EstimacindeParmetros

Jhon JairoPadillaA.,PhD.
Jairo Padilla A., PhD.
 Inferencia Estadstica
InferenciaEstadstica
Lainferenciaestadsticapuededividirseen
p p
dosreasprincipales:
EstimacindeParmetros
PruebadeHiptesis
Prueba de Hiptesis
 Estimacin de Parmetros
EstimacindeParmetros
Modeladodesistemas:
M d l d d it
Seposeeunconjuntodemuestras deunexperimento
aleatorio
Sedeseaobtenerunvalorestimadodelosparmetros
delsistema(valoresconrespectoalapoblacintotal)
Aelprocedimientousadoparaobtenerlos
parmetrosdelapoblacintotalselellama
EstimacindeParmetros.
i i d
Enesteprocedimientoserequieredeterminarla
cercanadelaestimacinconlarealidad.Para
d l ti i l lid d P
estoseutilizanlosIntervalosdeConfianza.
Estimacin de Parmetros
EstimacindeParmetros
 Prueba de Hiptesis
PruebadeHiptesis
SSedeseacomparardostratamientos(mtodos,
d d t t i t ( t d
procedimientos,mecanismos,funciones,etc)diferentes.
Ejemplo:
j p
Setieneunprocesoqumico.
Uningenieropuedeusardostemperaturasdiferentesenel
mismo proceso (t1,tt2)
mismoproceso(t
Elingenieroconjeturaquet1producerendimientosmsaltos
quet2.
Elingenieroasumeunahiptesisacomprobar:Elrendimiento
El i i hi t i b El di i t
medioutilizandolatemperaturat1 esmayorqueelrendimiento
medioutilizandolatemperaturat2
Nosehacenfasisenlaestimacindelosrendimientos;
h f l d l d
msbien,laatencinsecentraensacarconclusiones
acercadeunahiptesispropuesta.
p p p
ESTIMACION DEPARMETROS
 Muestreo Aleatorio
MuestreoAleatorio
SSerequieretomarunasmuestrasdeunapoblacin
i t t d bl i
paraobtenerunmodeloestadstico
Recordemos:
Poblacin: Totalidaddelasobservacionesquesonmotivo
deinters
Tamaodelapoblacin:Nmerodeobservacionesque
hayenlapoblacin.Estapuedeserfinitaydiscreta (Ej:
Nmerodebotellasconllenadoincompletoenundaen
p
unaembotelladora)oinfinitaycontnua (Ej:Mediciones
posiblesdelporcentajedemonxidodecarbonoenunda
enunacalle).
)
Atodapoblacinselapuedemodelarmedianteuna
distribucindeprobabilidad.
 Razones para Muestrear
RazonesparaMuestrear
Enlamayoradeocasionesesimposibleo
p
pocoprcticoobservarlapoblacincompleta:
p p p
Podrarequerirsegrancantidaddetiempo
Seraextremadamentecostoso
Sera extremadamente costoso
Almomentodetomarunadecisinpodrano
existirtodalapoblacin
i ti t d l bl i
 Muestras
U
Unamuestraesunsubconjuntodeobservaciones
t b j t d b i
queseseleccionandeunapoblacin.
Paraquelasinferenciasseanvlidas,lamuestra
Para que las inferencias sean vlidas la muestra
debeserrepresentativa delapoblacin.
Errorcomn:Tomarlasmuestrasmssencillas
Error comn: Tomar las muestras ms sencillas
deobtener.Comoresultadohabrunerrorenel
parmetro de inters (Hay Sesgos enlamuestra).
parmetrodeinters(HaySesgos en la muestra).
Latomadelasmuestrasdebeseraleatoria.
Cadaobservacindelamuestraeselvalor
Cada observacin de la muestra es el valor
observadodeunavariablealeatoria.
 Caractersticas del experimento
Caractersticasdelexperimento
SSeaXunav.a.
X querepresentaelresultadodeunaseleccin
t l lt d d l i
deunaobservacindeunapoblacin.
Seaf(x)quedenotalaf.d.p.
( )q p deX
Supngasequecadaobservacindelamuestraseobtiene
deformaindependiente,bajolasmismascondiciones.
Sehacennobservaciones.Lav.a.
S h b i L Xi representala
l
observacinenlarepeticini.Seobtienenlosvalores
numricosx1,x2,,xn
Lasobservacionesrealizadastienenunamismadistribucin
deprobabilidadyaquefuerontomadasdeforma
independiente y bajo condiciones idnticas
independienteybajocondicionesidnticas
Portanto,lafuncindedistribucindeprobabilidad
conjuntaes
f X1 X 2 ... X n ( x1 , x2 ,...xn ) = f X1 ( x1 ) f X 2 ( x2 ).... f X n ( xn )
 Muestra aleatoria
Muestraaleatoria
Lasvariablesaleatorias(X1,X2,,Xn)sonuna
muestraaleatoriadetamaonsi:
LasXi sonvariablesaleatoriasindependientes
CadaX
Cada Xi tienelamismadistribucinde
tiene la misma distribucin de
probabilidad
 Estadsticos
Ejemplo:
Ej l
Supngasequesequiereestablecerlaproporcindela
poblacindeColombiaqueprefiereunamarcaderefresco
particular.
l
Seapquerepresentaelvalordesconocidodeestaproporcin
Seseleccionaunamuestraaleatoriaparahacerunainferencia
p
respectoap(noesprcticopreguntaracadaindividuodela
poblacin).
Seobtieneunaproporcinobservadap
Se obtiene una proporcin observada p
pseobtienedividiendoelnmerodeindividuosqueprefieren
lamarcaderefrescoentreelnmerototaldelamuestra(n).
p
pdependedelnmerodevaloresobservados
depende del nmero de valores observados (p (pvaradeuna
vara de una
muestraaotra)
Luego,pesunavariablealeatoriayseconocecomoestadstico.
 Definicin
Unestadstico escualquierfuncindelas
observacionesdeunamuestraaleatoria.

