Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Estimacin puntual
2. Estimacin por intervalos
3. Test de hiptesis
(1)
Lucinio Judz Asensio et al
3
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
MUESTRAS DE ELEMENTOS INDEPENDIENTES E
IDENTICAMENTE DISTRIBUIDOS (miid): muestras cuyas unidades
estadsticas tienen la misma probabilidad de aparecer y el suceso de
aparicin de una unidad estadstica es independiente respecto al suceso
de aparicin de otra unidad estadstica, es decir:
6
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
I. CARACTERISTICAS Y LEYES DE ESTADISTICOS DE UNA
POBLACIN.
i. Notacin para la poblacin:
10. Momento poblacional centrado de orden r:
a.
Discreta: E X m r r
x m p ( X
r x)
Dx
b. Continua:
E X m r x m f ( x)dx
r r
Dx
7
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
I. CARACTERISTICAS Y LEYES DE ESTADISTICOS DE UNA
POBLACIN.
ii. Notacin para la muestra: (muestral es sinnimo de empirica)
1. n: Tamao de la muestra
2. xi: Elemento de la muestra extraido en la i-esima extraccin
3. x1, x2,..., xi,..., xn 1 n
4. Media muestral: X
n
xi
n
i 1
' 1 r
5. Momento no centrado muestral de orden r: mr i
n i 1
x
8
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
I. CARACTERISTICAS Y LEYES DE ESTADISTICOS DE UNA
POBLACIN.
ii. Notacin para la muestra: (muestral es sinnimo de emprica)
7. Varianza muestral: n
1 '2
xi x
n i 1
2
8. Cuasi-varianza muestral:
1 n
'2
s
n 1 i 1
xi x 2
9
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
I. CARACTERISTICAS Y LEYES DE ESTADISTICOS DE UNA
POBLACIN.
iii. Caractersticas de la media, frecuencia y varianza muestral o
emprica:
Los elementos xi de la muestra tienen las mismas caractersticas
que las poblacionales, es decir:
E ( xi ) xi p ( X xi ) m Discreta
xDx
E ( xi ) x f ( x)dx m Continua
xDx
V ( xi ) ( xi m) 2 p ( X xi ) 2 Discreta
xDx
V ( xi ) ( x m ) 2
f ( x ) dx 2
Continua
xDx
10
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
I. CARACTERISTICAS Y LEYES DE ESTADISTICOS DE UNA
POBLACIN.
iii. Caractersticas matemticas de la media muestral:
1. Esperanza matemtica de la media muestral:
1 n 1 n
E ( X ) E xi E ( xi ) m
n i 1 n i 1
2. Varianza matemtica de la media muestral:
1 n 1 n
2
V ( X ) V xi 2 V ( xi )
n i 1 n i 1 n
iv. Caractersticas de la frecuencia muestral:
f i (1 f )i p q
E ( f i ) f i p q 1 p; V ( f i )
n n
11
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
I. CARACTERISTICAS Y LEYES DE ESTADISTICOS DE UNA
POBLACIN.
v. Esperanza matemtica de la varianza emprica o muestral:
n n
1 1
2
E ( ) E ( xi x) E ( xi m) ( x m)
'2
2
n i 1 n i 1
1 n
E ( ) E ( xi m) 2 E ( x m) 2 V ( x) V ( x)
'2
n i 1
2
2 '2 n 1 2
Si V ( x) y V ( x) E ( )
n n
12
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
I. CARACTERISTICAS Y LEYES DE ESTADISTICOS DE UNA
POBLACIN.
vi. Esperanza matemtica de la cuasi-varianza muestral: tiene la
peculiaridad de resultar:
2 n
E ( s ) E 2 2
n 1
vii. Varianza matemtica de la cuasi-varianza y varianza muestral:
4 4
2
V (s 2 ) 4
n n(n 1)
4 4 4
2 3
V ( '2 ) 4 2 4 2 4 3
n n n
4 E X E X
4
13
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
II. DISTRIBUCIONES DE LA MEDIA, FRECUENCIA Y VARIANZA
EMPRICAS PARA GRANDES MUESTRAS.
ii. A su vez los posibles valores que puedan tomar los estadsticos
de muestras de n elementos de la poblacin seguirn una
funcin de probabilidad(discreta) o de densidad de
probabilidad(continua).
iii. Ejemplo:
1. Poblacin de N elementos. Se tomaran muestras de n
elementos. Calcular el nmero de medias muestrales
posibles: N N!
x1 , ..., x N
n N n !n!
n 14
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
II. DISTRIBUCIONES DE LA MEDIA, FRECUENCIA Y VARIANZA
EMPRICAS PARA GRANDES MUESTRAS.
iii. Ejemplo:
2. Al igual que existe una probabilidad de obtener un valor
determinado para una unidad estadstica XLx, as ocurre
con los estadsticos de una muestra.
15
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
II. DISTRIBUCIONES DE LA MEDIA, FRECUENCIA Y VARIANZA
EMPRICAS PARA GRANDES MUESTRAS.
iv. Para grandes muestras se cumplen las siguientes
convergencias:
5
2
l n
X N m,
10
n
X simetrica y unimodal
15
2
1 x a
2 1 x 2
2 b
l pq np y nq
X N ( a, b ) f ( x) e f N p,
2 b n 20
p no prxima a 0 ni 1
'2 l 2 4 4
N ,
n
4
Varias centenas de unidades estadistic as
l N 2 , 4
s '2
n
16
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
III. DISTRIBUCIONES DE MUESTRAS DE POBALCIONES NORMALES:
MEDIA, VARIANZA, DESVIACIN TIPICA Y (X m)n/s.
i. Distribucin Binomial: X B(n,p)
n x
p( X x) p (1 p ) n x x C 0,1,2,..., n
x
p( X x) 0 x C
Donde: E ( x) np y V ( x) np (1 p )
18
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
III. DISTRIBUCIONES DE MUESTRAS DE POBALCIONES NORMALES:
MEDIA, VARIANZA, DESVIACIN TIPICA Y (X m)n/s.
iv. Distribucin 2 de Pearson:
1. Sean n variables aleatorias independientes: X1, X2, ...,Xn
cada una siguiendo una ley N(0,1).
2. La distribucin n2 de Pearson es la ley de probabilidad
que sigue la variable aleatoria Y suma de:
Y X 12 X 22 ... X 32
3. Siendo n: grados de libertad o numero de variables
aleatorias independientes N(0,1)
4. Su funcin de densidad de probabilidad es:
n y
y e
2 1 2
f ( y) n y 0
n
2
2
2 19
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
III. DISTRIBUCIONES DE MUESTRAS DE POBALCIONES NORMALES:
MEDIA, VARIANZA, DESVIACIN TIPICA Y (X m)n/s.
iv. Distribucin 2 de Pearson:
5. La funcin:
n
2
Es la Gamma del nmero complejo z=n/2, en que la parte
imaginaria es 0. de manera que se define:
a. (z+1)=z!, si z=a+0i y a es un nmero entero
b. (z+1)=z(z), si z=a/2+0i y a/2 no es un nmero
entero de manera que se debe usar (1/2) al que
finalmente se llegar, siendo:
1
2
20
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
III. DISTRIBUCIONES DE MUESTRAS DE POBALCIONES NORMALES:
MEDIA, VARIANZA, DESVIACIN TIPICA Y (X m)n/s.
iv. Distribucin 2 de Pearson:
6. La esperanza matemtica y la varianza matemtica son:
E(Y) = n V(Y) = 2n
21
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
III. DISTRIBUCIONES DE MUESTRAS DE POBALCIONES NORMALES:
MEDIA, VARIANZA, DESVIACIN TIPICA Y (X m)n/s.
iv. Distribucin 2 de Pearson:
9. Ejemplo:
En las tablas de 2 interpolando:
p x102 7,2670 0,7 2
p x21
30 0,09377
Se dice que cuantil con una probabilidad cola de 0,05
para un n=15 es:
215;0,05=25
22
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
III. DISTRIBUCIONES DE MUESTRAS DE POBALCIONES NORMALES:
MEDIA, VARIANZA, DESVIACIN TIPICA Y (X m)n/s.
v. Distribucin t de Student:
1. Sean n+1 variables aleatorias independientes: X, X2, ...,Xn
e idnticamente distribuidas siguiendo una ley N(0,).
2. Sea la funcin de distribucin de la variable X que sigue
una ley tn: T ( X ) x
1 n 2
n i 1
xi
2. Aclaraciones previas: n X X 2 n
X 2
a. Si Xi N(m, 2) i n2 1 X 2
2
i n 1
i 1 i 1
24
CAPTULO IV: INFERENCIA
Tema I: DEFINICIONES DE LA INFERENCIA
ESTADISTICA
III. DISTRIBUCIONES DE MUESTRAS DE POBALCIONES NORMALES:
MEDIA, VARIANZA, DESVIACIN TIPICA Y (X m)n/s.
vi. Distribucin de la media muestral o emprica:
1. Si X sigue una ley normal N(m, 2)X tambin sigue una
ley Normal pero de parmetros N(m, 2/n)
1. Esperanza matemtica: n X X 2 n
a. Si Xi N(m, )
2 i
2
n 1 X
i X
2
2
2
n 1
i 1 i 1
2
2 2 2 2 2
b. Si Xi N(m, 2) ' n n 1 y s n 1 n 1
28
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
29
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
x. Ejemplo:
1. Sea X N(m,1), con m (media) desconocida.
2. Sea x1, x2, ....,xn, un muestra aleatoria de X.
3. La FUNCIN DE VEROSIMILITUD
n ser:
L x1 ,...xn f i xi , m
i 1
4. Siendo:
1 12 xi m 2
f i xi , m e
5. Luego:
2 n
n 1 x m2
1 2 i
L( x1 ,..., xn , m) e i1
2
6. El conjunto de definicin D ser (x1, x2, ....,xn) Rn.
7. Al espacio paramtrico pertenecern todos los
posibles valores m. 30
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
xi. El planteamiento es el siguiente:
1. Cuestiones y respuestas
Cmo elegir el estimador, o estadstico que sirva como
estimador del parmetro ?
Todo depende del criterio (Cr1) de eleccin que se fije.
Qu criterio se debe escoger?
Para elegir el criterio de eleccin se precisa otro criterio
(Cr2) para elegir el criterio de eleccin del estimador.
Cul es el criterio de eleccin del criterio de eleccin
del estimador?
El que se considere un buen estimador (Cr2).
Cul ser pues Cr1?
Cr1 puede ser a elegir entre a, b d.
a. Que T sea insesgado.
b. Que T sea consistente
d. Que T, insesgado, tenga varianza mnima 31
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
1. Cuestiones y respuestas
Cul ser pues Cr1?
El ERROR CUADRTICO MEDIO
(ECM) es:
ECM (T , ) E T
2
Se demuestra que:
32
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
xi. El planteamiento es el siguiente:
1. Cuestiones y respuestas
Cul ser pues Cr1?
Cr1 puede ser a elegir entre a, b d.
a. Que T sea insesgado:ERROR CUADRTICO MEDIO (ECM).
Se demuestra que:
2
ECM (T , ) E T E T E (T ) E (T )
2
ECM (T , ) E T E (T ) 2T E (T ) E (T ) E (T )
2 2
ECM (T , ) E T E (T ) 2 E T E (T ) E (T ) E E (T )
2
2
ECM (T , ) E T E (T ) 2 E (T ) E (T ) E (T ) E (T )
2 2
ECM (T , ) E T E (T ) E (T )
2 2
es una constante
Hay que entender que : E (T ) es una constante y E (Cte) Cte
E (T ) es una constante
33
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
xi. El planteamiento es el siguiente:
1. Cuestiones y respuestas
Cul ser pues Cr1?
Cr1 puede ser a elegir entre a, b d.
a. Que T sea insesgado:ERROR CUADRTICO MEDIO (ECM).
Se demuestra que:
ECM (T , ) E T E (T ) E (T )
2 2
E (T ) 0
E (T )
34
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
xi. El planteamiento es el siguiente:
1. Cuestiones y respuestas
Cul ser pues Cr1?
Cr1 puede ser a elegir entre a, b d.
a. Que T sea insesgado:ERROR CUADRTICO MEDIO (ECM)
ECM (T , ) E T E (T ) E (T )
2
2
Interpretacin: La relacin
E T E (T )
2
es la varianza de T as pues:
ECM (T , ) E T E T E (T ) E (T )
2 2
2
E T V (T ) Sesgo de T
2 2
35
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
xi. El planteamiento es el siguiente:
1. Cuestiones y respuestas
Cul ser pues Cr1?
b. Teorema de la desigualdad de Tchebychev:
Sea XLx en que E(X) = m y V(X) = 2 tienen un valor finito
1
se verifica: p X m k 1 p
k2
k 1
p X m k 1 1 p q
k2
Interpretacin: la probabilidad de que una variable aleatoria
se desvi ms de 3 desviaciones estndar respecto al valor
esperado es: p x E ( x) 3 1
9
y esto es asi sea cual fuere su distribucin.
36
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
xi. El planteamiento es el siguiente:
1. Cuestiones y respuestas
Cul ser pues Cr1?
Cr1 puede ser a elegir entre a, b d.
c. Que T sea consistente:
Sea T1, el estimador para una muestra de 1 unidad
estadstica.
Sea T2, el estimador para una muestra de 2 unidades
estadsticas.
Sea Tn, el estimador para una muestra de n unidades
estadsticas.
Sea {Tn} la representacin de la sucesin de los
estimadores: {Tn} = T1, T2,...,Tn.
37
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
xi. El planteamiento es el siguiente:
1. Cuestiones y respuestas
Cul ser pues Cr1?
Cr1 puede ser a elegir entre a, b d.
c. Que T sea consistente:
T es un estimador consistente si la sucesin {Tn}
converge: Lim
0 p Tn 0
n
Para que el estimador T sea consistente es suficiente
que se cumplan las condiciones:
Lim Lim
E Tn y V Tn 0
n n
38
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
xi. El planteamiento es el siguiente:
1. Cuestiones y respuestas
Cul ser pues Cr1?
Cr1 puede ser a elegir entre a, b d.
c. Que T sea consistente:
DEMOSTRACIN: Por la desigualdad de Tchebychev
1
p Tn E (Tn ) k V (Tn )
k2
Realizando el cambio: V (Tn )
k V (Tn ) p Tn E (Tn ) 2
lim Aplicando limites: lim V (Tn )
p Tn E (Tn )
n n 2
39
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
xi. El planteamiento es el siguiente:
1. Cuestiones y respuestas
Cul ser pues Cr1?
Cr1 puede ser a elegir entre a, b d.
c. Que T sea consistente:
DEMOSTRACIN: Por la desigualdad de Tchebychev
Si se verifican:
Lim Lim
E Tn y V Tn 0
n n
Se obtiene:
lim
p Tn 0
n
40
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
xi. El planteamiento es el siguiente:
1. Cuestiones y respuestas
Cul ser pues Cr1?
Cr1 puede ser a elegir entre a, b d.
c. Que T sea consistente: lim
Interpretacin:
p Tn 0
n
Cuanto mayor sea el nmero de unidades estadsticas
de la muestra es ms difcil que el valor del stimador
difiera del parmetro buscado ms de una cantidad ,
por pequea que esta sea.
41
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
xi. El planteamiento es el siguiente:
1. Cuestiones y respuestas
Cul ser pues Cr1?
Cr1 puede ser a elegir entre a, b d.
d. Que T sea insesgado y de varianza mnima:
Para ello T debe cumplir:
E (T )
Y si T es otro estimador insesgado:
V (T ' ) V (T ) T ' T / E (T ' )
42
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
I. Planteamiento del problema:
xi. El planteamiento es el siguiente:
1. Cuestiones y respuestas
Cul ser pues Cr1?
Cr1 puede ser a elegir entre a, b d.
d. Que T sea insesgado y de varianza mnima:
DESIGUALDAD DE FRECHET-CRAMER-RAO
Sea T un estimador de la funcin de densidad de
probabilidad (de probabilidad) f(x,).
2
2 ln f ( x, m) 1
2
2
m
45
CAPTULO IV: INFERENCIA
Tema II: ESTIMACIN PUNTUAL
II. Mtodo de estimacin puntual:
i. Objetivo:
Mtodos que permiten la obtencin de los estimadores
II. Definicin:
48
CAPTULO IV: INFERENCIA
Tema III: ESTIMACIN POR INTERVALO
II. Definicin:
ii. Un intervalo aleatorio de extremos [, ] que es funcin de la
muestra:
[(X1,...,Xn), (X1,...,Xn)]
Este es un intervalo de confianza de probabilidad 1 - a (con
0a1) de que el parmetro est en dicho intervalo.
IC(, 1 - a) = (, ) p( (, )) = 1 - a
III. Mtodo de obtencin de un intervalo.
i. Sea T=T(X1,...Xn) un estadistico cuya funcin de densidad de
probabilidad es g() cuya variable aleatoria es t.
ii. Un intervalo de confianza de de (1 - a) se realiza de la forma:
1. Obtener a 1 y a 2 que engloban el intervalo de confianza.
t = ta1
a1+a2=a g(t,)
a1 1-a2
t = t1-a2
ta1 t1-a2 t t* t 49
CAPTULO IV: INFERENCIA
Tema III: ESTIMACIN POR INTERVALO
III. Mtodo de obtencin de un intervalo.
ii. Un intervalo de confianza de de (1 - a) se realiza de la forma:
2. Obtener las funciones t = t()a1 y t = t()1-a2
3. A partir del estadistico y los valores de la muestra obtener la
realizacin de t = t*
4. Obtener el intervalo (, ) cuyos extremos son las
ordenadas de los puntos de interseccin de t* con las curvas
t = t()a1 y t = t()1-a2
t =ta1
a1+a2=a g(t,)
a1 1-a2
t =t1-a2
ta1 t1-a2 t t* t
50
CAPTULO IV: INFERENCIA
Tema III: ESTIMACIN POR INTERVALO
III. Mtodo de obtencin de un intervalo.
iii. Un intervalo de confianza de de (1 - a) se interpreta de la
siguiente forma:
t =ta1
a1+a2=a g(t,)
a1 1-a2
t =t1-a2
ta1 t1-a2 t t* t
51
CAPTULO IV: INFERENCIA
Tema III: ESTIMACIN POR INTERVALO
III. Mtodo de obtencin de un intervalo.
iv. Ejemplo:
Sea la poblacin Y B(N,p) en que una proporcin p,
que se desea obtener, de unidades estadsticas
poseen el carcter A. Se obtiene una miid de n
elementos, siendo X el n de elementos con la
caracterstica A.
1. X B(n,p)
2. X servir como estadstico para obtener el
intervalo de confianza de p.
3. Resolucin:
a. Por comodidad a 1= a 2= a/2.
52