Capitulo5 2020MLV

ESTADÍSTICAY
DISEÑO DE
EXPERIMENTOS
M. LAURA VRANIC - 2020.
Temas
• Estimación de parámetros Vamos a estudiar los siguientes
• Estimación puntual
• Estimación por Intervalo de Confianza
temas:
• Estimación tamaño de la muestra
2
Intervalos de
Esimadores confianza
puntuales Tamaño muestral
Objetivos del
aprendizaje
Después de estudiar
detenidamente este capítulo,
Comprender Calcular el tamaño de
conceptos generales
de estimación de los Construir intervalos una muestra para Vas a poder:
de confianza para la obtener un intervalo
parámetros de una de confianza para μ
población o una media y la varianza,
utilizando la con una amplitud
distribución de determinada
probabilidad distribución normal y
la t de Student.
3
ANALICEMOS
¿CÓMO LLEGAMOS
HASTA AQUÍ?
4
Concepto de variable aleatoria Una variable aleatoria es
una función que asocia a
cada elemento del espacio
muestral Ω un número real.
𝑋 𝜔1
𝜔7 𝜔5
𝜔6
154
𝜔2 𝜔1 𝜔4 111
ℜ
𝜔3 Espacio muestral:
𝜔𝑁 𝑋 𝜔𝑁
Recta Numérica
A EVENTO A
Llamemos:
X a la variable aleatoria “número de piezas defectuosas en
la muestra de 10 piezas”
De un lote de piezas Valores posibles de X:

x=0 P(X=0)= P(ninguna pieza defectuosa en la muestra
terminadas se
de 10 piezas)
x=1
seleccionan 10 al
x=2
x=3
x=4
azar y se cuenta el x=5 P(X=x)= P(x piezas defectuosa en la muestra de
10 piezas)
x=6
número de piezas x=7
x=8
defectuosas x=9
x=10 P(X=10)= P(todas las piezas son defectuosa en la

muestra de 10 piezas)
6
De un lote de piezas terminadas se seleccionan 10 al azar y se cuenta el número de piezas defectuosas
Llamemos:
X a la variable aleatoria “número de piezas defectuosas en la muestra de 10 piezas”
Esta asignación de una probabilidad a
cada Xi se puede realizar valor por valor,
como en el ejemplo, o bien mediante la
Valores posibles de X: determinación de una función cuyo
x=0 P(X=0)= P(ninguna pieza defectuosa en la muestra argumento sea X y que precisamente asigne
de 10 piezas) a cada Xi el valor P(Xi) correspondiente,
como ser:
x=1
P(Xi=k) para k=1,2,…,10
x=2
x=3
x=4
x=5 P(X=x)= P(x piezas defectuosa en la muestra de La función P(.), que debe
x=6 10 piezas) ser especificada en cada
x=7 problema en particular,
x=8 recibe el nombre de:
x=9
Función de
x=10 P(X=10)= P(todas las piezas son defectuosa en la probabilidad de la
muestra de 10 piezas) variable aleatoria X
7
Una variable aleatoria es
Concepto de variable aleatoria una función que asocia a

cada elemento del espacio
muestral Ω un número real.
Espacio muestral
𝑋 𝜔1
Discreto Continuo
𝜔7 𝜔5 (Número finito
de puntos)
(Número infinito
de puntos)
𝜔6 154
111
𝜔2 𝜔1 𝜔4
ℜ v.a.
discretas
v.a.
continuas
𝜔3
𝜔𝑁 𝑋 𝜔𝑁 Funciones Funciones
discretas de continuas o de
probabilidad densidad de
A EVENTO A
p(Xi) probabilidad
f(Xi)
Variable aleatoria describe la población de interés
X tiene una función de probabilidad 𝑓 𝑋, 𝜃1 , … , 𝜃𝜌
desconocidos
La forma funcional es conocida

(exacta o aproximadamente)
𝑆𝑖 𝜃1 , … , 𝜃𝜌 𝑓𝑢𝑒𝑟𝑎𝑛 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜𝑠 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑

Población (N)
𝑒𝑠𝑡𝑎𝑟í𝑎 completamente especificada.
.
9
Un veterinario alimenta un lote de 50 terneros con una ración particular y
necesita expresar numéricamente el aumento de peso de sus terneros
¿Cuál es la Población?
¿Cuál es la muestra y
qué tamaño tiene?
¿Cuál es la variable
aleatoria?
¿Qué tipo de distribución

tiene la variable aleatoria?
Un veterinario alimenta un lote de 50 terneros con una ración particular y
necesita expresar numéricamente el aumento de peso de sus terneros
¿Cuál es la variable
¿Cuál es la muestra y
¿Cuál es la Población? aleatoria?
qué tamaño tiene?
X: aumento de peso de los terneros
n=50
¿Qué tipo de distribución

tiene la variable aleatoria?
X se distribuye normalmente con media µyσ2
X tiene una función de probabilidad 𝑓 𝑋, 𝜃1 , … , 𝜃𝜌 𝜃1 =µ ?

Todos lo terneros (N)
𝜃2 =σ2 ?
desconocidos
La forma funcional es conocida
11
(exacta o aproximadamente)
Enfoques
Estimación puntual
Estimación por intervalos de
confianza
12
Estimación puntual
Definición:
• Un estimador puntual de un parámetro θ es un valor 1
• Así, por ejemplo, la media muestral 𝑋ത = 𝑛 σ𝑛𝑖=1 𝑋𝑖 es
que puede ser considerado representativo de θ y se una función de n variables aleatorias donde “n” es el
መ Se obtiene a partir de alguna función
indicará como 𝜃. tamaño de la muestra.
de la muestra.
• Supongamos que se selecciona una muestra de tamaño
n de una población. Propiedades
• Antes de obtener la muestra no sabemos cuál será el
valor de cada observación. Así, la primera observación መ = θ.
• Insesgamiento: E(𝜃)
puede ser considerada una v.a. X1, la segunda una v.a.
X2, etc. • Consistencia: cuando el tamaño de la muestra tiende a
infinito, 𝑷 𝜽 ෡ − 𝜽 > 𝜺 tiende a cero, para todo
• Por lo tanto, antes de obtener la muestra denotaremos 𝜺>𝟎 .
X1, X2,...., Xn a las observaciones y, una vez obtenida la
muestra, denotaremos x1, x2,...., xn a los valores • Eficiencia: 𝜃መ debe tener la mínima varianza posible.
observados.
13
M3
M1
INTERVALOS
M4
M2
DE
CONFIANZA
Estimadores puntuales son variables aleatorias
Deben acompañarse de una medida de “precisión”

Se puede informar el estimador o su error
Se puede reemplazar la estimación por un intervalo
de confianza
14
OBJETIVO:
Esta expresión se lee:
Encontrar [LI, LS]
“el intervalo de límites
aleatorios LI y LS P(LI<θ>LS) = 1-α
tiene probabilidad (1-
α) de contener al la confianza de la
parámetro θ” estimación y
se denomina
coeficiente de
confianza.
Si de una población con μ=28, se toman 100 muestras independientes

(m=100) de tamaño n y se construyen para cada una un intervalo de
confianza para μ con coeficiente 0.95 (o del 95%), entonces se debe
INTERVALO DE
“esperar” que 95 de los 100 intervalos incluyan al valor 28 y que 5
intervalos no lo incluyan, como puede verse en la figura CONFIANZA
15
Vamos a aprender a construir Intervalos de confianza para µ yσ2
µ σ 2conocido
2
σ desconocido
σ2
Vamos a aprender a construir Intervalos de confianza para µ
2 2
Supongamos que tenemos una muestra aleatoria: X1, X2Versión
, …, XEstudiantil
n de una distribución N (μ, 𝜎0 ) con varianza 𝜎 0 conocida.
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión E
Por ser los datos normales, sabemos que: Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil VersiónFunción de densidad
Estudiantil Versión Estudiantil Versión Estudiantil Versión E
Versión Estudiantil Versión Estudiantil Versión Estudiantil 1-
Estudiantil 1-α
Versiónp(evento)=0.9500
Normal(0,1): Versión Estudiantil Versión Estudiantil
𝜎02ൗ 𝑋ത − 𝜇 0.40
𝑋ത ∼ 𝑁 (μ, 𝑛) 𝜎0 ∼ 𝑁(0,1) Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil
Versión Estudiantil
Versión E
𝑛 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión E
0.30
𝑋ത − 𝜇 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
P −𝑍𝛼Τ2 ≤ 𝜎0 ≤ 𝑍𝛼Τ2 = 1 − 𝛼 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión E
Densidad
𝑛 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
0.20
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión E
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Despejamos Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
1-αVersión Estudiantil Versión Estudiantil Versión E
0.10 𝛼ൗ 𝛼ൗ
2
Versión Estudiantil Versión Estudiantil Versión Estudiantil 2
Versión Estudiantil Versión E
𝜎0 𝜎0
P −𝑍𝛼Τ2 ∗ ≤ 𝑋ത − 𝜇 ≤ 𝑍𝛼Τ2 ∗ =1−𝛼 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
0.00
𝑛 𝑛 Versión Estudiantil Versión Estudiantil
-5.00 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión
5.00 E
Variable
Versión Estudiantil Versión Estudiantil Versión Estudiantil
𝜎0 𝜎0 𝑍𝛼ൗ2Versión Estudiantil Versión Estudiantil Versión Estudiantil
𝑍𝛼ൗ
Versión E
P −𝑋ത − 𝑍𝛼Τ2 ∗ ≤ − 𝜇 ≤ −𝑋ത + 𝑍𝛼Τ2 ∗ =1−𝛼 2

