Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Mest1 U2 A4 Rooh PDF
Mest1 U2 A4 Rooh PDF
Carrera:
LICENCIATURA EN MATEMÁTICAS
Materia:
Estadística I.
Maestro:
1.- Investiga:
a) Define la estimación puntual.
Un estimador 𝜃̂ 𝑑𝑒𝑙 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑜 𝜃 , es un estadístico, una formula, obtenido como una función de la
muestra, es decir 𝜃̂ = 𝐹(𝑋1 , 𝑋2 , … , 𝑋𝑛 )
Dos métodos muy usados son:
i) Momentos
ii) Estimador de Máxima Verosimilitud
La estimación por intervalos como su nombre lo indica, se trata de un rango de valores. En este intervalo
de valores, con cierto nivel de probabilidad, se encuentra el parámetro poblacional. Como ya se vio en
la unidad uno de esta materia, el concepto de rango consta de dos valores, un valor máximo y un valor
mínimo. En estimación, se les conoce como límite superior y límite inferior respectivamente. Así se tiene
que dentro de estos valores (máximo-mínimo) se puede concluir que se encuentra el parámetro de
interés. (UNADM, 2020, Pag. 34)
Un intervalo se puede asemejar al concepto de rango (rango=valor máximo – valor mínimo). Estos
valores máximo y mínimo, en intervalos se les llaman límite superior y límite inferior. Ahora bien, se le
llama intervalo aleatorio, al intervalo que se construye y al menos uno de sus límites es una variable
aleatoria.
Gráficamente tenemos:
Dónde:
L.inf = Límite inferior de confianza y L.sup = Límite superior de confianza. (UNADM, 2020, Pag.
35)
Una estimación por intervalos consta de dos valores, un valor máximo y un valor mínimo y que en
estimación se les conoce como límite superior y límite inferior respectivamente. Cuando se trata de un
intervalo de confianza ese valor máximo se le llama límite superior de confianza y al valor mínimo se
le llama límite inferior de confianza.
Si la función de densidad de una v.a. X suele estar relacionada al menos con un parámetro 𝜃 y
supongamos que tenemos un muestra aleatoria 𝑥1, 𝑥2, 𝑥3, … , 𝑥𝑛. El método de la máxima verosimilitud
selecciona en cierto sentido, de todos los valores posibles 𝜃, el que tenga mayor probabilidad de
haber producido esas observaciones. (Milton Susan, 2004,Pag. 231)
Es llamada así porque máximiza la función de verosimilitud. (Milton Susan, 2004,Pag. 232)
𝐿(𝜃) = ∏ 𝑓(𝑥𝑖 )
𝑖=1
i) Describe los pasos con ecuaciones matemáticas, para el Método de Máxima Verosimilitud,
1) Obtener una muestra aleatoria 𝒙𝟏, 𝒙𝟐, 𝒙𝟑, … , 𝒙𝒏 de una distribución de v.a. X con función de
densidad 𝑓 𝑦 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑜 𝜃.
2) Definir una función 𝐿(𝜃) 𝑐𝑜𝑛:
𝑛
𝐿(𝜃) = ∏ 𝑓(𝑥𝑖 )
𝑖=1
Esta función se llama función de verisimilitud de la muestra.
3) Encontrar la expresión de 𝜃 que máximice la función de verisimilitud. Esto se puede hacer
directamente o al maximizar ln (𝐿(𝜃)).
4) Sustituir 𝜃 𝑝𝑜𝑟 𝜃̂ para obtener una expresión del estimador de máxima verisimilitud de 𝜃.
5) Encontrar el valor observado de dicho estimador para una muestra dada.
Página 4 de 20
Grafica:
1−𝛼 = nivel de confianza. Es el área bajo la curva comprendida entre los límites superior e inferior.
(UNADM, 2020)
m) En los intervalos de confianza para la media poblacional, ¿cuáles son los errores?
Los errores son 2 uno negativo y otro positivo, dado por la expresión anterior. (UNADM, 2020)
n) En los intervalos de confianza para la media poblacional, ¿qué ocurre con los errores, si
aumenta el tamaño del estudio de la muestra?
