Professional Documents
Culture Documents
Estimacin puntual
Caractersticas de los estimadores
1
02/12/2011
n = 10.000
votantes
N = ?? los estadsticos
se utilizan como
?? = millones de votantes
estimadores
de los
parmetros de
Inferencias. calculamos
la poblacin,
Generalizaciones a estadsticos,
como la edad
como la edad
partir de la muestra a media de los media de los
la poblacin. votantes de la votantes de la
poblacin
muestra
2
02/12/2011
Estimacin puntual
Estimacin puntual
Media X X x
Varianza X2 S X2 sx2
Desv. tpica X SX sx
Proporcin p p X p x
3
02/12/2011
Estimacin puntual
0,3
0,2
0,1
0
-5 -3 -1 1 3 5
Estimador
Estimacin puntual
0,4 ()
E =
f(estimador)
0,3 Parmetro
0,2
0,1
0
-5 -3 -1 1 3 5
Estimador
4
02/12/2011
Estimacin puntual
()
E =
E ( X ) = X La desviacin tpica no es
un estimador insesgado
E ( S X2 ) = X2
E ( p X ) = p
Estimacin puntual
( ) ( )
Var 1 < Var 2
Eficiencia relativa
( )
Var 2
Var ( )
1
5
02/12/2011
n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
p x = 0,1 p x = 0,1
n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
p x = 0,1 p x = 0,1
6
02/12/2011
n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
p x = 0,1 p x = 0,1
n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
p x = 0,1 p x = 0,1
7
02/12/2011
n = 100 n = 1.000
10 botellas defectuosas 100 botellas defectuosas
p x = 0,1 p x = 0,1
8
02/12/2011
Estimacin puntual
Caractersticas de los estimadores
X
Z= IC = 1
/ n
0,4
0,3
fZ(z)
0,2
2 1 2
0,1
0
-5 -3 -1 1 3 5
Z
9
02/12/2011
X 1 = 0,9
Z= IC = 1
/ n = 0,1
0,4
0,3
fZ(z)
0,2
5% 90% 5%
0,1
0
-5 -3 -1 1 3 5
Z
1 = 0,9
= 0,1
El 90% de los intervalos de confianza contendrn la media
poblacional
10
02/12/2011
0,3
fZ(z)
0,2
0,1
0
-5 -3
z0,05
-1 1
z0,05 3 5
X
0,90 = P(1, 645 < Z < 1, 645) = P 1, 645 < < 1, 645 =
/ n
1, 645 1, 645
= P < X < =
n n
1, 645 1, 645
= P X <<X +
n n
z / 2 z / 2
x <<x+
n n
Intervalo de confianza del
100(1 )%
P ( Z > z / 2 ) =
2
11
02/12/2011
2. La varianza lo incrementa
3. La confianza del intervalo lo incrementa
12
02/12/2011
P ( Z > z / 2 ) =
2
z / 2 = z0,005 z /2 z
x < < x + /2
Fz ( z0,005 ) = 2, 575 n n
2,5750, 70 2,5750, 70
4,38 < < 4,38 + =
172 172
13
02/12/2011
X
t=
sx / n
Esta variable aleatoria no sigue la
distribucin normal estndar, sino la
distribucin t de Student con (n 1)
grados de libertad.
0,4
X
0,3 t=
sx / n
f(t)
0,2
Esta variable aleatoria no sigue la
0,1
distribucin normal estndar, sino la
distribucin
0 t de Student con (n 1)
-7 -4 -1 2 5 8
grados de libertad.
