Estimación Por Intervalos de Confianza PDF

9.
Estimacion por intervalos de confianza
Estadstica
Ingeniera Informatica
Curso 2009-2010
Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 1 / 23

Contenidos
1 Estimacion por intervalos de confianza

2 Estimacion por intervalos bajo normalidad
Estimacion de la media poblacional . Varianza conocida
Determinacion del tamano muestral para controlar el error de estimacion
Estimacion de la media poblacional . Varianza desconocida
Determinacion del tamano muestral para controlar el error de estimacion
Estimacion de la diferencia de medias
A. Varianzas conocidas
B. Varianzas desconocidas e iguales
Estimacion de la varianza
Estimacion del cociente de varianzas
3 Estimacion 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 proporcion en distribuciones binomiales

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 segun el parametro
que queremos estimar.
L y U son variables aleatorias (distintas muestras producen distintos

valores de L y U)

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

Interpretacion del IC100(1) % :
Si obtenemos un numero 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 ) %)

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

de la calidad de la informacion obtenida de la muestra.
La mitad de esta longitud se conoce como precision.

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

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
con U tal que P( U) = 1

Cantidades pivotales (I)

Dada una m.a.s. (X1 , ..., Xn ) de una poblacion 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
unica cantidad desconocida y cuya distribucion no depende de i , ni de
ningun otro parametro desconocido.
Ejemplo. X N(, ):
Sabemos que

X X
X N , , o tambien: = n N(0, 1)
n / n
por tanto, si conocemos ,
X
C (X1 , ..., Xn ; ) = n

es una cantidad pivotal para .
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.

4.3.
Estimacion
or Estimacion
4.3.
por intervalos por#intervalos
Estimacion
bajo normalidad Estimacion bajo
la media normalidad
pordeintervalos bajo.$normalidad
poblacional Varianza conocida
4.3.1. Estimacion de la media 4.3.1. poblacional
Estimacion .de Varianza
la mediaconocida poblacional
. Varian
P z/2 < X < z/2 =1
Estimacion de la media. X N(, ), conocida
4.3.1. Estimacion de la media de
4.3.1. Estimacion
Supongamos que tenemos una poblacion normalque
Supongamos N (,
nla media poblacional
poblacional
), donde
tenemos una el
. Varianza
valor de normal
poblacion
n.conocida
Varianza conocida
es conocido
N (, ),y donde
queremos el val
or
Supongamos que tenemos
Supongamos
estimar mediante un intervalo de confianza una
que #
poblacion
tenemos
del 100(1un normal
una (,
poblacion
N
% parade normal
), N (, ), $
. confianza del 100(1 ) %ypara
donde el valor de
donde
es conocido
el valor de queremos
es conoci
estimar mediante intervalo
) .
estimar mediante un intervalo
estimar P un
de
mediante z /2
confianza <
delde100(1
intervalo ) X
confianza %delpara .
z/2
<100(1 = 1.
) % para
Sabemos
Queremosque el estadstico
estimar media a muestral
Sabemosconstruido
partir deque(X n Xnmedia
1 , a...,
partir
el estadstico de la muestra
) mediante n IC
muestralaleatoria
un
construido(X1del
a, ..., Xn ),detiene
partir la mu
! Sabemos" que el estadstico media
Sabemos que !!
muestral
el estadstico media"
construido a partir de la muestra
a partiraleatoria (X1 , ..., Xn ), tiene
muestral construido de la muestra aleatoria (X1
100(1 N),%
distribucion That, por is,lo! que " !
el estadstico
distribucion
"
N , , por lo que el estadstico
distribucion
n , porNlo
,
N distribucion #queel estadstico
, , pornlo que el estadstico $
P X n z < < X + z/2 = 1
n
X tiene distribucion N , Z = X/2

n X X Zn = X

n / nZ = /n Z=
/ n / n
tiene distribucion tiene

N (0,distribucion
1). tiene(0, 1). distribucion
distribucion
Ntiene N (0, 1).N (0, 1).
X
Z =
/ n
N(0, 1) a area = 2

area =

a
Area==
area 2 Area
area==2
2
2 2
(cantidad pivotal para )
z/2
z a/2 0 zz/2
a/2
4.4. Estimacion por 4.4.
intervalos en poblaciones
Estimacion no normales
por intervalos en poblacio
FIGURE 7.1 P{z/2 < Z < z/2 } = 1 .
4.4. Estimacion por intervalos
4.4. Estimacion
en poblaciones
por intervalos no normales
enpoblaciones no norm
X
P(z/2 Z z/2 ) = P z/2 z/2 =1
/ n