𝒇(𝜽) = 𝜽𝒆−𝜽𝒙
𝑳(𝜽) = ∏ 𝜽𝒆−𝜽𝒙𝒊
𝒊=𝟏
𝒏
𝒏
𝑳(𝜽) = ∏ 𝜽𝒆−𝜽𝒙𝒊 = 𝜽𝒆−𝜽𝒙𝟏 . 𝜽𝒆−𝜽𝒙𝟐 . 𝜽𝒆−𝜽𝒙𝟑 … 𝜽𝒆−𝜽𝒙𝒏 = 𝜽𝒏 𝒆− ∑𝒊=𝟏 𝜽𝒙𝒊
𝒊=𝟏
𝒏 𝒏
𝒍𝒏(𝑳(𝜽)) = 𝒍𝒏(𝜽𝒏 𝒆− ∑𝒊=𝟏 𝜽𝒙𝒊 ) = 𝒍𝒏(𝜽𝒏 ) + 𝒍𝒏(𝒆− ∑𝒊=𝟏 𝜽𝒙𝒊 )
Página 6 de 20
𝒍𝒏(𝑳(𝜽)) = 𝒏. 𝒍𝒏(𝜽) − (𝜽 ∑ 𝒙𝒊 )
𝒊=𝟏
𝒏
𝒅 𝒍𝒏(𝑳(𝜽)) 𝒏
= − ∑ 𝒙𝒊 =𝟎
𝒅𝜽 𝜽
𝒊=𝟏
𝒏
𝒏
− ∑ 𝒙𝒊 = 𝟎
𝜽
𝒊=𝟏
𝒏 ̂
=𝜽
∑𝒏 𝒙
𝒊=𝟏 𝒊
𝟏 𝟏
̂=
𝜽 =
∑𝒏𝒊=𝟏 𝒙𝒊 ̅
𝒙
𝒏
Entonces el estimador es:
𝟏
̂=
𝜽
̅
𝒙
𝒅𝟐 𝒍𝒏(𝑳(𝜽)) 𝒏
= −𝒏𝜽−𝟐 = −
𝒅𝜽𝟐 𝜽𝟐
𝟏
Evaluando esta ultima ecuación en
̅
𝒕𝒆𝒏𝒆𝒎𝒐𝒔
𝒙
𝒏
− 𝟐
̅)𝟐 < 𝟎 ∴ 𝒆𝒔 𝒆𝒍 𝒎á𝒙𝒊𝒎𝒐.
= −𝒏(𝒙
𝟏
̅
𝒙
𝜃−1
𝑓(𝑥; 𝜃) = {𝜃𝑥 ∀𝑥 0 < 𝑥 < 1
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Derivando despecto a 𝜃
d (ln(𝐿(𝑥; 𝜃))) 𝑛
= + ln (𝑥1 . 𝑥2 . … 𝑥𝑛 )
𝑑𝜃 𝜃
𝑛
+ ln(𝑥1 . 𝑥2 . … 𝑥𝑛 ) = 0
𝜃
𝑛
= − ln(𝑥1 . 𝑥2 . … 𝑥𝑛 )
𝜃
Entonces:
𝒏
̂=
𝜽
− 𝐥𝐧(𝒙𝟏 . 𝒙𝟐 . … 𝒙𝒏 )
𝐝𝟐 (𝐥𝐧(𝑳(𝒙; 𝜽))) 𝒏
𝟐
= −𝒏𝜽−𝟐 = − 𝟐
𝒅𝜽 𝜽
Evaluando en 𝜃̂
𝒏
− <𝟎 ∴ 𝒆𝒔 𝒆𝒍 𝒎𝒂𝒙𝒊𝒎𝒐 𝒅𝒆 𝒍𝒂 𝒇𝒖𝒏𝒄𝒊ó𝒏 𝑳
̂𝟐
𝜽
Página 8 de 20
Obtener:
a) La función de Verosimilitud particular, para ambos parámetros.
b) Calcula la estimación para 𝜇.
c) Calcula el estimador para 𝜇.
d) Calcula la estimación para 𝜎2.
e) Calcula el estimador para 𝜎2.
f) Puedes proponer una metodología matemática para verificar si en verdad son estimaciones
máximas conjuntas de 𝜇 y 𝜎2. No es necesaria desarrollarla, solo establece los pasos a elaborar y las
decisiones a efectuar.
