Sesion 3 No para 2013 II

1
ESTIMACION DE PARAMETROS POR ESTIMACION DE PARAMETROS POR

INTERVALOS DE CONFIANZA
LIC. RITA GUZMAN LOPEZ
ESTADISTICA NO PARAMETRICA
ESTIMACION DE PARAMETROS POR INTERVALOS
DE CONFIANZA
En vez de estimar el parmetro a partir de un valor del (estimacin
puntual) ahora se trata de encontrar para una probabilidad prefijado (1-)
(nivel de confianza) un intervalo [L
1
,L
2
] llamado intervalo de confianza, que
( ) [
1 2
] q
contiene el parmetro , en base a una m.a.s, la misma que esta definida
como:
P(L
1
L
2
)=1-
Parmetro
Estimador puntual
L
1
L
2
El intervalo [L
1
,L
2
] es un intervalo aleatorio ya que sus extremos son variables
aleatorias.
2
Nivel de Confianza Grficamente :
L
2
L
1
Podemos considerar el nivel de confianza (1-) que

hemos prefijado para la expresin anterior como la
probabilidad que existe (antes de tomar la muestra) de
que el intervalo a construir a partir la muestra
incluya el verdadero valor del parmetro a estimar.
El complementario del nivel de confianza, es , denominado nivel de significancia,
Refleja la confianza en la construccin del
intervalo y de que este, tras concretar la muestra,
contendr el verdadero valor del parmetro, de
ah que en trminos numricos dicho nivel toma
niveles altos (0.90, 0.95, 0.99).
De ah dado que se trata de un error posible a cometer, su cuantificacin en trminos
de probabilidad sea muy pequea (0.10, 0.05, 0.025).
p , , g ,
supone la probabilidad de cometer el error de concluir que el intervalo no contiene el
verdadero valor del parmetro cuando realmente si esta contenido.
INTERVALO DE CONFIANZA PARA LA MEDIA CON VARIANZA
CONOCIDA, MUESTRA GRANDE
Sea X una poblacin distribuida con media desconocida y varianza
2
conocida.
Debemos hallar un intervalo de confianza para , es decir, encontrar 2
estadsticos
1
y
2
tal que:
= 1
2 1
) ( P
Con (1-) conocido y establecido por el investigador
3
Entonces :
1)Establecemos el nivel de confianza (1-)
2)S X X d t d X l di t l
X
2)Sea X
1
, ,X
n
una m.a. de tamao n de X, y la media muestral.
3)Sabemos que es adecuada para estimar , por lo tanto podemos
usar la distribucin muestral de para establecer un intervalo de
confianza para .
4)P fi i t t d ( 30) l t t l d l li it
X
X
X
4)Para n suficientemente grande (n30) por el teorema central del limite
se tiene que:
) , (
n
N X
2

Si X es una poblacin normal, entonces es normal para todo n.
Adems se obtiene:
) (
) (
1 0 N
n X
Z
=

X
) , ( 1 0 N Z =
= 1 ) ( z Z z P
Se observa que si bien la v.a. depende del parmetro su distribucin
no. Por lo tanto bajo un nivel de confianza elegido puede determinarse:
(*)
= 1 ) (
0 0
z Z z P , .. (*)
4
Es decir:
= = 1 1 ] [ 2 ) (
0 0 0
z Z P z Z z P
Por la simetra de la curva normal se tiene:
2
1
2
2
) ( ] [
2
2
] [
1 1 ] [ 2
0 0
0
0

= =
=
+ =
z f z Z P
z Z P
z Z P
2 2
Usando tabla de la distribucin normal, se encuentra el valor de
z
0
.
5) Luego se sustituye z
0
(ya conocido) y el estadstico Z construido para la
distribucin de la media muestral, donde es un estimador de
= 1 ) ( z Z z P
) , (
) (
1 0 N
n X
Z
en la siguiente expresin:
X
= 1 ) (
0 0
n
z
X
n
z
P
= 1 )
) (
( ) (
0 0 0 0
z
n X
z P z Z z P
= 1 ) (
0 0
z Z z P
en la siguiente expresin:
= + 1 ) (
0 0
n
z
X
n
z
X P
= + 1 ) (
0 0
n
z
X
n
z
X P
5
z z
= + 1 ) (
0 0
n
z
X
n
z
X P
De donde se obtiene el intervalo
= + 1 ) (
0 0
n
z
X
n
z
X P
] , [
n
z
X
n
z
X

0 0
+
del 100(1-)% de confianza para el parmetro .
n n
Para un valor particular de la muestra x
1
, ,x
n
sustituyendo
el valor de de en el intervalo aleatorio, se obtiene el
siguiente intervalo de 100(1-)% de confianza para :
x X
n
z
x
n
z
x

0 0
+
6
Teorema que resume y formaliza el resultado anterior:
Si es la media de una muestra de tamao n (n30) tomada de una
poblacin distribuida con media (desconocida) y varianza
2
conocida,
entonces :
x
z z
Con un nivel de confianza de 100(1-)% para la media .
Donde z
0
es tal que: P(Z z
0
)=1-/2
] , [
0 0
n
z
x
n
z
x IC

+
2
1 ) (
0

= z f
Nota: Si la v.a. X (poblacin) se distribuye normalmente con media y varianza
2
(conocida), entonces, el teorema anterior se cumple tambin para n30.
Este teorema es aplicable al siguiente caso:
Si se desconoce y n30, se puede usar la desviacin estndar muestral
S para aproximar .
En el intervalo de confianza ser:
Con un nivel de confianza del 100(1-)%.
] , [
0 0
n
S z
x
n
S z
x IC +
Con un nivel de confianza del 100(1 )%.
7
3)Cuando el muestreo es sin reemplazo en poblaciones finitas de N
elementos se usa el factor de correccin :
) (
) (
1
N
n N
i. Entonces, para una poblacin finita de N elementos y un muestreo
sin reposicin, adems siendo la desviacin estndar poblacional
conocida y n 30, el intervalo que contiene el parmetro es:

1
) (
,
1
) (
0 0
N
n N z
X
N
n N z
X IC


con un nivel de confianza del 100(1-)% para .
1 1 N n N n

ii. Para una poblacin finita de N elementos y un muestreo sin
reposicin, si la desviacin estndar poblacional es
desconocida por lo indicado en el punto (1) n30, el intervalo de
confianza es:

1
) (
,
1
) (
0 0
N
n N
n
z S
X
N
n N
n
z S
X IC
con un nivel de confianza del 100(1-)% para .
8
Observaciones:
1) Cuanto mayor sea el nivel de confianza prefijado la amplitud del
intervalo de estimacin ser tambin mayor y por tanto la estimacin
ser menos precisa.
2) El tamao de la muestra aparece en el denominador de (z
0
),
entonces muestras ms grandes darn intervalos de confianza mas
cortos, por lo tanto informacin ms precisa.

1
) (
,
1
) (
0 0
N
n N
n
z
X
N
n N
n
z
X IC

Muestra grande
reduce el
intervalo
Solucin:
Ejemplo: Construir un intervalo del 95% de confianza para la media de
una poblacin con =10, siendo el tamao de la muestra n=64 y el
resultado de la media muestral 5 . 48 = X
Del enunciado (1-)=0.95
Sabemos: , reemplazando:
2
1 ) ( ) (
0 0

= = z f z Z P
975 . 0
2
05 . 0
1 ) ( ) (
0 0
= = = z f z Z P
96 1
0
. = z
De tabla de la distribucin normal se obtiene:
9
Calculando los limites:
Dado que conocemos =10 y n=64, entonces:
] , [
0 0
n
z
x
n
z
x IC

+
05 . 46
8
) 10 )( 96 . 1 (
5 . 48
1
= = L
95 . 50
8
) 10 )( 96 . 1 (
5 . 48
2
= + = L
Luego [46.05 ,50.95] es el intervalo encontrado.
Por lo tanto concluimos que el valor real del parmetro se encuentra
dentro del intervalo de confianza [46.05 ,50.95] con un nivel de confianza
del 95%.
Sea X v a con distribucin aproximadamente normal con media y
INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACION
NORMAL CON VARIANZA POBLACIONAL DESCONOCIDA, PARA
MUESTRA PEQUEA (n<30)
Sea X v.a con distribucin aproximadamente normal con media y
varianza
2
(desconocida). Sabemos que cuando
2
es desconocida se
usa el estimador puntual s
2
.
Entonces:
1. Establecemos el nivel de significacin para el anlisis.
2. Consideramos una m.a. X
1
,X
2
,,X
n
de tamao n (n<30), y sus
1 2 n
respectivas media muestral y desviacin tpica muestral S. X
10
3. Sabemos que es adecuada para estimar , pero como
2
es
desconocida usaremos la distribucin muestral de la variable aleatoria
4 T v a que depende de pero su distribucin no entonces establecido
X
. . ) (
) (
l g n
t
s
n X
T
1
=

