ESTADISTICA, CURSO 20082009 1

TEMA 3: INFERENCIA ESTADISTICA

1 INTRODUCCION
Poblaci
on.
Muestra, muestreo.
Objetivos de la inferencia estadstica.
Metodos parametricos y no parametricos.

2 TEORIA ELEMENTAL DEL MUESTREO

2.1 CONCEPTOS BASICOS

Muestreo aleatorio.
Muestreo con y sin reemplazamiento.
Par
ametros poblacionales.
Distribuci
on de probabilidad conjunta:

P (X1 = x1 , X2 = x2 , . . . , Xn = xn ) = f (x1 , x2 , . . . , xn ) = f (x1 )f (x2 ) . . . f (xn )

Estadstico.
Distribuci
on muestral de un estadstico.

2.2 DISTRIBUCION MUESTRAL DE LA MEDIA

X1 + X2 + . . . + Xn x1 + x2 + . . . + xn
X= ; x=
n n

E(Xi ) = Xi =

 
X1 + X2 + . . . + Xn 1 1
E(X) = E = (E(X1 ) + E(X2 ) + . . . + E(Xn )) = (n)
n n n

X = E(X) =

2
Var(Xi ) = X i
= 2

 
X1 + X2 + . . . + Xn 1 1 1
Var(X) = Var = Var(X1 ) + 2 Var(X2 ) + . . . + 2 Var(Xn ) =
n n2 n n
ESTADISTICA, CURSO 20082009 2

2
 
1 2 2
= E (X )2 = Var(X) =


=n X
n2 n

Muestreo sin reemplazamiento:

2
 
2 N n
X = Var(X) =
n N 1

Para una distribuci

on cualquiera la variable tipificada:

X
Z=
/ n

tiende N (0, 1) cuando n tiende a .

Pn
Y i=1 i nX n X
Z = pPn 2
= =
i=1 i n 2 / n

on es N (, ) la media muestral es N (, / n), con independencia de n.
Si la poblaci

2.3 DISTRIBUCION MUESTRAL DE UNA PROPORCION

2 pq p(1 p)
P = E(P ) = = p ; P2 = Var(P ) = = =
n n n

2
   
N n pq N n
P2 = =
n N 1 n N 1

2.4 DISTRIBUCION MUESTRAL DE LA DIFERENCIA DE MEDIAS

Dadas dos poblaciones cualesquiera caracterizadas por (1 , 1 ) y (2 , 2 )

X1 X2 = X1 X2 = 1 2

12 2
2
X 2
= X 2
+ X = + 2
1 X2 1 2 n1 n2
La variable tipificada:
(X1 X2 ) (1 2 )
Z= q 2
1 22
n1 + n2

tiende a N (0, 1) cuando n1 y n2 tienden a .

actica, se utiliza esta aproximacion cuando n1 + n2 > 30 y n1 ' n2 .
En la pr
Distribuci
on muestral de la diferencia de proporciones:

P1 P2 = P1 P2 = p1 p2

p1 q1 p2 q2
P2 = P2 + P2 = +
1 P2 1 2 n1 n2
ESTADISTICA, CURSO 20082009 3

2.5 VARIANZA MUESTRAL

Pn Pn
X)2
i=1 (Xi x)2
i=1 (xi
S2 = ; s2 =
n1 n1

E(S 2 ) = S 2 = 2

Demostraci
on:
n n n n
X X
2 X X
(Xi X)2 = (Xi ) (X ) = (Xi )2 2(X ) (Xi ) + n(X )2
i=1 i=1 i=1 i=1

n
X n
X
= (Xi )2 2(X )n(X ) + n(X )2 = (Xi )2 n(X )2
i=1 i=1

 Pn n
!
X)2

i=1 (Xi 1 X
2 2 2



E(S ) = E = E (Xi ) nE (X )
n1 n1 i=1

n
!
2
 
2 1 X
2 2 1 1
E(S ) = X nX = n 2 n = (n 1) 2 = 2
n1 i=1
i
n1 n n1

Definici
on alternativa:
Pn
02 i=1 (Xi X)2
S =
n

2 n1 2
E(S 0 ) =
n
Muestreo sin reemplazamiento:
 
2 N
E(S ) = S 2 = 2
N 1

2.5.1 on muestral de (n 1)S 2 / 2

Distribuci

Pn
S2 i=1 (Xi X)2
(n 1) 2 =
2

n
X n
X
(Xi )2 = (Xi X)2 + n(X )2
i=1 i=1

n  2 2
(n 1)S 2

X Xi X
= +
i=1
2 / n

(2n = 2n1 + 21 )
Entonces, la siguiente variable aleatoria obedece a una distribucion 2 con (n 1) grados de libertad:

S2
2n1 = (n 1)
2
ESTADISTICA, CURSO 20082009 4

2.6 EL ESTADISTICO t

X
t=
S/ n

(X )/ (X )/(/ n) Z
t= = p =q
(S/)/ n S 2 / 2 2
n1 /(n 1)

on t de Student con (n 1) grados de libertad.

El estadstico t sigue una distribuci

2.7 DISTRIBUCION MUESTRAL DE LA RAZON DE VARIANZAS

S12 /12
F =
S22 /22

S12 S22
2n1 1 = (n1 1) ; 2n2 1 = (n2 1)
12 22

2n1 1 /(n1 1)
F =
2n2 1 /(n2 1)

on F de Fisher con (n1 1) y (n2 1) grados de libertad.

El estadstico F tiene una distribuci

3 ESTIMACION DE PARAMETROS
Estimaci
on de par
ametros poblacionales.

Estimador
Propiedades de un estimador A de un parametro poblacional :

1. Insesgado:

E(A) = A =

2. A1 m
as eficiente que A2 :

2 2
A 1
< A 2

3. Consistente
2
lim A = ; lim A =0
n n

Estimaci
on puntual y por intervalos de confianza.
ESTADISTICA, CURSO 20082009 5

3.1 ESTIMACION PUNTUAL

3.1.1 Principales estimadores puntuales

on N (, ). Estimadores puntuales de y 2 son la media X y la varianza muestral S 2

Poblaci
respectivamente. Insesgados pues:

E(X) = ; E(S 2 ) = 2

Distribuci
on binomial de par
ametro p. Estimador: proporcion de exitos P . Insesgado pues:

E(P ) = p

Distribuci
on de Poisson con par
ametro . Estimador:
Pn
i=1 Xi
=
n

3.1.2 El m
etodo de m
axima verosimilitud

Funci
on de verosimilitud:

L(X1 , X2 , . . . , Xn ; ) = f (X1 , X2 , . . . , Xn ; ) = f (X1 , )f (X2 , ) . . . f (Xn , )

El estimador de m
axima verosimilitud es el valor de que hace maxima L:

d ln L 1 dL
= =0
d L d

Distribuci
on binomial:

1p ; x=0
f (x, p) = px (1 p)1x =
p ; x=1

n
Y
L= f (xi , p) = pf (1 p)nf
i=1

ln L = f ln p + (n f ) ln (1 p)

d ln L f nf
= =0
dp p 1p

f
p(n f ) = f f p p(n f + f ) = f p=
n

Distribuci
on normal N (, ):

n
Y 1 (xi )2
L= e 22
i=1
2
ESTADISTICA, CURSO 20082009 6

n 
(xi )2

X n n 1 X
ln L = ln 2 ln = ln 2 ln 2 2 (xi )2
i=1
2 2 2 2 2

ln L 1 X
= 22 (xi ) = 0
2

Pn
X X
i=1 xi
(xi ) = 0 xi n = 0 =
n

ln L n 1 1 X
= + (xi )2 = 0
2 2 2 2 4

Pn
2
X
2 2 i=1 (xi )2
n = (xi ) =
n

3.2 ESTIMACION POR INTERVALOS DE CONFIANZA

Intervalo de confianza.
Estimador por intervalo:

L1 = f1 (X1 , X2 , . . . , Xn ) ; L2 = f2 (X1 , X2 , . . . , Xn )

Nivel de confianza 1 ( = par

ametro poblacional):

P (L1 < < L2 ) = 1

Sea un estadstico B con distribuci

on muestral normal:

P (B B < B < B + B ) = 0.6827 P (B B < B < B + B ) = 0.6827
P (B 2B < B < B + 2B ) = 0.9544 P (B 2B < B < B + 2B ) = 0.9544
P (B 3B < B < B + 3B ) = 0.9973 P (B 3B < B < B + 3B ) = 0.9973

P (B 1.96B < B < B + 1.96B ) = 0.95

P (B 2.58B < B < B + 2.58B ) = 0.99

P (B z/2 B < B < B + z/2 B ) = 1

3.2.1 Intervalos de confianza para la media

A) Distribuci
on normal:
ESTADISTICA, CURSO 20082009 7

Varianza poblacional 2 conocida:

P (X z/2 X < X < X + z/2 X ) = 1

 

P X z/2 < < X + z/2 =1
n n

 
X
P z/2 < < z/2 =1
/ n

 

I = X z/2
n

Muestreo sin reemplazamiento en poblacion finita:

" r #
N n
I = X z/2
n N 1

Varianza poblacional 2 desconocida y n > 30:

 
S S
P X z/2 < < X + z/2 =1
n n

 
S
I = X z/2
n

Varianza poblacional 2 desconocida y n < 30:

 
X
P t/2,n1 < < t/2,n1 = 1
S/ n

 
S S
P X t/2,n1 < < X + t/2,n1 =1
n n

 
S
I = X t/2,n1
n

B) Para muestras grandes de cualquier poblaci

on:
 
