Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4.2.1. Insesgadez . . . . . . . . . . . . . . . . . 5
4.2.2. Eficiencia relativa . . . . . . . . . . . . . 14 Contenido
4.2.3. Consistencia . . . . . . . . . . . . . . . . 27
JJ II
4.3. Metodos de estimacion puntual . . . . . . . . . . 28
4.3.1. El metodo de maxima verosimilitud . . . . 29 J I
4.4. Estimacion por intervalo . . . . . . . . . . . . . . 34
4.5. Estimacion de medias . . . . . . . . . . . . . . . 41 Pagina 1 de 71
J I
Definicion 4.1.1 La inferencia estadstica es el conjunto
de metodos por los que se realizan generalizaciones acerca de una Pagina 2 de 71
poblacion.
Regresar
Definicion 4.1.2 El metodo clasico de estimacion es
aquel que basa la inferencia estadstica estrictamente en la in- Full Screen
Abandonar
Definicion 4.1.3 Se llama estimacion puntual al proceso Pagina www
poblacion.
Regresar
Considerar a una proporcion muestral observada como esti-
mador del parametro de una distribucion bernoulli. Full Screen
Cerrar
Abandonar
Pagina www
madores de un parametro.
Full Screen
Cerrar
Abandonar
Pagina www
4.2.1. Insesgadez
Pagina de Abertura
E()
b = JJ II
Pn
X)
i=1 (Xi Pagina 5 de 71
S2 =
n1
Regresar
2
es un estimador insesgado de la varianza poblacional
Full Screen
Cerrar
Abandonar
Demostracion Como parte de la demostracion del segundo
postulado del teorema se puede establecer que Pagina www
Pn " n
#
2
2 X)
i=1 (Xi 1 X
2 2
Pagina de Abertura
S = = (Xi ) n (X )
n1 n1 i=1 Contenido
Full Screen
y puesto que
Cerrar
Abandonar
Pagina www
Pagina de Abertura
2 2 2 2
E(Xi ) = y E(X ) = Contenido
n
entonces JJ II
1 2
2 2
E(S ) = n n J I
n1 n
Pagina 7 de 71
E(S 2) = 2 // QED
Regresar
Full Screen
Cerrar
Abandonar
Pagina www
Definicion 4.2.2 (Sesgo) Sea b un estimador de , el sesgo
del estimador esta definido como Pagina de Abertura
b(, b
b ) = E()
Contenido
lm b(,
b ) = 0
n Full Screen
Cerrar
Abandonar
Nota: Todo estimador insesgado es tambien asintoticamente
Pagina www
insesgado.
Pagina de Abertura
Ejemplo 4.2.2 Si X1, X2, . . . , Xn constituyen una muestra
aleatoria de la poblacion dada por Contenido
Z
E(X) = xe(x) dx = 1 + Full Screen
Cerrar
Abandonar
para demostrarlo se utilizara el metodo de integracion por partes.
Z Z
u dv = uv v du
Pagina www
Sea
u=x y por tanto du = dx
(x)
dv = e dx y por tanto v = e(x) Pagina de Abertura
entonces
Z Z Contenido
(x)
xe(x) e(x) dx
xe dx =
x (x)
JJ II
= (x) e
he x i
= (x) [0 1]
J I
e x=
x
Como (x) evaluado en x = es una indefinicion de la forma
se puede Pagina 10 de 71
e
aplicar la regla de LHopital obteniendose finalmente que
Regresar
Z
1
xe(x) dx = (x) +1 Full Screen
e x=
= [0 ] + 1
Cerrar
Z
(x)
xe dx = 1 + // QED
Abandonar
Por tanto X es un estimador sesgado de , que es lo que se quera
demostrar. En particular, el sesgo esta dado por
Pagina www
Abandonar
Demostracion Siguiendo un procedimiento similar al del
ejemplo 4.2.1 se tendra que
" Pn 2 # Pagina www
i=1 Xi X
e 2) = E
E(
n Pagina de Abertura
n
1X 1
E(Xi X)2 = n 2 2
= Contenido
n i=1 n
JJ II
n1
e 2) =
E( 2
n J I
igual a
Regresar
n1
e 2, 2
e 2 =
2
2 2
b = E
n
Full Screen
n1 1
= 2 1 = 2 Cerrar
n n
Abandonar
No obstante, este sesgo tiende a cero cuando n tiende a infinito
1
Pagina www
2 2
2 = 0
lm b
e , = lm
n n n Pagina de Abertura
Abandonar
4.2.2. Eficiencia relativa
Definicion 4.2.4 Si b1 y
b 2 son dos estimadores insesgados Pagina www
Abandonar
Teorema 4.2.2 Si
b es un estimador insesgado de y
Pagina www
1
Var
b = " 2 #
ln f (X; ) Pagina de Abertura
nE
Contenido
entonces
b es un estimador insesgado de varianza mni- JJ II
ma de
J I
Nota: La cantidad en el denominador se conoce como la in-
formacion sobre que proporciona la muestra. As, mientras Pagina 15 de 71
Abandonar
Nota: Cuando simplemente se dice que un estimador es el
mas eficiente usualmente es implcito que se esta hablando de el Pagina www
estimador insesgado mas eficiente.
