2 3 Intervalos

9.
Estimacion por intervalos de

confianza
Estad
stica
Ingeniera Inform
atica
Curso 2009-2010
Estadstica (Aurora Torrente)
9. Estimacion por intervalos de confianza
Curso 2009-2010
1 / 23
Contenidos
Estimacion por intervalos de confianza
Estimacion por intervalos bajo normalidad

Estimacion de la media poblacional . Varianza conocida
Determinacion del tamano muestral para controlar el error de estimacion
Estimacion de la media poblacional . Varianza desconocida

Determinacion del tamano muestral para controlar el error de estimacion
Estimacion de la diferencia de medias

A. Varianzas cono cidas
B. Varianzas desconocidas e iguales
Estimacion de la varianza
Estimacion del cociente de varianzas
3
Estimacion por intervalos en poblaciones no normales

Estimacion de la media. Varianza conocida
Estimacion de la media en poblaciones no normales.
Varianza descono cida
Estimacion de la proporcion en distribuciones binomiales
Curso 2009-2010
2 / 23
Estimacion por intervalos

La estimacion por intervalos de un parametro desconocido
proporciona informacion acerca de los valores de los parametros
que estamos
estimando
una indicacion del nivel de confianza que se le puede dar a
los posibles valores de los parametros
Un intervalo de confianza para es de la forma L U, donde los
extremos inferior y superior L y U dependen del valor numerico obtenido
en una muestra para un cierto estadstico T , escogido segun el par
ametro
que queremos estimar.
L y U son variables aleatorias (distintas muestras producen distintos
valores de L y U)
Curso 2009-2010
3 / 23
A partir de la distribucion de T , y para un valor , 0 < <

1, determinamos los valores de L y U que hacen que
P(L U) = 1
hay probabilidad 1 de que al seleccionar la muestra, esta produzca

un intervalo que contenga el verdadero valor de
El
delintervalo
100(1 resultante,
) % paraIC100(1) % , se denomina intervalo de confianza
Curso 2009-2010
4 / 23
Interpretacion del IC100(1) % :

Si obtenemos un numero elevado (infinito) de muestras aleatorias y
calculamos para cada una de ellas el correspondiente IC100(1) % para ,
entonces el 100(1 ) % de estos intervalos contendran el verdadero valor
de .
En la practica solo se obtiene una muestra aleatoria, y calculamos un
intervalo de confianza.
Este intervalo contendra o no al verdadero valor del parametro
no
tiene sentido
una
probabilidad
al hecho
de que
s lo
contenga
se atribuir
dice
que%
el(yintervalo
contiene
a con
una
confianza
de 100(1
)
no con una
probabilidad
de
100(1 )
%)
Curso 2009-2010
5 / 23
Longitud y precision
La longitud de un intervalo de confianza, U L, es una importante
medida de la calidad de la informacion obtenida de la muestra.
La mitad de esta longitud se conoce como precision.

cuanto mayor sea la longitud de un intervalo, mayor confianza
tendremos en que contenga al verdadero valor del parametro
cuanto mayor sea la longitud del intervalo, tendremos menos
informacion acerca del verdadero valor del parametro
Curso 2009-2010
6 / 23
Intervalos bilaterales y unilaterales

Este intervalo de confianza se denomina intervalo bilateral (proporciona
los dos extremos del intervalo)
Puede resultar conveniente el calculo de un intervalo unilateral para
el extremo inferior
L
con L tal que P(L ) = 1 ,
o intervalo unilateral para el extremo superior

U
con U tal que P( U) = 1
Curso 2009-2010
7 / 23
Cantidades pivotales (I)

Dada una m.a.s. (X1 , ..., Xn ) de una poblacion X con distribucion F ,
siendo = (1 , ..., k ), se llama cantidad pivotal para i a una funcion
de la muestra (por tanto, es v.a.) y de i , C (X1 , ..., Xn ; i ), donde i es
la unica cantidad desconocida y cuya distribucion no depende de i , ni
de ningun otro parametro desconocido.
Ejemplo. X N(, ):
Sabemos que
X . .
N
.,
,en: o tambi
=
n
/ n
por tanto, si conocemos ,

C (X1 , ..., Xn ; ) =
es una cantidad pivotal para .
X N(0, 1)
X
Curso 2009-2010
8 / 23
Cantidades pivotales (II)
Elegida una cantidad pivotal C (X1 , ..., Xn ; i ), podemos construir

un intervalo de confianza para i de la siguiente manera:
Elegimos dos valores c1 y c2 tales que
P (c1 C (X1 , ..., Xn ; i ) c2 ) = 1
Despejamos i en ambas desigualdades para obtener los extremos del
intervalo L y U.
Curso 2009-2010
9 / 23
Estimacion de la media. X N(, ), conocida

