Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Inferencia estadı́stica
Tema 6. Inferencia. Parte I: estimación
1 Estimación puntual
Contenidos
1 Estimación puntual
En general, θ ... θ̂ θ̂
Nota:
El error cuadrático medio de un estimador insesgado es igual a su varianza.
Un estimador con menor ECM es mejor.
El estimador insesgado de mı́nima varianza tiene la menor varianza/ECM entre
todos los estimadores.
¿Cómo encontrar una buena definición para un estimador T ?
En algunos casos se conoce un estimador óptimo: estimador insesgado de
mı́nima varianza.
Si no es ası́, existen distintos métodos de construcción de estimadores que
proporcionan resultados razonables, por ejemplo:
Estimación máximo verosı́mil
Método de momentos
Las ratios precio-beneficio para una muestra aleatoria de diez acciones negociadas
en la bolsa de NY en un dı́a concreto fueron
10 16 5 10 12 8 4 6 5 4
80
x̄ = =8
10
782 − 10(8)2
s2 = = 15,78
10 − 1
1+1+0+1+1+0+0+0+0+0
p̂ = = 0,4
10
" # " #
2 2
E[µ̂] = E (X1 + 2X2 + . . . + nXn ) V[µ̂] = V (X1 + 2X2 + . . . + nXn )
n(n + 1) n(n + 1)
2 !2
2 2 2
= (E[X1 ] + 2E[X2 ] + . . . + nE[Xn ]) =indep. (V[X1 ] + 2 V[X2 ] + . . . + n V[Xn ])
n(n + 1) n(n + 1)
2
=id (µ + 2µ + . . . + nµ) n(n+1)(2n+1)/6
n(n + 1) z }| {
4 22 2 2
n(n+1)/2 =id σ (1 + 2 + . . . + n )
z }| { n 2 (n + 1)2
2µ
= (1 + 2 + . . . + n) = µ 2(2n + 1) 2
n(n + 1) = σ
3n(n + 1)
⇒ Sesgo[µ̂] = 0
2 2(2n + 1) 2
ECM[µ̂] = V[µ̂] + 0 = σ
3n(n + 1)
σ 2 /n 3(n + 1)
Eficiencia relativa(X , µ̂) = 2(2n+1) 2
=
σ 2(2n + 1)
3n(n+1)
Contenidos
1 Estimación puntual
Intervalos de confianza
doble desigualdad
z }| {
P(1 − α/2 cuantil<C (X n , θ)<α/2 cuantil) = 1 − α.
Contenidos
1 Estimación puntual
X̄ − µ
√ ∼ N(0, 1)
σ/ n
Z
−zα/2 z }| {
z }| { X̄ − µ
4 Se tiene que P(z1−α/2 < √ < zα/2 ) = 1 − α
σ/ n
Bloque III/Tema 6) Matematicas III 16 / 47
Estimación por intervalos de confianza Intervalo de confianza para la media de la población normal con varianza conoci
Como
σ2 3,52
= = 0,25,
n 49
sabemos que
X̄ ∼ N(µ, 0,25),
y por tanto,
X̄ − µ
∼ N(0, 1).
0,5
Bloque III/Tema 6) Matematicas III 18 / 47
Estimación por intervalos de confianza Intervalo de confianza para la media de la población normal con varianza conoci
Ejemplo 1 (cont.)
Utilizando R o las tablas de la normal, sabemos que, si Z ∼ N(0, 1),
Ejemplo 1 (cont.)
Despejando µ en esta expresión obtenemos que
P X̄ − 1,96 × 0,5 < µ < X̄ + 1,96 × 0,5 = 0,95,
Datos:
σ = 12, n = 25, x = 198, 1 − α = 0,95( α2 = 0,025),
150
| | | |
| | |
| | | | | |
| | |
|| | || |
| | | |
| | | |
| | | | | |
| | | | | |
| | | |
| | | |
|| | || |
| | | |
| |
| | | | | |
| | | | | |
| | | |
| || | ||
|| ||
| | | | | |
| | | |
100
100
| | | | | |
| || | ||
|| ||
| |
| || | ||
| | | |
| | | |
| |
Indice
Indice
|
| | | | | |
| | | |
| | | |
| | | | | |
| | | |
| | | |
| | | |
| || | ||
|| ||
| | | | | |
| | | |
| |
| | | | | |
| | | | | |
50
50
| |
|| | || |
| | | |
| | | |
| |
|| | || |
| |
| || | ||
| | | |
| |
| || | ||
| | | |
| | | |
| |
| | | | | |
| | | |
|| ||
| | | |
| | | |
| | | |
| |
| | | | | |
| | | |
| | | |
| | | |
0
0
!6.0 !5.5 !5.0 !4.5 !4.0 !6.0 !5.5 !5.0 !4.5 !4.0
zα/2 σ
zα/2 σ
zα/2 σ
La longitud del intervalo, L = x + √
n
− x− √
n
=2 √
n
, aumenta con el nivel
de confianza. ¿Por qué?
