Documentos de Académico
Documentos de Profesional
Documentos de Cultura
U2 Estimaciones Puntuales y Por Intervalos de Confianza
U2 Estimaciones Puntuales y Por Intervalos de Confianza
Propósitos de Formación
Video 1: https://s3-eu-west-
1.amazonaws.com/iep1738.frooze.tv/422fcfe64daebc622dc7ca0658e248f6Unidad2.
mp4
Estimación Puntual
¿Cuáles son los elementos de una muestra aleatoria?
μ: media poblacional
σ2: varianza poblacional
ρ: proporción poblacional
τ: total poblacional
máx. (xj): máximo poblacional
mín (xj): mínimo poblacional
Estimación Puntual
¿Qué métodos de estimación existen?
La estadística provee técnicas que permiten obtener conclusiones generales a partir de un conjunto
limitado (aunque representativo) de datos. Cuando inferimos no tenemos garantía de que la
conclusión que obtenemos sea exactamente correcta. Sin embargo, la estadística permite cuantificar
el error asociado a la estimación.
El objetivo de la estimación puntual es usar una muestra para obtener números que, en algún
sentido, sean los que mejor representan a los verdaderos valores de los parámetros de interés.
Un estimador puntual de un parámetro θ es un valor que puede ser considerado representativo de θ y se
indicará θ ˆ. Se obtiene a partir de alguna función de la muestra. Ejemplo: Con el fin de estudiar si un dado es
o no equilibrado, se arroja el dado 100 veces en forma independiente, obteniéndose 21 ases. ¿Qué valor
podría utilizarse, en base a esa información, como estimación de la probabilidad de as? Parece razonable
utilizar la frecuencia relativa de ases. En este caso, si llamamos p a la probabilidad que queremos estimar:
Estimación Puntual
¿Qué determina el Teorema Central del Límite?
Si una población tiene media μ y desviación típica σ, y tomamos muestras de tamaño n (n > 30, o
cualquier tamaño si la población es "normal"), las medias de estas muestras siguen
aproximadamente la distribución siguiente:
X ≈ N (μ, σ2/√n).
EJEMPLO: Se lanza una moneda al aire 100 veces, si sale cara le damos el valor 1 y si sale cruz el valor
0. Cada lanzamiento es una variable independiente que se distribuye según el modelo de Bernoulli, con
media 0,5 y varianza 0,25. Calcular la probabilidad de que en estos 100 lanzamientos salgan más de 60
caras.
La variable suma de estas 100 variables independientes se distribuye, por tanto, según una distribución
normal.
Para ver la probabilidad de que salgan más de 60 caras calculamos la variable normal tipificada
equivalente:
Para ver la probabilidad de que salgan más de 60 caras calculamos la variable normal tipificada
equivalente, Por lo tanto:
En una población cuya distribución se desconoce, se obtiene una muestra(m.a.s.) de 2000 valores de
la que resulta una media de 225 y una desviación típica de 10 . Suponiendo que la varianza muestral
coincide con la poblacional , estimar un intervalo para la media de la población con un nivel de
confianza del 95%
Realizar la estimación de µ del ejemplo 1 considerando ahora que la población es normal Tendríamos 1-
α =0.95 luego α=0.05 ;S=10=Ϭ (muestra grande n>30);n=2000 ; X=225 ; población normal.
Aplicando el intervalo anterior el resultado sería: µ pertenece a [224'56 , 225'44] con el 95 % de confianza
EJEMPLO:
En un estudio de prevalencia de factores de riesgo en una cohorte de 412 mujeres mayores de 15 años en la
Región Metropolitana, se encontró que el 17.6% eran hipertensas. Un intervalo de 95% de confianza para la
proporción de mujeres hipertensas en la Región Metropolitana está dado por:
Luego, la proporción de hipertensas varía entre (0,139 , 0,212) con una confianza de 95%
Teorema del Límite Central
El siguiente vídeo trata de explicar el significado del Teorema Central del Límite.
Video 2: https://s3-eu-west-
1.amazonaws.com/iep1738.frooze.tv/691e755fb53f06d0c9374b51e66e2df62.TeoremadelL
miteCentral.mp4
Ejercicio
Selecciona solo la opción que consideres correcta
¡EXCELENTE!
Esta es la respuesta correcta. Los requisitos son: el número de variables aleatorias n es
suficientemente grande (n -> ∞), se trata de variables aleatorias independientes en probabilidad (con
misma distribución de probabilidad), y sus esperanzas y varianzas son finitas y conocidas.
Video 3: https://s3-eu-west-
1.amazonaws.com/iep1738.frooze.tv/4158580d7dc138d5a40c3e012fde503d2.1Intervalodec
onfianzaparalaMediadelasdiferencias.mp4
Ejercicio
Selecciona solo la opción que consideres correcta
¿Con un intervalo de confianza del 95% se comprueba que en el Grupo 1 se pierde más
peso que en el Grupo 2?
a) Sí.
b) No.
¡EXCELENTE!
Esta es la respuesta correcta. En un 95% de probabilidad de que 1’91 esté a 1’96σ x1-x2 .