UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE INGENIER IA MECANICA - ENERG IA TEOR IA DE ESTIMACIONES ESTAD ISTICAS Prof. V.Contreras T.

. Estimaci on de par ametros Un problema importante de la inferencia estad stica es la estimaci on de par ametros de la poblaci on (tales como la media o la varianza de la poblaci on), de los correspondientes estad sticos muestrales o simplemente estadisticos (tales como la media o la varianza de la muestra). Estimaciones sin sesgo o insesgado Si la media de las distribuciones de muestreo de un estad stico es igual que la del correspondiente par ametro de la poblaci on, el estad stico se llama un estimador sin sesgo del par ametro: si no se llama un estimador sesgado. Es decir: es un estimador insesgado de si y solo si E () = Estimaci on eciente Si las distribuciones de muestreo de dos estad sticos tiene la misma media, el de menor varianza se llama un estimador eciente de la media mientras que el otro se llama estimador ineciente respectivamente. Estimaci on de punto y estimaciones de intervalo; su abilidad Una estimaci on de un par ametro de la poblaci on dada por un s olo n umero se llama una estimaci on de punto del par ametro. una estimaci on de un par ametro de la poblaci on dada por dos n umeros, entre los cuales se puede considerar encajado al par ametro, se llama una estimaci on de intervalo del par ametro. Ejemplo. Si decimos que una distancia se ha medido como5,28 m estamos dando una estimaci on de punto. Por otra parte si decimos que la distancia es 5, 28 0, 03 m ( o sea que est a entre 5,25 y 5,31 m estamos dando una estimaci on de intervalo. El margen de error de una estimaci on nos informa de su abilidad. Estimaciones de intervalo de conanza para par ametros de poblaci on Sean s y s la media y la desviaci on t pica de la distribuci on de muestreo de un estad stico S . Entonces, si la distribuci on de muestreo de S es aproximadamente normal(esto es cierto para muchos estad sticos si el tama no de la 1

muestra n 30). Podemos esperar hallar un estad stico muestral real S que est e en los intervalos s s a s + s , s 2s a s +2s o s 3s a s +3s alrededor del 68,27 %, 95,45 % y 99,73 % del tiempo respectivamente. Equivalentemente podemos esperar hallar s en los intervalos S s a S + s , S 2s a S + 2s o S 3s a S + 3s alrededor del 68,27 %, 95,45 % y 99,73 % del tiempo respectivamente. Los limites extremos de estos intervalos S s , S 2s , S 3s se llaman entonces los limites de conanza al 68,27 %, 95,45 % y 99,73 % o l mtes duciales. Analogamente S 1, 96s , S 2, 58s son los limites de conanza 95 % y 99 % para S . El porcentaje de conanza se suele llamar NIVEL DE CONFIANZA. Los n umeros 1,96 ; 2,58 etc. en los limites de conanza se llaman COEFICIENTES DE CONFIANZA O VALORES CR ITICOS y se denota por zo . nivel de conanza 99,73 % 99 % 98 % 96 % 95 % 95,45 % 90 % 80 % zo 3 2,58 2,33 2,05 2 1,96 1,645 1,28 Estimaci on por intervalos de la media poblacional I P (zo Z zo ) = 1 X P (zo zo ) = 1

P (X zo X + zo ) = 1 n n P (L1 L2 ) = 1 donde zo = z1 2 [L1 , L2 ] es un intervalo aleatorio que contiene con 100 (1 ) % de nivel de conanza. Este resultado se aplica en los siguientes casos: 1. Muestra grande, varianza conocida y poblaci on normal o no. 2. Muestra grande, varianza desconocida y poblaci on normal o no 2 2 con = S . 3. Muestra peque na, varianza conocida y poblaci on normal

II Cuando la muestra es peque na, varianza desconocida y poblaci on normal se tiene P (to t to ) = 1 X P (to to ) = 1
S n

S S P (X to X + to ) = 1 n n P (L1 L2 ) = 1 donde to = t1 (r) y r = n 1 (grados de libertad). 2 [L1 , L2 ] es un intervalo aleatorio que contiene con 100 (1 ) % de nivel de conanza. Intervalo de conanza para diferencias (o suma) de medias I Cuando las muestras son grandes, con varianzas conocidas y poblaci on normal o no. Cuando las muestras son grandes, con varianzas desconocidas y 2 2 2 2 poblaci on normal o no con x = Sx , y = Sy Muestras peque nas, varianzas conocidas y poblaciones normales. Se tiene P (zo Z zo ) = 1 (X Y ) (x y ) P (zo zo ) = 1 2 2 y x + n2 n1 P ((X Y ) zo
2 2 2 2 y y x x + x y (X Y ) + zo + ) = 1 n1 n2 n1 n2 P (L1 L2 ) = 1

[L1 , L2 ] es un intervalo de conanza de 100 (1 ) % de la diferencia (suma) de medias. II Cuando las muestras son peque nas, varianzas desconocidas y poblaciones normales se tiene P (X Y Eo x y X Y + Eo ) = 1 3

donde
2 + (n 1)S 2 (n1 1)Sx 1 2 y 1 ( + ) n1 + n2 2 n1 n2 (r) y r = n1 + n2 2 (grados de libertad). to = t1 2

Eo = to

Intervalo de conanza para proporciones

x Si el estad stico p = n es la proporci on de exitos en una muestra de tama no n extraida de una poblaci on binomial en la que p es la proporci on de exitos en la poblaci on.

Entonces los limites de conanza para p, cuando n , vienen dadas por p Eo donde Eo = zo
p(1p ) n

Veamos para un nivel de conanza de 1 . P (zo Z zo ) = 1 pp P (zo zo ) = 1

p(1p ) n

P (L1 p L2 ) = 1 donde L1 = (p +
2 zo ) 2n

zo n

p(1 p ) +
2 zo n

2 zo 4n

1+ (p +
2 zo ) 2n

L2 =

zo n

p(1 p ) +
2 zo n

2 zo 4n

1+

Suponiendo que n es sucientemente grande (n ) para que la aproximaci on normal sea buena se tiene: L1 L2 Si la poblaci on es nita: P (p Eo p p + Eo ) = 1 donde Eo = zo
p(1p ) n n (N ) N 1

p zo p + zo

p(1 p ) n p(1 p ) n

Intervalo de conanza para la varianza poblacional I Caso de poblaci on normal y muestra peque na. Se usa la chi-cuadrada

2 2 (n 1) (n 1)) = 1 P (2 1 2 2 n1 2 (n 1) ( P (2 (n 1)) = 1 ) S 2 1 2 2 2 (n 1) S 2 (n 1) S 2 P( 2 2 2 ) = 1 1 (n 1) (n 1)
2 2

II Caso de poblaci on normal o no y muestra grande. Se usa la normal P (zo Z zo ) = 1 S P (zo zo ) = 1

2n

P(

S S zo zo ) = 1 1 + 2n 1 2n P (L1 L2 ) = 1

[L1 , L2 ] contiene a con 100 (1 ) % de conanza.

2 2 [L2 1 , L2 ] contiene a con 100 (1 ) % de conanza.