Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 61 vistas

    Sesion 09 - Estimacion de Parametros

    Cargado por

    JUAN FERNANDO ARESTEGUI HUILLCA
    El documento trata sobre la estimación de parámetros poblacionales a partir de muestras. Explica que un estimador es un valor calculado a partir de datos muestrales que proporciona información sobre un parámetro poblacional, como la media muestral que estima la media poblacional. Luego distingue entre estimación puntual y por intervalos, siendo esta última más útil al calcular un rango de valores dentro del cual se encontrará el parámetro con un nivel de confianza dado. Finalmente, provee fórmulas para calcular intervalos de

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Sesion 09 - Estimacion de Parametros

    Cargado por

    JUAN FERNANDO ARESTEGUI HUILLCA
    61 vistas8 páginas
    El documento trata sobre la estimación de parámetros poblacionales a partir de muestras. Explica que un estimador es un valor calculado a partir de datos muestrales que proporciona información sobre un parámetro poblacional, como la media muestral que estima la media poblacional. Luego distingue entre estimación puntual y por intervalos, siendo esta última más útil al calcular un rango de valores dentro del cual se encontrará el parámetro con un nivel de confianza dado. Finalmente, provee fórmulas para calcular intervalos de

    Título original

    Sesion 09 - Estimacion de Parametros (1) (1)

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento trata sobre la estimación de parámetros poblacionales a partir de muestras. Explica que un estimador es un valor calculado a partir de datos muestrales que proporciona información sobre un parámetro poblacional, como la media muestral que estima la media poblacional. Luego distingue entre estimación puntual y por intervalos, siendo esta última más útil al calcular un rango de valores dentro del cual se encontrará el parámetro con un nivel de confianza dado. Finalmente, provee fórmulas para calcular intervalos de

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    61 vistas8 páginas

    Sesion 09 - Estimacion de Parametros

    Cargado por

    JUAN FERNANDO ARESTEGUI HUILLCA
    El documento trata sobre la estimación de parámetros poblacionales a partir de muestras. Explica que un estimador es un valor calculado a partir de datos muestrales que proporciona información sobre un parámetro poblacional, como la media muestral que estima la media poblacional. Luego distingue entre estimación puntual y por intervalos, siendo esta última más útil al calcular un rango de valores dentro del cual se encontrará el parámetro con un nivel de confianza dado. Finalmente, provee fórmulas para calcular intervalos de

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 8

    SESION 09

    ESTIMACION DE PARAMETROS
    En una población cuya distribución es conocida pero desconocemos algún parámetro, podemos
    estimar dicho parámetro a partir de una muestra representativa. Un estimador es un valor que
    puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor
    del parámetro. Por ejemplo la media muestral es un estimador de la media poblacional, la
    proporción observada en la muestra es un estimador de la proporción en la población.

    UNA ESTIMACIÓN ES PUNTUAL cuando se obtiene un sólo valor para el parámetro, Los
    estimadores más probables en este caso son los estadísticos obtenidos en la muestra, aunque
    es necesario cuantificar el riesgo que se asume al considerarlos. Recordemos que la distribución
    muestral indica la distribución de los valores que tomará el estimador al seleccionar distintas
    muestras de la población. Las dos medidas fundamentales de esta distribución son la media que
    indica el valor promedio del estimador y la desviación típica, también denominada error típico
    de estimación, que indica la desviación promedio que podemos esperar entre el estimador y el
    valor del parámetro.

    ESTIMACIÓN POR INTERVALOS es más útil y es la en la que calculamos dos valores entre los
    que se encontrará el parámetro, con un nivel de confianza fijado de antemano.
    Llamamos Intervalo de confianza al intervalo que con un cierto nivel de confianza, contiene al
    parámetro que se está estimando.

    NIVEL DE CONFIANZA es la "probabilidad" de que el intervalo calculado contenga al verdadero


    valor del parámetro. Se simboliza por (1 − 𝛼) y habitualmente se da en porcentaje (1 − 𝛼 ) *
    100%. Hablamos de nivel de confianza y no de probabilidad ya que una vez extraída la muestra,
    el intervalo de confianza contendrá al verdadero valor del parámetro o no, lo que sabemos es
    que si repitiésemos el proceso con muchas muestras podríamos afirmar que el (1 − 𝛼 ) % de los
    intervalos así construidos contendría al verdadero valor del parámetro.

