Ejemplo: Si B(3;p) tendremos que el espacio paramtrico es el intervalo = *0,1+. Y la familia de distribuciones ser ,B(3;p) ; 0p1Definicin.

.- Sea (1, 2 , . . . ,n) una m.a.s. de F(x;). Un estadstico * = f (1, 2 , . . . ,n) se dice que es un estimador puntual de si * aplica R n en . Obsrvese que el estimador no es un valor concreto sino una variable aleatoria, ya que aunque depende unvocamente de los valores de la muestra observados (i = xi ), la eleccin de la muestra es un proceso aleatorio. Una vez que la muestra ha sido elegida, se denomina estimacin el valor numrico que toma el estimador sobre esa muestra. Un estimador es siempre una funcin de los valores mustrales cuyo resultado debe ser siempre un posible valor del parmetro. Por ejemplo, con el fin de estimar la proporcin de xitos p (desconocido) en un experimento que se repite 3 veces (modelo B(3;p)) tomamos una muestra de tamao 4, pongamos (2,5,1,2), es decir, en estas cuatro realizaciones hemos obtenido cuatro valores diferentes para p, que son 0,2; 0,5; 0,1 y 0,2. Qu valor asignamos a p? Podemos pensar, y en principio es lo ms coherente, tomar la media: p*=0,25. Pero otra alternativa podra ser la media geomtrica p*=0,21 o quizs el mnimo valor muestral p*=0,1. Todas estas funciones (estadsticos) nos dan siempre valores aceptables para p. En cambio si tomamos la suma de todos los valores mustrales p*=1 (que tambin es un estadstico=funcin de la muestra) este no ser un estimador pues no siempre da

valores posibles para p. Todo esto indica dos cosas: No todos los estadsticos son estimadores. No todos los estimadores asignan el mismo valor al parmetro desconocido. Al ser desconocido el valor real del parmetro no podemos a priori indicar el estimador que nos ofrezca el valor ms prximo al parmetro, y por tanto, nunca sabremos exactamente cual es el error que estamos cometiendo al realizar nuestra prediccin. Claro que, si que ser posible estudiar los estimadores como v.a. y buscar propiedades que hagan a unos ms deseables que a otros.

2) ESTIMACIN POR INTERVALOS

Hemos visto que la media muestral es un buen estimador puntual de la media poblacional. El inconveniente principal es que un nico valor observado de generalmente no es exactamente

igual a ; habr cierta diferencia entre y . Sera conveniente tener idea de lo cerca que est nuestra estimacin del verdadero valor de la media poblacional. Tambin sera bueno poder dar informacin de lo seguros o confiados que estamos de la precisin de la estimacin. Para tener una idea, no solo del valor de la media, sino tambin de la precisin de la estimacin, los investigadores optan por el mtodo de estimacin por intervalo o intervalos de confianza. Un intervalo estimador es lo que su propio nombre indica, un intervalo aleatorio, cuyos puntos extremos L 1 y L 2 son estadsticos. