TEMA 3 Mostres i estimaci δ

Poblacio ns
caracteristiqves observables i mesurables lalsada , pes , .
I

rolem entendre la olistribocio

,

al 4 caolaole la poblacio ccetalana : 8 milions

premerm o n a mostra i
inferim peraznetres poblaciomals a pertir
olels parametres mostrals

carp #
台
car
P
exemple moneda P moneodamoltesvegaodes
∞
: ( tirem l a
crec =0

Assomim les distribucions poblacionals O [ σ 3

µ ,

e =
mitjana les peranpa poblacional
s σ= Variancia poblaciona1 olesvicaaio

Pcarametres mostrals
"

mitjana mostral -
n
olonadao n a mostra { x . ,
X
2,
… ,
Xn } = D ⼜n =
奇 ii
xi

si
prenem la mostra ole mamera eleatoria aleshores tw ts wna v .
a an

Propietats
E (x ) =
匠 ( 前品 ,
xi
] =

Uwn Estimacio ole la mitjcena poblacional

Var [ in ] =
品 - →
incertesa ole lestimacio

= ( ⽅品 2
, ,
) <
a
Varicanc ica mostral -s donada o n amostra 〈
X
, X
2
,
…, XmY = s S
= 卡 i =
"( xi - xi R
, x ]

-n

si prenen lca mostrale mamera aleatoria aleshores sn es ona U .

cesn

Bropietats
o
台 -
E (s ) = "
2 s

Estimaolorolele waricincia esbaixat ( sesgados

n
n

h 品,
2

veriancica mostral moolificcada s sn ( xi π } =

δ
-

s
= n
. i =
.

propietats
E ( sn. } =
E ( 品 . Sn } =σ

exemple : algaolda de joves ode 20

190 ,
172 HO 120 182 123 120 A1 183 18 ? ⽇与
, ,
, , ,
, , ,
,

n = 1 "

1
1 a 0 t …
π = =
126 6
,
min tjana mostral
n

=
= ( (a0
+

系 六
? . t 1A }- 176 , 62 41 , 5 waricincia mostral

(
]

S☆ = 0
E
( a 0 - 12 G ,6 ) Rt . .
+ (( Z 5 -

AG 6 ] ,
= 45 ,65 vavicancia mostral moolificada

Interwals ole conficamga

,1
, 03 , 0 E
Donat Co = ; I Cnivellole confican 4 a on intervalle
Barametre poblacionalQ . I
confianga
U 2 [
on .
0
)

per o amts significacio αes ,on interval Ʃ l .

,
P 2 ] tal ooeP
[R. ,
EQE d :
} 3
,
α bormalment
'
α= 0 8 001 δ 的
' a∞
.

a
1
,
, δ
,

Intervaloleconfian4 a per a
le oldesconegoola
i o
desconegoola
X ~
Oll ,
σ ) = 0 In NO [ µ ,
品 )

=^
器
per tant →
z ~ ω (o , " )
.
Interval ole significacio hem ole calcolar wal goeIPEX ≤ EE>≥α
2
qoant x pertal
= p

n
Anomenem OOR ( 专 ] cowest oalor
x

Interval centrat amb Wor (令 ) ∝

P 器 ≤µ≤ M +β or (专了器 lµ
a error
( (* n -

Oor (是 ] 1
L . erzoz

exemple : n = l1
,
an = 16 6
,
Ens liven
oue
δ= 8

aleshores ( P[ a n - Oor ( 登号 ≤µ≤π +βor 专]焉 } =α= 0q的 =∞ Oor ( { ) =µ or ( 014 F 5 ) =

1016
n

=∞ 1P [ 126 '

6- 196 号 εµ≤ 166 + i 96 点 ) =δ∞ 的

Interval =µ [
1A (
'
8, 181 "3 ] ambq5 % de certesa

Interval ole confianga per a

ll ,
camb o olesconegoola
Recorolem -
→
E ( SnI ) -
=
σ
2
=
D 8 影 -

1
joga on
paper en d ccalcol ole interval. A
ome 's
,
canvica la odistribucio

⼜ µ
studentamb graos le libertat
-

m
=
5 ~ t -

Sn
⼀荷
." ."
IP (* 简 Tntstu
St (m 1 , α ≤µ≤ (n , α
品 ] =α
-

n
)

0
)

Intervcals ole confianga per

or c o
per a σ 3

candiolatperc a

cn -
gns s
w
or :

xowalratamb n
S ' n

-
,warice naia mostral modificaola)

- 1

graos ole llibertat

⾔产⼈些善
、
m
答
的

1
(m 13
s
1
- n

(
-

on -

n 1 ' n
]
p
1 ) ≤ 0
≤ chi ( m ,
cni (
…
,{
…
n
…

exemple : Al 4 aoles estuoliants

n = l ( siD = 4 Intervcel
= de
comfianga p e r or a
a
,

(bi
10 . 45 . [0 此 565

)
.

1p
已
⽴ σ Ʃ ≥ 01
Ehi
'

δa 5 ) ( 053
( ,0
,
lo , δ

Resurm
antervlsole conficenga
Tema 予 < Regressio lineal CABC )

lostza ,
sabem
ope
la poblacio segoeix ona distribucio O [ et ,
σ ]

conec Wormel

80
0

l
µ
〈 o conec o s
t -
sloolent
wolem estimar

of 0 .
ahi

ex 已

1 ( xn - Nor( 专
P )

器 ≤µ≤π n
+ Oor (是 ) 量 ) =α

Erroz =β o r ( o 14 的 } ☆= 代 65 . 衰

=①^ 4 @ ⻢可
τ
nolimtre tawla

ex 10

]
α= 046

n = 3O IP ( 280 - or( ∞ β ' 48

) .
@ ≤µ≤ ⼦ 8 0 +β orlo 48 )

.) 0
= 0 @6

θ≈ 4 O

[ F 64 04
'
'

F 95 '
Im =
F 8☆ U E 9s
,
] amb probabilitat 0 a6

Ezzor 15' 04 = ⼦ 95 '04 -

F 80

,200 靠
(
=→
Ezzoz = 2 06
'
.

号 0
≤ (0 = sn )
ex 11

' q 的
δ1 a Sia δ
=

] %
B

a ] (P [ In -

Sto (n -

1
,
α } .
S
简 ≤µ≤ 如 + sto ( m - ,
α 1 .

简 ] =α -
→

U E [3069 ,
代a 1 amb certesa 45

( snchilm) ≤σ nychil唔 ] =α= 0

( ni s '
n-
12
"
1

G [ '8 z }
≤
r a = 3818 [3 ]
'

b 1 (p ( →
- → δ E 58 6 "⽇
)
,
…,
,
… ,
是