You are on page 1of 7

(Chapter head:)Estimacin por intervalos

La estimacin por intervalos consiste en determinar un posible rango de valores o intervalo, en los que pueda precisarse con una determinada probabilidad
que el intervalo contenga o cubra el valor de un parmetro . Este parmetro
ser una media, una varianza, una proporcin en el caso de variables dicotmicas, etc.
Ejemplo
Supngamos que el peso X de los nios entre 8 y 12 aos tiene una distribucin Normal( ; 9) : Se tom una muestra de 4 nios y los pesos registrados
fueron 23; 24:5 22:5 y 23 kg. Con estos datos el peso promedio estimado fue de
X = 23:25.
Se desean obtener los lmites de un intervalo que contenga el peso medio
verdadero, , bajo ciertas condiciones.
Se sabe que
Z=

N (0; 1)

3
2

Note que la distribucin de Z no depende de :


As que es posible calcular
P (a < Z < b) =

(z) dz; ( )

donde (z) es la densidad normal estndar.


En particular
Z 1:96
P ( 1:96 < Z < 1:96) =

(z) dz = 0:95:

1:96

De la relacin anterior, se tiene que


1:96 < Z < 1:96
1:96 <

3
2

1:96

3
<X
2

1:96

3
<
2

1:96

Entonces
P

1:96

3
<
2
3
<
2

< 1:96
< 1:96

3
2

X < 1:96

3
2
3
2

< X + 1:96

< X + 1:96

3
2

= 0:95:

Observe que el intervalo anterior es aleatorio, ya que X es aleatorio (depende de la muestra) :


La probabilidad de que el intervalo X 1:96 23 ; X + 1:96 23 cubra al verdadero valor de la media es probabilidad de 0:95:
Esto quiere decir que al repetir la muestra de tamao de tamao 4; varias
veces y en cada caso se clcula el intervalo X 1:96 23 ; X + 1:96 23 , entonces el 95% de los intervalos de conanza contendran el verdadero valor de
:
Cuando X = 23:25; el valor del intervalo aleatorio es (20:31; 26:19) el cual
es una realizacin del intervalo y se le llama intervalo de conanza del 95%: Se
dice que (20:31; 26:19) cubre a con una conanza del 95%
Observe que hay muchos intervalos con la misma probabilidad de contener
al parmetro ; ver ( ) : El mejor intervalo es el ms estrecho. En el caso de ( )
el ms estrecho es cuando b = a:
Otro ejemplo de estimacin por intervalos son los intervalos de verosimilitud.
Denicin
Dada la realizacin de una muestra aleatoria X = x 2 Rn ; (X1 ; : : : ; Xn ) =
(x1 ; : : : ; xn ) ; una estimacin por intervalo del parmetro 2
es un par de
funciones reales L (x1 ; : : : ; xn ) y U (x1 ; : : : ; xn ) ; que satisfacen
L (x1 ; : : : ; xn )

U (x1 ; : : : ; xn ) ;

(x1 ; : : : ; xn ) 2 Rn :

En este caso la inferencia es


L (x1 ; : : : ; xn ) <

< U (x1 ; : : : ; xn ) :

Cabe mencionar que el intervalo


(L (X) ; U (X))
es aleatorio, por lo que en ocasiones 2 (L (X) ; U (X)) y en otras 2
= (L (X) ; U (X)) :
Se suele utilizar estimacin por intervalos sobre la estimacin puntal, esto
con el n de garantizar que se est cubriendo el valor del parmetro.
Denicin
Sea X1 ; : : : ; Xn una m.a. de una densidad f: Sea el intervalo (L (X) ; U (X))
tal que
P ( 2 [L (X) ; U (X)]) = P [L (X)

U (X)] = 1

donde no depende de ; entonces al intervalo (L (X) ; U (X)) se le llama intervalo de conanza de dos lados del 100 (1
) % para : A (1
) se le llama
coeciente de conanza.
Denicin
Sea X1 ; : : : ; Xn una m.a. de una densidad f (x; ) : Sea L (X) un estadstico
para el cual
P ( 2 (L (X) ; 1)) = P [L (X)
]=1
;
entonces al intervalo (L (X) ; 1) se le llama intervalo de conanza inferior de
del 100 (1
) % para :
2

As mismo, sea U (X) un estadstico para el cual


P ( 2 ( 1; U (X))) = P [

U (X)] = 1

entonces al intervalo (L (X) ; 1) se le llama intervalo de conanza superior de


del 100 (1
) % para :
Nota:
Una vez que se obtiene un intervalo de conanza del 100 (1
) % de conanza para ; se genera una familia de intervalos del 100 (1
) % para cualquier
funcin estrictamente montona ( ) : Por ejemplo sea (L; U ) un IC del 100 (1
)%
para y sea ( ) es creciente, entonces ( (L) ; (U )) es un intervalo para ( ) ;
pues
P (L < < U ) = P ( (L) < ( ) < (U )) = 1

1
1

Mtodos para obtener intervalos

Algunos mtodos son


Mtodo de cantidades pivotales
Mtodo estadstico
Invertir una prueba de hiptesis.

