Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Como ya hemos visto, existen dos métodos ampliamente usados para encontrar
estimadores; el método de los momentos y el método de la máxima verosimilitud.
Ejemplos de estimadores:
i) El estimador de la media poblacional µ es ɵ µ = X media muestral, que es
un estimador insesgado y de varianza mínima.
El estimador de la varianza poblacional σ 2 es σ
ˆ = S , varianza muestral,
2 2
ii)
1 n
donde S 2 = ∑ (X i − X ) 2
n − 1 i =1
x
iii) El estimador de la proporción poblacional π es πˆ = p = , proporción
n
muestral.
62
A pesar que en la estimación puntual está involucrado un único estimador,
el número de estimaciones posibles depende del número de muestras que se
puedan obtener de la población dada, además, en la estimación puntual no es
posible saber que tan cerca está nuestra única estimación del verdadero valor del
parámetro, de aquí, que la estimación por intervalos de confianza sea de mayor
aplicación.
P( t 1 ≤ θ ≤ t 2 ) = 1 − α
63
donde z 0 es tal que P(−z 0 ≤ Z ≤ z 0 ) = 1 − α
S S
(
µ : X − t0
n
; X + t0
n )
donde t 0 es tal que P(− t 0 ≤ t ≤ t 0 ) = 1 − α para n-1 grados de libertad.
µ : (X − z 0 σ X ; X + z 0 σ X )
donde z 0 es tal que P(−z 0 ≤ Z ≤ z 0 ) = 1 − α y σ X es calculado a partir de I.1)
o I.2) según corresponda el caso.
64
II.2.- Si el muestreo se ha realizado sin reemplazo y la fracción de muestreo
S2
≤ 0.05 , entonces el estimador de la varianza de X es S X =
n 2
.
N n
De esta forma, si nos encontramos en la situación (II), entonces el intervalo
de confianza del 100(1 − α)% para µ es:
µ : (X − t 0S X ; X + t 0S X )
65
π: pˆ − z 0 pˆ(1 − pˆ) ; pˆ + z 0 pˆ(1 − pˆ) , donde z0 es tal que
n n
P( − z 0 ≤ Z ≤ z 0 ) = 1 − α .
66
Intervalos de confianza para la varianza de población distribuida normal.
Suponga que hemos sacado una muestra aleatoria de tamaño n desde una
población distribuida normal con varianza desconocida. Sabemos que el estimador
puntual de la varianza poblacional σ 2 es σˆ 2 = S 2 , luego un intervalo de confianza
del 100(1 − α)% para σ 2 es:
(n − 1)S 2 (n − 1)S 2
σ2 : ;
χb χ a2
2
α
donde χ a2 y χ 2b son tales que P(χ a2 ≤ χ 2 ≤ χ 2b ) = 1 − α y P(χ 2 < χ a2 ) = P(χ 2 > χ 2b ) =
2
para n-1 grados de libertad.
Sea x1, x2, ...,xn una muestra aleatoria seleccionada de una población 1 y, sea x el
número de elementos que tienen una característica de interés en esta muestra.
Sea y1, y2, ...ym una muestra aleatoria, independiente de la primera, seleccionada
de una población 2, sea y el número de elementos que tienen la característica de
interés en esta muestra, luego:
67
x y
pˆ 1 = y pˆ 2 = son los estimadores puntuales de las proporciones
n m
poblacionales respectivas. Por otra parte , si n y m son grandes y bajo
condiciones ya establecidas anteriormente se puede probar que la variable
aleatoria pˆ 1 − pˆ 2 tiene distribución aproximadamente normal con media
µpˆ1 − pˆ2 = π1 − π2 y varianza σp2ˆ1 − pˆ2 = π1 (1 − π1 ) + π2 (1 − π2 ) . De esta forma, dado
n m
un nivel de confianza del 100(1- α )%, el intervalo de confianza para la diferencia
de proporciones es:
pˆ1 (1 − pˆ 1 ) pˆ 2 (1 − pˆ 2 )
π1 − π2 : pˆ 1 − pˆ 2 ± z 0 +
n m
68
FORMULARIO INTERVALOS DE CONFIANZA
N−nS
2 µ : (X − t 0S X ; X + t 0S X )
t =
(X − µ) S = 2
N −1 n
X
SX
(ɵ
p − π) π : pˆ − z 0 pˆ(1 − pˆ) pˆ(1 − pˆ)
Z = ; pˆ + z 0
p(1 − ɵ
ɵ p) n n
n
(n − 1)S 2
σ 2 : (n − 12)S (n − 1)S 2
2
χ2 = ;
σ 2
χb χ a2
X −Y − (µ1 − µ2 ) 2 2
X − Y ± z σ1 + σ2
Z = µ1 − µ 2 : 0
n m
σ12 σ22
+
n m
X −Y − (µ1 − µ2 ) 1 1
t= ~ t(n +m −2) µ1 − µ 2 : X − Y ± t0S p n + m
1 1
Sp +
n m
X −Y − (µ1 − µ2 ) 2 2
X − Y ± z S1 + S 2
t= ~ t(ν ) µ1 − µ 2 :
0
n m
S12 S 22
+
n m
p1 − p2 − (π 1 − π 2 ) π1 − π2 :
Z= p (1 − pˆ 1 ) pˆ 2 (1 − pˆ 2 )
π 1 (1 − π 1 ) π 2 (1 − π 2 ) pˆ 1 − pˆ 2 ± z 0 ˆ1 +
+
n m
n m
S12 σ12 S12 S12
: ;
σ 2
σ 22 S 22 f b S 22 f a
F= 2
1
S 2
σ 22
69