Queremos
a partir de (X1 , ..., Xn ) mediante un IC del
100(1 )estimar
%
.
.
X tiene distribucion
,
N
n
a
Area =
area
=
2
2
Z =/
n N(0, 1)
(cantidad pivotal para )
P(z/2 Z z/2 ) = P .
area==a
Area
2
2
z
a/2
z/2
z/2
/ n
za/2
z/2
z/2
= 1
Curso 2009-2010
10 / 23

Queremos
100(1 )estimar
%
.
.
,
N
n
a
Area =
area
=
2
2
Z =/
n N(0, 1)
area==a
Area
2
2
z
a/2
z/2
P X z/2 X + z/2
n
za/2
z/2
.
= 1
Curso 2009-2010
10 / 23

Queremos
100(1 )estimar
%
.
.
,
N
n
a
Area =
area
=
2
2
Z =/
n N(0, 1)
area==a
Area
2
2
z
a/2
z/2
L = X z/2
za/2
z/2
U = X + z/2
Curso 2009-2010
10 / 23

Ejemplo:
Cuando una senal que tiene valor es enviada desde un punto A a
un punto B, el valor recibido tiene distribucion normal de media
y varianza 4 (es decir, al transmitir la senal, se anade un ruido
aleatorio de distribucion N(0, 2)). Para reducir el error, se enva el
mismo valor 9 veces, de manera que el valor medio recibido es
x = 9. Calculemos el intervalo de confianza del 95 % para .
Se tiene: z/2 = z0,05/2 = z0,025 = 1,96, = 2 y n = 9 el intervalo
para
es
.
.
2
2 = (7,69, 10,31)
9 1,96 , 9 + 1,96
3
3
Tenemos una confianza del 95 % de que el verdadero valor enviado
este entre 7,69 y 10,31.
Curso 2009-2010
11 / 23

Determinacion del tamano muestral para controlar el error de
estimacion
Longitud del IC100(1) % para :
L = 2 z/2
n
cuanto mayor sea el nivel de confianza, para n y fijos, mayor sera L
Error que cometemos al estimar un parametro mediante su estimador:
E =| X |
si
podemos
controlar
el tamano
muestral,
n que
para
tener una
confianza
del 100(1
) % podemos
de que E escoger
sea menor
una
cierta cota s:
.
n = .z/2 2
s
Curso 2009-2010
12 / 23

Se quiere medir la velocidad de un nuevo modelo de procesador, y
para ello se va a ejecutar un programa de simulacion en algunos
ordenadores, con dicho modelo incorporado. Suponiendo que la
variable aleatoria X , tiempo de ejecucion, es normal, de varianza
9, obtener el tamano muestral necesario para obtener un intervalo
de longitud 2 y de nivel de confianza 95 % para el tiempo medio
de ejecucion del programa de simulacion.
Como la longitud del intervalo es
3
2
2z/2 = 2 1,96 = 1 n = 9 = 34,57
n
n
1,96
es decir, n ha de ser 35 para asegurarse una confianza de al menos el 95 %.
Curso 2009-2010
13 / 23
Estimacion de la media. X N(, ), desconocida

Queremos estimar a partir de (X1 , ..., Xn ) mediante un IC100(1) %
Z=
no es cantidad pivotal, pues es funcion de dos par
X
ametros
/ ndesconocidos.
X
t=
tiene distribucion tn1 , ya
X
sn1 / n que:
2
X
/ n
sn1
N(0, 1),
(n 1)
n1 ,
t=
n1
/ n
= . (n 1) sn1
2
/ n
n1
t es una cantidad pivotal para

P(tn1;/2 t tn1 ;/2 ) = P.
tn1;/2
tn1;/2
s n1 / n
= 1
Curso 2009-2010
14 / 23

Queremos estimar a partir de (X1 , ..., Xn ) mediante un IC100(1) %
Z=
no es cantidad pivotal, pues es funcion de dos par
X
ametros
/ ndesconocidos.
X
t=
tiene distribucion tn1 , ya
X
sn1 / n que:
2
X
/ n
sn1
N(0, 1),
(n 1)
n1 ,
t=
n1
/ n
= . (n 1) sn1
2
/ n
n1
t es una cantidad pivotal para

sn1
L = X tn1;/2
n
sn1
y
U = X + tn1;/2
n
Curso 2009-2010
14 / 23

Determinacion del tamano
muestral
Longitud del IC100(1) % para :
sn1
L = 2 tn1;/2
n
Error de estimacion E menor que s si tomamos:
.
.2
n = tn1;/2 S
s
Curso 2009-2010
15 / 23
Estimacion de la diferencia de medias.

