Professional Documents
Culture Documents
2014-2
UNIDAD 4: ESTIMACIN DE PARAMETROS
La estimacin estadstica es un procedimiento mediante el cual se llega a obtener y
analizar estimadores de parmetros poblacionales desconocidos.
Un estimador es una regla o mtodo para estimar un parmetro poblacional. Por ejemplo,
se dice que la media muestral X es un estimador de la media poblacional porque la
media muestral proporciona un mtodo para estimar la media de la poblacin.
Un estimador proporciona alguna informacin respecto al parmetro.
Una estimacin es un valor particular del estimador obtenido de observaciones de la
muestra.
Para una poblacin de mediciones de X, muchas veces es necesario estimar el
parmetro ; es decir, mediante una muestra aleatoria X1, X2, ..., Xn debemos
aproximarnos al verdadero valor de .
La estimacin puede hacerse mediante un nico valor (estimacin puntual) o
mediante un conjunto de valores (estimacin por intervalo).
Por ejemplo, supongamos que los puntajes de ingreso de este ao a la Escuela de
Ing. de Sistemas siguen una distribucin normal con media desconocida y con varianza
2 conocida. Deseamos estimar la media . Para ello, utilizamos como estimador la
media muestral. Si elegimos una muestra aleatoria de 30 ingresantes y observamos sus
puntajes, el valor observado de la media muestral ser una estimacin puntual de . Si
se prefiere acompaar la estimacin puntual con alguna medida de la dispersin de la
misma, se estar haciendo una estimacin por intervalo. En este ejemplo, un intervalo
de confianza para se consigue sumando y restando al estimador puntual X el
producto del error de la media por un cierto factor, que en muchos casos es 1.96.
Los mejores estimadores puntuales para la media poblacional, la varianza
poblacional y la proporcin poblacional son, respectivamente, la media muestral, la
varianza muestral y la proporcin muestral, porque gozan de ciertas propiedades.
PROPIEDADES DE UN BUEN ESTIMADOR PUNTUAL
Un buen estimador puntual , de un parmetro , debe ser: insesgado, consistente,
eficiente.
ESTIMADOR INSESGADO
Se dice que es un estimador insesgado del parmetro si E( ) =
Significado :
Si calculamos el valor de para cada muestra y repetimos el experimento un gran
nmero de veces, el promedio de todas estas estimaciones ser igual a . Por tanto, los
estimadores insesgados proporcionan resultados perfectos en promedio.
Pgina 1
EJEMPLO:
Las
estadsticas
correspondientes parmetros
X , S 2 y p son
estimadores
insesgados
de
los
, 2 y .
ESTIMADOR CONSISTENTE
Se dice que es un estimador consistente del parmetro si
i)
lim
ii)
lim
E()
n
Var () 0
Significado :
Si al incrementar el tamao de la muestra se produce a la vez un menor sesgo y la varianza
tiende a cero, entonces se tendr un estimador consistente.
EJEMPLO: Las estadsticas X , S 2 y p son estimadores consistentes de los respectivos
parmetros , 2 y .
ESTIMADOR EFICIENTE
Sean 1 y 2 dos estimadores insesgados del mismo parmetro . Se dice que el estimador
1 es ms eficiente que 2 si y solo si
Pgina 2
.
n
y entonces el intervalo [q1(X), q2 (X)] ser el intervalo que cubre a con un nivel de
confianza igual a 1 .
Interpretacin del nivel de confianza 1 :
El nivel de confianza es la probabilidad de que el parmetro que se estima se encuentre en
el intervalo de confianza.
El valor 1 indica la proporcin esperada de las veces que el intervalo contendr al
parmetro cuando el muestreo se repite un determinado nmero de ocasiones. Si se realiza
el muestreo en k oportunidades, es de esperar que el ( 1 )100% de los k intervalos de
confianza que se formen contengan al parmetro.
Sea por ejemplo 1 = 0.95. Significa que, si en un muestreo repetido se calculara con
cada muestra un intervalo de confianza para , entonces en el 95% de las muestras los
intervalos construidos incluiran a .
PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI
Pgina 3
DE UNA
, X z
[X- z
]
n
n
el cual cubre a con una confianza de ( 1 )100%.
CASO 2: La varianza poblacional 2 es desconocida.
En este caso, la funcin pivote es
x
s n
la cual tiene distribucin t con n-1 grados de libertad.
Usando esta distribucin, procedemos como en el caso anterior, planteando una proposicin
probabilstica y despejando .
Luego, el intervalo para estimar a un nivel de confianza de 1 es
s
s
, X t
[X- t
]
n
n
Ejemplo 1:
Una mquina de empaquetar bolsas de caf est regulada para embalar bolsas cuyos pesos
se distribuyen normalmente con media 500 gr. y desviacin estndar 10 gr. Supongamos
que la mquina est desregulada y deseamos conocer el nuevo promedio . Una muestra
aleatoria de 25 bolsas arroja una media igual a 485 gr. Hallar un intervalo de confianza de
95% para .
