MATEMTICA APLICADA
Abril, 2013.
1
INDICE
CONTENIDO
Pp.
MATEMTICA APLICADA..
Estimacin de Parmetros...
Diferencia entre Estimacin Puntual y Estimacin por Intervalos.
Propiedades Deseables de los Estimadores Puntuales....
Error Cuadrtico Medio..
Estimador Insesgado y las Condiciones Debe Cumplir..
Estimador Consistente para los Parmetros y .....
Convergencia en Probabilidad
Desigualdad de Chebyshev.
Ley de los Grandes Nmeros..
Estimador Insesgasdo de Varianza Minima................
Estadstica Suficiente para un Parmetro
Estimacin por Mxima Verosimilitud...
Mtodo de los Momentos...
Estimacin del Intervalo para la Media Cuando se Muestrea una
Distribucin Normal, con Varianza Conocida y Cuando no se Conoce
3
3
3
3
4
5
6
6
6
7
7
7
8
8
la Varianza...
Intervalo de Confianza para la Diferencia de Medias Cuando se
Muestrean Dos Distribuciones Normales Independientes...
12
13
BIBLIOGRAFA
14
15
MATEMTICA APLICADA
Estimacin de Parmetros
Es el procedimiento que se realiza cuando se quiere responder a una pregunta
que pide el valor de un parmetro poblacional, involucrando el uso de los datos
muestrales en conjuncin con alguna estadstica.
Diferencia entre Estimacin Puntual y Estimacin por Intervalos
La diferencia es que la estimacin puntual busca un estimador que, con base
en los datos muestrales, d origen a una estimacin univaluada del valor del
parmetro y que recibe el nombre de estimado puntual, mientras que la estimacin
por intervalo determina un intervalo en el que, en forma probable, se encuentra el
valor del parmetro y que recibe el nombre de intervalo de confianza estimado.
Propiedades Deseables de los Estimadores Puntuales
Con el propsito de mostrar la necesidad de estimar parmetros,
consideramos la siguiente situacin: cuando se obtiene una muestra aleatoria de
cierta caracterstica X de la distribucin de poblacin, y a pesar de que pueda
identificarse la funcin de densidad de esta, es poco probable que la caracterstica
pueda especificarse de manera completa mediante los valores de todos los
parmetros.
En esencia, se conoce la familia de distribuciones a partir de la cual se obtiene
la muestra, pero no puede identificarse el miembro de inters de sta, ya que no se
conoce el valor del parmetro. Este ltimo tiene que estimarse con base en los
datos de la muestra.
Para ello es necesario conocer las propiedades deseables de un buen
estimador:
V(T)=0
Error Cuadrtico Medio
Sea X1,X2,X3,X4 ~
1 =
y su
a) V(1)= V(
( :
)=
(X1)+
(X2)=
)=
V(1) =
b)
3=
c) V(3)=V (
V(X4)
y su
)=
V(3)=
=0,25
3 es el estimador
o el tamao de muestra
aleatoria con varianza finita est a una cierta distancia de su esperanza matemtica
o de su media.
Ley de los Grandes Nmeros
La ley de los grandes nmeros indica que los estimados por frecuencias
relativas de regla 1 tiende a mejorar si se hacen ms observaciones. Esta ley
refleja una simple nocin fundamental en el sentido comn; un estimado de
probabilidad basado en solo unos cuantos ensayos puede desviarse en
cantidades sustanciales; pero, con un nmero muy grande de ensayos,
estima tiende a s mucho ms preciso. (sf) Pineda, M.
Esto quiere decir que la ley de los grandes nmeros consiste en hacer muchos
ensayos para as saber una mejor probabilidad. Un ejemplo muy sencillo es el de
lanzar una moneda para visualizar la probabilidad de que cuntas veces sale cara y
cuando veces sale cello, mientras ms ensayos se hagan lanzando la moneda, se
sabr ms preciso cual es la probabilidad.
Estimador Insesgasdo de Varianza Mnima y sus Propiedades
Sea X1, X2, . . . , Xn una m.a. de fX(x|). Un estimador insesgado T(X)
= T(X1, X2, . . . , Xn) de () es un UMVUE para () si y solo si:
1. E(T(X)) = () (T(X) es un estimador insesgado para ())
2. V ar(T(X)) V ar(W(X)) para cualquier otro estimador W(X) de ()
que cumpla que E(W(X)) = (). (sf) Rodriguez, C.
Un estimador es insesgado de varianza mnima cuando su error cuadrtico
medio se reduce a su varianza.
Estadstica Suficiente para un Parmetro
Una estadstica es suficiente para un parmetro cuando utiliza toda la
informacin contenida en la muestra aleatoria con respecto a . Esto quiere decir
que la estadstica es suficiente cuando a la muestra, se le toma todas las
mediciones con respecto a y las misma se encuentre contenida en ese valor.
segn
Donde
X: media muestral.
: desviacin tpica.
n: tamao de la muestra.
:
confianza.