4. T v.a. que depende de pero su distribucin no, entonces establecido
el nivel de confianza (1-), podemos determinar dos valores t
1
y t
2
tal
que:
5. Utilizando la simetra de la distribucin t, tenemos: t
1
=-t
2
=t
0
:
= 1
2 1
] [ t T t P
= = 1 1 ] [ 2 ] [
0 0 0
t T P t T t P = 1 ] [
0 0
t T t P
2
1 ) ( ] [
0 0

= = t f t T P
. . ) 1 ( ,
2
1
0
...
l g n
t t

=

donde: t
0
es el valor encontrado en tabla de distribucin t-student.
6. Sustituyendo T:
= 1 ] [
2
0 0
n
s t
X
n
s t
P
= 1 ]
) (
[
0 0
t
s
n X
T t P
= + 1 ] [
2
0 0
n
s t
X
n
s t
X P
. . ) ( , l g n
t t
1
2
1
0

=
Donde:
Observacin: Cuando el muestreo es sin reemplazo en poblaciones finitas, se debe utilizar el
factor de correccin entonces el intervalo con un (1 )100% de confianza para la media
Entonces obtenemos que:
Con un (1-)100% de confianza para .
] ; [
0 0
n
s t
X
n
s t
X IC +
factor de correccin, entonces el intervalo con un (1-)100% de confianza para la media
poblacional es:
]
1
;
1
[
0 0

N
n N
n
s t
X
N
n N
n
s t
X IC
11
ERROR DE ESTIMACIN Y MXIMO ERROR DE ESTIMACIN
El intervalo de confianza para con coeficiente de confianza (1-)100%
proporciona una estimacin de la exactitud del estimador puntual .
Sabemos que la es un valor estimado no es exactamente igual a es
X
X
X
Error
Sabemos que, la es un valor estimado no es exactamente igual a , es
decir hay un error de estimacin dado por puede tener una
confianza de(1-)100% de que tal diferencia ser menor que
= X e
X
n
z
0
X
n
z
x

0
+
n
z
x

0
Sabemos:
0 0
z
n
X
z

Entonces, denominaremos error de estimacin. = X e
Mximo error de estimacin
(e )
n
z X
n
z

0 0

n
z X

0

Con esta notacin, un intervalo de confianza para la media resulta:
Error de estimacin
(e)
(e
0
)
) (
0 0
e X e X P +
Donde: segn las condiciones del
problema.
n
z e

0 0
=
n
s
t e
0 0
=
12
TAMAO DE MUESTRA PARA ESTIMAR LA MEDIA DE LA POBLACIN ()
Para determinar el tamao de una muestra para estimar , empleando el muestreo aleatorio
simple, es necesario partir de dos supuestos:
1 El nivel de confianza (1-) al que queremos trabajar; y
2 Cual es el error mximo (e) que estamos dispuestos a admitir en nuestra estimacin.
0
e e
n
z e

0
e
z
n

0
2
0
e
z
n

Determinamos dicho tamao a partir del:
2
0
) (
e
z
n

=
En la situacin probable que sea desconocido,
puede estimarse mediante la desviacin estndar
muestral S, utilizando una muestra piloto de cualquier
tamao razonable (n30) o en todo caso
considerando algn estudio similar realizado
anteriormente.
Observacin: Cuando la poblacin es finita de tamao N y el tamao de la
muestra constituye ms del 5% del tamao de la poblacin, se debe usar el
factor de correccin de poblacin finita para modificar las desviaciones estndar
de las formulas:
1
0
N
n N
n
z e