t5
14
02/12/2011
P (tn 1 > tn 1, /2 ) =
2
15
02/12/2011
P ( Z > z / 2 ) =
2
z / 2 = z0,025 = 1, 96 p x (1 p x ) p x (1 p x )
p x z /2 < p < p x + z /2
n n
0, 6130,387 0, 6130,387
0, 613 1,96 < p < 0, 613 + 1, 96
142 142
16
02/12/2011
(n 1) sx2
2
n 1 =
2
0,1
f(chi-cuadrado)
0,08
0,06 2
0,04
0,02
1 2
0
0 v2,1 /2 10 20 v2, /2 30 40
chi-cuadrado
(n 1) sx2
2
n 1 =
2
P ( n21 > n21, /2 ) = P ( n21 < n21,1 /2 ) =
2 2
17
02/12/2011
(n 1) sx2 (n 1) sx2
2
= 2
= 6, 57 <2 <
n 1,1 /2 14,0,95
n21, /2 n21,1 /2
140, 64 140, 64
<2 < = 0,378 < 2 < 1,364
23, 68 6,57
18
02/12/2011
19
02/12/2011
20
02/12/2011
caballo
caballoprepre caballo
caballopostpost diferencias
ii xxi i yyi i di xi2
11 19,4
19,4 19,6
19,6 -0,2 0,04
22 18,8
18,8 17,5
17,5 1,3 1,69
33 20,6
20,6 18,4
18,4 2,2 4,84
44 17,6
17,6 17,5
17,5 0,1 0,01
55 19,2
19,2 18
18 1,2 1,44
66 20,9
20,9 20
20 0,9 0,81
77 18,3
18,3 18,8
18,8 -0,5 0,25
88 20,4
20,4 19,2
19,2 1,2 1,44
sumas
21
02/12/2011
P (tn 1 > tn 1, /2 ) =
2
22
02/12/2011
Z=
( X Y ) ( x y )
varianza conocida-
x2 y2
tamao muestral +
grande nx ny
tiene una distribucin normal estndar
23
02/12/2011
P ( Z > z / 2 ) =
2
2 2
sx2 s y s2 s
( x y ) z /2 + < x y < ( x y ) + z / 2 x + y
nx n y nx n y
24
02/12/2011
varianzas poblacionales
son iguales
25
02/12/2011
n + ny
=2 x
(n x + ny 2 )
nx n y
varianzas poblacionales
( X Y ) ( y ) ( X son ( x y )
Y )iguales
Z=
x
t=
nx + n y
2
n + ny
nx ny
s x
nx n y
( nx 1) sx2 + ( ny 1) s y2
s =
2
(n x + ny 2 )
P (tnx + ny 2 > tnx + ny 2, / 2 ) =
2
26
02/12/2011
E ( p x p y ) = E ( p x ) E ( p y ) = px p y
px (1 px ) p y (1 p y )
Var ( p x p y ) = Var ( p x ) + Var ( p y ) = +
nx ny
Z=
( p x p y ) ( px p y )
p x (1 p x ) p y (1 p y )
+
nx ny
27
02/12/2011
p x (1 p x ) p y (1 p y ) p x (1 p x ) p y (1 p y )
( p x p y ) z /2
nx
+
ny
< px p y < ( p x p y ) z / 2
nx
+
ny
P ( Z > z /2 ) =
2
p x (1 p x ) p y (1 p y ) p x (1 p x ) p y (1 p y )
( p x p y ) z /2
nx
+
ny
< px p y < ( p x p y ) z / 2
nx
+
ny
0,8920,108 0,5180, 482 0,8920,108 0,5180, 482
( 0,892 0,518) 1,96 + < p x p y < ( 0,892 0,518 ) + 1,96 + =
120 141 120 141
= 0, 275 < p x p y < 0, 473
28
02/12/2011
Tamao de la muestra
Proporcin poblacional
Varianza conocida
Varianza desconocida
29
02/12/2011
Tamao de la muestra
Proporcin poblacional
p x (1 p x )
L = z /2 p x (1 p x ) 0, 25
n
0, 25 0,5 z /2
L* = z /2 =
n n
Tamao de la muestra
Proporcin poblacional
30
02/12/2011
Tamao de la muestra
Proporcin poblacional
Varianza conocida
Varianza desconocida
Tamao de la muestra
Varianza conocida
z /2 z / 2
x <<x+
n n
z /2
L=
n
31
02/12/2011
Tamao de la muestra
Varianza conocida
z /2
n=
L2
P ( Z > z / 2 ) =
2
Tamao de la muestra
Proporcin poblacional
Varianza conocida
Varianza desconocida
32
02/12/2011
Tamao de la muestra
Varianza desconocida
Intervalo de confianza del 100(1 )%
z / 2 estimaciones de la
n= varianza
L2
P ( Z > z /2 ) =
2
33