4.3.
Estimacion
or Estimacion
4.3.
Estimacion
la media normalidad
. Varian
P z/2 < X < z/2 =1
4.3.1. Estimacion
Supongamos N (,
poblacional
), donde
tenemos una el
. Varianza
valor de normal
poblacion
n.conocida
Varianza conocida
es conocido
N (, ),y donde
queremos el val
or
Supongamos
que #
poblacion
tenemos
del 100(1un normal
una (,
poblacion
N
% parade normal
), N (, ), $
donde el valor de
donde
es conocido
es conoci
) .
estimar P un
de
mediante z /2
confianza <
delde100(1
intervalo ) X
z/2
<100(1 = 1.
) % para
Sabemos
Sabemosconstruido
1 , a...,
partir
) mediante n IC
muestralaleatoria
un
construido(X1del
partir la mu
Sabemos que !!
muestral
100(1 N),%
el estadstico
distribucion
"
distribucion
n , porNlo
,
P X n z < < X + z/2 = 1
n

n X X Zn = X

n / nZ = /n Z=
/ n / n

N (0,distribucion
distribucion
Ntiene N (0, 1).N (0, 1).
X
Z =
/ n
N(0, 1) a area = 2

area =

a
Area==
area 2 Area
area==2
2
2 2
z/2
z a/2 0 zz/2
a/2
FIGURE 7.1 P{z/2 < Z < z/2 } = 1 .
4.4. Estimacion en poblaciones
en poblaciones no norm

P X z/2 X + z/2 =1
n n

4.3.
Estimacion
or Estimacion
4.3.
Estimacion
la media normalidad
. Varian
P z/2 < X < z/2 =1
4.3.1. Estimacion
Supongamos N (,
poblacional
), donde
tenemos una el
. Varianza
valor de normal
poblacion
n.conocida
Varianza conocida
es conocido
N (, ),y donde
queremos el val
or
Supongamos
que #
poblacion
tenemos
del 100(1un normal
una (,
poblacion
N
% parade normal
), N (, ), $
donde el valor de
donde
es conocido
es conoci
) .
estimar P un
de
mediante z /2
confianza <
delde100(1
intervalo ) X
z/2
<100(1 = 1.
) % para
Sabemos
Sabemosconstruido
1 , a...,
partir
) mediante n IC
muestralaleatoria
un
construido(X1del
partir la mu
Sabemos que !!
muestral
100(1 N),%
el estadstico
distribucion
"
distribucion
n , porNlo
,
P X n z < < X + z/2 = 1
n

n X X Zn = X

n / nZ = /n Z=
/ n / n

N (0,distribucion
distribucion
Ntiene N (0, 1).N (0, 1).
X
Z =
/ n
N(0, 1) a area = 2

area =

a
Area==
area 2 Area
area==2
2
2 2
z/2
z a/2 0 zz/2
a/2
FIGURE 7.1 P{z/2 < Z < z/2 } = 1 .
4.4. Estimacion en poblaciones
en poblaciones no norm

L = X z/2 y U = X + z/2
n n

Estimacion por intervalos bajo normalidad Estimacion de la media poblacional . Varianza conocida

Ejemplo:
Cuando una senal que tiene valor es enviada desde un punto A a
un punto B, el valor recibido tiene distribucion normal de media y
varianza 4 (es decir, al transmitir la senal, se anade un ruido
aleatorio de distribucion 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.


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 tamano muestral, podemos escoger n para
tener una confianza del 100(1 ) % de que E sea menor que una
cierta cota : 2
n = z/2

Se quiere medir la velocidad de un nuevo modelo de procesador, y

para ello se va a ejecutar un programa de simulacion en algunos
ordenadores, con dicho modelo incorporado. Suponiendo que la
variable aleatoria X , tiempo de ejecucion, es normal, de varianza 9,
obtener el tamano muestral necesario para obtener un intervalo de
longitud 2 y de nivel de confianza 95 % para el tiempo medio de
ejecucion del programa de simulacion.
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 %.