Pagina de Abertura
2 2 Pagina 16 de 71
" 2 # " 2 #
ln f (X; ) ln f (X; , 2) Full Screen
E =E
Cerrar
Abandonar
Para tal efecto se requiere hacer los siguientes calculos
h
1 x i 2
ln f (x; , 2) = ln 2 Pagina www
2
2
ln f (x; , ) 1 x
Pagina de Abertura
=
Contenido
Reemplazando valores
JJ II
" 2 # " 2 #
ln f (X; , 2) 1 x 1
E = E = J I
2 2
Pagina 17 de 71
Finalmente se ha obtenido que un estimador insesgado de
tendra como mnimo una varianza de Regresar
1 1 2
#= = Full Screen
2 2 1
"
ln f (X; , ) n
nE n
2 Cerrar
Abandonar
Dado que esta es justamente la varianza del estadstico X, el cual
es un estimador insesgado de , se concluye que para poblaciones Pagina www
lm Var()
b =0
n Pagina 18 de 71
de
Full Screen
La eficiencia relativa de b 1 respecto a
b 2 no implica que
b1
sea el estimador mas eficiente de . Cerrar
Abandonar
Si b 1 es el estimador mas eficiente entonces
b 1 tambien
sera asintoticamente eficiente.
Pagina www
Si
b 1 no es asintoticamente eficiente entonces
b 1 tampoco
puede ser el mas eficiente. Pagina de Abertura
e = lm 2 = 2 6= 0
lm Var(X) Cerrar
n n
Abandonar
Ejemplo 4.2.7 Si X1, X2, . . . , Xn constituyen una muestra
aleatoria de una poblacion normal, entonces Pagina www
Pn 2
i=1 Xi X
S2 = Pagina de Abertura
n1
Contenido
es un estimador insesgado de 2, su varianza no es mnima (es
mayor al lmite inferior de Cramer-Rao), pero es asintoticamente JJ II
eficiente.
