Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
INFERENCIA ESTADÍSTICA ESTIMACIÓN DE PARÁMETROS • Puntual • Por Intervalos de Confianza PRUEBAS DE HIPÓTESIS Procedimientos que permiten sacar conclusiones y tomar decisiones con respecto a una población, habiendo analizado solo muestras de esa población Estimación de parámetros Calcular medidas descriptivas utilizando las observaciones muestrales, para representar a los parámetros desconocidos. POBLACIÓN Variables: X, Y, …, Z Parámetros: μ, σ, π x 1 , x 2 , x 3 , . . . , x n x S p DOS tipos de estimadores: Estimación puntual Se obtiene un punto, un valor, como estimación del parámetro. Estimación por intervalos Se obtiene un intervalo dentro del cual estimamos que (bajo cierta probabilidad) estará el parámetro. Estimación puntual de parámetros Estimar el valor de un parámetro desconocido con un sólo número. Simbología Un parámetro es θ Un estimador es θ Un estimador puntual es una función de las observaciones muestrales: = g (x 1 , x 2 , x 3 , ….. , x n ) Es simplemente un estadístico (media aritmética, varianza, etc.) que se emplea para estimar parámetros (media poblacional, varianza poblacional, etc.). Es decir, cuando obtenemos una media aritmética a partir de una muestra, tal valor puede ser empleado como una estimación para el valor de la media poblacional. Un estimador puntual es una función de las observaciones muestrales, que no debe incluir al parámetro desconocido ni depender de él. Estimación puntual de parámetros ∧ θ = g(x 1 , x 2 , x 3 , . . . , x n ) x = (Σ x)/n Propiedades de un buen estimador • Insesgabilidad • Eficiencia (Insesgabilidad de varianza mínima) • Consistencia • Suficiencia • Distribución asintóticamente normal Insesgabilidad Un estimador θ es un estimador insesgado del parámetro θ, si el valor esperado del estimador es igual al parámetro. E(x) = μ E(p) = π E( θ ) = θ Eficiencia (Insesgabilidad de varianza mínima) Dados dos estimadores θ 1 y θ 2 , de un parámetro θ, insesgados, se dice que θ 1 es más eficiente que θ 2 , si su varianza es menor. Es decir, si V(θ 1 ) < V(θ 2 ) Consistencia Se dice que θ es un estimador consistente de θ, si puede lograrse que la probabilidad de que un estimador difiera del valor real del parámetro más que cualquier cantidad arbitrariamente elegida, sea tan pequeña como se quiera, incrementando suficientemente el tamaño de la muestra. P{| θ - θ| > ε } → 0 cuando n →∞ Suficiencia Se dice que θ es un estimador suficiente del parámetro θ, si brinda toda la información posible acerca del parámetro, de manera que, ni con otros estimadores, ni con las observaciones muestrales mismas, podría obtenerse mayor información. Distribución asintóticamente normal Se dice que θ es un estimador asintóticamente normal del parámetro θ, si además de ser insesgado y consistente, tiene distribución normal cuando aumenta el tamaño de la muestra. Es decir, si θ ~ normal cuando n → ∞ Intervalos de confianza Es la estimación de un parámetro por un intervalo al azar, llamado intervalo de confianza, cuyos límites superior e inferior, L i y L s , son funciones de las variables aleatorias observadas tales que la probabilidad de que se cumpla la desigualdad L i < < L s , se expresa en términos de un número predeterminado, 1- α . P ( L i < < L s ) = 1- α La cuestión es ¿cómo encontrar los límites del I de C? -zα/2 zα/2 Se deduce que P{ -zα/2 ≤ Z ≤ zα/2 } = 1 - α P(-zα/2 ≤ Z ≤ zα/2) = 1- α o bien P(-1,96 ≤ Z ≤ 1,96) = 0,95 Obtención de un I de C P{ -zα/2 ≤ Z ≤ zα/2 } = 1 - α P{ -zα/2 ≤ ≤ zα/2 } = 1 - α Forma reducida de los I de C I de C para la media poblacional μ (con Desvío Estándar poblacional Conocido) Siendo: I de C para la proporción π La construcción de I. de C. para π requiere grandes tamaños de muestra, tanto mayores cuanto más se desvía p de 0.5. I de C para μ 1 -μ 2 I de C para π 1 - π 2 I de C para la media poblacional μ (con Desvío Estándar poblacional Desconocido) Si se desconoce la Desviación Estándar Poblacional, se deberá trabajar con: • Distribución de Probabilidad t de Student, • Identificar los Grados de Libertad, • Seleccionar de la tabla respectiva el valor t. X + - t S n * En una encuesta se pregunta a 100 personas cuántos libros lee al año, obteniéndose una media de 5 libros. Se sabe que la población tiene una distribución normal con desviación estándar 2. Hallar un intervalo de confianza al 90 % para la media poblacional. EJERCITEMOS * En una ciudad residen 1250 familias. Se seleccionó una muestra aleatoria de un 20 % de ellas y se les preguntó si disponían de gas ciudad en su vivienda. Sabiendo que todas las familias seleccionadas respondieron y que se obtuvo un total de 75 respuestas afirmativas. -¿Qué estimación puntual podríamos dar para el porcentaje de familias de esa ciudad que disponen de gas ciudad en su vivienda?
Compartir