Ejemplos:
Ej l
Mediamuestral
Varianzamuestral
Desviacinestndarmuestral
Desviacin estndar muestral
 Estadsticos
Unestadsticoesunavariablealeatoria
d i i bl l i
Tieneunadistribucindeprobabilidad,llamada
Distribucindemuestreo.
Utilidad:
Seusanparaobtenerestimacionespuntualesde
parmetroscomo:mediapoblacionalyvarianza
poblacional.
Elparmetrodeintersserepresentapor.
Elvalornumricodeunestadsticomuestral se
usacomolaestimacinpuntual.
p
 Definicin
SSeaXunav.a.
X condistribucindeprobabilidadf(x)
di ib i d b bilid d f( )
Seaquef(x)estcaracterizadaporunparmetro
d id .
desconocido
SeaX1,X2,,Xn unamuestraaleatoriadetamaon.
Alestadsticoselellamaunestimador
l d
= h( X , X ,..., X )
1 2 n l ll i d
puntual de.
esunav.a.,yaqueesfuncindev.a.s.
f i d


Alseleccionarlamuestra,tomaunvalornumrico
particular llamado estimacin puntual de .
particularllamadoestimacinpuntualde
 Ejemplo
Supongaunav.a. Xquetieneunadistribucin
normalconunamediadesconocida ((media
poblacional).
La media muestral esunestimadorpuntual
Lamediamuestral es un estimador puntual
delamediapoblacionaldesconocida.Es
= X
decir,.
Si x = 25 entonces la estimacin puntual de
Sientonceslaestimacinpuntualde
1

