Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
203 MATLAB Graficar la densidad de la distribución T >> t=-6:0.1:6; Puntos para evaluar la distribución T >> f1=tpdf(t, 2); Puntos de la distribución T >> f2=tpdf(t, 5); >> f3=tpdf(t, 20); >> plot(t,f1,'b'), grid on, hold on Graficación >> plot(t,f2,'k') >> plot(t,f3,'r') >> legend('nu=2','nu=5','nu=20') Rótulos Obtener y graficar las estadísticas de orden 1, 2, 3, 4, 5 para f(x) = 2x, 0<x<1 >> syms x r >> f=2*x; Definición de la densidad f(x) >> F=int(f) Obtención de la distribución F(x) F = x^2 Obtención de estadísticas de orden >> r=1;f1=factorial(5)/(factorial(r-1)*factorial(5-r))*F^(r-1)*(1-F)^(5-r)*f f1 = 10*(1-x^2)^4*x >> r=2;f2=factorial(5)/(factorial(r-1)*factorial(5-r))*F^(r-1)*(1-F)^(5-r)*f f2 = 40*x^3*(1-x^2)^3 >> r=3;f3=factorial(5)/(factorial(r-1)*factorial(5-r))*F^(r-1)*(1-F)^(5-r)*f f3 = 60*x^5*(1-x^2)^2 >> r=4;f4=factorial(5)/(factorial(r-1)*factorial(5-r))*F^(r-1)*(1-F)^(5-r)*f f4 = 40*x^7*(1-x^2) >> r=5;f5=factorial(5)/(factorial(r-1)*factorial(5-r))*F^(r-1)*(1-F)^(5-r)*f f5 = 10*x^9 204 Gráficación de las estadísticas de orden. >> ezplot(f1,[0,1]), grid on,hold on >> ezplot(f2,[0,1]) >> ezplot(f3,[0,1]) >> ezplot(f4,[0,1]) >> ezplot(f5,[0,1]) Calcular para la estadística de orden 4: P(X(4) < 1/2) >> p = int(f4, 0, 1/2) p = 1/64 205 10 ESTADÍSTICA INFERENCIAL La Estadística Inferencial proporciona las técnicas para formular proposiciones acerca de la población, incluyendo una medida para determinar el riesgo de la afirmación. 10.1 INFERENCIA ESTADÍSTICA Una inferencia estadística es una afirmación que se hace acerca de la población en base a la información contenida en una muestra aleatoria tomada de esta población. Debido a la naturaleza aleatoria de los datos obtenidos en la muestra, hay un riesgo en la certeza de la afirmación propuesta, y es necesario cuantificar el valor de este riesgo. Un estimador es una variable aleatoria cuyas propiedades permiten estimar el valor del parámetro poblacional de interés. La muestra aleatoria proporciona únicamente un valor de esta variable y se denomina estimación puntual. Para estimar al parámetro poblacional, es posible definir más de un estimador, por ejemplo para a la media poblacional µ pueden elegirse la mediana muestral X o la media muestral X . Cada uno tiene sus propias características, por lo tanto, es necesario establecer criterios para elegirlo. Sean θ : Parámetro poblacional de interés (Ej. µ) (Valor desconocido) Θ : Estimador (Ej. X ) (Variable aleatoria) θ : Estimación puntual de Θ (Ej. x ) (Un valor del estimador) La intuición sugiere que el estimador debe tener una distribución muestral concentrada alrededor del parámetro y que la varianza del estimador debe ser la menor posible. De esta manera, el valor que se obtiene en la muestra será cercano al valor del parámetro y será útil para estimarlo. 10.2 MÉTODOS DE INFERENCIA ESTADÍSTICA Sean θ : Parámetro poblacional de interés (Ej. µ) (Valor desconocido) Θ : Estimador (Ej. X ) (Variable aleatoria) θ : Estimación puntual de Θ (Ej. x ) (Un valor del estimador) 10.2.1 ESTIMACIÓN PUNTUAL Se trata de determinar la distancia, o error máximo entre la estimación puntual θ y el valor del parámetro θ que se desea estimar, con algún nivel de certeza especificado. |θ – θ | Distribución muestral del estimador Θ Valor del estimador, o estimación puntual, obtenido con la muestra El estimador Θ es una variable aleatoria 10 ESTADÍSTICA INFERENCIAL 10.1 INFERENCIA ESTADÍSTICA 10.2 MÉTODOS DE INFERENCIA ESTADÍSTICA 10.2.1 ESTIMACIÓN PUNTUAL 10.2.2 ESTIMACIÓN POR INTERVALO
Compartir