Está en la página 1de 25

UNIDAD II

ESTIMACIN
Pruebas de hiptesis U3 Estimacin de Parmetros. U2

Inferencia Estadstica

2.1 Estimacin
Proceso que consiste en encontrar una funcin de las variables aleatorias de una muestra, tal que al ser evaluada con los valores obtenidos en la realizacin de la muestra, da un valor que refleja adecuadamente el valor del parmetro.
Proceso para la estimacin. Poblacin de inters Parmetro para estimar Empleados en fbrica Rotacin por ao Consumidor de refresco Proporcin en regin Venta de Lap Top / marca Venta por ao / marca Producto enlatado Variacin de contenido Estadstica de estimador Rotacin por mes Proporcin en encuesta Valor medio / marca Varianza de contenido Estimacin a realizar % rotacin anual % consumidores Cantidad media vendida Coeficiente de variacin

Estimador

Un estimador de un parmetro es un estadstico T = T(X1,, Xn) usado para estimar el valor del parmetro de una poblacin. El valor observado del estadstico t = T(X1,, Xn) es la estimacin de , y la representamos por ^. puede ser un solo parmetro o un conjunto de parmetros desconocidos = ( 1,, k)

2.2 Caractersticas de un estimador


A) Insesgado
B) Consistente C) Suficiente D) Eficiente

Insesgado
Un estimador puntual es insesgado si la media de la distribucin muestral del estadstico (esperanza matemtica del estadstico)es igual al parmetro por estimar; es decir; si es un estadstico cualquiera y es el parmetro correspondiente y si entonces es un estimador insesgado de .

Consistente
Si no es posible emplear estimadores de mnima varianza, el requisito mnimo deseable para un estimador es que a medida que el tamao de la muestra crece, el valor del estimador tienda a ser el valor del parmetro, propiedad que se denomina consistencia. Existen diversas definiciones de consistencia, ms o menos restrictivas, pero la ms utilizada es la denominada consistencia en media cuadrtica que exige que:

Suficiente
Se dice que un estimador es suficiente cuando resume toda la informacin relevante contenida en la muestra, de forma que ningn otro estimador pueda proporcionar informacin adicional sobre el parmetro desconocido de la poblacin. Por ejemplo, la media muestral sera un estimador suficiente de la media poblacional, mientras que la moda no lo sera.

Eficiente
Diremos que un estimador es ms eficiente o ms preciso que otro estimador, si la varianza del primero es menor que la del segundo. Por ejemplo, si y son ambos estimadores de y

diremos que es ms eficiente que . Un estimador es ms eficiente (ms preciso), por tanto, cuanto menor es su varianza. La eficiencia de los estimadores est limitada por las caractersticas de la distribucin de probabilidad de la muestra de la que proceden.

Eficiente
El teorema de Cramr-Rao determina que la varianza de un estimador insesgado de un parmetro es, como mnimo,

donde es la funcin de densidad de probabilidad de la muestra en funcin del parmetro , (denominada funcin de verosimilitud). Si un estimador alcanza esta cota mnima, entonces se dice que el estimador es de mnima varianza.

Estimacin
2.3 Puntual 2.4 Por Intervalos

2.3 Estimacin puntual


Una estimacin puntual del valor de un parmetro poblacional desconocido (como puede ser la media , o la desviacin estndar ), es un nmero que se utiliza para aproximar el verdadero valor de dicho parmetro poblacional. A fin de realizar tal estimacin, tomaremos una muestra de la poblacin y calcularemos el parmetro muestral asociado ( x para la media, s para la desviacin estndar, etc.). El valor de este parmetro muestral ser la estimacin puntual del parmetro poblacional. cuanto mayor sea el tamao de la muestra n , menor ser la variabilidad del estimador x y de p, por tanto, mejor sern nuestras estimaciones.

2.3 Estimacin puntual

2.4 Estimacin por intervalos


Dada una poblacin X, que sigue una distribucin cualquiera con media y desviacin estndar .

1. Sabemos (por el TCL) que, para valores grandes de n , la media muestral x sigue una distribucin aproximadamente normal con media y desv estndar

2. Por otra parte, el Teorema de Chebyshev nos dice que, en una distribucin normal, aproximadamente un 95% de los datos estaban situados a una distancia inferior a dos desviaciones estndar de la media.