𝑛 𝑛
𝜎0 𝜎0
𝜎 𝜎
𝐼𝐶𝜇 = [ ഥ𝑋 − 𝑍𝛼Τ2 ∗ ; 𝑋ത + 𝑍𝛼Τ2 ∗ ]
𝑛 𝑛
P 𝑋ത + 𝑍𝛼Τ2 ∗ 𝑛0 ≥ 𝜇 ≥ 𝑋ത − 𝑍𝛼Τ2 ∗ 𝑛0 = 1 − 𝛼
con varianza 𝜎02 conocida
𝜎 𝜎
P 𝑋ത − 𝑍𝛼Τ2 ∗ 𝑛0 ≤ 𝜇 ≤ 𝑋ത + 𝑍𝛼Τ2 ∗ 𝑛0 = 1 − 𝛼
LI LS
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudian
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versió
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudian
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión
Normal(0,1): Estudiantil Versión Estudiantil
p(evento)=0.9900 Versión Estudiantil Versió
Veamos que valores puede tomar Z

0.40
0.30
Densidad
0.20
0.10
1-α= 0.99
Versión Estudiantil Versió
Versión Estudiantil Versión Estudian
udiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
0.00
-2.50 Versión Estudiantil
0.00Versión Estudiantil 2.50
Versión Estudiantil Versión
5.00 Estudian
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil -5.00
udiantil Versión Estudiantil Versión Estudiantil VersiónFunción de densidad

Estudiantil Versión Estudiantil Versión Estudiantil Versión
Versión
Estudiantil
Estudiantil Versión
Estudiantil
Versión
Estudiantil
Versión
Versión
Estudiantil
Variable
Estudiantil
Versión
Estudiantil 𝑍𝛼ൗ2 = 2.58
Versión
Estudiantil
Versió
Versión
Versión Estudian
Estudian
0.40
Normal(0,1): Estudiantil 1-α
Versiónp(evento)=0.9500 1-
Versión Estudiantil Versión Estudiantil Versión
VersiónEstudiantil
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versió
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versiónp(evento)=0.9500
Normal(0,1): Estudiantil Versión Estudiantil Versión Estudiantil Versió
0.40
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versió Versión Estudiantil
0.30 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudian
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión
VersiónEstudiantil
Estudiantil
0.30
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versió
Densidad
Densidad
0.20
0.20
0.10
udiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
1-α= 0.95
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versió
0.10 𝛼ൗ 1-αVersión Estudiantil Versión Estudiantil Versión

𝛼ൗ
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudian
VersiónEstudiantil
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versió
udiantil Versión Estudiantil

