Professional Documents
Culture Documents
El proceso de estimacin en inferencia estadstica puede ser descrito como el proceso de estimar un parmetro a partir del estadstico correspondiente, tal como usar una media muestral (Estadstico) para estimar la media poblacional, (parmetro). La estimacin de parmetros puede ser: Puntual o Por Punto. Por Intervalo.
Estimacin Puntual:
Objetivo. Dar un valor numrico que aproxime en forma muy cercana al parmetro poblacional. La estimacin puntual de un parmetro de una poblacin es un solo valor numrico de un estadstico que corresponde a este parmetro. Un estadstico utilizado para aproximar a un parmetro de una poblacin se denomina Estimador del Parmetro. El nmero obtenido cuando se evala el estimador para una muestra particular, se denomina Estimacin del Parmetro. Sea X una variable aleatoria de inters con distribucin de probabilidad f (x).
: Parmetro Desconocido.
: f (X1, X2, X3,,Xn) m. a. de tamao n. Estadstico.
: : Estimador puntual de , porque al evaluarlo para una muestra es concreto, da un solo numero o punto. : Estimacin puntual de . Otros Parmetros de Inters: P: Proporcin Poblacional (proporcin binomial). Proporcin de elementos con cierta caracterstica de inters en un universo dado.
= Estimador puntual de P.
2 : Varianza Poblacional.
Estimador puntual de .
Estimador puntual para P1 P2 Diferencia entre dos proporciones mustrales, basadas en dos muestras aleatorias independientes.
Estimador puntual de Sea X una variable aleatoria con media desconocida y varianza 2. X1, X2,, Xn m. a. de tamao n.
Cul es el mejor? Antes de responder a esta pregunta debemos decidir que propiedades son deseables en un estimador puntual. Obviamente queremos que el estimador produzca estimaciones que puedan esperarse sean prximas en valor al parmetro que se esta estimando.
Estimador In sesgado: Sea si E ( un estimador puntual de un parmetro , entonces ) = . De lo contrario se dice que es sesgado. es un estimador insesgado
Sesgo
Suponga que X es una variable aleatoria con media y varianza 2, sea X1, X2, X3, X4,, Xn una m. a. de tamao n de X. Es posible probar que la media muestral y la varianza 2 2 muestral S son estimadores insesgados de y respectivamente.
Sin embargo S1 (Desviacin estndar muestral) es un estimador sesgado de . (: Desviacin estndar poblacional). Error estndar de un estimador de un parmetro .
Medida usual de la precisin de una estimacin puntual. Error cuadrado medio (ECM) de un estimador .
Si
= f (X1, X2,, Xn) m. a. Cantidad aleatoria. es insesgado, supone que el valor promedio de
Eficiencia Relativa:
La eficiencia relativa entre dos estimadores respectivos ECM ( ) y ECM ( ) se define como: y de un parmetro , con ECM
Si la eficiencia relativa es menor que 1 entonces concluimos que estimador de que Si y son dos estimadores insesgados de , entonces:
es un mejor
Eficiencia Relativa =
Si consideramos todos los posibles estimadores insesgados de algn parmetro , el de menor varianza se llama Estimador mas Eficiente de .
Estimador Consistente:
6
Si es un estimador insesgado de , basado en una m. a. de tamao n, decimos que es consistente para , si:
La consistencia es una propiedad de muestras grandes. Los estimadores cuyo ECM (o varianza si el estimador es insesgado) tiende a cero cuando el tamao de la muestra tiende al infinito, son consistentes. Por ejemplo: Si X N (, 2) y X1, X2,, Xn es un
Un estimador por intervalo es una regla que especifica un mtodo que utiliza las mediciones de la muestra para calcular dos nmeros que forman los extremos del intervalo. Objetivo: Encontrar un estimador por intervalo que genere intervalos angostos que contengan a (parmetro) con una alta probabilidad. Los estimadores por intervalo se denominan comnmente intervalos de confianza. Un intervalo de confianza de , es un intervalo [L, U] que incluye a con un grado de certidumbre establecido. L y U se denominan extremos inferior y superior del intervalo de confianza. L: Limite inferior de confianza. U: Limite de confianza superior. L, U: Estadsticos (variables aleatorias). Para construir un estimador por intervalo del parmetro desconocido, debemos encontrar L y U tal que: P (L U) = 1 La probabilidad 1 se le llama Coeficiente de Confianza. Usualmente, se expresa en porcentaje: 100 (1 ) %. 1 es la probabilidad de que el intervalo contenga al parmetro. 0<<1 El intervalo resultante: LU Se llama intervalo de confianza del 100 (1 ) % para el parmetro . (Intervalo de confianza de dos lados). En ocasiones un intervalo de confianza de un lado podra ser til. L Intervalo de confianza inferior del 100 (1 ) %. U Intervalo de confianza superior del 100 (1 ) % Donde U se elige de modo que: P ( U) = 1 -
Intervalo de confianza sobre la media (), conocida la varianza (2). Construir un intervalo de confianza del 100 (1 ) % para la media de una poblacin denotada por X, con varianza 2 conocida a partir de una muestra aleatoria (m. a.) X 1, X2, X3,, Xn de tamao n. Si usamos Distribucin de . como estimador puntuales de .