2.4 Estimacin por intervalos

Por tanto, sta ltima frmula nos da un intervalo de valores tal que la probabilidad de que la media de la poblacin est contenida en l es de 0,95.

Este tipo de intervalos se llaman intervalos de confianza de un parmetro poblacional. El nivel de confianza (1 - ) del intervalo es la probabilidad de que ste contenga al parmetro poblacional. En el ejemplo anterior, el nivel de confianza era del 95% ( = 0,05).

2.4.1 Estimacin por intervalos para la media

Para conocida

Nota: como hablamos de un intervalo con dos

extremos entonces ser /2, entonces para el intervalo es la 95% ( = 0,05) por lo tanto /2 =0.025 y decimos 1- 0.025= 0.975 con el que encontramos el valor de z=1.96

Ejemplo: Se encuentra que la concentracin promedio de zinc de una muestra de 36 cereales es de 2.6 mlg/gr. Encuentre los intervalos de confianza para un =0.01 para la concentracin media de zinc en el cereal. Suponga que la desviacin estndar de la poblacin es 0.3. Solucin: La estimacin puntual de es x = 2.6 (el valor de la media de la muestra). Como estamos hablando de un intervalo con dos colas necesitaremos /2= 0.005 Por lo tanto 1- 0.005 =0.995 a buscar en tablas para la cual tiene un valor de z=2.575

2.4.1 Estimacin por intervalos para la media

Para desconocida

Ejemplo: El administrador de una planta industrial generadora de energa desea estimar, por intervalo, la cantidad de carbn que se consumi por termino medio semanalmente durante ao pasado. Para ello toma una muestra de 10 semanas. El consumo medio fue de 11.400 toneladas, la desviacin estndar muestral 700 toneladas. Cul ser el intervalo de confianza del 95% para el consumo medio semanal durante el ao pasado?. (supongamos normalidad).

2.4.1 Estimacin por intervalos para la diferencia de medias


Sean x11, x12, ... x1n1, una muestra aleatoria de n1 observaciones tomadas de una primera poblacin con valor esperado

1, y varianza

; y x21, x22, ... x2n2, una muestra aleatoria de n2 observaciones tomada de la segunda poblacin con valor esperado 2 y varianza . Si y son x1 y x2 las medias

muestrales x1 y x2 es un estimador puntual de 1- 1

y tiene una distribucin normal si las dos poblaciones son normales, o aproximadamente normal si cumple con las condiciones del teorema del limite central (tamaos de muestras relativamente grandes). Por lo tanto,

2.4.1 Estimacin por intervalos para la proporcin


Un estimador puntual de la proporcin Pen un experimento binomial est dado por la estadstica P=X/N, donde X representa el nmero de xitos en N pruebas.
Por tanto, la proporcin de la muestra p=x/n se utilizar como estimador puntual del parmetro P. Si no se espera que la proporcin P desconocida est demasiado cerca de 0 de 1, se puede establecer un intervalo de confianza para Pal considerar la distribucin muestral de proporciones.

Considerando el valor z para la distribucin de proporciones

Si intentamos despejar el valor de P y formalizamos el intervalo.

Problema: La fabrica Muebles Trancazo fabrica un lote de 1750 sillas, para lo cual tiene un control de calidad por atributos es decir aceptado o rechazado. De las cuales 75 se retornan a reproceso por ser rechazadas por el control, muebles trancazo desea saber la proporcin de todas la sillas fabricadas a un nivel de confianza del 95%.

2.4.1 Estimacin por intervalos para la diferencia de proporciones

Si despejamos P1-P2 de esta ecuacin:

Ejemplo: Se considera cierto cambio en un proceso de fabricacin de partes componentes. Se toman muestras del procedimiento existente y del nuevo para determinar si ste tiene como resultado una mejora. Si se encuentra que 75 de 1500 artculos del procedimiento actual son defectuosos y 80 de 2000 artculos del procedimiento nuevo tambin lo son, encuentre un intervalo de confianza de 90% para la diferencia real en la fraccin de defectuosos entre el proceso actual y el nuevo.