Академический Документы
Профессиональный Документы
Культура Документы
Microscopio simple.- Es el que utiliza slo una lente, es decir, es una lupa, su
aumento depende del tipo de lente y la graduacin que esta posea, pero el
aumento que se puede lograr con este microscopio para poder observar objetos
pequeos es muy poco.
Tambin existen variantes especficas de estos aparatos, que han sido diseadas
para realizar ciertos estudios que no es posible hacer con los microscopios
habituales, o que resulta ms difcil hacerlas observaciones, sin las adaptaciones
pertinentes.
Microscopios de luz ultravioleta.- La imagen en estos microscopios depende de
la capacidad de absorcin que posean las molculas de la muestra, de este tipo
de honda de luz.
Estimacin puntual
Consiste en la estimacin del valor del parmetro mediante un slo valor, obtenido
de una frmula determinada. Por ejemplo, si se pretende estimar la talla media de
un determinado grupo de individuos, puede extraerse una muestra y ofrecer como
estimacin puntual la talla media de los individuos. Lo ms importante de un
estimador, es que sea un estimador eficiente. Es decir, que sea
insesgado(ausencia de sesgos) y estable en el muestreo o eficiente (varianza
mnima) Estimacin puntual. Sea X una variable poblacional con distribucin F ,
siendo desconocido. El problema de estimacin puntual consiste en,
seleccionada una muestra X1, ..., Xn, encontrar el estadstico T(X1, ..., Xn) que
mejor estime el parmetro . Una vez observada o realizada la muestra, con
valores x1, ..., xn, se obtiene la estimacin puntual de , T(x1, ..., xn) = .
Vemos a continuacin dos mtodos para obtener la estimacin puntual de un
parmetro: mtodo de los momentos y mtodo de mxima verosimilitud. Mtodo
de los momentos: consiste en igualar momentos poblacionales a momentos
muestrales. Deberemos tener tantas igualdades como parmetros a estimar.
Momento poblacional de orden r r = E (Xr) Momento muestral de orden r ar = Xn
i=1 Xr i n
Mtodo de mxima verosimilitud: consiste en tomar como valor del parmetro
aquel que maximice la probabilidad de que ocurra la muestra observada. Si X1, ...,
Xn es una muestra seleccionada de una poblacin con distribucin F o densidad
f(x), la probabilidad de que ocurra una realizacin x1, ..., xn viene dada por:
L(x1, ..., xn) = Yn i=1 f(xi)
A L(x1, ..., xn) se le llama funcin de verosimilitud.(credibilidad de la muestra
observada). Buscamos entonces el valor de que maximice la funcin de
verosimilud, y al valor obtenido se le llama estimacin por mxima verosimilitud de
. Nota: si la variable X es discreta, en lugar de f(xi ) consideramos la funcin
masa de probabilidad p(xi).
Ejemplo 7.1: Sea X N(, ), con desconocido. Seleccionada una m.a.s.
X1, ..., Xn, con realizacin x1, ..., xn, estimamos el parmetro por ambos
mtodos. Segn el mtodo de los momentos: E(X) = Xn i=1 Xi n = X, y al ser =
E(X) se obtiene que = x. Por el mtodo de mxima verosimilitud: L(x1, ...,
xn) = Yn i=1 f(xi ) = = Yn i=1 1 2 e (xi) 2 2
Estimacin por Intervalos de conanza 109 y maximizamos en tal funcin; en
este caso resulta ms fcil maximizar su logaritmo: lnL(x1, ..., xn) = 1 2 2 Xn
i=1 (xi ) 2 n ln( 2) lnL(x1, ..., xn) = 1 2 Xn i=1 (xi ) = n x n
2 = 0 =
Intervalo de confianza
E-grafa
http://10tipos.com/tipos-de-microscopios/
https://es.wikipedia.org/wiki/Estimaci%C3%B3n_estad%C3%ADstica
https://es.wikipedia.org/wiki/Microscopio