Professional Documents
Culture Documents
INGENIERIA INDUSTRIAL
ASIGNATURA:
ESTADISTICA INFERENCIAL I
DOCENTE:
LOPEZ MARCIAL JUAN OMAR
ALUMNO:
LOPEZ GOMEZ DIEGO JOSEPH
UNIDAD 2:
ESTIMACION
GRUPO:
3” Q”
2.1 INTRODUCCIÓN.
2.2 CARACTERÍSTICA DE UN ESTIMADOR.
2.3 ESTIMACIÓN PUNTUAL.
2.4 ESTIMACIÓN POR INTERVALOS.
2.4.1 INTERVALO DE CONFIANZA PARA LA MEDIA.
2.4.2 INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS.
2.4.3 INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN.
2.4.4 INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE
PROPORCIÓN.
2.4.5 INTERVALOS DE CONFIANZA PARA LA VARIANZA.
2.4.6 INTERVALOS DE CONFIANZA PARA LA RELACIÓN DE
VARIANZAS.
2.5 DETERMINACIÓN DEL TAMAÑO DE MUESTRA.
2.5.1 BASADO EN LA MEDIA DE LA POBLACIÓN.
2.5.2 BASADO EN LA PROPORCIÓN DE LA POBLACIÓN.
2.1 INTRODUCCIÓN
Estimación se refiere a la valoración o la apreciación que se debe
realizar y desarrollar para calcular un valor. Es el proceso de
encontrar una aproximación sobre una medida, es utilizable incluso si
los datos de entrada pueden estar incompleto, inciertos o inestable.
EJEMPLO:
En una población de 500 puntuaciones cuya Media (m) es igual a 5.09 han hecho
un muestreo aleatorio (número de muestras= 10000, tamaño de las muestras=
100) y hallan que la Media de las Medias muestréales es igual a 5.09, (la media
poblacional y la media de las medias muestréales coinciden). En cambio, la
Mediana de la población es igual a 5 y la Media de las Medianas es igual a 5.1 esto
es, hay diferencia ya que la Mediana es un estimador sesgado.
EJEMPLO:
En una población de 500 puntuaciones cuya Media (m) es igual a 4.9 han hecho
tres muestreos aleatorios (número de muestras= 100) con los siguientes
resultados:
Vemos que el muestreo en que n=100 la Media de las Medias muestrales toma
el mismo valor que la Media de la población.
EFICIENCIA.
SUFICIENTE.
Resumiendo:
2.4 ESTIMACION POR INTERVALOS
EJEMPLOS
1. Una empresa de investigación llevo a cabo una encuesta para
determinar la cantidad media que los fundadores gastan en
cigarros durante una semana. La semana encontró que la
distribución de cantidades gastadas por semana tendía la seguir
una distribución normal, con una desviación estándar de $5. Una
muestra de 64 fumadores revelo que x=$20.
¿cuál es estimador de intervalo de confianza de 95% para
m(media).
2.4.1 INTERVALO DE CONFIANZA PARA LA MEDIA
nos indica que dentro del rango dado se encuentra el valor real de un parámetro
EJEMPLO:
DIFERENCIA DE MEDIAS
en donde:
EJEMPLO
EJEMPLO 2
40 horas. Si una muestra de 30 vuelos tiene una duración promedio de 780 horas,
Con un nivel de confianza del 96% se sabe que la duración media de los vuelos
Aproximación asintótica
Intervalo exacto
EJEMPLO
1. Se sabe con un nivel de confianza del 90% que la proporción de discos defectuosos
que no pasan la prueba en esa población está entre 0.0237 y 0.0376.
Solución:
p=x/n = 20/400=0.05
z (0.95) =1.96
Si p=0.05 se usa para estimar P, podemos tener un 95% de confianza en que P dista
menos de 0.021 de p. En otras palabras, si p=0.05 se usa para estimar P, el error
máximo de estimación será aproximadamente 0.021 con un nivel de confianza del 95%.