    INTERVALO DE CONFIANZA
    Se llama intervalo de confianza en estadística a un par de números entre los cuales se estima
    que estará cierto valor desconocido con una determinada probabilidad de acierto.
    Formalmente, estos números determinan un intervalo, que se calcula a partir de datos de una
    muestra, y el valor desconocido es un parámetro poblacional. La probabilidad de éxito en la
    estimación se representa por 1-α y se denomina nivel de confianza. En estas circunstancias, α es
    el llamado error aleatorio o nivel de significación, esto es, una medida de las posibilidades de
    fallar en la estimación mediante tal intervalo.
    ESTIMACIÓN POR INTERVALOS DE CONFIANZA PARA LA MEDIA
    Sea desconocida la media poblacional de una cierta variable que deseamos estudiar, sacamos
    una muestra y Si la población de la cual se extraen las muestras es normal se trata de obtener
    un intervalo de forma que tengamos una probabilidad alta (1− α) % de que la media poblacional
    este en ese intervalo. El nivel de confianza del intervalo (1− α)*100% lo fijamos nosotros, se
    suele trabajar con 95% y a veces con 99% o el 90%; es decir, con probabilidad 0.05, 0.01 o 0.1
    Si se cumple una de las siguientes hipótesis:

    IC PARA LA MEDIA CON VARIANZA CONOCIDA IC PARA LA MEDIA CON VARIANZA DESCONOCIDA

    El tamaño de la muestra es mayor de 30 con media El tamaño de la muestra es menor de 30 con media
    poblacional μ y desviación estándar poblacional σ poblacional μ y desviación estándar poblacional σ
    conocido, la variable sigue un modelo normal. El desconocido, la estadística deja de tener distribución
    intervalo de confianza para la media poblacional: normal estandarizada y tiene una distribución t Student

    𝜎 𝜎 𝑆 𝑆
    𝐼𝐶𝜇 = 𝑥̅ − 𝑍1−𝛼/2 ≤ 𝜇 ≤ 𝑥̅ + 𝑍1−𝛼/2 𝐼𝐶𝜇 = 𝑥̅ − 𝑡1−𝛼/2;𝑛−1 ≤ 𝜇 ≤ 𝑥̅ + 𝑡1−𝛼/2;𝑛−1
    √𝑛 √𝑛 √𝑛 √𝑛

    Donde 𝑍 es el valor que en la distribución N(0,1)


    Donde 𝑡1−𝛼/2;𝑛−1 es el valor que se encuentra en la
    deja a su derecha un área de α /2, 𝑥̅ es la media en
    tabla t-student con n-1 grados de libertad, 𝑥̅ es la media
    la muestra, 𝜎 es la desviación típica y n el tamaño
    en la muestra, 𝑆 la desviación típica y n el tamaño de la
    de la muestra.
    muestra.

    TAMAÑO DE LA MUESTRA PARA ESTIMAR μ

    El tamaño de muestra para un error de estimación ε y un nivel de confianza determinado se deduce la


    ecuación, resultando:

    2 2
    𝑍1−𝛼 ⁄2 𝜎 𝑁 𝜎 2
    𝑛= 2 2
    𝑛 = (𝑍1−𝛼⁄2 )
    𝑍1−𝛼 ⁄2 𝜎 𝑁 + 𝑒 2 (𝑁 − 1) 𝑒

    𝜎
    Donde el error de estimación es: 𝑒 = 𝑍1−𝛼⁄2
    √𝑛
    Ejemplo 1: Un experto en tránsito de una región, desea conocer el promedio de velocidad que
    los vehículos particulares emplean al cruzar por cierta zona de carretera identificada como
    altamente peligrosa. Para esto, toma una muestra de las velocidades de 51 vehículos y
    encuentra que en la misma presenta una desviación estándar de 22 kilómetros/hora y una media
    de 112 kilómetros/hora. . Estime la velocidad promedio de los vehículos de la población, y
    calcula, para un nivel de confianza del 99%, suponiendo que la variable se distribuye
    normalmente.

