Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1ESTADÍSTICA BÁSICA 2ESTADÍSTICA BÁSICA 6. Introducción a la Inferencia. Estimación q 1̂q 2̂q Tema 6: Introducción a la Inferencia. Estimación 1. La inferencia estadística. Población y muestra 2. Estimación y estimadores 3. Métodos de estimación. El método de los momentos 4. Evaluación de los estimadores. 5. La distribución de la media muestral 4ESTADÍSTICA BÁSICA Objetivo de la estadística: • Aprender de la observación • Generalizar lo que aprendemos de una muestra de una variable 𝑋 a toda la población 1. la inferencia Estadística. Población y muestra 5ESTADÍSTICA BÁSICA Objetivo de la estadística: • Aprender de la observación • Generalizar lo que aprendemos de una muestra de una variable X a toda la población NO OBSERVAMOS LA POBLACIÓN 1. la inferencia Estadística. Población y muestra 6ESTADÍSTICA BÁSICA Objetivo de la estadística: • Aprender de la observación • Generalizar lo que aprendemos de una muestra de una variable X a toda la población NO OBSERVAMOS LA POBLACIÓN sólo una muestra 1. la inferencia Estadística. Población y muestra INFERENCIA MUESTRA DE n OBSERVACIONES POBLACIÓN 𝑋1,𝑋2, … ,𝑋𝑛 Muestra aleatoria simple: • Todas las 𝑋𝑖 tienen las mismas características que 𝑋 • Son independientes entre si 𝑋1, 𝑋2, … , 𝑋𝑛 Son una secuencia de variables aleatorias independientes e idénticas (iid) X 8ESTADÍSTICA BÁSICA Extraemos información de la muestra: • Histograma • Media muestral • Varianza muestral... 9ESTADÍSTICA BÁSICA Extraemos información de la muestra: • Histograma • Media muestral • Varianza muestral... ¡¡PROBLEMA!! La información depende de la muestra seleccionada 10ESTADÍSTICA BÁSICA 24.5X 25.8X ¿Qué credibilidad le damos a la información de una sola muestra? 11ESTADÍSTICA BÁSICA 24.5X 25.8X ¿Qué credibilidad le damos a la información de una sola muestra? ESTADÍSTICO: operación matemática realizada con una muestra Ejemplo: media muestral, varianza muestral,... El valor de un ESTADÍSTICO varía con la muestra 12ESTADÍSTICA BÁSICA Distribución muestral (o en el muestreo) de un estadístico Estadístico: cualquier operación realizada con una muestra Ejemplo: Media muestral Los elementos de la muestra son variables aleatorias. Su valor cambia de unas muestras a otras Un estadístico es siempre una variable aleatoria. Su valor cambia de unas muestras a otras Depende de la operación que se realiza y de las propiedades de X Su distribución: distribución en el muestreo o distribución muestral con una muestra tenemos sólo un valor concreto 1. la inferencia Estadística. Población y muestra Tema 6: Introducción a la Inferencia. Estimación 1. La inferencia estadística. Población y muestra 2. Estimación y estimadores 3. Métodos de estimación. El método de los momentos 4. Evaluación de los estimadores. 5. La distribución de la media muestral 14ESTADÍSTICA BÁSICA 2. Estimación y estimadores Parámetros valores numéricos sobre características de la población: μ , σ² , λ , Cuartiles,... Si un parámetro es desconocido le asignamos un valor aproximado, a partir de una muestra de datos estadístico que se emplea en la estimación de un parámetro (como es un estadístico, será una variable aleatoria) ESTIMADOR: Ejemplo: la media muestral se puede user como estimador de la media poblacional cálculo de un valor numérico a partir de una muestra, con el fin de asignar un valor a un parámetro desconocido que sea lo más preciso posible ESTIMACIÓN: NOTACIÓN: El símbolo para denotar a un estimador será el mismo que el del parámetro pero con acento circunflejo ^ Estimador de la media poblacional μ Estimador de la varianza σ2 Estimador de un parámetro θ Tema 6: Introducción a la Inferencia. Estimación 1. La inferencia estadística. Población y muestra 2. Estimación y estimadores 3. Métodos de estimación. El método de los momentos 4. Evaluación de los estimadores. 