Esto da por resultado dos valores, (0.029, 0.071). Con un nivel de confianza del 95% se
sabe que la proporción de pulas defectuosas de esta compañía está entre 0.029 y
0.071.
obtener un intervalo de confianza del nivel dado (90%, 95%, 99%, etc.) para la
El cual es una variable aleatoria que tiene una distribución Chi cuadrada con n -
1 grados de libertad. Por lo tanto, podemos emplear esta definición para estimar
EJEMPLO:
una desviación estándar de 2.2. Litros. Construir un intervalo de confianza del 99%
para la varianza y para la desviación estándar esperadas de este motor. Solución.
Suponiendo que los datos pueden considerarse como una muestra aleatoria tomada de
una población normal, usamos n = 16 y s=2.2. Ahora necesitamos los valores de Chi
y si es casi igual a 1, se tendrá poca evidencia para indicar que y no son i guales.
Por otra parte, un valor muy grande o muy pequeño para , proporcionará evidencia de
una diferencia en las varianzas de las poblaciones.
Despejando:
Esto nos da permite calcular la probabilidad de que el cociente se encuentre entre dos
valores de F.
En este caso se requiere calcular los grados de libertad del numerador que son n1-1
(recordando que se toma a n1 como el tamaño de la muestra de la varianza más grande)
y los del denominador que son n2 -1.
Ejemplo. Una empresa fabrica propulsores. A los ingenieros les gustaría saber cuál de
dos procesos tiene la menor rugosidad en las superficies. Para ello se toman muestras
aleatorias de cada proceso.
Datos.
Por lo que el intervalo de confian za para el cociente de varianzas varianzas estará dado
por:
Como el intervalo de confianza incluye el valor de uno, no se puede concluir que exista
alguna diferencia entre la variabilidad de los dos procesos (es decir, el intervalo de
confianza incluye la posibilidad de que las dos desviaciones estándar sean iguales, por
lo que el cociente sería igual a uno).
2.5 DETERMINACIÓN DEL TAMAÑO DE
MUESTRA
En estadística el tamaño de la muestra es el número de sujetos que componen
la muestra extraída de una población, necesarios para que los datos obtenidos
En donde
Z = nivel de confianza,
Q = probabilidad de fracaso
diferencia que puede haber entre el resultado que obtenemos preguntando a una
Ejemplo 1: si los resultados de una encuesta dicen que 100 personas comprarían
personas.
Ejemplo 2: si hacemos una encuesta de satisfacción a los empleados con un error
que entre el 57% y el 63% (60% +/- 3%) del total de los empleados de la empresa
lo estarán.
Donde:
n = el tamaño de la muestra.
N = tamaño de la población.
Desviación estándar de la población, que generalmente cuando no se tiene su valor,
suele utilizarse un valor estimado a ojo o a partir de una pequeña muestra o muestra
piloto. Para ser conservador (prudente), mejor errar estimando por exceso que por
defecto.
Zα: Valor obtenido mediante niveles de confianza. Es un valor constante que, si no
se tiene su valor, se lo toma en relación al 95% de confianza equivale a 1,64 (como
más usual) o en relación al 99% de confianza equivale 2,33, valor que queda a
criterio del encuestador.
e = Límite aceptable de error muestral que, generalmente cuando no se tiene su
valor, suele utilizarse un valor que varía entre el 1% (0,01) y 9% (0,09), valor que
queda a criterio del encuestador.
2.5.1 BASADO EN LA MEDIA DE LA POBLACIÓN
Si deseamos estimar una media debemos saber:
c) Una idea del valor aproximado del parámetro que queremos medir (en este
caso una proporción). Esta idea se puede obtener revisando la literatura, por
estudio pilotos previos. En caso de no tener dicha información utilizaremos el
valor p = 0.5 (50%).
donde:
• N = Total de la población
Al valor que es extraído de la muestra para así poder estimar el parámetro desconocido de dicha
población.
Se le llama estimación puntual porque a ese número que se utiliza como estimación del
parámetro θ, se le puede asignar un punto sobre la recta real.
saber si las varianzas poblacionales son conocidas o desconocidas, y en caso de que sean
desconocidas, se debe probar si son iguales o diferentes.
el método de Fisher
DIFERENCIA DE MEDIAS?
https://iescastelar.educarex.es/web/departamentos/mate
maticas/matematicasccss2ba/matematicas2ccss/testimacio
ndelamedia.htm
http://www.geociencias.unam.mx/~ramon/EstInf/Clase12.p
df
http://inferencial1.blogspot.mx/p/unidad-2.html