S
I = X z/2
n

Intervalo de confianza para una proporci

on (distribuci
on binomial)
s s
P (1 P ) P (1 P )
P P z/2 < p < P + z/2 =1
n n

s
P (1 P )
I = P z/2
n
ESTADISTICA, CURSO 20082009 8

Intervalo de confianza para el par

ametro de una distribuci
on de Poisson
s s

P z/2 < < + z/2 =1
n n

s

I = z/2
n

3.2.2 Intervalos de confianza para la diferencia de medias

A) Poblaciones normales:

Varianzas poblacionales 12 y 22 conocidas:

s s
12 2 12 22
P (X1 X2 ) z/2 + 2 < 1 2 < (X1 X2 ) + z/2 + =1
n1 n2 n1 n2

s
12 22
I = (X1 X2 ) z/2 +
n1 n2

Varianzas poblacionales 12 y 22 desconocidas y n1 + n2 > 30 (con n1 ' n2 ):

s s
S12 S22 S12 S22
P (X1 X2 ) z/2 + < 1 2 < (X1 X2 ) + z/2 + =1
n1 n2 n1 n2

s
S12 S22
I = (X1 X2 ) z/2 +
n1 n2

Varianzas poblacionales 12 y 22 desconocidas con 1 = 2 (muestras peque

nas):

(X1 X2 ) (1 2 ) (X1 X2 ) (1 2 )
Z= q 2 2
= r 
1 2 
n1 + n2 2 n11 + n12

(n1 1)S12 (n2 1)S22 (n1 1)S12 + (n2 1)S22

2n1 +n2 2 = 2
+ 2
=
2

,s
(X1 X2 ) (1 2 ) (n1 1)S12 + (n2 1)S22 (X1 X2 ) (1 2 )
T = =
2 (n1 + n2 2)
r  q
Sp n11 + n12

2 n11 + n12

(n1 1)S12 + (n2 1)S22

Sp2 =
n1 + n2 2
ESTADISTICA, CURSO 20082009 9

(X1 X2 ) (1 2 )
P t/2,n1 +n2 2 < q < t/2,n1 +n2 2 = 1
Sp n11 + n12

 r r 
1 1 1 1
P (X1 X2 ) t/2 Sp + < 1 2 < (X1 X2 ) + t/2 Sp + =1
n1 n2 n1 n2

 r 
1 1
I = (X1 X2 ) t/2,n1 +n2 2 Sp +
n1 n2

Varianzas poblacionales 12 y 22 desconocidas con 1 6= 2 (muestras peque

nas):

(X1 X2 ) (1 2 )
T = q 2
S1 S22
n1 + n2

2
S12 S22

n1 + n2
f= (S12 /n1 )2 (S22 /n2 )2
2
n1 +1 + n2 +1

s s
S12 S22 S12 S22
P (X1 X2 ) t/2,f + < 1 2 < (X1 X2 ) + t/2,f + =1
n1 n2 n1 n2

s
S12 S22
I = (X1 X2 ) t/2,f +
n1 n2

B) Distribuciones no normales y muestras grandes:

s
S12 S22
I = (X1 X2 ) z/2 +
n1 n2

Intervalo de confianza para la diferencia de proporciones

p1 (1 p1 ) p2 (1 p2 )
p21 p2 = +
n1 n2

s
P1 (1 P1 ) P2 (1 P2 )
I = (P1 P2 ) z/2 +
n1 n2
ESTADISTICA, CURSO 20082009 10

3.2.3 Intervalo de confianza para la varianza

(n 1)S 2
 
P 21/2,n1 < < 2
/2,n1 =1
2

!
21/2,n1 1 2/2,n1
P < 2 < =1
(n 1)S 2 (n 1)S 2

!
(n 1)S 2 (n 1)S 2
P 2 < 2 < 2 =1
/2,n1 1/2,n1

" #
(n 1)S 2 (n 1)S 2
I= ,
2/2,n1 21/2,n1

Desviaci
on tpica:
"s s #
(n 1)S 2 (n 1)S 2
I= ,
2/2,n1 21/2,n1

3.2.4 Intervalo de confianza para la raz

on de varianzas

S12 /12
 
P F1/2;n1 1,n2 1 < < F/2;n1 1,n2 1 =1
S22 /22

S12 2 S2
 
1 1
P 2 < 12 < 12 =1
S2 F/2;n1 1,n2 1 2 S2 F1/2;n1 1,n2 1

S12 2 S2
 
1
P 2 < 12 < 12 F/2;n2 1,n1 1 =1
S2 F/2;n1 1,n2 1 2 S2

S12 S2
 
1
I= 2 , 12 F/2;n2 1,n1 1
S2 F/2;n1 1,n2 1 S2

3.2.5 Determinaci
on del tama
no de la muestra

l = 2z/2
n

P (X  < < X + ) = 1

2 2
 = z/2 n = z/2
n 2