Solucin:
PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI
Pgina 4
.
n
Como el tamao de la muestra aparece en el denominador, entonces, muestras grandes
darn intervalos de confianza de longitud ms cortos, por lo tanto ms precisos. Si se
conociera la longitud del intervalo, entonces el tamao de la muestra ser igual a
2z
n /2
L
Pgina 5
0.5
Si la longitud del intervalo fuese un cuarto de onza, entonces sera n = 44
modo que, si E z / 2
entonces n debe ser tal que
n
z
n /2
E
As por ejemplo, si en el problema 1 el mximo error permitido se reduce a la mitad, cul
ser el tamao de muestra requerido?
Siendo z / 2
= (1.96 x 10)/5 = 3.92, la mitad del error es 1.96. Reemplazando este valor
n
en la frmula de n se obtiene n 100.
2
X z / 2
n
N n
, X - z /2
N 1
n
N n
N 1
s
X t /2
n
N n
s
, X - t /2
N 1
n
N n
N 1
N n
s
, X - z /2
N 1
n
N n
N 1
s
X z / 2
n
Ejercicio 1:
Un fabricante de fibras sintticas desea estimar la tensin de ruptura media de una fibra.
Disea un experimento en el que se observan las tensiones de ruptura, en libras, de 16 hilos
PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI
Pgina 6
2 DE
UNA
(n 1) S 2
12 / 2 ) 1
y despejando 2 dentro del parntesis se obtiene el siguiente intervalo estimador que cubre
a 2 , con un nivel de confianza igual a ( 1 )100%:
(n 1) S 2 (n-1)S 2
,
2
2 /2
1 / 2
Ejemplo:
Se realizaron 15 mediciones del largo de una barra. Los resultados fueron: 42.7, 43.48,
43.63, 42.78, 43.18, 42.756, 42.76, 42.87, 42.95, 43.39, 43.01, 43.06, 41.60, 43.20, 43.10.
PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI
Pgina 7
PROPORCIN
Se sabe que, cuando se extrae una muestra grande de una poblacin de Bernoulli con
parmetro , la proporcin muestral, que tiene las mismas caractersticas de la media
muestral, tiene una distribucin muestral que se comporta como una distribucin normal.
Utilizando este modelo se construye el intervalo de confianza para siguiendo el mtodo
antes descrito.
En este caso, la funcin pivote que se usa es la variable aleatoria Z =
p
(1 )
n
p (1 p )
p (1 p )
, p z //2
n
n
Ejemplo:
Con motivo de las elecciones presidenciales, en una encuesta de opinin pblica, de un
total de 400 persona entrevistadas, 320 mostraron su preferencia por determinado
candidato.
a) Construir un intervalo de confianza del 95% para estimar la proporcin del total de
personas que estn a favor de dicho candidato.
b) Con un nivel de confianza de 99%, cambia el error de estimacin de a)?
Solucin:
a) La proporcin muestral es igual a p = 320/400 = 0.80. Para 1 = 0.95 el valor de z / 2
es 1.96.
Luego, reemplazando estos valores en el intervalo antes formulado se obtiene el siguiente
intervalo que cubre a con una confianza de 95%:
0.8 0.0392
PROFESORA: LIC. JUSTA CARIDAD HUAROTO SUMARI
Pgina 8
1-2
DE
DOS
p1 p 2 Z1/2
POBLACIONES
DE
BERNOULLI
p1 1 p1 p 2 1 p 2
n1
n2
Analizando los signos de los lmites de este intervalo podemos concluir que:
Si el intervalo es (- , +), entonces 1 = 2.
Si el intervalo es (- , -), entonces 1 < 2.
Si el intervalo es (+, +), entonces 1 > 2.
INTERVALO DE CONFIANZA PARA ESTIMAR LA RAZN DE VARIANZAS 12 22
DE DOS POBLACIONES NORMALES INDEPENDIENTES
Se quiere estimar el cociente de varianzas de dos poblaciones Normales.
Un intervalo de confianza para 12 22
S12
S12
Fn 2 1,n1 1;/2 2 ; Fn 2 1,n1 1;1/2 2
S2
S2
Interpretacin:
Si el intervalo anterior contiene al uno, entonces se puede considerar que las
varianzas son iguales, con el nivel de confianza dado.
Pgina 9
X1 X 2 z1/2
X1 X2 t n n
1
12
2
2
n1
n2
2 2;1 /2
1
1
S2p
n
n
2
1
X1 X 2 t V;1/2
S12 S22
n1 n 2
Interpretacin:
Para los tres casos de estimacin de la diferencia de medias, la interpretacin se
hace a partir de los signos de los lmites del intervalo:
Si el intervalo es (- , -), entonces 1< 2.
Si el intervalo es (- , +), entonces 1= 2.
Si el intervalo es (+ , +), entonces 1> 2.
Pgina 10