Академический Документы
Профессиональный Документы
Культура Документы
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:
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.
Por ejemplo:
es un posible estimador de .
: :
o punto.
Estimador puntual de , porque al evaluarlo para una muestra es concreto, da un solo numero
: Estimacin puntual de .
= Estimador puntual de P.
2 : Varianza Poblacional.
Estimador puntual de .
Estimador puntual de
Sea X una variable aleatoria con media desconocida y varianza 2.
X1, X2,, Xn
m. a. de tamao n.
=
= f (X1, X2,, Xn)
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.
Insesgabilidad
Eficiencia
Consistencia
Suficiencia
Estimador In sesgado:
Sea
es un estimador insesgado si E (
)=
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 muestral S2 son estimadores
insesgados de y 2 respectivamente.
de un parmetro .
Si
Nota:
La
condicin
de
que
es
insesgado,
supone
que
el
valor
promedio
de
correcto.
Eficiencia Relativa:
La eficiencia relativa entre dos estimadores
ECM (
) y ECM (
) se define como:
Si consideramos todos los posibles estimadores insesgados de algn parmetro , el de menor varianza se
llama Estimador mas Eficiente de .
Estimador Consistente:
Si
es un estimador insesgado de , basado en una m. a. de tamao n, decimos que
consistente para , si:
es
N (, 2) y X1, X2,, Xn
es un estimador
Es un estimador insesgado de .
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: L U
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 -
Si usamos
Distribucin de
De donde:
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.
Contiene al parmetro y su distribucin es normal estndar (o al
Ntese que la v. a.
Si 2 no se conoce (y
sea grande (n 30).
N (, 2)
Varianza Muestral
Estimador puntual de
Reacomodando:
P (L U) = 1
Donde
a la derecha.
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.
Estimacin de 2.
Suponga que una m. a. de tamao n es seleccionada de una poblacin normal con media y varianza
desconocidas.
2
N (, 2)
Son estadsticos
Reacomodando:
P (L
U) = 1-
Limite de confianza
Donde
10
Estandarizando:
Aproximadamente.
Estimador puntual de P
Es un estimador integrado de P.
V.a a utilizar para construir el intervalo de confianza del 100 (1-) % para P
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:
11
Puntual.
Por intervalo.
Un estimador lgico de 1- 2 es
X11, X12,.......X1n1
X21, X22,X2n2
donde
El valor numrico
Estimador puntual de 1- 2.
es la estimulacin puntual de 1- 2.
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.
De donde:
Sustituyendo Z:
12
De donde:
*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.
Muestras pequeas.
Sustituyendo T
14
Reareglando:
De donde:
Cuando no es razonable suponer que 12= 22, un intervalo de confianza de dos lados de100 (1 ) %
aproximado en 1 - 2 es:
De donde
15
Poblaciones normales
n pequea.
16
Se puede construir un intervalo de confianza para 1 - 2 con solo encontrar un intervalo de confianza para
D.
Uso de distribucin t.
Suponer:
Poblaciones normales.
1 - 2, 12 y 22 no se conocen
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
De la figura tenemos:
18
Reareglando:
De donde:
Donde
es un valor f con
Parmetro.
:
Para n1 y n2 grandes.
De donde:
20
Sustituyendo para Z.
Reareglando:
De donde un intervalo de confianza de dos lados del 100 (1 ) % aproximado para P1 P2 es:
21
22