Poblaciones normales independientes. Varianzas
conocidas
(X1 , ..., XnX ), (Y1 , ..., YnY ) m.a.s. de dos poblaciones normales
independientes N(X , X ) y N(Y , X ), respectivamente,
con varianzas conocidas.
Queremos construir un IC para la diferencia X Y .
X Y ( X Y )
. 2
Z=
2
N(0, 1) es cantidad pivotal para la
Y
X
+
nx
ny
diferencia X Y .
.
.
2 2
2 2
X
X
L = X Y
y
U = X Y +
+ Y
+ Y
nX
nY
nX
nY
z/2
z/2
Curso 2009-2010
16 / 23
Estimacion de la diferencia de medias. Poblaciones

normales independientes. Varianzas
desconocidas e iguales
.
(X1 , ..., XnX ) m.a.s. N(X , X )
(Y1 , ..., YnY ) m.a.s. N(Y , X )
con 2
X
y Y desconocidas e iguales.
Queremos construir un IC para la diferencia X Y .

X Y (X Y
)
.
Cantidad pivotal: t =
tnX +nY 2
1
1
Sp
+ .
nX
nY .
(nX 1)sn 1;X +(nY 1)sn 1;Y
2
con S =
p
n +n 2
X
.
L = X Y tnX +nY 2;/2 Sp
1
1
+
nX
nY
U = X Y + tnX +nY 2;/2

Sp
nX
Curso 2009-2010
nY
17 / 23
Ejemplo:
Se piensa que los estudiantes de licenciatura de periodismo pueden
esperar un mayor salario promedio en su primer trabajo que el que
esperan los estudiantes de administracion, y para comprobarlo, se
desea construir un intervalo de confianza del 90 % para la diferencia
de medias, suponiendo que la varianza en ambos salarios es la
misma.
Se obtienen dos muestras aleatorias simples de ambos grupos, que
proporcionan los siguientes datos:
nP = 10, xP = 16250,n1;P
s 2 = 1187222,22,
nA = 14, xA = 15400,n1;A
s 2 = 1352307,69.
Se obtiene que Sp = 1133,48, y puesto que tnP +nA 2;0,05 = 1,717, se tiene
que el intervalo de confianza para la diferencia entre los salarios es
(44,135, 1655,865).
Curso 2009-2010
18 / 23
Estimacion de la varianza. X N(, ),

desconocida
Queremos estimar a partir de (X1 , ..., Xn ) de una poblacion
N(, ), con y desconocidos, mediante un IC del 100(1 ) %
Cantidad pivotal para : (n 1) sn1 2
2
n 1
area =
2
n1;1/2
.
P 2
n1;1/2
area =
(n 1)
2
n1;/2
2
sn1
n1;/2
= 1
Curso 2009-2010
19 / 23
Estimacion de la varianza. X N(, ),

desconocida
Queremos estimar a partir de (X1 , ..., Xn ) de una poblacion
N(, ), con y desconocidos, mediante un IC del 100(1 ) %
Cantidad pivotal para : (n 1) sn1 2
2
n 1
area =
2
n1;/2
n1;1/2
L = (n 1) s 2
n1
2
n1;/2
area =
U = (n 1)
2
sn1
2
n1;1/2
Curso 2009-2010
19 / 23
Estimacion del cociente de varianzas
Estimacion del cociente de varianzas.

Poblaciones normales independientes
(X1 , ..., XnX ) y (Y1 , ..., YnY ) m.a.s. de dos poblaciones normales
independientes N(X , X ) y N(Y , X ), respectivamente.
Queremos construir un IC para el cociente 2 / 2 .
Y
X
/X2
2
Y 1
s
2
2 Fn X 1;n
2
Cantidad pivotal para Y2 : F = sn1;X
X
n1;Y /Y
s2
L=
n1;Y
2
FnY 1,nX 1;/2
s n1;X
U=
sn1;Y
2
s n1;X
FnX 1,nY 1;/2
Curso 2009-2010
20 / 23
Estimacion por intervalos en poblaciones no normales Estimacion de la media. Varianza conocida
Estimacion de la media. Varianza conocida

Poblacion no normal con varianza conocida
Queremos estimar la media mediante un IC del 100(1 ) %
Si tomamos una m.a. (X1 , ..., Xn ), con n 30, segun el Teorema
Central del Lmite:
n N(0, 1)
X
Z=
/ n
IC asintotico (o aproximado) para :
L = X z/2
U = X + z/2
n
Para tamanos muestrales pequenos, el intervalo asintotico no es

apropiado
Curso 2009-2010
21 / 23
Estimacion por intervalos en poblaciones no normales desconocida
Estimacion de la media. Varianza desconocida