x = 30
2
es 25 + 30 + 29 + 31
x3 = 29 = x = = 28.75
4
x4 = 31
 Parmetros comunes de estimacin
Parmetroscomunesdeestimacin
Parmetro
Estimacinrazonable
i i bl
Mediadeunapoblacin () Mediamuestral: = X
de una poblacin (2)la
Varianzadeunapoblacin(
Varianza ) la Varianza muestral: 2 = s 2
Varianzamuestral:
desviacinestndar()
Proporcinp deelementosdeuna Proporcin muestral: x
poblacin quepertenecenaunaclasede
que pertenecen a una clase de p =
inters n
dondexeselnmerodeelementosde
una muestra de n elementos que
unamuestradenelementosque
pertenecenalaclasedeinters
Diferenciadelasmediasdedos
1 2 = x1 x2
poblaciones:
bl i 12
Ladiferenciaenlasproporcionesdedos
poblaciones:p1p2 p1 p 2
 Objetivo de una estimacin puntual
Objetivodeunaestimacinpuntual
SSeleccionar,conbaseenlosdatosmuestrales,unsolo
l i b l d t t l l
nmeroqueseaelvalormsrecomendablede.
Nota:Puedehabervariasopcionesdiferentesde
Nota: Puede haber varias opciones diferentes de
estimadoresdeunparmetro.
Ejemplo:
j p
Parmetroaestimar:Mediadeunapoblacin
Posiblesestimadorespuntuales:
Mediamuestral
M di t l
MedianaMuestral
Promediodelasobservacionesmenorymayordelamuestra
Culserelmejor?Serequierenmtodosparacomparar
estimadores.
 Ejemplo
Valores dex
de x
SSupongaquesetoma
12.8
unamuestraaleatoria 9.4
de tamao n=10 de una
detamaon=10deuna 8.7
poblacinnormalyse 11.6
obtienen los datos de la
obtienenlosdatosdela 13.1
tabla.Posibles 9.8
estimadoresson: 14 1
14.1
Mediamuestral x = x
= 11.04
i
8.5
n
Medianamuestral 10.3 11.6 12.1
x= = 10.95
10 95
2 10.3
Culesmejor?....
PROPIEDADESDELOS
ESTIMADORES
 Estimador Insesgado
EstimadorInsesgado

Elestimadorpuntualesunestimador
insesgado
g delparmetro
p si
) =
E (

Sielestimadornoesinsesgado,entonces,ala
g , ,
diferencia,
)
E (
selellamaelsesgodelestimador.

 Varianza de un estimador puntual
Varianzadeunestimadorpuntual
Los
Losdosestimadoressoninsesgados
dos estimadores son insesgados (tienensucentro
(tienen su centro
enelvalorrealdelparmetroestimado)
Elestimadorquetengamenorvarianzatendr
mayoresposibilidadesdeestarcercadelvalor
estimado.
 Escogencia de un estimador
Escogenciadeunestimador
Siseconsiderantodoslosestimadores
i id d l i d
insesgados de,alquetienelavarianza
menorselellamaestimadorinsesgado de
varianzamnima(MVUE).
ElMVUEeselestimadorquetienemayores
p
posibilidadesdeestarcercade.
SisedesconoceelMVUE,podrausarseel
principio de varianza mnima para elegir entre
principiodevarianzamnimaparaelegirentre
losposiblesestimadores.
Caso importante: Distribucin Normal
Casoimportante:DistribucinNormal
SiX1,X2,X3,,Xn esunamuestraaleatoriade
tamaon deunadistribucinnormalcon
media yvarianza2,entonceslamedia
es el MVUE de .
muestral eselMVUEde
 Error estndar
Errorestndar
Daunaideadelaprecisindelaestimacin.
El error estndar de un estimador es su
Elerrorestndardeunestimadoressu
= V ( )
desviacinestndar,dadapor.
Sielerrorestndarincluyeparmetros
Si l d i l
desconocidosquepuedenestimarse,
entonceslasustitucindedichosvaloresen
produce un error estndar estimado,
produceunerrorestndarestimado,

denotadopor.
 Caso: Distribucin Normal
Caso:DistribucinNormal
SSupongaquesehaceunmuestreodeuna
h d
distribucinnormalconmedia yvarianza2.
E t
EntoncesladistribucindeXesnormalcon
l di t ib i d X l
media yvarianza2/n,porloqueelerror
estndar de X es
estndardeXes
Desviacin
s
X = estndar
muestral
n
Adems,sepuedesuponerrazonablementeque
, p p q
elvalorrealdelparmetroestentredoserrores
estndardelaestimacin
 Medidasde
Ejemplo conductividadtrmica
41.60