2
Versión Estudiantil Versión Estudiantil Versión Estudiantil 2
0.00
5.00 Estudian
Versión Estudiantil Versión Estudiantil Versión
Variable
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil 𝑍 = 1.96
Estudiantil Versión Estudiantil Versión Estudiantil Versió
𝛼ൗ Versión Estudiantil Versión Estudian
0.00 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil2 Versión Estudiantil Versión Estudian
udiantil Versión Estudiantil
-5.00 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión
5.00 Estudiantil
Variable VersiónEstudiantil
Estudiantil Versión Estudiantil Versión Estudiantil Versión
Normal(0,1): Estudiantil Versión Estudiantil
p(evento)=0.9000 Versión Estudiantil Versió
0.40
udiantil Versión Estudiantil Versión Estudiantil
𝑍𝛼ൗ Versión Estudiantil Versión Estudiantil Versión Estudiantil
𝑍𝛼ൗ2
Versión Estudian
Versión Estudiantil Versió
2 Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudian
0.30
Densidad
0.20
0.10
Versión Estudiantil Versión Estudiantil Versión Estudiantil 1-α= 0.90
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versió
0.00
5.00 Estudian
18
Variable
𝑍𝛼ൗ2 = 1.64
Versió
Versión Estudian
Vamos a aprender a construir Intervalos de confianza para µ
Supongamos que tenemos una muestra aleatoria: X1, X2, …, X n de una distribución N (μ, 𝜎02 ) con varianza 𝜎02 desconocida.
Por ser los datos normales, sabemos que:
2 𝑋ത − 𝜇
𝑋ത ∼ 𝑁 (μ, 𝜎0ൗ𝑛) 𝜎0 ∼ 𝑁(0,1)
𝑛
σ𝑛 ത 2
𝑖=1 𝑋𝑖 −𝑋
Como varianza 𝜎02 , utilizaremos el estimador puntual de la varianza 𝑆2 =
𝑛−1
𝑛−1 𝑆 2 ത
𝑋−𝜇
Sabemos que: 𝑋ത y S2 son independientes, 2
∼ 𝜒𝑛−1 y 𝑛 ∼ 𝑡𝑛−1
𝜎2 𝑆
𝑋ത − 𝜇 𝑆 𝑆
P −𝑡𝑛−1, 𝛼ൗ2 ≤ 𝑆 ≤ 𝑡𝑛−1, 1−𝛼ൗ2 = 1 − 𝛼 P −𝑡𝑛−1, 𝛼ൗ2 ∗ + 𝑋ത ≤ 𝜇 ≤ +𝑡𝑛−1, 1−𝛼ൗ2 ∗ + 𝑋ത = 1 − 𝛼
𝑛 𝑛
𝑛
Despejamos:
𝑆 𝑆 𝑆 𝑆
P −𝑡𝑛−1, 𝛼ൗ2 ∗ ≤ 𝑋ത − 𝜇 ≤ 𝑡𝑛−1, 1−𝛼ൗ2 ∗ =1−𝛼 𝐼𝐶𝜇 = 𝑋ത − 𝑡𝑛−1, 1−𝛼ൗ2 ∗ ; ഥ𝑋 + 𝑡𝑛−1, 1−𝛼ൗ ∗
𝑛 𝑛 𝑛 2 𝑛
𝑆 𝑆
P −𝑡𝑛−1, 𝛼ൗ2 ∗ − 𝑋ത ≤ − 𝜇 ≤ 𝑡𝑛−1, 1−𝛼ൗ2 ∗ − 𝑋ത = 1 − 𝛼 𝜎02 desconocida
𝑛 𝑛
𝑆 𝑆
P 𝑡𝑛−1, 𝛼ൗ2 ∗ + 𝑋ത ≥ 𝜇 ≥ −𝑡𝑛−1, 1−𝛼ൗ2 ∗ + 𝑋ത = 1 − 𝛼
𝑛 𝑛
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión
VersiónEstudiantil
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudia
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión
VersiónEstudiantil
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Vers
Estudiantil Versión Estudiantil Versión Estudiantil Función
Versión Estudiantil deEstudiantil
Versión densidad Versión Estudiantil Versión Estudiantil Versión
VersiónEstudiantil Función
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil deEstudiantil
Versión densidad Versión Estudiantil Versión Estudiantil Versión Estudia
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
T Student(30): Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión
p(evento)=0.9000 VersiónEstudiantil
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantilp(evento)=0.9500
T Student(100): Versión Estudiantil Versión Estudiantil Versión Estudiantil Vers
0.40 0.40
VersiónEstudiantil
VersiónEstudiantil
VersiónEstudiantil
VersiónEstudiantil
VersiónEstudiantil
VersiónEstudiantil
Estudiantil Versión 0.30
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión 0.30
VersiónEstudiantil Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudia
VersiónEstudiantil
VersiónEstudiantil
VersiónEstudiantil
VersiónEstudiantil
Densidad
Densidad
VersiónEstudiantil
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión
VersiónEstudiantil
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudia
VersiónEstudiantil
VersiónEstudiantil
VersiónEstudiantil
VersiónEstudiantil
VersiónEstudiantil
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión
VersiónEstudiantil
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudia
VersiónEstudiantil
VersiónEstudiantil
VersiónEstudiantil
VersiónEstudiantil
VersiónEstudiantil
VersiónEstudiantil
0.00 0.00
-5.18 Estudiantil Versión Estudiantil
0.00 Versión Estudiantil Versión
2.59 Estudiantil Versión Estudiantil
5.18 Versión
VersiónEstudiantil
Estudiantil Versión
-5.05 Estudiantil Versión -2.53
Estudiantil Versión Estudiantil
5.05 Vers
VersiónEstudiantil
Variable Variable
VersiónEstudiantil
VersiónEstudiantil
20
Ahora los invito a construir intervalos de confianza para σ
𝑛−1 𝑆 2 2 𝑆 2 𝑛−1 𝑆 2 𝑛−1