Poblacion no normal con varianza desconocida
Queremos estimar la media mediante un IC del 100(1 ) %
No
podemos utilizar directamente el TCL porque es desconocida,
pero
que: si tomamos una m.a.s. (X1 , ..., Xn ), con n 30, se cumple
X n N(0, 1)
t = 2
sn1 / n
Intervalo asintotico (o aproximado) para

:
sn1
sn1
L = X z/2
n
U = X + z/2
Para tamanos muestrales pequenos, el intervalo asintotico no es

apropiado
Curso 2009-2010
22 / 23
Estimacion por intervalos en poblaciones no normales Estimacion de la proporcion en distribuciones binomiales
Estimacion de la proporcion. Poblaciones binomiales

Poblacion binomial con parametro p desconocido
Queremos construir un IC para p
X
Para una muestra (X1 , ..., Xn ) el estadstico p , con X B(n, p)
n
= verifica (teorema de DeMoivre-Laplace):
n N(0, 1)
.p p
p (1 p )
n
p p
P z/2 .
z
/2
p (1 p )
1
n
Curso 2009-2010
23 / 23

X
n
.
P p
z/2
n N(0, 1)
.p p
p (1 p )
n
.
.
p (1 p ) .
p (1 p )
p p + z/2
Curso 2009-2010
23 / 23

X
n
.
P p
z/2
n N(0, 1)
.p p
p (1 p )
n
.
.
p (1 p ) .
p (1 p )
p p + z/2
los lmites del intervalo contienen el parametro desconocido p
Curso 2009-2010
23 / 23

X
n
n N(0, 1)
.p p
p (1 p )
n
Sustituyendo p por p:
.
p(1
p)
p(1 p)
L = p
z/2
U = p + z/2
Curso 2009-2010
23 / 23

2 3 Intervalos

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

2 3 Intervalos

Caricato da

Copyright:

Formati disponibili

9.

Estimacion por intervalos de

Estadstica (Aurora Torrente)

9. Estimacion por intervalos de confianza

Estimacion por intervalos de confianza

Estimacion por intervalos bajo normalidad

Estimacion de la media poblacional . Varianza desconocida

Estimacion de la diferencia de medias

Estimacion por intervalos en poblaciones no normales

9. Estimacion por intervalos de confianza

Estimacion por intervalos de confianza

Estimacion por intervalos

Estadstica (Aurora Torrente)

9. Estimacion por intervalos de confianza

Estimacion por intervalos de confianza

A partir de la distribucion de T , y para un valor , 0 < <

hay probabilidad 1 de que al seleccionar la muestra, esta produzca

Estadstica (Aurora Torrente)

9. Estimacion por intervalos de confianza

Estimacion por intervalos de confianza

Interpretacion del IC100(1) % :

Estadstica (Aurora Torrente)

9. Estimacion por intervalos de confianza

Estimacion por intervalos de confianza

La mitad de esta longitud se conoce como precision.

Estadstica (Aurora Torrente)

9. Estimacion por intervalos de confianza

Estimacion por intervalos de confianza

Intervalos bilaterales y unilaterales

o intervalo unilateral para el extremo superior

Estadstica (Aurora Torrente)

9. Estimacion por intervalos de confianza

Estimacion por intervalos de confianza

Cantidades pivotales (I)

por tanto, si conocemos ,

es una cantidad pivotal para .

9. Estimacion por intervalos de confianza

Estimacion por intervalos de confianza

Cantidades pivotales (II)

Elegida una cantidad pivotal C (X1 , ..., Xn ; i ), podemos construir

Estadstica (Aurora Torrente)

9. Estimacion por intervalos de confianza

Estimacion por intervalos bajo normalidad

Estimacion de la media poblacional . Varianza conocida

Estimacion de la media. X N(, ), conocida

(cantidad pivotal para )

Estadstica (Aurora Torrente)

9. Estimacion por intervalos de confianza

Estimacion por intervalos bajo normalidad

Estimacion de la media poblacional . Varianza conocida

Estimacion de la media. X N(, ), conocida

(cantidad pivotal para )

Estadstica (Aurora Torrente)

9. Estimacion por intervalos de confianza

Estimacion por intervalos bajo normalidad

Estimacion de la media poblacional . Varianza conocida

Estimacion de la media. X N(, ), conocida

(cantidad pivotal para )

Estadstica (Aurora Torrente)

9. Estimacion por intervalos de confianza

Estimacion por intervalos bajo normalidad

Estimacion de la media poblacional . Varianza conocida

Estimacion de la media. X N(, ), conocida