J I
Solucion En el ejemplo 4.2.1 ya se demostro que S 2 es un esti-
mador insesgado de 2. Queda por demostrar que este estimador Pagina 20 de 71
" 2 # "
2 2 #
ln f (X; ) ln f (X; , ) Full Screen
E =E
2 Cerrar
Abandonar
Para esto, se tiene que
2
1 1 (x )
ln f (x; , 2) = ln 2 2
2 2 2 " #
2
ln f (x) 1 1 2 1 (x )
= + (x ) = 1 Pagina www
2 2 2 2 4 2 2 2
Pagina de Abertura
por lo que
Contenido
( #)2
"
2 2 # " 2
ln f (X; , ) 1 (x ) JJ II
E = E 1
2 2 2 2
( ) J I
4 2
1 (x ) (x )
= E 2 +1 Pagina 21 de 71
4 4 4 2
h 4
i h
2
i
1 E (x ) E (x ) Regresar
= 4 2 +1
4 4 2 Full Screen
4 2
1 3 1
= 2 + 1 = (2) Cerrar
4 4 4 2 4 4
1 Abandonar
= 4
2
Se concluye que para una poblacion normal, un estimador inses-
gado de varianza mnima de 2 tendra una varianza de
Pagina www
1 1 2 4
#= = Pagina de Abertura
2 2 1
"
ln f (X; , ) n
nE n
2 2 4 Contenido
(n 1)S 2
h i J I
2
Var = Var (n1)
2 Pagina 22 de 71
(n 1)2 2
Var(S ) = 2(n 1)
4 Regresar
2 2 4 2 4
Var(S ) = 6 =
n1 n Cerrar
Abandonar
finalmente se calcula el lmite de la varianza del estimador cuando
n tiende a infinito. Pagina www
2 2 4
lm Var(S ) = lm =0 Pagina de Abertura
n n n 1
Contenido
Lo cual demuestra que S 2 es un estimador insesgado que no tiene
varianza mnima pero que es asintoticamente eficiente. (o S 2 solo JJ II
es eficiente asintoticamente)
J I
Cerrar
Abandonar
Definicion 4.2.7 El error cuadratico medio de un estima-
dor
b se define como Pagina www
2
ECM()
b =E b
Pagina de Abertura
Contenido
Observaciones 4.2.2
JJ II
El ECM es diferente a la varianza de
b la cual esta definida
por 2 J I
Var()
b =E b E()
b
Pagina 24 de 71
de la distribucion de
b alrededor de su valor esperado, mien-
tras que ECM() b mide la dispersion alrededor del verdadero Full Screen
Abandonar
La relacion entre ambos esta dada por
2
ECM()
b =E b
Pagina www
h i2
=E b E()
b
b + E() Pagina de Abertura
2 2
=E b E()
b b E()
+2 b b + E()
E() b Contenido
2 2
=E b E()
b b E()
+E 2 b b
E() +E b
E() JJ II
Abandonar
Pagina www
Definicion 4.2.8 El criterio de mnimo ECM consiste en
seleccionar un estimador cuyo ECM sea el menor en un conjunto Pagina de Abertura
de estimadores comparables.
Contenido
Observaciones 4.2.3
Si el sesgo es igual a cero el critero de mnimo ECM es equi- JJ II
ECM()
b = Var()
b
Pagina 26 de 71
Cerrar
Abandonar
4.2.3. Consistencia Pagina www
y Var()
b desciende hacia cero conforme n asciende a infinito,
Full Screen
entonces
b es un estimador consistente de .
Cerrar
Abandonar
Pagina www
Cerrar
Abandonar
4.3.1. El metodo de maxima verosimilitud
Pagina www
Los estimados hallados por este metodo maximizan la proba-
bilidad de obtener la muestra observada. Pagina de Abertura
Abandonar
Pagina www
Pagina de Abertura
lo observado?
Regresar
Full Screen
Cerrar
Abandonar
Solucion: La probabilidad de que llueva en 5 de los 7 das de
la semana pasada cuando la probabilidad de lluvia para cada da
es puede ser calculada a traves de la funcion de probabilidad
binomial Pagina www
n x nx
(1 )
x Pagina de Abertura
2
L() = 21 5 (1 ) Full Screen
5 2 J I
=0
1
Pagina 32 de 71
y por tanto
5 Regresar
=
7
Full Screen
Se concluye que la probabilidad de que se hayan observado 5 das
con lluvia la semana pasada se maximiza cuando la probabilidad Cerrar
de lluvia para un da es igual a 5/7. Al valor obtenido se lo llama
estimado de maxima verosimilitud. Abandonar
Pagina www
Observaciones 4.3.1
Pagina de Abertura
Cerrar
Abandonar
4.4. Estimacion por intervalo
Definicion 4.4.1 Una estimador por intervalo de es un Pagina www
intervalo de la forma
Pagina de Abertura
bL < <
bU
Contenido
donde bL y
b U son estadsticos elegidos de tal forma que la pro-
babilidad de que el parametro se encuentre en el intervalo es JJ II
un valor dado 1 .