U
UnartculodelJournal
t l d l J l of
f 41 48
41.48
Heat Transfer describaun 42.34
nuevomtodoparamedir 41.95
l
laconductividadtrmicadel
d ti id d t i d l
hierroArmco.Utilizando 41.86
unatemperaturade100Fy 42.18
unaalimentacinde
li i d 41.72
energade550W,se 42.26
obtuvieronlas10
medicionesdela 41.81
conductividadtrmicadela 42.04
tabla.
Estimacinpuntual: x =
xi
= 41,924 Elvalormediorealestarenel
n Intervalo41,924+0,1796
Errorestndar: (mediamas/menosdosveces
s 0,284
0 284
X = = = 0,0898 elerrorestndar)
n 10
Elerrorestndaresel0,2%delamedia
Error cuadrado medio de un estimador
Errorcuadradomediodeunestimador
Cuandoseutilizanestimadoressesgados,es
p
importanteelerrorcuadradomediodel
estimador.
El error cuadrado medio de un estimador
Elerrorcuadradomediodeunestimador
delparmetro sedefinecomo
MSE () = E ( )
2

MSE (
) = V (
) + sesgo 2
 Criterio de comparacin
Criteriodecomparacin
Elerrorcuadradomedioesuncriteriode
comparacindedosestimadores.



Seanydosestimadoresdelparmetro
1 2
y
sean MSE( ) y MSE( ) los errores cuadrados
seanMSE()yMSE()loserrorescuadrados
1 2
mediosde1 y2.Entonceslaeficiencia
relativa de respecto a se define como
relativaderespectoasedefinecomo
1
2
MSE (1 )
MSE (
)
2
Siestarelacinesmenorque1,seconcluyeque
q
elestimadorunoesmseficientequeeldos
Utilidad de estimadores sesgados
Utilidaddeestimadoressesgados
 Mtodo de Mxima Verosimilitud
MtododeMximaVerosimilitud
Esunmtodoparaobtenerunestimador
p
puntualdeunparmetro
p
Esunmtodogenricoquepuedeser
aplicado a cualquier parmetro con cualquier
aplicadoacualquierparmetroconcualquier
distribucindeprobabilidad
 Definicin
SSupongaqueXesunav.a.
X conunadistribucinde
di t ib i d
probabilidadf(x;).,donde esunsoloparmetro
desconocido.
Seanx1,x2,,xn losvaloresobservadosenuna
muestraaleatoriadetamaon.
Lafuncindemximaverosimilituddelamuestraes
L( ) = f ( x1 ; ) f ( x2 ; )... f ( xn ; )
Obsrvesequelafuncindeverosimilitudesahora
funcinexclusivadelparmetrodesconocido.
El estimador de mxima verosimilitud de eselvalor
Elestimadordemximaverosimilitudde es el valor
de quemaximizalafuncindeverosimilitudL().
 Ejemplo: variable discreta
Ejemplo:variablediscreta
SeaXunav.a deBernoulli.Lafuncindemasa
p
deprobabilidades
p x (1 p )1 x ; x = 0,1
f ( x; p ) =
0;otrocaso
0 t
Estimarelparmetrop.
p p
 Ejemplo: variable contnua
Ejemplo:variablecontnua
SeaqueXtengaunadistribucinnormalcon
y
mediadesconocidayvarianzaconocida.
Estimarlamediaparaunamuestraaleatoria
de tamao n
detamaon.
Propiedadesdelestimadordemxima
verosimilitud
B
Bajocondicionesmuygeneralesnorestrictivas,
j di i l t i ti


cuandoeltamaodelamuestranesgrandeysi
es el estimador de mxima verosimilitud del
eselestimadordemximaverosimilituddel
parmetro,entonces
es
esunestimadoraproximadamenteinsesgado
u es ado ap o ada e e sesgado

Lavarianzadeesmuypequea
tieneunadistribucinnormalaproximada
Portanto,unestimadordemximaverosimilitud
esaproximadamenteunMVUE
Parausarlaestimacindemximaverosimilitud,
ladistribucindeprobabilidaddebeserconocida.
 Distribuciones de muestreo
Distribucionesdemuestreo
Recordemosqueunestadsticoesunav.a.
Aladistribucindeprobabilidaddeunestadstico
p
selellamaDistribucindemuestreo.
Ladistribucindemuestreodeunestadstico
La distribucin de muestreo de un estadstico
dependede:
Ladistribucindelapoblacin,
d b d l bl
Deltamaodelamuestra
ydelmtodoutilizadoparaseleccionarlamuestra
Distribuciones de muestreo de medias
Distribucionesdemuestreodemedias
SSupongaquesequierehallarladistribucindelamediamuestral
i h ll l di t ib i d l di t l
Supongaquelapoblacintieneunadistribucinnormalconmedia
yvarianza2.
Portanto,cadaobservacinXi tieneunadistribucinnormale
independienteconmedia yvarianza2.
Portanto,lamediamuestral ser:
X 1 + X 2 + ... + X n
X=
n
Ytieneunadistribucinnormalconmedia:
Y tiene una distribucin normal con media:
+ + ... +
x = =
n
Yvarianza:
2 + 2 + ... + 2 2
=
2
X
=
n2 n
 Teoremadellmitecentral

