INSTITUTO TECNOLOGICO DEL ISTMO

ESPECIALIDAD:
INGENIERÍA INDUSTRIAL

MATERIA:
ESTADÍSTICA INFERENCIAL 1

UNIDAD:
UNIDAD 1

TRABAJO:
RESUMEN

ALUMNO:
JESUS GERARDO RUEDA FIGUEROA

CATEDRÁTICO:
CASTILLEJOS OROZCO PAULINA IRASEMA

SEMESTRE:
TERCERO

GRUPO:
3R
1.1 ESTIMACION Y PROPIEDADES DE LOS ESTIMADORES PUNTUALES

ESTADISTICOS:

Vamos a hablar de una muestra una secuencia de sucesión de variables

aleatorias x1…..xn independientes e idénticamente distribuidas (iid)

Vectores aleatorios x= (x1….xn) tiene función de probabilidad conjunta o

densidad conjunta f (x)= (x1) x….xf(xn)

Si ponemos todas las variables de x1 hasta xn en un vector aleatorio entonces

este tiene una probabilidad conjunta o de densidad conjunta según sean

discretas o continuas que estaría dado por f minúscula evaluado en el vector de

números reales x minúscula el producto de las distribuciones marginales,

densidades o funciones de probabilidad todas son f es porque son idénticamente

distribuidas todas están en la misma distribución lo que cambia es el valor

observado de la muestra.

2.2 CARACTERISTICAS DE UN ESTIMADOR

Estos son tres estimadores de theta 1 la estimador theta 2 y el estimador theta 3

de los análisis que se pueden hacer de esta grafica

Podemos observar que primero que tanto theta sub 1 como theta sub 3 tienen

como media al parámetro de theta es decir que esta es theta sub 1 y contiene a

theta y que la línea de theta sub 3 por lo tanto contiene a theta y podemos

observar que la campana mas acentuada es el estimador de theta sub 2 y se

puede observar que el valor de theta no esta comprendido dentro de este

estimador.

En conclusión estamos refiriéndonos que se puede decir que tanto theta sub 1

como theta sub 3 son estimadores insesgados y lo que no se puede afirmar de

theta sub 2 porque no contiene el valor del parámetro y el estimador de theta sub

2 que es un sesgo positivo y a que su media va a estar por encima del estimador

de theta y de los tres estimadores tanto theta sub 1 como theta sub 3 poseen

mayor varianza que theta sub 2 sin embargo no se va a poder escoger a theta

sub 2 porque es un estimador insesgado

En conclusión, nos quedaremos con theta sub 1 o con theta sub 3 ambos son

insesgados, pero theta sub 1 presenta menor dispersión que theta sub 3 en

conclusión se utilizara para estimar el parámetro theta del estimador de theta sub

1. En general

Se puede decir que todo estimador de un parámetro poblacional es eficiente si

es en primer lugar insesgado y si además su varianza alcanza lo que se conoce

como cuota de Frechet-Cramer-Rao es decir que todo estimador será eficiente si

su varianza coincide con la siguiente expresión.

Estimador consistente:

Esto es cuando se realiza un proceso de muestreo para obtener muestra de los

valores estadísticos que faciliten la inferencia de parámetros y se tiene que

entender que la media se incrementa el tamaño de la muestra que debe lo ser lo

mas representativo de esa población y el valor de estimador tiene que ser

parecido al valor del parámetro

Estimador suficiente

Tiene que ver con que reúna la mayor cantidad posible de características para

poder ser utilizado como estimador de un parámetro poblacional

Estimador robusto

Un estimador va a ser robusto cuando aguante ciertas violaciones o ciertas

normas por encima de hechos que lo puedan hacer vulnerables

2.3 ESTIMACIÓN PUNTUAL

Partimos de que contamos con una muestra aleatoria del tamaño n proviniendo

de un modelo paramétrico respecto a que conocemos su espacio paramétrico es

decir el conjunto de valores admisibles para el parámetro theta pero

desconocemos quien es ese parámetro theta y tenemos los valores observados

de esa muestra aleatoria al mismo que notamos con las letras minúsculas x1 a

xn que es hacer estimación puntual de un parámetro theta en este caso es

escoger uno de ellos bajo un criterio consideremos que se tenga alguna

justificación para pensar que valor vas a escoger que va a estar muy cercano y

muy parecido al verdadero valor desconocido de theta idealmente que fuera igual

Un estadístico es una especie de transformación de la muestra aleatoria

entonces un estadístico es una variable o vector aleatorio y en particular para

que sea un estimador puntual pues requerimos que el valor que eventualmente

reporte sea un valor de theta sombrero es decir una vez que se evalué la muestra

observada con la función que define este estadístico se va a obtener un valor

admisible para el parámetro desconocido de theta

2.4 ESTIMACION POR INTERVALOS

Consiste en establecer el intervalo del valor donde es mas probable se encuentre

el parámetro esto se basa en si conocemos la distribución muestral del estimador

para poder obtener las probabilidades de los estadísticos muestrales también

considerar el valor del parámetro poblacional podríamos establecer la

probabilidad del estimador dentro de los intervalos de distribución muestral y el

problema es que el parámetro población es desconocido y por eso el intervalo se

establece alrededor del estimador si se repite el muestreo muchas veces define

un intervalo de cada valor del estadístico muestral.

2.4.1 INTERVALO DE CONFIANZA PARA LA MEDIA

Los intervalos de confianza nos van a decir entre que valores se va a mover el

promedio a media o media poblacional y lo vamos a calcular con la siguiente

expresión

X barra mas menos z alfa medios por la desviación estándar sobre la raíz del

tamaño de la muestra como se puede apreciar hay un nivel de confianza para el

cálculo del intervalo.

Veamos supongamos que tenemos la distribución de la curva normal y vamos a

estudiar el comportamiento de la media vamos a calcular un nivel de confianza

para ello vamos a tener alfa medios al lado izquierdo y alfa medios al lado

derecho

Esos nos dirán los valores donde no se va a mover el valor de la media y lo que

va a estar dentro del intervalo a eso es lo que vamos a llamar confianza de

intervalo eso quiere decir que la media con una confianza se va a mover entre

un valor y otro para definir el valor inferior lo que vamos a hacer es utilizar la parte

de la expresión x barra menos z alfa medio por s sobre raíz de n y x para definir
en la parte superior del intervalo vamos a utilizar x barra mas z de alfa medios

por s sobre raíz de n de esta manera queda construido el intervalo de confianza

y diremos que la media se va a mover con un nivel de confianza entre estos

valores.

2.4.3 INTERVALOS DE CONFIANZA PARA LA PROPORCION

2.4.4 INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE

PROPORCIONES

Como se construye un intervalo de confianza para la diferencia de proporciones

Esta es la expresión que se utiliza para construir el intervalo de confianza

Cuando utilizamos toda esta formula con el menos obtenemos el limite inferior y
cuando lo utilizamos con el signo de mas obtenemos el limite superior, para poder

utilizar esta formula necesitamos que de la población 1 obtengamos una muestra

y contabilizamos de esa muestra la cantidad de éxitos que se observaron de la

población z tomamos otra muestra independiente y de esa muestra observamos

el número de éxitos que se observaron con esa información construimos estas

proporciones observadas muestrales p1 y p2 que son las que se van a utilizar

para construir el intervalo de confianza depende además de un valor aleatorio de

una normal estándar y de los tamaños de la muestra.

2.4.5 INTERVALOS DE CONFIANZA PARA LA VARIANZA

Como se construye un intervalo de confianza para la varianza de una variable

cuantitativa aquí tenemos la expresión para construir el intervalo de confianza

Ese es el límite inferior y el segundo es el limite superior ambos dependen del

tamaño de la muestra y depende de la varianza muestral que se obtiene a partir

de la información recolectada en la muestra depende también de un valor

aleatorio obtenido de un chi cuadrado con estos grados de libertad ¿cuándo se

puede aplicar este procedimiento? Se puede aplicar cuando tenemos la garantía

de que la muestra obtenida proviene de una población con distribución normal o

aproximadamente normal.