𝒏
𝝏 𝐥𝐧(𝑳(𝜽; 𝝁, 𝝈𝟐 ))
= −𝒏𝝈𝟐 + ∑ (𝒙𝒊 − 𝝁)𝟐 = 𝟎 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 (𝟐)
𝝏 𝝈𝟐
𝒊=𝟏
𝒏
𝟐
𝟏
̅)𝟐 = 𝒔𝟐
̂ = ∑(𝒙𝒊 − 𝒙
𝝈
𝒏
𝒊=𝟏
Para verificar que es un máximo desarrollamos la matriz hesiana:
𝝏𝟐 ln(𝐿(𝜃; 𝜇, 𝜎2 )) 𝑛
𝟐
=− 2 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 (3)
𝝏𝝁 𝜎
𝑛
𝝏𝟐 ln(𝐿(𝜃; 𝜇, 𝜎2 )) 𝒏 1
2 =− 𝟐 𝟐
− 3 ∑(𝑥𝑖 − 𝜇)2 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 (4)
𝝏(𝜎2 ) 𝟐(𝝈 ) 2
(𝜎 ) 𝑖=1
𝒏
𝝏𝟐 ln(𝐿(𝜃; 𝜇, 𝜎2 )) 𝝏𝟐 ln(𝐿(𝜃; 𝜇, 𝜎2 )) 𝟏
𝟐
= 𝟐
= − 𝟐 𝟐 ∑(𝒙𝒊 − 𝝁) 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 (5)
𝝏𝝁𝝏𝝈 𝝏𝝈 𝝏𝝁 (𝝈 )
𝒊=𝟏
Entonces:
𝒏
𝒏 𝟏
− 𝟐 − 𝟐 ∑( 𝒊
𝒙 − 𝝁)
𝝈 (𝝈𝟐 ) 𝒊=𝟏
ℎ(𝜇, 𝜎 2 ) = 𝒏 𝑛
𝟏 𝒏 1
− 𝟐 ∑(𝒙𝒊 − 𝝁) − 𝟐 𝟐
− 2 3 ∑(𝑥𝑖 − 𝜇)2
( (𝝈𝟐 ) 𝟐(𝝈 ) (𝜎 ) )
𝒊=𝟏 𝑖=1
𝒏
𝟐)
− 𝟐 𝟎
̂, 𝝈
𝒉(𝝁 ̂ ̂
= ( 𝝈 )
𝟎 ̂ 𝟐 )𝟐
−𝒏(𝝈
𝝏𝟐 ln(𝐿(𝜃; 𝜇, 𝜎2 )) 𝒏
= − <𝟎
𝝏𝝁𝟐 𝝈𝟐
Intervalo de confianza:
𝜶
= 𝟎. 𝟏𝟎
𝟐
80%
10%
b) 90%
1 − 𝛼 = 0.90 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝛼 = 1 − 0.90 = 0.10
𝜶
= 𝟎. 𝟎𝟓
𝟐
c) 95%
d) 99%
2.- La distribución de los kilómetros recorridos de una marca de llantas europeas se ajusta a una
distribución Normal 𝑁(𝜇,𝜎)=𝑁(37000,2000). Calcula el intervalo de confianza para un nivel de
confianza de:
Página 13 de 20
𝑧𝑖 − 37000 𝑧𝑠 − 37000
𝑃( < 𝑧< ) = 0.80
2000 2000
a) 80%
𝑧𝑖 − 37000
= −1.282 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑖 = 2000 ∗ −1.282 + 37000 = 𝟑𝟒, 𝟒𝟑𝟔
2000
𝑧𝑠 − 37000
= 1.282 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑖 = 2000 ∗ 1.282 + 37000 = 𝟑𝟗, 𝟓𝟔𝟒
2000
b) 90%
𝑧𝑖 − 37000 𝑧𝑠 − 37000
𝑃( < 𝑧< ) = 0.90
2000 2000
𝑧𝑖 − 37000
= −𝟏. 𝟔𝟒𝟓 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑖 = 2000 ∗ −𝟏. 𝟔𝟒𝟓 + 37000 = 𝟑𝟑, 𝟕𝟏𝟎
2000
𝑧𝑠 − 37000
= 𝟏. 𝟔𝟒𝟓 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑖 = 2000 ∗ 𝟏. 𝟔𝟒𝟓 + 37000 = 𝟒𝟎, 𝟐𝟗𝟎
2000
Página 14 de 20
c) 95%
𝑧𝑖 − 37000 𝑧𝑠 − 37000
𝑃( < 𝑧< ) = 0.95
2000 2000
𝑧𝑖 − 37000
= −𝟏. 𝟗𝟔 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑖 = 2000 ∗ −𝟏. 𝟗𝟔 + 37000 = 𝟑𝟑, 𝟎𝟖𝟎
2000
𝑧𝑠 − 37000
= 𝟏. 𝟗𝟔 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑖 = 2000 ∗ 𝟏. 𝟗𝟔 + 37000 = 𝟒𝟎, 𝟗𝟐𝟎
2000
d) 99%
Página 15 de 20
𝑧𝑖 − 37000 𝑧𝑠 − 37000
𝑃( < 𝑧< ) = 0.99
2000 2000
𝑧𝑖 − 37000
= −𝟐. 𝟓𝟕𝟔 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑖 = 2000 ∗ −𝟐. 𝟓𝟕𝟔 + 37000 = 𝟑𝟏, 𝟖𝟒𝟖
2000
𝑧𝑠 − 37000
= 𝟐. 𝟓𝟕𝟔 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑖 = 2000 ∗ 𝟐. 𝟓𝟕𝟔 + 37000 = 𝟒𝟐, 𝟏𝟓𝟐
2000
3.- La distribución de las horas de carga óptima de la batería de conocida marca de celular se ajusta a
una distribución Normal 𝑁(𝜇,𝜎)=𝑁(16,1.3). Calcula el intervalo de confianza para un nivel de
confianza de:
Aquí tenemos : 𝝁 = 𝟏𝟔 𝒚 𝝈 = 𝟏. 𝟑