Bloque III/Tema 6) Matematicas III 22 / 47
Estimación por intervalos de confianza Intervalo de confianza para la media de la población normal con varianza conoci
150
150
|
| | || |
| | | |
| | | |
| | |
|| | || |
| | | |
| | |
| | | || |
| | | | | |
| |
| | | || |
|| |
| | | ||
| | ||
| | | || |
| | | | |
| | |
| |
| || | | |
|| | | |
| | | ||
| || | | |
100
100
| | | ||
| | || |
||| || |
|
| || | |
|
| | | |
| | ||
|
Indice
|
Indice
| | |
| | | | |
| | | |
| | | |
| | | ||
|
| | || |
| |
| | || |
| || ||
||
| |||
| | ||
|
| | | | |
| | | |
| |
| | | | ||
50
50
| |
|| | | ||
| | | |
| | | | | |
|| | | | |
| ||
| || | |
| |
| | | |
| || | | |
| | | |
| |
| | |||
| | | ||
|
| | ||
|| | ||
| | |
| | |
|
| | || |
| | | |
||
|
| | | ||
| |
| | | |
0
0
!6.0 !5.5 !5.0 !4.5 !4.0 −6.0 −5.5 −5.0 −4.5 −4.0
La longitud de los intervalos decrece con el tamaño muestral aumenta. ¿Por qué?
Contenidos
1 Estimación puntual
zα/2 σ
2 √ ≤ 1
n Area=
√
n ≥ 2zα/2 σ 0.005
n ≥ 22 zα/2
2
σ 2 = (22 )(2,5752 )(1,82 ) = 85,93 ●
z0.005 = 2.575
Contenidos
1 Estimación puntual
X̄ − µ
√ ∼approx. N(0, 1)
σ̂/ n
z 1!"2 = !z "
2
z"2
Z
−zα/2 z }| {
z }| { X̄ − µ
4 Imponemos la condición P z1−α/2 < √ < zα/2 = 1 − α
σ̂/ n
X̄ − µ
−zα/2 < √ < zα/2
σ̂/ n
T1 (X n ) T2 (X n )
z }| { z }| {
σ̂ σ̂
X − zα/2 √ , X + zα/2 √
n n
6 El intervalo de confianza es:
σ̂ σ̂
IC1−α (µ) = x − zα/2 √ , x + zα/2 √
n n
A una muestra aleatoria de 344 ejecutivos de compras se les realizó la pregunta “¿Cuál es la
polı́tica de su empresa en relación con los regalos que su personal de compras pueda recibir de
sus proveedores?” 83 de estos ejecutivos respondieron que cada empleado podı́a tomar su propia
decisión. Calcule un intervalo de confianza al 90 % para la proporción en la población de los
ejecutivos que dan libertad sobre estos regalos a sus empleados.
Población: X = 1 si un ejecutivo permite tomar decisiones a su personal y 0 en otro caso, con
X ∼ Bernoulli(p).
q
p̂(1−p̂)
Objetivo: IC0,9 (p) = p̂ ∓ zα/2 n
83
Muestra: n = 384 (grande, > 30) y p̂ = 344
= 0,241
alpha
Nivel de confianza: 90 % ⇒ α = 0,10 ⇒ 2
= 0,05 ⇒ z α = 1,645.
2
Por tanto:
r !