J I
Prob( bU) = 1
bL < <
Pagina 34 de 71
Observaciones 4.4.1
Regresar
Al igual que los estimadores puntuales, los estimadores por
intervalo de un parametro no son unicos. Full Screen
Tanto
b L como b L son variables aleatorias que dependen de
la muestra aleatoria y de la probabilidad 1 . Cerrar
Abandonar
Definicion 4.4.2 Un intervalo de confianza del (1
)100 % para el parametro Pagina www
bL < <
bU JJ II
Abandonar
Observaciones 4.4.2
Mientras mas alto sea 1 , mayor sera la amplitud del in- Pagina www
tervalo
Pagina de Abertura
b L ), sea tan corta como sea posible.
Cerrar
Abandonar
Ejemplo 4.4.1 Para una muestra aleatoria X1, X2, . . . , Xn Pagina www
x 2 X < < x + 2 X
Regresar
Abandonar
Pagina www
x 2 X < < x + 2 X
x + 2 X > > x 2 X Pagina de Abertura
+ 2 X > x > 2 X JJ II
2 X < x < 2 X
J I
Pagina 38 de 71
Para determinar la probabilidad de que esto ocurra se definira la
siguiente variable aleatoria Regresar
X X
Z= /n
= Full Screen
X
Cerrar
Abandonar
muestra es mayor a 30. Por tanto
P (L < < U ) = P ( 2 X < X < 2 X ) Pagina www
= P (2 < Z < 2)
Pagina de Abertura
= 0,955 //R
Contenido
Pagina 39 de 71
Abandonar
Observacion 4.4.3 Por lo general se trabajara con dos tipos
de intervalos de confianza:
b U ) = y Prob( <
Pagina www
b L) = ; y
2 Contenido
Abandonar
4.5. Estimacion de medias
4.5.1. Error de estimacion Pagina www
Abandonar
Pagina www
es igual a /2.
Full Screen
Cerrar
Abandonar
4.5.2. Intervalos de confianza Pagina www
Abandonar
Demotracion Se sabe que
Prob X < Z/2 = 1
n Pagina www
Prob Z/2 < X < Z/2 = 1 Pagina de Abertura
n n
Prob Z/2 > X > Z/2 = 1 Contenido
n n
JJ II
Prob Z/2 < X < Z/2 = 1
n n J I
Prob X Z/2 < < X + Z/2 = 1
n n Pagina 44 de 71
Regresar
Abandonar
Pagina www
Z= q
12 2
n1
+ n22 JJ II
J I
Pagina 46 de 71
Cerrar
Abandonar
se reemplaza Z se obtendra
(X1 X2 )(1 2 )
Prob Z/2 < q < Z/2 = 1 Pagina www
12 22
n1
+ n2
Pagina de Abertura
q
12 22
Prob Z/2 n1
+ n2
< (1 2) Contenido
q
12 22 JJ II
(X1 X2) < Z/2 n1
+ n2 =1
J I
q
12 2
Prob (X1 X2) Z/2 n1
+ n22 < (1 2) Pagina 47 de 71
q
12 22 Regresar
< (X1 X2) + Z/2 n1
+ n2
=1
Full Screen
el teorema.
