Estimación por Intervalos

En la práctica, interesa no sólo dar una estimación

de un parámetro, sino que además, un intervalo

Capítulo 9 que permita precisar la incertidumbre existente en

la estimación.
Intervalos de Definición: Sea x m.a. ∝ f ( x , θ ). Sean θ1=T1(x),
θ2=T2(x) dos estadísticas de θ : T1 ≤ T2 ∧ ∀x ∈χ ;
Confianza P [θ1 ≤ θ ≤ θ2] = 1 - α = γ

Entonces el I = [θ1 ; θ2] se llama intervalo aleatorio

de confianza del 100 γ % para θ ( 0 < α < 1 ).

Estimación por Intervalos Método de la Cantidad Privotal

Fijado α, el problema de determinar θ1 y θ2 puede 1. Encontrar una cantidad Q.
resolverse cuando existe una variable aleatoria 2. P [q1 ≤ Q ≤ q2] = 1 - α = γ
θ) cuya distribución esté totalmente definida y
Q(x,θ 3. Invertir pivoteando P [θ1 ≤ θ ≤ θ2] = γ ,
no depende de θ. [θ1 ; θ2] de confianza
obteniendo así un intervalo I=[θ
de θ de nivel 100 γ %.
θ) : Cantidad Pivotal
Q(x,θ Observación: Para muestras grandes la v.a. Q
siempre existe, ya que si θˆMV , entonces θ − θ MV
ˆ
σ (θˆ MV )
tiene distribución asintóticamente normal estándar.

Intervalo de Confianza para diferencia Asumiendo independencia de las muestras :

de medias
(n1 − 1)S12 + (n2 − 1)S 2 2
Supuesto: Poblaciones Normales ~ χ 2( n + n −2 )
σ1 σ2
2 2 1 2

P1 : X1, X2,..., Xn1 ∝ N ( µ1 ,σ

σ21)
P2 : Y1, Y2,..., Yn2 ∝ N ( µ2 ,σ
σ22) (n1 + n2 − 2 )S P 2 Si σ 1 = σ 2
~ χ 2 ( n +n −2)
2 2

σ
2 1 2

X 1 − µ1 Y 2 − µ2
σ 1 n1
~ N (0,1)
σ 2 n2
~ N ( 0,1)
Q=
( X 1 − X 2 ) − (µ1 − µ 2 ) t (n1 + n2 − 2 )
1 1
~
+
(n1 − 1)S12 (n2 − 1)S 2 2 SP
n1 n2
~ χ 2 ( n −1) ~ χ 2( n 2 −1)
σ1 σ2
2 1 2

1
 Supongamos que σ 1 ≠ σ 2
2 2

Finalmente:  2
S 
2
I γ ( µ1 − µ 2 ) = ( X 1 − X 2 ) ± t (α , g ) 1 + 2 
S
 1 1 
n1 n2 
I γ ( µ1 − µ 2 ) = ( X 1 − X 2 ) ± t (α , n + n − 2 )S P
2
+  
 2 1 2 n n2 
1
Siendo g = n1 + n2 - 2 - ∆ grados de libertad
Es un Intervalo de confianza de nivel γ para µ1 - µ2

∆=
[(n − 1)S − (n − 1)S ]
2
'
1 1
'
2
2

S 'i =
Si
i = 1,2
(n2 − 1)S '12 − (n1 − 1)S ' 2 2 ni

Intervalo de Confianza para σ12/σ

σ22
Recordemos que:
(n1 − 1)S12 (n2 − 1)S 2 2
~ χ 2 ( n −1) ~ χ ( n −1)
2

σ1 σ2
2 1 2 2
Resumen: Intervalos de Confianza
S1 σ 1
2 2
F= ~ F(n1 −1,n2 −1) g .l .
S2 σ 2
2 2

σ 2   S22 σ 22 2
 Poblaciones Normales
I γ  22  =  Fa 2 < 2 < Fb S 2 2 

 σ1   S1 σ1 S1 
donde P[Fa ≤ F ≤ Fb ] = γ = 1 − α
Si Fa = Fα 2 Fb = Fα 2 Se obtiene el intervalo
; de iguales colas

Parámetro Estadística Distribución Intervalo

µ,σ
conocido
(
n X −µ ) N (0,1) X ± zα 2
σ
n
σ
µ,σ (
n X −µ ) t n −1 X ± tα 2
S
n
desconocido S

σ2 (n − 1 )S 2 χ 2 n −1  (n − 1 )S 2 (n − 1 )S 2 
 χ2 ;
σ 2
 1−α 2 χ 2 α 2 

µ1 - µ2 ( X 1 − X 2 ) − (µ 1 − µ 2 )
t n1 +n2 − 2 ( X 1 − X 2 ) ± tα 2 SP 1 1
+
σ1 = σ2 SP
1
+
1 n1 n2
n1 n 2
µ1 - µ2 ( X 1 − X 2 ) − (µ 1 − µ 2 ) 2 2

t n1 +n2 − ∆ − 2 ( X 1 − X 2 ) ± tα 2 S1 S2
+
σ1 ≠ σ2 S1 S
2 2 n1 n2
+ 2
n1 n2
θ
θ − θˆ MV N (0,1) θˆ MV ± z α 2σ (θˆ MV )
σ (θˆ MV )
muestra grande