De donde:
A falta de esta (De poblacin normal), si n es suficiente grande: * Si se cumplen las condiciones del TLC.
Aproximadamente. Aproximadamente. Para construir un intervalo de confianza de , primero hallaremos una variable aleatoria (v. a.) cuya expresin contenga a y cuya distribucin se conozca al menos aproximadamente. Ntese que la v. a. Contiene al parmetro y su distribucin es normal
estndar (o al menos aproximadamente normal estndar). Queremos determinar L y U de forma que P (L U) = 1 Consideremos la participacin de la curva normal estndar. (I)
Formula exacta cuando la poblacin muestreada tiene distribucin normal y varianza 2 conocida. Si 2 no se conoce (y ) reemplazar por S en (I). Buena aproximacin, siempre que n sea grande (n 30).
Intervalo de confianza sobre la medida (), 2 desconocida, muestra pequea. Suponer: Poblacin normal con medida y 2 (varianza) desconocida. X Muestra aleatoria de tamao n. X1, X2, Xn Media Muestral N (, 2)
Estimador puntual de
10
Reacomodando:
P (L U) = 1
11
Donde derecha.
a la
A la formula anterior a menudo se le denomina formula del intervalo de confianza para la media en muestras pequeas, aunque es valido para muestras de cualquier tamao.
12
Estimacin de 2.
Suponga que una m. a. de tamao n es seleccionada de una poblacin normal con media y varianza 2 desconocidas. X N (, 2)
Estimador puntual de 2.
13
Reacomodando:
P (L
U) = 1-
Limite de confianza
Donde
14
Sabemos que:
Aproximadamente.
15
V.a a utilizar para construir el intervalo de confianza del 100 (1-) % para P
16
Pero:
Reacomodando:
Al sustituir P por en el error estndar (lo que resulta un error estndar estimado) tenemos que: El intervalo de coeficiente bilateral del 100 (1 ) % aproximado en P es:
Considrese dos poblaciones con medias 1 y 2 y varianzas 12 y 22 (conocidas) respectivamente. Dos muestras aleatorias independientes de tamao n 1 y n2 son seleccionadas, una de dada poblacin.
17
El valor numrico
La distribucin maestral de es normal si X1 y X2 estn distribuidas de forma normal o aproximadamente normal si se completa las condiciones del TLC.
La distribucin de la v.a Z es normal estimada; si X1 y X2 son normales o aprox. Normal estndar si n1 y n2 son grandes (TLC).
18
De donde:
Sustituyendo Z:
De donde:
19
*intervalo de confianza aproximado a menos que las dos poblaciones sean normales.
La forma del intercambio anterior se aplica si se conocen 12 y 22. Si las varianzas no se conocen y las dos poblaciones son normales, la distribucin t resulta implicada como en el caso de una muestra. Si no esta dispuesto a suponer normalidad muestras grandes ( 30) permitirn el uso de S12 y S22 respectivamente.
20
21
Sustituyendo T
Reareglando:
De donde:
Intervalo de confianza del 100 (1 ) % para 1 - 2, 12= 22 pero desconocidas. A la forma anterior a menudo se le denomina formula del intervalo de confianza para 1 - 2 en muestras pequeas, aunque es valida para muestras de cualquier tamao y funciona satisfactoriamente cuando la poblacin no es normal, mientras que la desviacin de la normalidad no se exceda.
Cuando no es razonable suponer que 12= 22, un intervalo de confianza de dos lados de100 (1 ) % aproximado en 1 - 2 es:
22
De donde
23
-n1=n2=n
n pequea.
Se puede construir un intervalo de confianza para 1 - 2 con solo encontrar un intervalo de confianza para D.
24
Uso de distribucin t.
Intervalo de confianza de dos lados del 100 (1 ) % en Intervalo de confianza sobre la razn de Varianzas de dos poblaciones normales
1 - 2, 12 y 22 no se conocen Muestras aleatorias independientes. X11, X12,, X1n, X21, X22,, X2n2
25
La forma mas lgica de estimar (estimador puntual) la razn de dos varianzas, es estimar cada una por separado como se vio anteriormente y despus estimar que estimaciones. es la razn de estas
Si 12 y 22 son las varianzas de dos poblaciones normales, podemos construir un intervalo de confianza basndonos en la variable aleatoria F.
26
De la figura tenemos:
27
Reareglando:
De donde:
Donde
es un valor f con .
28
P1: Proporcin de elementos con la caracterstica de inters en un universo dado. P2: Proporcin de elementos con la caracterstica de inters en otro universo dado. Si bien se trata de dos universos diferentes, la caracterstica de inters deber ser la misma. P1 y P2 son parmetros binomiales. Si toman muestras aleatorias independientes de tamao n1 y n2 respectivamente.
X1: N de elementos en la muestra 1 con la caracterstica de inters. X2: N de elementos en la muestra 2 con la caracterstica de inters.
29
Distribucin muestral de
30
Sustituyendo para Z.
Reareglando:
31
De donde un intervalo de confianza de dos lados del 100 (1 ) % aproximado para P1 P2 es:
La construccin del intervalo de confianza para P1 P2 se basa en la aproximacin normal a la binomial que es adecuada para n1 y n2 grandes. ?
32