0,241(1 − 0,241)
IC0,9 (p) = 0,241 ∓ 1,645 = (0,241 ∓ 0,038) = (0,203, 0,279)
344
Interpretación: Podemos tener una confianza del 90 % de que la proporción de ejecutivos que
permiten tomar sus propias decisiones a sus empleados, p, está en (0,203, 0,279)
Ejemplo
Contenidos
1 Estimación puntual
X̄ − µ
√ ∼ tn−1
s/ n
∼ tn−1
z}|{ α α
P(tn−1;1−α/2 < T < tn−1;α/2 ) = 1 − α 1−α
2 2
−tn−1;α/2
T ∼ tn−1
z }| {
●
tn−1 ; α2
z }| { X̄ − µ
4 Por tanto: P(tn−1;1−α/2 < √ < tn−1;α/2 ) = 1 − α
s/ n
T1 (X n ) T2 (X n )
z }|
s
{ z }| {
s
X − tn−1;α/2 √ , X + tn−1;α/2 √
n n
6 El intervalo de confianza es:
s s
IC1−α (µ) = x − tn−1;α/2 √ , x − tn−1;α/2 √
n n
Media muestral
Semilongitud IC
Datos
¿Por qué n − 1 y no n?
Si conociesemos el valor de µ, el Si tenemos que estimar µ mediante
número de grados de libertad serı́a X , los gl son n − 1, porque solo
n, porque tendrı́amos n variables tenemos n − 1 variables aleatorias iid
aleatorias iid Xi σ−µ Xi −X
σ
(si se conocen los valores de
n − 1 de ellas, se puede deducir
fácilmente el valor de la restante)
Decimos que empleamos un grado de libertad en el cálculo de µ
Bloque III/Tema 6) Matematicas III 42 / 47
Estimación por intervalos de confianza Intervalos de confianza para la media de la población normal con σ2 desconocid
0.15
gl=20
0.3
gl=15
N(0,1)
gl=10
gl=10
0.10
gl=5
gl=5
0.2
gl=3
0.05
0.1
0.00
0.0
−4 −2 0 2 4 0 10 20 30 40
Contenidos
1 Estimación puntual
(n − 1)s 2
∼ χ2n−1
σ2
α α
1−α
2 2
● ●
2 2
χn−1 ; 1−α χn−1 ;α
2 2
χ2n−1
z }| {
(n − 1)s 2
4 Imponemos la condición P χ2n−1;1−α/2 < 2
< χ2n−1;α/2 = 1 − α
σ
'
(in %)” X ∼ N(µ, σ 2 )
'
1 − α = 0,9 ⇒ α/2 = 0,05
MAS: n = 15 χ2n−1;1−α/2 = χ214;0,95 = 6,57
Muestra:
Muestra: ssx==0,8
0,8 χ2n−1;α/2 = χ214;0,05 = 23,68
14(0,64) 14(0,64)
IC0,9 (σ 2 ) = ,
23,68 6,57
Area= Area= = (0,378, 1,364) ⇒
0.05 0.05 p p
IC0,9 (σ) = ( 0,378, 1,364)
● ●
= (0,61, 1,17)
χ214 ; 0.95 χ14
2
; 0.05
√
=6.57 =23.68 Para obtener IC(σ) aplicamos a los extremos de IC(σ2 )
Bloque III/Tema 6) Matematicas III 48 / 47
Estimación por intervalos de confianza Intervalo de confianza para la varianza
Datos normales X̄ −µ
√ ∼ N(0, 1) σ , x̄ + z σ
µ ∈ x̄ − zα/2 √ α/2 √n
Varianza conocida σ/ n n
Datos no normales X̄ −µ σ̂ , x̄ + z σ̂
Media √ ∼approx. N(0, 1) µ ∈ x̄ − zα/2 √ α/2 √n
Muestra grande σ̂/ n n
r #
Datos Bernoulli p p̂−p p̂(1−p̂)
∼approx. N(0, 1) p ∈ p̂ ∓ zα/2
Muestra grande p̂(1−p̂)/n n
Datos normales X̄ −µ s , x̄ + t s
Varianza descono- √ ∼ tn−1 µ ∈ x̄ − tn−1,α/2 √ n−1,α/2 √n
s/ n n
cida
(n−1)s 2 (n−1)s 2 (n−1)s 2
Varianza Datos normales ∼ χ2 σ2 ∈ ,
σ2 n−1 χ2 χ2
n−1;α/2 n−1;1−α/2
v v
(n−1)s 2 u (n−1)s 2 (n−1)s 2
u u
∼ χ2
u
Desv. tı́pica Datos normales σ ∈ t 2 ,t 2
σ2 n−1 χ χ
n−1;α/2 n−1;1−α/2
X ∼ normal
ւ ց X ≁ normal
ւց
σ conocida σ desconocida n pequeña
ւց n grande
↓
basada en z
↓
basada en t
↓
otros
↓
basada en z
(exacta) (exacta) (TCL)