5. La distribución de la media muestral 16ESTADÍSTICA BÁSICA 3. Métodos de estimación. El método de los momentos En estadística se denomina momento de una población de orden 𝑚 a 𝑀𝑚 = 𝐸[𝑋 𝑚] mientras que momento muestral de orden 𝑚 es 𝑚𝑚 = σ𝑖=1 𝑛 𝑋𝑖 𝑚 𝑛 Por tanto el primer momento poblacional es 𝑀1 = 𝐸 𝑋 ≡ 𝜇 y el primer momento muestral es la media muestral 𝑚1 = σ𝑖=1 𝑛 𝑋𝑖 𝑛 = ത𝑋 Análogamente El segundo momento poblacional será 𝑀2 = 𝐸(𝑋²) y el segundo momento muestral será 𝑚2 = σ𝑖=1 𝑛 𝑋𝑖 2 𝑛 El método de los momentos 17ESTADÍSTICA BÁSICA Asimismo, se denomina momento poblacional de orden m centrado (o respecto a la media) a 𝑀𝑚 𝑐 = 𝐸 𝑋 − 𝜇 𝑚 y el momento muestral centrado de orden m (o respecto a la media) es mm c = σ𝑖=1 𝑛 𝑋𝑖 − ത𝑋 𝑚 𝑛 La varianza poblacional σ² es el momento de segundo orden respecto a la media, y la varianza muestral s² es el segundo momento muestral respecto a la media. El método de los momentos se basa en: 1. Cualquier parámetro de un modelo poblacional puede ponerse en función de los momentos poblacionales (si no son ya ellos mismos). 2. Estimaremos los momentos poblacionales con los muestrales: 𝑀𝑚 = 𝑚𝑚; 𝑀𝑚 𝑐 = 𝑚𝑚 𝑐 3. Conseguimos así estimar un parámetro con una función de los momentos muestrales 3. Métodos de estimación. El método de los momentos 18ESTADÍSTICA BÁSICA Ejemplo: El número de clientes que llega a un puesto de servicio en una hora es una variable de Poisson. Durante 5 horas se anotan los clientes que llegan resultando las siguientes cantidades: 5, 0, 3, 3, 4. Estima su parámetro λ Como E(X)=λ tenemos que 3. Métodos de estimación. El método de los momentos Ejemplo: El tiempo que se tarda en ejecutar una tarea sigue una distribución exponencial. Se ha tomado una muestra de 7 tiempos de ejecución, resultando en los datos: 3,8,5,9,12,4, 1 minutos, respectivamente. ¿Cuál es la probabilidad (estimada) de que la tarea se prolongue más de 10 minutos? Queremos estimar la probabilidad 𝑃(𝑋 > 10), con 𝑋 ∼ 𝐸𝑥𝑝 𝜆 . Sabemos que 𝐸 𝑋 = 1 𝜆 ⇒ 𝜆 = 1 𝐸(𝑋) ⇒ መ𝜆 = 1 ത𝑋 = 1 6 𝑃 𝑋 > 10 = 𝑒−𝜆10 ⇒ 𝑃 𝑋 > 10 = 𝑒− 𝜆10 = 𝑒− 10 6 = 0.19 Tema 6: Introducción a la Inferencia. Estimación 1. La inferencia estadística. Población y muestra 2. Estimación y estimadores 3. Métodos de estimación. El método de los momentos 4. Evaluación de los estimadores. 5. La distribución de la media muestral 20ESTADÍSTICA BÁSICA Se pueden proponer varios estimadores para un parámetro. Elegimos el “mejor”. Para una muestra aleatoria simple de tamaño n=3 de una variable aleatoria normal de media μ y varianza conocida σ²=1, se consideran los siguientes estimadores de μ: Ƹ𝜇1 = 1 3 𝑋1 + 1 3 𝑋2 + 1 3 𝑋3 ≡ ത𝑋 Ƹ𝜇2 = 1 4 𝑋1 + 1 2 𝑋2 + 1 4 𝑋3 Ƹ𝜇3 = 1 8 𝑋1 + 3 8 𝑋2 + 1 2 𝑋3 Ejemplo: ¿Cómo seleccionar el más adecuado? 4. Evaluación de los estimadores 21ESTADÍSTICA BÁSICA ¿Qué le vamos a pedir a un estimador de un parámetro θ ? Que, aunque sea una variable aleatoria cuyo valor depende de la muestra empleada, dé un valor próximo al parámetro verdadero con mucha probabilidad ¿Cómo evaluarlo? 