Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Profesor:
Ing. Ricardo Rosas Roque
1
2
Estimación de Parámetros
5
Propiedades de los estimadores
• Sesgo
• Consistente
• Eficiente
6
Sesgo
• Un estimador es insesgado si la media de la
distribución del estimador es igual al
parámetro.
7
Consistente (Robustez)
• Un estimador es consistente si aproxima el
valor del parámetro cuanto mayor es n
(tamaño de la muestra).
Ejemplo:
En una población de 500 puntuaciones cuya
Media igual a 4.9 han hecho tres muestreos
aleatorios (número de muestras= 100) con los
siguientes resultados:
8
Eficiente
9
Teorema de Límite Central
10
• La media de las medias muestrales es igual
a la media de la población.
11
• Incluso si la población no esta distribuida
normalmente, la distribución de muestreo
de las medias muestrales será normal si n
es lo suficientemente grande ( n > 29)
12
• Es probable que las muestras más grandes
produzcan estimados más precisos de la
media poblacional 13
Intervalo de confianza para la media
con varianza conocida.
14
Precisión de la estimación: el error estándar
17
Interpretación de un intervalo de
confianza
20
• La longitud de un intervalo de confianza
observado es una medida importante de la
calidad de la información obtenida de la
muestra.
23
Error en la estimación:
Teorema: Si X es un estimador de µ,
entonces se puede tener una confianza del
(1 - α) 100% de que el error no excederá una
cantidad específica:
24
Ejemplo:
La Empresa XX decide hacer un estudio para
determinar la cantidad gastada de un combustible
para calefacción casera en un año en particular.
Con tal motivo se selecciona una muestra de n = 64
hogares de la ciudad. La media muestral del gasto en
gas para calefacción resultó de $83,6. Se sabe por
experiencia que la desviación estándar de la población
es $17,8.
a) Hallar un I. de C. del 95% para el gasto promedio
anual en este tipo de combustible en la ciudad.
b) Calcular un I. de C. del 99% para ese gasto
promedio anual.
c) ¿Qué conclusiones puede sacar de a) y b)? 25