Ejemplo:distribucin
delosresultadosdel
lanzamientodevarios
dados
 Teorema del lmite central
Teoremadellmitecentral
SiX
i 1,X2,,Xn esunamuestraaleatoriade
l i d
tamaontomadadeunapoblacin(seafinita
oinfinita)conmedia yvarianzafinita2,ysi
Xeslamediamuestral,entonceslaforma
lmitedeladistribucinde
X
Z=

n

C
Cuandontiendeainfinito,esladistribucin
d ti d i fi it l di t ib i
normalestndar
 En la prctica
Enlaprctica
Sin>30,laaproximacinnormalser
p
satisfactoriaindependientementedelaforma
delapoblacin.
Sin<30,elteoremadellmitecentral
Si n<30 el teorema del lmite central
funcionarsiladistribucindelapoblacinno
seapartasignificativamentedeladistribucin
f l b
normal.
 Ejemplo
SSupongaunav.a Xconuna
X
distribucinuniforme
contnua:
1/ 2; 4 x 6
f ( x) =
0; enotrocaso
Encuentre
Encuentreladistribucinde
la distribucin de
lamediamuestral deuna
muestradetamaon=40
Solucin:
LamediayvarianzadeXson
=5y2=1/3
Porelteoremadellmite
central,paralamedia:
x = = 5
2 1/ 3 1
=
2
X
= =
n 40 120
 Intervalos de Confianza
IntervalosdeConfianza
Cuandoseestimaunparmetro,esnecesario
q
determinarqutancercaestlaestimacin
puntualdelvalorreal.
Unaformadedeterminarlaprecisindela
Una forma de determinar la precisin de la
estimacinesconelerrorestndar
Otraformadeestimarlaprecisinesconlos
intervalos de confianza
intervalosdeconfianza
 Intervalos de Confianza
IntervalosdeConfianza
i l l d id estenun
SSepuededeterminarqueelvalordesconocido
d d t t
intervalol < < u
Losvaloresdeloslmitesdependendelvalornumricodel
estadsticoparaunamuestraparticular
t d ti t ti l
Diferentesmuestrasproducendiferentesvaloresdelestadsticoy
deloslmitesdelintervalo.
 Intervalos de confianza
Intervalosdeconfianza
LLyUsonvariablesaleatoriasquerepresentanlos
U i bl l t i t l
lmitessuperioreinferiordelosintervalosde
confianza
PuedendeterminarseunosvaloresdeLyUde
manera que:
maneraque:
P(L<<U)=1
Donde0<<1.
Donde 0<<1
Portanto,setendrunaprobabilidad1 de
seleccionar una muestra que producir un
seleccionarunamuestraqueproducirun
intervaloqueincluyaelvalorverdaderode.
 Intervalos de confianza
Intervalosdeconfianza
Al
Alintervaloqueresulta:
i t l lt
l<<u
Selellamaunintervalodeconfianza del
100(1)porcientoparaelparmetro.
Alascantidadesl yu selesllamalmitesde
confianzainferiorysuperior,respectivamente.
A(1)selellamacoeficientedeconfianza.
Unaformadecalcularloslmitesinferiory
superioressumaryrestarrespectivamenteun
mltiplodelerrorestndaralvalorestimado.
 Interpretacin
Si
Sisetomaunnmeroinfinitodemuestras
t i fi it d t
aleatoriasysecalculaunintervalodeconfianza
)porcientopara
del 100(1)
del100(1 por ciento para encadamuestra,
en cada muestra
entoncesel100(1)porcientodeestos
intervalosincluirnelvalorrealde.