Estimacion por intervalos bajo normalidad Estimacion de la media poblacional . Varianza desconocida
Estimacion de la media. X N(, ), desconocida

Queremos estimar a partir de (X1 , ..., Xn ) mediante un IC100(1) %
X
Z = / no es cantidad pivotal, pues es funcion de dos parametros
n
desconocidos.
X
t= tiene distribucion tn1 , ya que:
sn1 / n
X

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

X
P(tn1;/2 t tn1 ;/2 ) = P tn1;/2 tn1;/2 = 1
sn1 / n


Queremos estimar a partir de (X1 , ..., Xn ) mediante un IC100(1) %
X
Z = / no es cantidad pivotal, pues es funcion de dos parametros
n
desconocidos.
X
t= tiene distribucion tn1 , ya que:
sn1 / n
X

X s2 X / n
N(0, 1), (n 1) n1 2n1 , t= =s
/ n 2 sn1 / n s2
(n 1) n1
2
n1
t es una cantidad pivotal para
sn1 sn1
L = X tn1;/2 y U = X + tn1;/2
n n
Determinacion del tamano muestral

Longitud del IC100(1) % para :
sn1
L = 2 tn1;/2
n
Error de estimacion E menor que si tomamos:

S 2
n= tn1;/2


Estimacion por intervalos bajo normalidad Estimacion de la diferencia de medias
Estimacion 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 .
X Y (X Y )
Z= s N(0, 1) es cantidad pivotal para la
X2 Y2
+
nx ny
diferencia X Y .
s s
X2 2 X2 2
L = X Y z/2 + Y y U = X Y + z/2 + Y
nX nY nX nY

Estimacion de la diferencia de medias. Poblaciones

normales independientes. Varianzas desconocidas e iguales

(X1 , ..., XnX ) m.a.s. N(X , X )
con X2 y Y2 desconocidas e iguales.
(Y1 , ..., YnY ) m.a.s. N(Y , X )
Queremos construir un IC para la diferencia X Y .
X Y (X Y )
Cantidad pivotal: t = r tnX +nY 2
1 1
Sp +
nX nY
2 2
(nX 1)sn1;X +(nY 1)sn1;Y
con Sp2 = nX +nY 2
r
1 1
L = X Y tnX +nY 2;/2 Sp +
nX nY
r
1 1
U = X Y + tnX +nY 2;/2 Sp +
nX nY
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 administracion, 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).

P (L )Estimacion
= 1 , oPpara
porelintervalos
(L )extremo
= 1 ,superior,
bajo eldado por superior,
normalidad
o para extremo U , donde
Estimacion verifica
dadoUpor UP,(donde
de lavarianza U )U=verifica
1 . P ( U ) = 1 .
Veamos como construir algunos

Veamos intervalos
como construirdealgunos
confianza, donde de
intervalos la clave esta en
confianza, la eleccion
donde la clavedel estadstico
esta en la eleccion del estadstico
Estimacion de la varianza. X N(, ), desconocida
T. T.
Queremos
4.3. Estimacion
intervalos
estimarpor a partir de
bajo 1 , ..., Xn ) de una poblacion
(Xnormalidad
4.3. Estimacion por intervalos bajo normalidad
N(, ), con y desconocidos, mediante un IC del 100(1 ) %
4.3.1. Estimacion
4.3.1.de Estimacion
la media poblacional . Varianza
de la media conocida
poblacional . Varianza conocida
s
Supongamos que tenemos una poblacion normal N (, ), donde
2
el valor de es conocido y queremos
Supongamos que tenemos una poblacionn1 normal N (, ),
2 donde el valor de es conocido y queremos
Cantidad
estimar
pivotal
que t mediante un
para
= intervalo
: del
de confianza
1,717, se tiene
de1)
(n100(1
que el intervalo confianza
2 . n1
) %parapara la diferencia entre los salarios es
que
nP +n tnP +nAestimar
A 2;0,05 2;0,05 =mediante
1,717, se un intervalo
tiene de confianza
que el intervalo del 100(1
de confianza para % para .entre los salarios es
la diferencia
)
Sabemos
(44,135, que el estadstico media muestral construido a partir de la muestra aleatoria (Xmuestra ), tiene
0.15
1655,865).
(44,135, !
1 , ..., Xnaleatoria ! 1 , ..., Xn ), tiene
! 1655,865).
Sabemos
" que el
!
estadstico
"
media muestral construido a partir de la (X

distribucion N , , por
distribucionlo que el estadstico
n n
4.3.4. 4.3.4.
dchisq((0:5000)/100, 5)
X
0.10
Z= X
En el caso
En de tenerdeuna
el caso muestra
tener aleatoriaaleatoria
una muestra (X1 , ...,/
Xn1)n
(X de Xuna = poblacion
Z una
poblacion (, ),N (,
en ),
la que ambos
, ..., n ) de / Nn en la que ambos
parametros
tiene son desconocidos,
parametros
distribucion son1).
(0,
Ntiene para construir
desconocidos, un intervalo
para construir de confianza
un intervalo para para
de confianza hemos de hacer
hemos de uso deluso del
hacer
distribucion N (0, 1).
resultadoresultado
de que de que
0.05
S2 S2
(n 1) (n2 2 2 . 2n1 .
1)

= n1
area area =
2 2
Para quePara
se verifique
que se verifique
! ! " "
0.00
2
S2 2S
P n1;1/2
P n1;1/2 (n2
(n 1) 1)
n1;/2 2
n1;/2 2 2
4.4. Estimacion
4.4. por intervalos
Estimacion0 por en poblaciones
10
2
intervalos no20 normales no
en poblaciones 30 normales 40
(0:5000)/100
4.4. 4.4. Estimacion

por intervalos en poblaciones
en poblaciones !
no normales
no normales
s2
P 2n1;1/2 (n 1) n1 2n1;/2 =1
2

P (L )Estimacion
= 1 , oPpara
porelintervalos
(L )extremo
= 1 ,superior,
bajo eldado por superior,
normalidad
o para extremo U , donde
Estimacion verifica
dadoUpor UP,(donde
de lavarianza U )U=verifica
1 . P ( U ) = 1 .
Veamos como construir algunos

Veamos intervalos
como construirdealgunos
confianza, donde de
intervalos la clave esta en
confianza, la eleccion
donde la clavedel estadstico
esta en la eleccion del estadstico
Estimacion de la varianza. X N(, ), desconocida
T. T.
Queremos
4.3. Estimacion
intervalos
estimarpor a partir de
bajo 1 , ..., Xn ) de una poblacion
(Xnormalidad
4.3. Estimacion por intervalos bajo normalidad
N(, ), con y desconocidos, mediante un IC del 100(1 ) %
4.3.1. Estimacion
4.3.1.de Estimacion
la media poblacional . Varianza
de la media conocida
poblacional . Varianza conocida
s
Supongamos que tenemos una poblacion normal N (, ), donde
2
el valor de es conocido y queremos
Supongamos que tenemos una poblacionn1 normal N (, ),
2 donde el valor de es conocido y queremos
Cantidad
estimar
pivotal
que t mediante un
para
= intervalo
: del
de confianza
1,717, se tiene
de1)
(n100(1
que el intervalo confianza
2 . n1
) %parapara la diferencia entre los salarios es
que
nP +n tnP +nAestimar
A 2;0,05 2;0,05 =mediante
1,717, se un intervalo
tiene de confianza
que el intervalo del 100(1
de confianza para % para .entre los salarios es
la diferencia
)
Sabemos
(44,135, que el estadstico media muestral construido a partir de la muestra aleatoria (Xmuestra ), tiene
0.15
1655,865).
(44,135, !
1 , ..., Xnaleatoria ! 1 , ..., Xn ), tiene
! 1655,865).
Sabemos
" que el
!
estadstico
"
media muestral construido a partir de la (X

distribucion N , , por
distribucionlo que el estadstico
n n
4.3.4. 4.3.4.
dchisq((0:5000)/100, 5)
X
0.10
Z= X
En el caso
En de tenerdeuna
el caso muestra
tener aleatoriaaleatoria
una muestra (X1 , ...,/
Xn1)n
(X de Xuna = poblacion
Z una
poblacion (, ),N (,
en ),
la que ambos
, ..., n ) de / Nn en la que ambos
parametros
tiene son desconocidos,
parametros
distribucion son1).
(0,
Ntiene para construir
desconocidos, un intervalo
para construir de confianza
un intervalo para para
de confianza hemos de hacer
hemos de uso deluso del
hacer
distribucion N (0, 1).
resultadoresultado
de que de que
0.05
S2 S2
(n 1) (n2 2 2 . 2n1 .
1)

= n1
area area =
2 2
Para quePara
se verifique
que se verifique
! ! " "
0.00
2
S2 2S
P n1;1/2
P n1;1/2 (n2
(n 1) 1)
n1;/2 2
n1;/2 2 2
4.4. Estimacion
4.4. por intervalos
Estimacion0 por en poblaciones
10
2
intervalos no20 normales no
en poblaciones 30 normales 40
(0:5000)/100
4.4. 4.4. Estimacion

por intervalos en poblaciones
en poblaciones no normales
no normales
2
sn1 2
sn1
L = (n 1) y U = (n 1)
2n1;/2 2n1;1/2
Estimacion por intervalos bajo normalidad Estimacion del cociente de varianzas
Estimacion 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 .
2
Y2 sn1;X /X2
Cantidad pivotal para X2
:F = 2
FnX 1;nY 1
sn1;Y /Y2
2
sn1;Y 2
sn1;Y
1
L= 2
y U= 2
FnX 1,nY 1;/2
sn1;X FnY 1,nX 1;/2 sn1;X

Estimacion por intervalos en poblaciones no normales Estimacion de la media. Varianza conocida
Estimacion 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, segun el Teorema
Central del Lmite:
X n
Z= N(0, 1)
/ n
IC asintotico (o aproximado) para :

L = X z/2 y U = X + z/2
n n
Para tamanos muestrales pequenos, el intervalo asintotico no es apropiado

Estimacion de la media en poblaciones no normales. Varianza
Estimacion por intervalos en poblaciones no normales desconocida
Estimacion 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:
X n
t= N(0, 1)
2 / n
sn1
Intervalo asintotico (o aproximado) para :

sn1 sn1
L = X z/2 y U = X + z/2
n n
Para tamanos muestrales pequenos, el intervalo asintotico no es apropiado

Estimacion por intervalos en poblaciones no normales Estimacion de la proporcion en distribuciones binomiales
Estimacion de la proporcion. Poblaciones binomiales
Poblacion binomial con parametro p desconocido

Queremos construir un IC para p
X
Para una muestra (X1 , ..., Xn ) el estadstico p = , con X B(n, p)
n
verifica (teorema de DeMoivre-Laplace):
p p n
r N(0, 1)
p(1 p)
n

p p
P
z/2 r z/2
1

p(1 p)
n


X
n
p p n
r N(0, 1)
p(1 p)
n
r r !
p(1 p) p(1 p)
P p z/2 p p + z/2 1
n n


X
n
p p n
r N(0, 1)
p(1 p)
n
r r !
p(1 p) p(1 p)
P p z/2 p p + z/2 1
n n
los lmites del intervalo contienen el parametro desconocido p


X
n
p p n
r N(0, 1)
p(1 p)
n
Sustituyendo p por p:
r r
p(1 p) p(1 p)
L = p z/2 y U = p + z/2
n n

Estimación Por Intervalos de Confianza PDF

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

Estimación Por Intervalos de Confianza PDF

Cargado por

Copyright:

Formatos disponibles

9.

Estimacion por intervalos de confianza

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 1 / 23

1 Estimacion por intervalos de confianza

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 2 / 23

Estimacion por intervalos

La estimacion por intervalos de un parametro desconocido proporciona

Un intervalo de confianza para es de la forma L U, donde los

L y U son variables aleatorias (distintas muestras producen distintos

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 3 / 23

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

hay probabilidad 1 de que al seleccionar la muestra, esta produzca

El intervalo resultante, IC100(1) % , se denomina intervalo de confianza

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 4 / 23

Interpretacion del IC100(1) % :

Si obtenemos un numero elevado (infinito) de muestras aleatorias y

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 5 / 23

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

La mitad de esta longitud se conoce como precision.

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 6 / 23

Intervalos bilaterales y unilaterales

Este intervalo de confianza se denomina intervalo bilateral (proporciona

o intervalo unilateral para el extremo superior

con U tal que P( U) = 1

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 7 / 23

Cantidades pivotales (I)

por tanto, si conocemos ,

Cantidades pivotales (II)

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

P (c1 C (X1 , ..., Xn ; i ) c2 ) = 1

Despejamos i en ambas desigualdades para obtener los extremos del

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 9 / 23

X tiene distribucion N , Z = X/2

tiene distribucion tiene

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 10 / 23

X tiene distribucion N , Z = X/2

tiene distribucion tiene

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 10 / 23

X tiene distribucion N , Z = X/2

tiene distribucion tiene

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 10 / 23

Estimacion de la media. X N(, ), conocida

Se tiene: z/2 = z0,05/2 = z0,025 = 1,96, = 2 y n = 9 el intervalo para

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 11 / 23

Estimacion de la media. X N(, ), conocida

Estimacion de la media. X N(, ), conocida

Se quiere medir la velocidad de un nuevo modelo de procesador, y

es decir, n ha de ser 35 para asegurarse una confianza de al menos el 95 %.

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 13 / 23

Estimacion de la media. X N(, ), desconocida

t es una cantidad pivotal para

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 14 / 23

Estimacion de la media. X N(, ), desconocida

t es una cantidad pivotal para

Estimacion de la media. X N(, ), desconocida

Determinacion del tamano muestral

Error de estimacion E menor que  si tomamos:

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 15 / 23

Estimacion de la diferencia de medias. Poblaciones

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 16 / 23

Estimacion de la diferencia de medias. Poblaciones

Estadstica (Aurora Torrente) 9. Estimacion por intervalos de confianza Curso 2009-2010 18 / 23

Veamos como construir algunos

Error de estimacion E menor que si tomamos: