Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Intervalos de confianza
Hasta ahora los estimadores estudiados son puntuales, es decir, exhiben
un solo valor como estimación del parámetro de interés. Pero en muchos
casos esto no es suficiente. A veces se requiere de un rango de posibles
valores para el parámetro de interés, es decir, un intervalo real donde se
cree estará el valor del parámetro con una alta confianza.
Obtención de un I. C.
Sea X 1 , · · · , X n una m.a. de una distribución f (x) que depende de un
parámetro θ desconocido ( dicha distribución es usualmente denotada
f (x ; θ)). Sea θ̂ un estimador puntual para θ. Como θ̂ es función de
la m.a, se suele escribir θ̂ = h(X 1 , · · · , X n ). Suponga además que
la distribución de θ̂ NO depende de otros parámetros desconocidos,
pero puede depender de θ. Entonces, para α ∈ (0 , 1) dado, se pueden
encontrar constantes a y b tal que
P (a < h (X 1 , · · · , X n ; θ) < b) = 1 − α .
P (L (X 1 , · · · , X n ) < θ < U (X 1 , · · · , X n )) = 1 − α .
Usando Bootstrap
Sea θ̂ un estimador puntual para θ. La distribución de θ̂ puede depender
aprox
de θ. Por el T. L. C. sabemos que X̄ −
√μ
σ/ n
∼ n(0 , 1). Además, si σ 2 es
aprox
desconocida X̄ −
√μ
S/ n
∼ n(0 , 1).
Ahora
X̄ − μ X̄ − μ
P √ < 1.96 ≈ 0.975 y P √ < −1.96 ≈ 0.025 .
s/ n s/ n
Ası́,
S S
P −1.96 √ < X̄ − μ < 1.96 √ ≈ 0.95
n n
ya que
P Percentil 2.5 < θ̂ − θ < Percentil 97.5 ≈ 0.95 .
¿Cómo proceder?
Suponga que X 1 , · · · , X n es una m.a de f (x ; θ), θ desconocido. De
esta muestra obtenemos θ̂ = θ 0 .
1
m
θ̄ˆ = θ̂i .
m i=0
117
Haciendo
P (Z < z1 ) = P (Z > z2 ) = α/2 .