Datos:
Ic=?
n=25
X=2cm
=0,09cm2 -> =0,3cm
5%
-> =0,05
Solucin:
a) Hallo Z (1-/2):
Z (1-/2) = Z (1 - 0,05/2)
Z (1-/2) = Z (1 0,025)
Z (1-/2) = Z (0,975)
Z (1-/2) = 1,96
b) Determino el intervalo de confianza:
Ic = X Z (1-/2) . /n
Ic = 2 1,96 . 0,3/25)
Ic = 2 (196.0,3) / 5
Ic = 2 0,1176
Ic = (2 0,1176 ; 2 + 0,1176)
Ic = (1,8824 ; 2,1176)
c) Respuesta:
El intervalo de confianza para es de [1,8824 2 2,1176]
2. Intervalos de confianza para cuando se muestrea una distribucin
normal, con varianza desconocida:
Para determinar el intervalo de confianza cuando se desconoce la varianza de
la media muestral se emplea la siguiente frmula:
Ic = X T (1-/2 , n-1) . S/n
Donde
X: media muestral.
S: la desviacin tpica.
n: nmero de datos.
:
confianza.
-> =0,05
Solucin:
Xi
506
508
499
503
504
510
497
512
514
505
Xi X
2,25
4,25
-4,75
-0,75
0,25
6,25
-6,75
8,25
10,25
1,25
10
(Xi - X)
5,0625
18,0625
22,5625
0,5625
0,0625
39,0625
45,5625
68,0625
105,0625
1,5625
493
496
506
502
509
496
-10,75
-7,75
2,25
-1,75
5,25
-7,75
a) Determino el valor de X:
X = (Xi) / n
X = 8060 / 16
X = 503,75
b) Determino el valor de S:
S = (Xi - X) / n
S = 577 / 16
S = 36,0625
S = 6,005
c) Hallo T (1-/2) , n-1:
T (1-/2) , n-1 = T (1-0,05/2) , 16-1
T (1-/2) , n-1 = T (1-0,025) , 15
T (1-/2) , n-1 = T (0,975) , 15
T (1-/2) , n-1 = 2,131
d) Determino el intervalo de confianza:
Ic = X T (1-/2 , n-1) . S/n
Ic = 503,75 (2,131) . 6,005/16
Ic = 503,75 (2,131) . 6,005/4
Ic = 503,75 2,131 . 1,501
Ic = 503,75 3,199
Ic= (503,75 - 3,199 ; 503,75 + 3,199)
Ic = (500,551 ; 506,949)
11
115,5625
60,0625
5,0625
3,0625
27,5625
60,0625
e) Respuesta:
El intervalo de confianza para es de [500,551 503,75 506,949]
Intervalo de Confianza para la Diferencia de Medias Cuando se Muestrean
Dos Distribuciones Normales Independientes
Para determinar el intervalo de confianza cuando existen diferentes medias, se
emplea la siguiente frmula:
Ic = (X Y) T (1-/2 , nx+ny-2) Sp [(1/nx) + (1/ny)]
Donde
X: muestra 1.
Y: muestra 2.
T: valor de la distribucin T-Student.
nx: nmero de datos para la muestra 1.
ny: nmero de datos para la muestra 2.
Sp: desviacin total.
Ejemplo: Halle el intervalo de confianza para la diferencia de medias cuyos
datos se presentarn a continuacin:
nx=10
ny=14
X=16250
Y=15400
Sx=1187222,22
Sy=1352307,69
=1%
-> 0,01
Solucin:
a) Hallo la desviacin total:
Sp = [(nx-1)Sx + (ny-1)Sy] / (nx+ny-2)
Sp = [(10-1)1187222,22 + (14-1)1352307,69] / (10+14-2)
Sp = [(9)1187222,22 + (13)1352307,69] / (22)
Sp = [10684999,98 + 17579999,97] / (22)
Sp = [28264999,95] / (22)
Sp = 1284772,72
12
Sp = 1133,48
b) Hallo la T:
T (1-/2 , nx+ny-2) = T [(1-0,01/2) , 10+14-2)]
T (1-/2 , nx+ny-2) = T [(1-0,005) , 22]
T (1-/2 , nx+ny-2) = T (0,9) , 22
T (1-/2 , nx+ny-2) = 1,321
c) Determino el intervalo de confianza:
Ic = (X Y) T (1-/2 , nx+ny-2) Sp [(1/nx) + (1/ny)]
Ic = (16250 15400) 1,321 (1133,48) [(1/10) + (1/14)]
Ic = 850 1497,33 [0,1 + 0,07]
Ic = 850 1497,33 0,17
Ic = 850 617,36
Ic = (850 - 617,36 ; 850 + 617,36 )
Ic= (232,64 ; 1467,36)
d) Respuesta:
El intervalo de confianza para la diferencia de es de:
[232,64 850 1467,36]
La Estimacin Bayesiana Puntual y Por Intervalos
La estima de un parmetro poblacional dada por un nmero se llama
estima de punto del parmetro. La estima de un parmetro poblacional dada
por dos nmeros entre los cuales se considera que se encuentra dicho
parmetro se llama estima de intervalo del parmetro. Murray (1976)
Por otro lado, segn Canavos (1988): un intervalo bayesiano es, en
efecto, un intervalo de probabilidad. En otras palabras, puede decirse que la
probabilidad de que se encuentre contenido en el intervalo a, b es .
Ejemplo: Si se dice que una distancia viene dada por 5.28 pies, se est dando
una estima de punto. Si, por otra parte, se dice que la distancia es 5.28 + 0.03 pies,
es decir, la distancia real se encuentra entre 5.25 y 5.31 pies, se est dando una
estima de intervalo.
13
de
las
observaciones
de
manera
tal
que
BIBLIOGRAFAS
14
16