) ( 1
2 2
0
2 2
0
+
=
N e z
N z
n

S l di i d l bl
Segn las condiciones del problema se usara s
13
Aplicacin 1:
En un laboratorio 100 estudiantes de ingeniera miden
separadamente el calor especfico del aluminio obtenindose un p p
promedio de 0.2210 caloras y una de desviacin estndar de 0.0240.
a) Construir un intervalo de confianza del 95% para el verdadero calor
especfico del aluminio.
b) Qu puede decirse con una probabilidad de 0.95 acerca del
posible tamao del error de estimacin si el promedio muestral es
usado para estimar el verdadero calor especfico del aluminio.
Solucin:
n=100, , s=0.0240, 1-=0.95
a)
2210 0. = X
] [
n
s
z x
n
s
z x P
0 0

Donde: z
0
=z
1-/2
valor de tabla z
o.975
=1.96
0047 0
100
0240 0
96 1
0
.
) . (
. = =
n
s
z
95 0 0047 0 2210 0 0047 0 2210 0 . ] . . . . [ = + P
Reemplazando:
] . ; . .[ . 2257 0 2163 0 C I
Se tiene con un 95% de confianza que el intervalo aleatorio
[0.2163;0.2257] incluye a (el verdadero calor especfico del aluminio).
14
b)
0
e X
0047 0. e
0047 0
0
. =
n
s
z X
Con una probabilidad de 0.95 de confianza podemos decir:
1) El error de estimacin no exceder a 0.0047
2) El mximo error de estimacin ser 0.0047
3) El error de estimacin ser menor o igual a 0.0047.
Aplicacin 2:
Un ingeniero mecnico cree haber perfeccionado un programa de
adiestramiento que puede reducir considerablemente el tiempo de
montaje de ciertos mecanismos empleados por los trabajadores. Para
comprobar esta creencia, escoge 10 trabajadores al azar y realiza
estudios de tiempo antes y despus del adiestramiento, obteniendo estudios de tiempo antes y despus del adiestramiento, obteniendo
como resultado las siguientes reducciones de tiempo en minuto:
TABAJADOR 1 2 3 4 5 6 7 8 9 10
REDUCCION
DE TIEMPO 3 5 -1 0 7 4 8 3 -1 2
Halle un intervalo de confianza del 95% para la medida de la reduccin
del tiempo de montaje, si la reduccin del tiempo sigue una distribucin
normal.
15
Solucin:
(1-)=0.95
778 9
88
) (
2
2
= =
=

x x
s
i
3
10
30
10
1
= = =

=
n
x
x
i
i
237 2
10
127 3 262 2
0
.
) . )( . (
= =
n
s t
127 3. = s
778 . 9
9 1
= =
=
n
s
262 2
9 975 0 0
.
. ) ( ; .
= =
l g
t t Calculamos:
10 n
237 . 5 237 . 2 3
763 . 0 237 . 2 3
2
1
= + =
= =
L
L
Por lo tanto, el I.C. , al 95% , para es: [0.763;5.237]
I. Caso de poblacin normal y muestra pequea (n<30).
Sea X una v.a. distribuidas normalmente con media y varianza
2
desconocido. Consideremos una m.a. X
1
,X
2
,,X
n
, de tamao n de X.
Sea media muestral y S
2
la varianza muestral.
X
INTERVALO DE CONFIANZA PARA LA VARIANZA POBLACIONAL
Sabemos que la v.a. entonces consideramos dos
cuantiles de esta distribucin que nos dejen una probabilidad (1-) en la
zona central de la distribucin, luego se puede encontrar L
1
y L
2
tal que:
2
. ) 1 ( 2
2
) 1 (
l g n
S n
< ] [
2
L P
L
1
L
2

= >
= <
1 ] [
2
] [
2
] [
2
2
1
2
2
1
2
L L P
L P
L P
16
Entonces:

=

1
2
1
2
1
2 2
1
2
] [
. . ) ( , . . ) ( , l g n l g n
P
1
2
) ( s n

1
1
2
1
2
1
2
2
1
2
]
) (
[
. . ) ( , . . ) ( , l g n l g n
s n
P

1
1
1
1
2
1
2
1
2
2
2
1
2
]
) (
[
. . ) ( , . . ) ( , l g n l g n
s n
P

1
1
1
1
2
1
2
2
2
2
1
2
1
]
) (
[
. . ) ( , . . ) ( , l g n l g n
s n
P
Entonces:

1
1 1
2
1
2
2
2
2
1
2
1
2
]
) ( ) (
[
. . ) ( , . . ) ( , l g n l g n
s n s n
P
2
1
2
1
2
1
1
. . ) ( ,
) (
l g n
s n
L

2
1
2
2
2
1
. . ) ( ,
) (
l g n
s n
L
Luego:
y
El intervalo aleatorio [L
1
,L
2
] debe contener
2
con (1-)100% de
confianza.
17
Si n es grande : la distribucin muestral de S se aproxima a la
normal N(;
2
/2n), entonces :
) ; ( 1 0 N
S
Z
=

II. Caso de Poblacin normal o no y muestra grande (n30).
= 1
0 0
] [ z Z z P
) ; (
2n
Si n es grande : la distribucin muestral de S se aproxima a

la normal N(;
2
/2n), entonces :
0 0
] [
1
2
0 0
] [ z
n
S
z P
Recordar: Z
0
=z
(1-/2)
= 1 2
2
0 0
] [ z n
S n
z P
= + 1 2
2
2
0 0
] [ n z
S n
z n P

+
1
2
1
2 2
1
0 0
] [
z n S n n z
P
=
+

1
2
1
2 2
1
0 0
] [
n z S n z n
P
=

+
1
2
2
2
2
0 0
] [
z n
S n
n z
S n
P
0 0
18
=

+
1
2
1
2
1
0 0
] [
n
z
S
n
z
S
P
2
2
2
S S
2
0
2
1
2
1
+
=
n
z
S
L
Entonces :
=
+
1
2
1
2
1
2
0
2
2
0
] [
n
z
S
n
z
S
P
y
2
0
2
2
2
1

=
n
z
S
L
2

n 2

n
El intervalo aleatorio [L
1
,L
1
] contiene
2
con (1-)100% de
confianza.
Aplicacin:
Los siguientes nmeros son las notas de 15 estudiantes del curso de
Estadstica No Parametrica.
13, 08, 10, 12, 15,07, 16, 09, 14, 11, 08, 11, 17, 13, 11
Suponiendo que la poblacin de notas esta normalmente distribuida
Solucin:
Para un nivel de confianza (1-)=0.95 =0.05
Haciendo clculos encontramos: S
2
=9.09524
Suponiendo que la poblacin de notas esta normalmente distribuida,
construir el intervalo de confianza del 95% para
2
y .
Valores de tabla:
1 26
2
14 975 0
2
1
2
1
.
. . ) ( , .
. . ) ( ,
= =

l g
l g n

63 5
2
14 025 0
2
1
2
.
) ( , .
. . ) ( ,
= =
l g n
y
19
879 4
1 26
09524 9 14 1
2
14 975 0
2
1
.
.
) . )( ( ) (
. . ) ( , .
= =
=
l g
s n
L
617 22
63 5
0952 9 14 1
2
2
2
.
) . )( ( ) (
= =
=
s n
L
Reemplazando en:
63 5
14 025 0
.
. . ) ( , . l g
En forma similar, el intervalo de confianza para :

El intervalo aleatorio [4.879 ; 22.617] contiene
2
con 95% de confianza.
209 2 879 4
1 26
09524 9 14 1
2
14 975 0
2
1
. .
.
) . )( ( ) (
. . ) ( , .
= = =
=
l g
s n
L

756 4 617 22
63 5
0952 9 14 1
2
14 025 0
2
2
. .
.
) . )( ( ) (
. . ) ( , .
= = =
=
l g
s n
L
El intervalo aleatorio [2.209 ; 4.756] contiene con 95% de confianza.

Sesion 3 No para 2013 II

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Sesion 3 No para 2013 II

Diunggah oleh

Hak Cipta:

Format Tersedia

1

ESTIMACION DE PARAMETROS POR ESTIMACION DE PARAMETROS POR

Podemos considerar el nivel de confianza (1-) que

LIC. RITA GUZMAN LOPEZ

Si n es grande : la distribucin muestral de S se aproxima a

En forma similar, el intervalo de confianza para :

LIC. RITA GUZMAN LOPEZ

El intervalo aleatorio [2.209 ; 4.756] contiene con 95% de confianza.

Anda mungkin juga menyukai