    Interpretación:

    Ejemplo 2: En una encuesta se pregunta a 10000 personas cuántos libros lee al año,
    obteniéndose una media de 5 libros. Se sabe que la población tiene una distribución normal con
    una desviación típica 2.

    a) Hallar un intervalo de confianza al 80% para la media poblacional.

    Interpretación:
    b) Para garantizar un error de estimación de la media poblacional no superior a 0,25 con un nivel
    de confianza del 95%, ¿a cuántas personas como mínimo sería necesario entrevistar?

    Ejemplo 3: Se considera los siguientes tiempos de conexión a internet de los diferentes


    procesadores de un laboratorio en minutos:

    tiempos de conexión 1.4 1.2 1.3 1.5 2.2

    frecuencia 6 4 3 5 6

    Obtener un intervalo de confianza del 90% para el tiempo medio de conexión suponiendo que
    la variable es normal.

    Interpretación:
    Ejemplo 4: En un concurso nacional en talentos a puntuación media de una muestra de 20
    jueces, elegidos al azar, para una misma prueba, presentó una media de 9,8525 y una desviación
    típica de 0,0965. Calcular un intervalo de confianza con un 95% para la nota media. (Suponemos
    que la variable que mide la puntuación sigue una distribución normal.)

    Interpretación:

    Ejemplo 5: El tiempo de conexión a internet de los alumnos de cierta universidad, sigue una
    distribución normal con una desviación típica de 15 minutos. Para estimar la media del tiempo
    de conexión, se quiere calcular un intervalo de confianza que tenga una amplitud menor o igual
    a 6 minutos, con un nivel de confianza del 95 %. Determina cuál es el tamaño mínimo de la
    muestra que es necesario observar.

    Interpretación:
    ESTIMACIÓN POR INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN

    Sea una muestra aleatoria de tamaño n escogida de una población de Bernoulli B(1,p), cuyo
    parámetro p es la proporción de éxitos en la población. El estimador puntual de p es la
    estadística proporción de éxitos en la muestra definida por:
    ∑𝑛𝑖=1 𝑋𝑖 𝑋
    𝑝̅ = 𝑜 𝑝̅ =
    𝑖=1 𝑛

    IC PARA LA PROPORCION

    Si 𝑝̅es la proporción de éxitos en una muestra aleatoria de tamaño n, entonces, el intervalo


    de confianza del (1− α) 100 % para la proporción p es:

    𝑝̅ (1 − 𝑝̅ ) 𝑝̅ (1 − 𝑝̅ )
    𝐼𝐶𝑝̅,(1−𝑝̅) = 𝑝̅ − 𝑍1−𝛼/2 √ ≤ 𝑝 ≤ 𝑝̅ + 𝑍1−𝛼/2 √
    𝑛 𝑛

    Z es el valor que en la distribución N(0,1) deja a su derecha un área de α /2, n el tamaño de la


    muestra.

    TAMAÑO DE LA MUESTRA PARA ESTIMAR 𝑝

    El tamaño de muestra n para un error de estimación ε y un nivel de confianza de 100(1-α)%


    es:

    𝑝. 𝑞 𝑍1−𝛼⁄2 2
    𝑛= 2 𝑛=( ) 𝑝(1 − 𝑝)
    𝑒 𝑝. 𝑞 𝑒
    ( ) +
    𝑍1−𝛼⁄2 𝑁

    𝑝̂(1−𝑝̂)
    Donde el error de estimación es: 𝑒 = 𝑍1−𝛼⁄2 √
    𝑛

    Ejemplo 1: Un fabricante de reproductores de discos compactos utiliza un conjunto de pruebas


    amplias para evaluar la función eléctrica de su producto. Todos los reproductores de discos
    compactos deben pasar todas las pruebas antes de venderse. Una muestra aleatoria de 500
    reproductores tiene como resultado 15 que fallan en una o más pruebas. Encuentre un intervalo
    de confianza de 90% para la proporción de los reproductores de discos compactos de la
    población que no pasan todas las pruebas.
    Interpretación:

    Ejemplo 2: Se realizó una encuesta a 350 familias preguntando si poseían ordenador en casa,
    encontrándose que 75 de ellas lo poseían. Estima la proporción real de las familias que disponen
    de ordenador con un nivel de confianza del 95%.

    Interpretación:

    También podría gustarte