Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimación puntual
Los modelos probabilísticos como la distribución Normal, distribución
Bernoulli, u otros representan simbólicamente a una población. Estos
modelos están identificados por parámetros (constantes) que usualmente
son desconocidos. El problema que se estudia es: como estimar los
parámetros poblacionales a partir de la información que entrega la muestra.
Lo natural es utilizar como estimadores algunas estadísticas ya estudiadas.
límite límite
inferior superior
Sea (x1, x2, …,xn) una muestra aleatoria simple de la población con
media µ y varianza σ2 conocida.
Ya sabemos que el estimador puntal es el promedio de la muestra x y
x -μ
Z es su distribución estandarizada N(0, 1). Por lo tanto, esta variable
σ
n
X-μ
P -z1-α/2 z1-α/2 = 1 - α , se obtiene:
σ n
10 1,96 653,1 80
80
IC(µ) = 653,1 + 1,96·
10
= 653,1 + 49,58
IC(µ) = [603,52 ; 702,68] con 95% de confianza. (603,52 < µ < 702,68)
La exactitud o precisión de la estimación por intervalo es z1-α/2·σ n
P |X - μ| z1-α/2·σ n =1-α
indica que:
El Error = |X - μ| es z1-α/2·σ n lo que significa que al emplear la
media de la muestra x para estimar µ, el error que se comete es a lo más
z1-α/2·σ n.
n p̂ q̂ z1-α/2 IC(p)
350 346
337
334
300
Resistencia (psi)
250
200
197
187
176
150
10. Una conocida fábrica de muebles desea conocer la resistencia de las repisas
de los modelos de estanterías que vende. Para ello, realizaron un
experimento que consistió en tomar 25 repisas e ir añadiendo peso en ellas
has que se rompieran, anotando el peso que han soportado (en kg). Se
obtuvo el siguiente resumen estadístico con los datos recogidos:
X = peso máximo soportado por la respisa
n promedio Desv.
estandar
25 35,7 kg 4,2 kg
Suponiendo normalidad en la distribución de los datos:
Persona 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Estado del producto B B M B B B B B B B B B B B B M
Persona 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
Estado del producto B B B B B B B B M B B B B B B B