e) 80%
𝑧𝑖 − 16 𝑧𝑠 − 16
𝑃( < 𝑧< ) = 0.80
1.3 1.3
𝑧𝑖 − 16
= −1.282 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑖 = 1.3 ∗ −1.282 + 16 = 𝟏𝟒. 𝟑𝟑𝟑𝟒
1.3
𝑧𝑠 − 16
= 1.282 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑠 = 1.3 ∗ 1.282 + 16 = 𝟏𝟕. 𝟔𝟔𝟔𝟔
1.3
Página 16 de 20
f) 90%
𝑧𝑖 − 16 𝑧𝑠 − 16
𝑃( < 𝑧< ) = 0.90
1.3 1.3
𝑧𝑖 − 16
= −1.282 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑖 = 1.3 ∗ −1.645 + 16 = 𝟏𝟑. 𝟖𝟔𝟏𝟓
1.3
𝑧𝑠 − 16
= 1.282 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑠 = 1.3 ∗ 1.645 + 16 = 𝟏𝟖. 𝟏𝟑𝟖𝟓
1.3
g) 95%
𝑧𝑖 − 16 𝑧𝑠 − 16
𝑃( < 𝑧< ) = 0.95
1.3 1.3
𝑧𝑖 − 16
= −1.282 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑖 = 1.3 ∗ −1.960 + 16 = 𝟏𝟑. 𝟒𝟓𝟐
1.3
Página 17 de 20
𝑧𝑠 − 16
= 1.282 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑠 = 1.3 ∗ 1.960 + 16 = 𝟏𝟖. 𝟓𝟒𝟖
1.3
h) 99%
𝑧𝑖 − 16 𝑧𝑠 − 16
𝑃( < 𝑧< ) = 0.99
1.3 1.3
𝑧𝑖 − 16
= −1.282 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑖 = 1.3 ∗ −2.576 + 16 = 𝟏𝟐. 𝟔𝟓𝟏𝟐
1.3
𝑧𝑠 − 16
= 1.282 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑧𝑠 = 1.3 ∗ 2.576 + 16 = 𝟏𝟗. 𝟑𝟒𝟖𝟖
1.3
1.- Se desea obtener un intervalo de confianza, de la media poblacional, para las horas de usuario a
la semana, en la aplicación Tik Tok del alumno femenino de 16 años, del sistema Bachillerato Federal
del Estado de Chiapas.
Obtener el Intervalo de Confianza para la media poblacional al 95% de confianza 𝐼𝐶95% para una
muestra de 200 alumnas con media de 42 horas, y una desviación típica de 3.3 horas, del sistema
Bachilleratos Federal del Estado de Yucatán.
Tenemos que:
̅ = 𝟒𝟐 𝒉𝒓𝒔.
𝒙
𝒏 = 𝟐𝟎𝟎
𝝈 = 𝟑. 𝟑 𝒉𝒓𝒔.
𝜎 3.3 3.3
La desviación muestral es : = = = 0.2333
√𝑛 √200 14.1421
Para calcular 𝑍𝛼 usamos los valores calculados de los intervalos del ejercicio 1, o se usa la siguiente
2
tabla
2.- Se desea obtener un intervalo de confianza, de la media poblacional, para la estatura del alumno
masculino egresado de Bachillerato.
Obtener el Intervalo de Confianza para la media poblacional al 90% de confianza 𝐼𝐶90% para una
muestra de 300 alumnos con media de 168cm, y una desviación típica de 10.5cm del sistema
Bachilleratos Federal del Estado de Yucatán.
Tenemos que:
̅ = 𝟏𝟔𝟖 𝒄𝒎.
𝒙
𝒏 = 𝟑𝟎𝟎
𝝈 = 𝟏𝟎. 𝟓 𝒄𝒎.
𝜎 10.5 10.5
La desviación muestral es : = = = 0.6062
√𝑛 √300 17.3205
Bibliografía
L., D. J. (2008). Probabilidad y Estadistica para Ingenieria y Ciencias. México D.F.: Cengage.
Meyer, P. (1992). Probabilidad y Aplicaciones Estadísticas. Delaware U.S.A.: Fondo Educativo Interamericano.
Milton Susan, A. J. (2004). Probabilidad y Estadística con aplicaciones para ingeniería y ciencias computacionales.
Mexico: Mc Graw Hill.