Abandonar
Corolario 4.6.1 Para muestras grandes (n1 y n2 mayores a 30), Pagina www
n1
+ n22 Pagina 48 de 71
Cerrar
Abandonar
Corolario 4.6.2 Para muestras grandes (n1 y n2 mayores a 30), Pagina www
si las poblaciones son normales y las varianzas poblacionales 12
y 22 no son conocidas pero se puede disponer de las varianzas Pagina de Abertura
Abandonar
Pagina www
s
1 1 Pagina de Abertura
(x1 x2) t 2 ,n1+n22 sp + < 1 2
n1 n2
s Contenido
1 1
< (x1 x2) + t 2 ,n1+n22 sp + JJ II
n1 n2
J I
donde s
(n1 1)s21 + (n2 1)s22
sp = Pagina 50 de 71
n1 + n2 2
Regresar
es un intervalo de confianza al (1 )100 % de la diferencia entre
las dos medias poblacionales Full Screen
Cerrar
Abandonar
Demostracion Se sabe que para poblaciones normales
(X1 X2) (1 2)
Z= q Pagina www
12 22
n1
+ n2
Pagina de Abertura
para
JJ II
(X1 X2) (1 2)
Z= q
n11 + n12 J I
Z J I
T = q
Y
n1 +n2 2 Pagina 52 de 71
(X1 X2) (1 2)
T = q Regresar
1
Sp n1
+ n12
Full Screen
Cerrar
Abandonar
Pagina www
sigue una distribucion t con n1 + n2 2 grados de libertad. Re-
emplazando este valor en Pagina de Abertura
se obtiene JJ II
(X1 X2 )(1 2 )
Prob t 2 ,n1+n22 < < t 2 ,n1+n22 = 1 J I
Sp n1 + n1
1 2
Pagina 53 de 71
Cerrar
Abandonar
4.7. Estimacion de proporciones
Una proporcion puede ser entendida como el parametro de una
poblacion Bernoulli con funcion de probabilidad Pagina www
n
X Pagina 54 de 71
X= Yi
i=1
Regresar
n x Cerrar
n(1 )
Pagina de Abertura
se aproxima a la distribucion normal estandar cuando n
Observacion 4.7.1 Los resultados del teorema solo son validos Contenido
a s
(1 ) Cerrar
Z 2
n Abandonar
Demostracion Se sabe por el teorema 4.7.1 que para mues-
tras grandes
X n Pagina www
Z=p
n(1 ) Pagina de Abertura
X n X n JJ II
Z = p =q 2
n(1 ) n (1)
n J I
X
X n n
= q =q Pagina 56 de 71
(1) (1)
n n n Regresar
b
Full Screen
Z = q
(1)
n Cerrar
Abandonar
Es facil ver que (1)/n es la varianza de b = X/n lo cual implica
que b tambien se distribuye aproximadamente normal en mues-
tras grandes. Se observa que el error de estimacion que plantea el Pagina www
b
0 JJ II
Z =q
(1
b )
b
n J I
0
Prob |Z | < Z 2 = 1 Cerrar
Abandonar
Reemplazando Z 0 se encuentra que
Pagina www
b
Prob q < Z 2 = 1
Pagina de Abertura
(1
b )
b
n
Contenido
1
JJ II
Prob q < Z 2 = 1
b
(1
b )
b
n J I
s
b )
(1 b
Prob
b < Z = 1 Pagina 58 de 71
2
n
Regresar
q
(1 )
De donde se puede ver que | | < Z/2 con un
b b
Full Screen
n
(1 )100 % de confianza
Cerrar
Abandonar
Pagina www
Pagina de Abertura
Teorema 4.7.3 Si X es una variable aleatoria binomial con
parametros n y , n es grande y el estimado de la proporcion Contenido
s s
J I
(1 ) (1 )
Z 2 < < + Z 2
n n Pagina 59 de 71
Full Screen
Cerrar
Abandonar
Demostracion En la prueba del teorema 4.7.2 ya se argu-
Pagina www
mento las condiciones bajo las cuales
Pagina de Abertura
b
Z0 = q
(1
b )
b Contenido
n
JJ II
sigue aproximadamente una distribucion normal estandar, y a
partir de este hecho se establecio que J I
s
b )
(1 b Pagina 60 de 71
Prob < Z 2 =1
b
n
Regresar
Abandonar
Pagina www
s
b )
(1 b Pagina de Abertura
b < Z
