Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 2 vistas

    Estimacion Puntual y Por Intervalos (1)

    Cargado por

    german.peirone26

    Copyright:

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

    Estimacion Puntual y Por Intervalos (1)

    Cargado por

    german.peirone26
    2 vistas32 páginas

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    2 vistas32 páginas

    Estimacion Puntual y Por Intervalos (1)

    Cargado por

    german.peirone26

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    de 32

    ESTIMACION DE PARAMETROS

    POBLACIONALES
    Vamos a estudiar 2 tipos de
    estimación:
    1. Estimación puntual
    2. Estimación por intervalos
    ESTIMACIÓN PUNTUAL DE
    PARÁMETROS POBLACIONALES
    Parámetro: Una propiedad de la población . Ejemplo: Promedio
    de altura (µ), Varianza de altura , promedio de peso de una
    pieza, etc. Los designamos con letras mayúsculas, y de forma
    general como .
    Estimador puntual: Es una función aplicada a los datos
    muestrales, cuyo valor (ESTIMACIÓN) estima al valor del
    parámetro. Ejemplo: media muestral de altura (), varianza
    muestral de altura (), de forma general lo .
    son variables
    aleatorias continuas
    Ya que los valores que
    asuman van a
    depender de los
    elementos que entren
    en las distintas
    LOS PARÁMETROS, ¿SON
    ALEATORIOS?
    ( )
    ( )
    2 2
    𝑋 𝑁 𝜇 , 𝜎
    Distribucion de la media 𝜎
    𝑋 𝑁 muestral
    𝜇;
    𝑛
    Y como esdeuna variable de
    Si la muestra se extrae de una población con
    distribucion normal parámetros para la tipo
    La( 𝟐𝟎𝟎 )
    𝟒𝟎𝟎
    𝐗 𝐍 ( 𝟐𝟎𝟎
    característica 𝟒𝟎𝟎
    que ;se esta 𝐗 𝐍
    ) estudiando. ;
    distribucion
    de lacontinuas,
    media muestrales poco probable que
    será:
    𝟒

    tome el valor exacto del


    parámetro, por ejemplo, =200
    Por ejemplo: 4 de la guía de actividades.
    DISTRIBUCION DE LA VARIANZA MUESTRAL
    • Si la muestra se extrae de una población con
    distribucion
    normal de parámetros para la característica que se
    esta estudiando. La distribucion de la varianza
    muestral será:

    Esta distribucion es asimétrica y su parámetro es n-


    1
    N-1=3 N-1=5
    N-1=10 N-1=30
    PROPIEDADES DE LOS BUENOS ESTIMADORES

    1. SUFICIENCIA: Decimos que es suficiente cuando


    tiene en cuenta toda la información relevante del
    parámetro que esta contenida en la muestra.
    2. INSESGABILILIDAD: Decimos que un
    estimador es insesgados cuando
    se cumple:

    Por ejemplo: La media muestral

    E()=
    3. CONSISTENCIA: Un estimador es
    consistente cuando:
    4. EFICIENCIA: Cuando tenemos dos
    estimadores para un mismo
    parámetro, , vamos a decir que es
    mas eficiente que si se cumple que:
    Ejemplo de propiedades de los
    buenos estimadores
    Analicemos las propiedades de este estimador para determinar si
    = es bueno…
    Es suficiente? Sí, ya que tienen en cuenta todos los elementos de la muestra
    Es consistente? Sí, ya que a medida que aumenta n se acerca al verdadero valor de
    parámetro
    Es insesgada? Si ya que

    Es eficiente?.. Hay que Comparar su varianza con la de otro estimador


    = (2X1-X6+X4)/2
    Es suficiente? No, ya que no tienen en cuenta todos los elementos de la muestra
    Es consistente? No, por mas que aumenta n solo toma X1, X6 y X4
    Es insesgada? Si.

