ESTADISTICA PARA LA AGRICULTURA

DICTADO POR:
Mirella Altamirano Espinoza

Universidad Católica del Maule

Semestre 2022 - 1

25 de Mayo del 2021, Curicó Chile

Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
DISTRIBUCIONES DE PROBABILIDAD E INFERENCIA

Distribución Parámetro Estadístico Forma Observaciones

Poblacional Muestral
Normal Centradas en el
cero
T de Student
Ji Cuadrada Sesgadas y solo Los parámetros que lo
toman valores definen por completo
F - Fisher positivos son los grados de
libertad

Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
A tener en cuenta:

Parámetro Poblacional Estimadores puntuales (estadísticos)

Donde es el número de
elementos en la muestra de
tamaño que tiene cierta
característica

Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
Ejemplo 01:

Se observa los siguientes datos de producción de una semilla de leguminosa:

210,93 210,95 211,02 211,02 211,05 211,05 211,06 211,07 211,08 211,1
211,11 211,11 211,12 211,12 211,13 211,13 211,14 211,16 211,16 211,16
211,17 211,17 211,18 211,19 211,2 211,2 211,2 211,2 211,2 211,21
211,21 211,25 211,25 211,25 211,25 211,27 211,27 211,27 211,27 211,3
211,31 211,32 211,32 211,32 211,39 211,4 211,41 211,47 211,5 211,56

Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
Los siguientes datos muestran el número de compras de un cierto producto los fines de semana.
Encontrar las estimaciones puntuales de la media, la desviación estándar de la población y la
proporción correspondiente a las compras mayores de 320
275 289 306 342 385 242
279 245 269 305 294 328

Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
Propiedades Clásicas de los buenos estimadores:

Insesgamiento:

Un estimador es un estimador insesgado para el parámetro si, para cualquier tamaño muestral, su
esperanza es igual al parámetro que estima. Esto es, , para todo valor de . El sesgo del estimador es definido
como:

Se dice que es un estimador es insesgado cuando su sesgo respecto al parámetro que está estimando es nulo
(igual a cero), esto es:

Lo cual implica, que el valor esperado del estadístico usado como estimador debe ser igual al verdadero valor
del parámetro poblacional, esto es:

Por lo tanto, se dice que resulta ser un estimador insesgado del parámetro y la distribución muestral del
estimador se encontrará centrada alrededor del parámetro

Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
Eficiencia:

Sea es un estimador insesgado del parámetro se dice que es eficiente si tiene mínima varianza posible

Para comparar dos estimadores es útil el concepto de eficiencia relativa, que se obtiene desde la
comparación de sus varianzas. Por ejemplo, si X es una variable aleatoria con distribución normal,
entonces la media y la mediana muestral son estimadores insesgados del parámetro µ (la esperanza de la
distribución), y además ambos estimadores son consistentes. Sin embargo, se puede comprobar que la
varianza de la media muestral es menor que la varianza de la mediana por lo tanto la media es más
eficiente que la mediana. Más aún, la media es el estimador eficiente en el sentido de que no existe
ningún otro (bajo normalidad), que tenga menor varianza.
Sin embargo, cuando el supuesto de normalidad no se cumple, el estimador eficiente de la esperanza
puede ser la mediana. Esto ocurre en distribuciones asimétricas o en distribuciones contaminadas (mezcla
de distribuciones).

Consistencia:

Sea es un estimador del parámetro si la tiende a 0, para cuando el tamaño de la muestra tiende a se dice
que es un estimador consistente del parámetro

Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
Estimación por Intervalo de Confianza:

Los estimadores puntuales son también variables aleatorias y, por lo tanto, no se puede esperar que en
una realización cualesquiera den un valor idéntico al parámetro que estiman. Por ello, se desea que una
estimación puntual esté acompañada de alguna medida del posible error de esa estimación. Esto puede
hacerse indicando el error estándar del estimador o dando un intervalo que incluya al verdadero valor del
parámetro con un cierto nivel de confianza.

Ejemplo:

Si se quiere reportar el rendimiento de un cultivo, en vez de decir que la media del rendimiento se estima
en 25 qq/ha se podría decir que, con una confianza del 95%, el rendimiento promedio para ese cultivo
está comprendido entre 23.5 y 26.5 qq/ha.

El procedimiento que permite calcular los límites inferior y superior del intervalo antedicho se conoce
como: Estimación por Intervalo y el intervalo obtenido: Intervalo de Confianza.

Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
 Procedimiento general para encontrar un intervalo de confianza para un parámetro.

El objetivo del procedimiento de estimación por intervalo es encontrar el intervalo cerrado donde = Límite
Inferior y = Límite Superior, tal que si el parámetro a estimar se simboliza por , entonces:

Esta expresión se lee: “el intervalo de límites aleatorios y tiene probabilidad de contener al parámetro ”, donde
denota la confianza de la estimación y se denomina coeficiente de confianza. Aunque la confianza se define
como una cantidad que está entre 0 y 1, es frecuente expresarla como porcentaje, esto es:

La especificación del coeficiente de confianza como se hace por razones de consistencia con notación y
conceptos que se introducirán posteriormente y en los que a tiene un significado particular.

Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
 Decir que un intervalo tiene confianza (1 -
a)100 significa que: “si se utiliza el mismo
procedimiento de construcción del intervalo para
m muestras aleatorias independientes de idéntico
tamaño n, entonces m (1-a) intervalos contendrán
al verdadero valor del parámetro”.

Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
Ejemplo:

Si de una población con µ = 28, se toman 200 muestras independientes (m = 200) de tamaño “n” y se
construyen para cada una un intervalo de confianza con coeficiente 0.90 (o del 90%), entonces se debe
“esperar” que 180 de los 200 intervalos incluyan al valor 28.

Valores usuales de confianza son 0.95, 0.99 o 0.999. Estos niveles de confianza, aunque ampliamente
aceptados, no constituyen una norma y pueden utilizarse otros.

Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
Para poder construir estos intervalos se necesita:

a) Una función continua que relacione el parámetro y su estimador Esto es: .

b) Que tenga una función de distribución F(.) cuya especificación no dependa del parámetro

Luego si es la función que relaciona el parámetro y su estimador y F(.) su función de distribución,

entonces:

Implica que es el cuantil ) y es el cuantil ) de la distribución F(.). Una vez que se han establecido y los
límites surgen despejando a partir de

Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
Estimación de la esperanza de una variable aleatoria normal.

Caso 01: Se conoce la varianza

Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1
Prof. Mirella Altamirano Espinoza - UCM Estadística para la Agricultura. Semestre 2022 - 1