1.1

Mtodo de cantidades pivotales

Denicin
Una variable aleatoria Q (X; ) = Q (X1 ; X2 ; :::; Xn ; ) es una cantidad pivotal o pivote si la distribucin de Q (X; ) no depende de los parmetros desconocidos. Si X
F (X; ) ; entonces la distribucin de Q (X; ) es la misma
para cualquier valor de :
Ejemplos.
1. Sea X1 ; X2 ; :::; Xn una m.a. de una Normal( ; 9) : La variable aleatoria
X
es una cantidad pivotal, ya que es funcin de y tiene una distribucin Normal 0; n9 ; la cual no depende de :
2. Sea X1 ; X2 ; :::; Xn una m.a.
P de una exponencial( ) : Se sabe que el estadstico suciente T =
Xi tiene una distribucin Gamma (n; ) ; por
lo tanto no es una cantidad pivotal. Pero T
Gamma (n; 2) si es una
cantidad pivotal.

Mtodo
El procedimiento para encontrar intervalos es el siguiente:
Si Q (X; ) es una cantidad pivotal, entonces para un valor especco de
0 < < 1 es posible encontrar valores a y b; los cuales no dependen de y que
satisfacen
P (a Q (X; ) b) = 1
:
Luego si para cada realizacin de la muestra aleatoria
a

Q (x1 ; x2 ; :::; xn ; )

si y slo si
L (x1 ; x2 ; :::; xn )

U (x1 ; x2 ; :::; xn ) ;

donde L y U no dependen de : Entonces [L (x1 ; x2 ; :::; xn ) ; U (x1 ; x2 ; :::; xn )] es


un intervalo de conanza del 100 (1
) %:
1 Silvia

Rodrguez Narciso

Dada Q (X; ) = X=pn


N (0; 1) ; y P (a Q (X; ) b) = :95: Los a y b
no son nicos. En la construccin de intervalos se consideran aquellos valores
de a y b que generen intervalos lo ms estrecho posible. En el caso de la normal,
debido a la simetra de la funcin de densidad los valores de a = 196 y b = 1:96
tales que P (a Q (X; ) b) = :95; proporcionan el intervalo de conanza ms
estrecho.

Sea f (x; ) una funcin de densidad unimodal. Si el intervalo [a; b] cumple


1.

Rb
a

f (x; ) dx = 1

2. f (a) = f (b) > 0


3. a

b; donde x es una moda de f (x) ;

Entonces [a; b] es el intervalo ms estrecho entre todos los intervalos que


satifacen (1) :

1.2

Intervalos de conanza, cuando se tienen poblaciones


normales

Intervalos para
Ejemplo N ;
2
Si la varianza

2
2

es conocida,
X
p
= n

N (0; 1)

es una cantidad pivotal.


Obtener un Intervalo de conanza del 95%:
Para
= :05; el cuantil 2 = :025 de la distribucin Normal estndar es
1:959964 1:96, es decir z 2 = z:025 = 1:96: Luego,
= :05 = P

z2 <

X
p < z2
= n

=P

1:96 <

Entonces por el mtodo pivotal


1:96 <

X
p < 1:96
= n

1:96 p < X
n
2 Silvia

Rodrguez Narciso

< 1:96 p

X
p < 1:96
= n

1:96 p <
n
X

X < 1:96 p

1:96 p <
n

< X + 1:96 p :
n

El intervalo de conanza (IC) del 95% para

es

1:96 p ; X + 1:96 p :
n
n

Note que en el mtodo de momentos, primero se identica la cantidad pivotal


y luego se invierte para obtener un IC para el parmetro en cuestin.

Intervalos de un slo lado para


Un intervalo unilateral superior para
1

=P

Y
p
S= n

se obtiene de

S
Y +t p
n

=P

El intervalo de conanza inferior


1

=P

Y
p
S= n

=P

S
t p
n

Ejemplo
Un fabricante produce un nuevo tipo de plvora, que prueba en ocho proyectiles. Las velocidades iniciales resultantes, en pies por segundo son las siguientes:
3005
2995

2925
3005

2935
2937

2965
2905

Suponiendo que las velocidades tienen una distribucin normal, obtener un


I.C. del 95% para la velocidad promedio real para este tipo de proyectiles.
Intervalos de conanza para 2
Solucin
Suponiendo 2 desconocida un I.C. del 95% para es:
X

S
t0:025 p
n

De la tabla de la distribucin t, se tiene t0:025 = 2:365. De los datos se tiene


X = 2959 y S = 39:1. Luego el I.C. es
2959

39:1
(2:365) p = 2959
8

3:7 = (2926:3; 2991:7)

Interpretacin: Con una conanza del 95% el intervalo (2926:3; 2991:7) cubre
la velocidad promedio real .
6

Ejemplo Intervalo de Conanza para 2


Sea X1 ; X2 ; :::; Xn un m.a. de N ; 2 con desconocida. Obtener un I.C.
para 2
Solucin.
Recuerde que
Pn
2
X
(n 1) S 2
i=1 Xi
=
2
2
tiene una distribucin Chi-cuadrada con g:l: = n
una cantidad pivotal. Entonces se tiene que
a<

(n

1) S 2
2
2

<b

(n

,
2

1) S 2
<
b

1. Observe que sta es

<

(n

1) S 2
a

Entonces (n b1)S ; (n a1)S


es un I.C. del 100(1-)% para 2 .
Grcamente
La distribucin Chi-cuadrad no es simtrica, no se puede garantizar en forma
inmediata un intervalo ms estrecho.
Una opcin es que P (Q < a) = P (Q > b) = 2

You might also like