Prob =1
2
n Contenido
s s
b )
(1 b b )
(1 b JJ II
Prob Z 2 <
b < Z =1
n 2
n J I
s s
b )
(1 b b )
(1 b
Pagina 61 de 71
b Z
Prob b + Z
<< =1
2
n 2
n
Regresar
Cerrar
Abandonar
Pagina www
4.8. Estimacion de diferencias entre proporciones
Para establecer intervalos de confianza para la diferencia de pro- Pagina de Abertura
Cerrar
Abandonar
b1
De b 2 se puede demostrar que
Pagina www
b1
E b2 = 1 2
Pagina de Abertura
b1
1(1 1) 2(1 2)
Var b2 = +
n1 n2 Contenido
b1
( b 2 ) (1 2 )
Z= q Regresar
1 (11 ) 2 (12 )
n1
+ n2 Full Screen
Abandonar
Teorema 4.8.1 Si X1 es una variable aleatoria binomial con Pagina www
Cerrar
Abandonar
Demostracion Dado que 1 y 2 son desconocidos no pode- Pagina www
b1
( b 2 ) (1 2 )
Z= q Contenido
1 (11 ) 2 (12 )
n1
+ n2
JJ II
Cerrar
Abandonar
Es decir,
b1
( b 2 ) (1 2 ) Pagina www
0
Z = qb
1 (1b 1)
+ 2(1 2 )
b b
Pagina de Abertura
n1 n2
Regresar
b b 2 ) (1 2 )
( 1
Prob q b b < Z 2 = 1
Full Screen
1 (11 )
b 2 (1b 2)
+
n1 n2
Cerrar
Abandonar
Pagina www
Prob (1 2) (
b1
b 2 )
Pagina de Abertura
q
b 1 (1b 1)
b 2 (1b 2) Contenido
< Z 2 n1
+ n2
= 1
JJ II
q
b 1 (1b 1)
b1
Prob ( b 2) Z + 2(1 2 )
<
b b
J I
2 n1 n2
q
Pagina 67 de 71
b 1 (1b 1)
b 2 (1b 2)
1 2 < (
b1
b 2) + Z
2 n1
+ n2
= 1
Regresar
Cerrar
Abandonar
4.9. Estimacion de varianzas
Teorema 4.9.1 Si s2 es el valor de la varianza de una muestra Pagina www
(n 1)s2 2 (n 1)s2
< < 2 Contenido
2/2 ; n1 1/2 ; n1
JJ II
2
es un intervalo de confianza al (1 )100 % para .
J I
Demostracion Si S 2 es la varianza muestral de una poblacion
normal con varianza 2 y n representa el tamano de la muestra, Pagina 68 de 71
entonces
(n 1)S 2 Regresar
2
es una variable aleatoria que sigue una distribucion chi-cuadrado Full Screen
Abandonar
(n 1)S 2
Prob 21/2 ; n1 < < 2
/2 ; n1 = 1
2 Pagina www
!
2 Pagina de Abertura
1 1
Prob > > = 1
21/2 ; n1 (n 1)S 2 2/2 ; n1 Contenido
!
2 2
(n 1)S 2 (n 1)S JJ II
Prob < < = 1
2/2 ; n1 21/2 ; n1 J I
(n 1)s2 2 (n 1)s2
< < 2 Regresar
2/2 ; n1 1/2 ; n1
Full Screen
2
es un intervalo de confianza al (1 )100 % para , tal como lo
plantea el teorema. Cerrar
Abandonar
4.10. Estimacion de la razon entre dos varianzas
Pagina www
s21 s22
Teorema 4.10.1 Si y son los valores de las varianzas de
muestras aleatorias independientes de tamano n1 y n2 de pobla- Pagina de Abertura
s21 1 12 s21
< < f ; n 1 ; n11 JJ II
s22 f 2 ; n11 ; n21 22 s22 2 2
J I
es un intervalo de confianza al (1 )100 % para 12/22.
Demostracion Si S12 y S22 son las varianzas de muestras alea- Pagina 70 de 71
1 S2
Cerrar
Abandonar
es una variable aleatoria que tiene una distribucion F con n1 1
y n2 2 grados de libertad (teorema 1.6.1). As, se puede decir
que Pagina www
22S12
Prob f1 2 ; n11 ; n21 < 2 2 < f 2 ; n11 ; n21 = 1 Pagina de Abertura
1 S2
Contenido
lo cual puede ser re-escrito en virtud del 3.6.2 como
! JJ II
1 22S12
Prob < < f 2 ; n11 ; n21 =1
f
2 ; n2 1 ; n1 1 12S22 J I
se obtiene
Regresar
!
S12 1 12 S12
Prob < < f ; n 1 ; n11 =1 Full Screen
S22 f 2 ; n11 ; n21 22 S22 2 2
Cerrar
lo que demuestra la veracidad del teorema.
Abandonar