< < X + tn
n
1,1 /2 p
Inferencia estadstica
S
n
1,1 /2 p
=1
Curso 08/09
19 / 24
Por tanto:
IC(1
() =
tn
S
, X + tn
n
1,1 /2 p
S
n
1,1 /2 p
tn
b
s
, x + tn
n
1,1 /2 p
Inferencia estadstica
b
s
n
1,1 /2 p
Curso 08/09
20 / 24
Ejemplo
Problema 1.1
p X
n
t40
S
S
2p , X + 2p
41
41
5.14
5.14
2 p , 20.42 + 2 p
41
41
= (20.42
Inferencia estadstica
21 / 24
(n
2
1) S 2
2
2n
2n
1,/2
<
(n
1) S 2
< 2n
2
1,1 /2
1,/2
6=
=1
2n
Inferencia estadstica
1,1 /2
Curso 08/09
22 / 24
Por tanto:
IC(1
2 =
(n
2n
1) S 2 (n 1) S 2
, 2
n 1,/2
1,1 /2
Inferencia estadstica
Curso 08/09
23 / 24
Ejemplo
Problema 1.1
laborable)
24.43 <
(n
1) S 2
< 59.34
2
=P
40S 2
40S 2
< 2 <
59.34
24.43
= (17.84, 43.34)
Inferencia estadstica
Curso 08/09
24 / 24