    Es eficiente?.. Hay que compararlo con un segundo estimador


    Cómo se calcula?
    = V (*

    =*(++)=
    ESTIMACIÓN POR
    INTERVALOS DE
    PARÁMETROS
    POBLACIONALES
    Es definir una región de
    confianza. Esta región,
    tiene una probabilidad
    conocida (definida por
    el investigador) de
    cubrir al parámetro
    poblacional.
    Para empezar la construcción del intervalo, necesitamos
    un estadístico que relacione la información proveniente de
    la muestra (media muestral o la varianza muestral) y el
    parámetro que se esta estimando. Y, además, necesitamos
    que ese estadístico tenga una distribución conocida.
    Notemos que la distribución de la
    ¿Por qué se requiere un nuevo estadístico
    media muestral depende del
    con una distribucion apropiada que
    parámetro a estimar µ, es por esta
    relacione los estimadores muestrales con
    razón que se busca un nuevo
    los parámetros a estimar?
    estadístico, que relacione al
    ¿Por qué no usar directamente los
    parámetro a estimar con su
    estimadores muestrales y sus
    estimador puntual (el que contiene la
    distribuciones? Como,
    información), y que, además, tenga
    )
    una distribución conocida (para que
    esto se base en probabilidades) y que
    esta no dependa del parámetro a
    estimar.
    EJEMPLO 1

    Un intervalo de confianza para la media poblacional (se pueden


    presentar dos situaciones. conocido o desconocido)
    (con conocido)
    El estadístico que vamos a usar para construir el intervalo es:

    =1-α

    LIMITE LIMITE
    INFERIOR SUPERIOR

    1-α es el nivel de confianza


    ( )
    1.64 ∗ 0.3
    𝐿𝐼=19.05 − =18.94
    √ 20
    1.64 ∗ 0.3
    𝐿𝑆=19.05+ =19.16
    √ 20
    1-α =95%
    Los intervalos de confianza son aleatorios.
    Algunos van a cubrir al parámetro y otros no.
    En este caso, de 100 intervalos construidos,
    se espera que 95 de ellos cubran a µ y 5 NO.
    EJEMPLO 2:

    Se extrae una muestra de 10 de estas bolsas y se le registran los siguientes pesos

    Calcular un intervalo de confianza para la varianza poblacional. Ambos con un nivel de confianza del 95%
    (con desconocido)

    Para esto se utiliza el estadístico t que tiene distribución t-Student,


    se reemplaza por su estimador puntual
    LA DISTRIBUCIÓN T DE
    STUDENT
    El estadístico T se usa para estimaciones por intervalo para
    µ cuando no se tiene ningún conocimiento de la varianza
    poblacional y en su lugar usamos la varianza muestral (su
    estimador puntual). Este estadístico tiene una distribucion
    llamada t-Student cuyo parámetro son los grados de
    libertad (n-1)
    Al igual que la
    distribución normal, la
    distribución t-Student
    es simétrica y centrada
    en cero
    (con desconocido)
    El estadístico que vamos a usar para construir el intervalo es:

    =1-α

    LIMITE LIMITE
    INFERIOR SUPERIOR
    Li =

    LS =2 = 29.45
    2. INTERVALO DE CONFIANZA PARA

    El estadístico que vamos a usar para


    construir el intervalo es:
    2. INTERVALO DE CONFIANZA
    PARA
    =1-α

    LIMITE LIMITE
    INFERIOR SUPERIOR
    LA LONGITUD DEL INTERVALO
    A mayor longitud habrá menor precisión en
    la estimación. El nivel de confianza y el
    tamaño de muestra modifican la longitud de
    los intervalos.
    𝐋𝐢𝐦𝐢𝐭𝐞𝐬𝐮𝐩𝐞𝐫𝐢𝐨𝐫 − 𝐋𝐢𝐦𝐢𝐭𝐞𝐢𝐧𝐟𝐞𝐫𝐢𝐨𝐫
    𝟐 𝛔 𝐙𝛂 / 𝟐
    𝐋𝐨𝐧𝐠𝐢𝐭𝐮𝐝 =
    √𝒏

    También podría gustarte