1 Que 𝐸 𝜃 no se aleje mucho de 𝜃 MAL estimador del parámetro θ. Tendencia a sobreestimar el valor q̂ q ˆ( )E q q Varios criterios Distribución de θ en el muestreo BUEN estimador del parámetro θ q̂ q ˆ( )E q q ^ 4. Evaluación de los estimadores 22ESTADÍSTICA BÁSICA q̂ q̂ q q ˆ( )E q q ˆ( )E q q ˆ ˆ( ) ( )Sesgo Eq q q El estimador será mejor, cuanto menor sea su sesgo insesgado o centrado Sesgado. Sesgo positivo ¿Qué le vamos a pedir a un estimador de un parámetro θ ? Que, aunque sea una variable aleatoria cuyo valor depende de la muestra empleada, dé un valor próximo al parámetro verdadero con mucha probabilidad ¿Cómo evaluarlo? 1 Varios criterios Distribución de θ en el muestreo 4. Evaluación de los estimadores Que 𝐸 መ𝜃 no se aleje mucho de 𝜃 23ESTADÍSTICA BÁSICA Para una muestra aleatoria simple detamaño n=3 de una variable aleatoria normal de media μ y varianza conocida σ²=1, se consideran los siguientes estimadores de μ: Ejemplo: Veamos su sesgo: Los tres son insesgados Ƹ𝜇1 = 1 3 𝑋1 + 1 3 𝑋2 + 1 3 𝑋3 Ƹ𝜇2 = 1 4 𝑋1 + 1 2 𝑋2 + 1 4 𝑋3 Ƹ𝜇3 = 1 8 𝑋1 + 3 8 𝑋2 + 1 2 𝑋3 4. Evaluación de los estimadores 24ESTADÍSTICA BÁSICA 1 q 2 Que θ tenga poca varianza ^ 1̂q 2̂q Aunque ambos son insesgados, el estimador θ2 es peor que el θ1, pues tiene mayor varianza. Es menos preciso. Es más probable que una muestra proporcione una estimación muy alejada del verdadero valor. ^ ^ 4. Evaluación de los estimadores Que 𝐸 መ𝜃 no se aleje mucho de 𝜃 25ESTADÍSTICA BÁSICA Veamos su varianza: El primer estimador tiene menor varianza Para una muestra aleatoria simple de tamaño n=3 de una variable aleatoria normal de media μ y varianza conocida σ²=1, se consideran los siguientes estimadores de μ: Ejemplo: 4. Evaluación de los estimadores Ƹ𝜇1 = 1 3 𝑋1 + 1 3 𝑋2 + 1 3 𝑋3 Ƹ𝜇2 = 1 4 𝑋1 + 1 2 𝑋2 + 1 4 𝑋3 Ƹ𝜇3 = 1 8 𝑋1 + 3 8 𝑋2 + 1 2 𝑋3 26ESTADÍSTICA BÁSICA 1 Que 𝐸( 𝜃 ) no se aleje mucho de 𝜃 2 Que መ𝜃 tenga poca varianza 3 Si hay varios estimadores, con distinto sesgo y varianza. Es mejor el que tenga menor ERROR CUADRATICO MEDIO (ECM) 2 2 ˆ ˆ ˆ ˆ( ) ( ) ( )ECM E Sesgo Varq q q q q q 1̂q 2̂q Es insesgado pero de mayor varianza Es sesgado, pero de menor varianza Calculamos el ECM de cada uno y elegimos el que tenga ECM menor ESTIMADOR EFICIENTE Es más probable que en una muestra dé un valor próximo al valor poblacional 4. Evaluación de los estimadores Tema 6: Introducción a la Inferencia. Estimación 1. La inferencia estadística. Población y muestra 2. Estimación y estimadores 3. Métodos de estimación. El método de los momentos 4. Evaluación de los estimadores. 5. La distribución de la media muestral 28ESTADÍSTICA BÁSICA 5. La distribución de la media muestral Estadístico: Media muestral X3 ... XnX1 X2 con una muestra tenemos sólo un valor concreto ? • ¿Qué forma tiene la distribución de la media muestral? (la que se obtiene si cambiamos los elementos de la muestra) • ¿Es la media muestral una buena aproximación a la media poblacional μ? X Distribución de X ‘generador de datos’ 29ESTADÍSTICA BÁSICA La media poblacional está en el centro de las diferentes medias muestrales que podríamos haber obtenido con diferentes muestras diferentes 5. La distribución de la media muestral 30ESTADÍSTICA BÁSICA independientes • Si n es suficientemente grande, la media muestral cambiaría poco de unas muestras a otras • Es muy poco probable que la media muestral dé un valor muy alejado de μ Disminuye con n 5. La distribución de la media muestral 31ESTADÍSTICA BÁSICA • Simétrica • Concentrada en μ • Con n alto, es muy probable que cualquier muestra dé un valor próximo a μ Estamos sumando variables aleatorias. Por el Teorema Central del Límite, si n es grande (n>30) NORMAL Independientemente de cómo sea X!!!!!! 5. La distribución de la media muestral
Compartir