Partiendo de: 𝜎2
∼ 𝜒𝑛−1 debemos llegar a : 𝐼𝐶𝜎 = 𝜒2𝑛−1,1− 𝛼ൗ
; 𝜒2
2 𝑛−1,𝛼ൗ 2
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Función
Versión Estudiantil deEstudiantil
Versión densidad Versión Estudiantil Versión Estudiantil Versión Estudiantil
0.10
Versión Estudiantil Versión 0.07
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
2
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil 𝜒Versión
𝑛−1Estudiantil Versión Estudiantil Versión Estudiantil
Densidad
0.00
0.00 Estudiantil Versión 17.18
Estudiantil Versión Estudiantil
68.73 Versión Estudiantil
Variable
Vamos a aprender a construir Intervalos de confianza para µ yσ2
µ σ2 conocido ഥ 𝜎0
𝑛
ത 𝜎0
𝐼𝐶𝜇 = [ 𝑋 − 𝑍 Τ2 ∗ ; 𝑋 + 𝑍 Τ2 ∗ ]
𝛼 𝛼
𝑛
𝑆 𝑆
σ2 desconocido 𝐼𝐶𝜇 = 𝑋ത − 𝑡𝑛−1, 1−𝛼ൗ ∗
2 𝑛
; ഥ𝑋 + 𝑡𝑛−1, 1−𝛼ൗ ∗
2 𝑛
σ2 𝐼𝐶𝜎 =
𝑆 2 𝑛−1 𝑆 2 𝑛−1
; 2
𝜒2𝑛−1,1− 𝛼ൗ 𝜒 𝑛−1,𝛼ൗ
2 2
TRABAJEMOS CON LOS
EJERCICIOS…
23

Capitulo5 2020MLV

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capitulo5 2020MLV

Cargado por

Copyright:

Formatos disponibles

ESTADÍSTICAY

De un lote de piezas Valores posibles de X:

x=10 P(X=10)= P(todas las piezas son defectuosa en la

Concepto de variable aleatoria una función que asocia a

X tiene una función de probabilidad 𝑓 𝑋, 𝜃1 , … , 𝜃𝜌

La forma funcional es conocida

𝑆𝑖 𝜃1 , … , 𝜃𝜌 𝑓𝑢𝑒𝑟𝑎𝑛 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜𝑠 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑

necesita expresar numéricamente el aumento de peso de sus terneros

¿Qué tipo de distribución

¿Qué tipo de distribución

X se distribuye normalmente con media µyσ2

X tiene una función de probabilidad 𝑓 𝑋, 𝜃1 , … , 𝜃𝜌 𝜃1 =µ ?

Deben acompañarse de una medida de “precisión”

Si de una población con μ=28, se toman 100 muestras independientes

P −𝑋ത − 𝑍𝛼Τ2 ∗ ≤ − 𝜇 ≤ −𝑋ത + 𝑍𝛼Τ2 ∗ =1−𝛼 2

Veamos que valores puede tomar Z

udiantil Versión Estudiantil Versión Estudiantil VersiónFunción de densidad

0.10 𝛼ൗ 1-αVersión Estudiantil Versión Estudiantil Versión

udiantil Versión Estudiantil

𝑛−1 𝑆 2 2 𝑆 2 𝑛−1 𝑆 2 𝑛−1

También podría gustarte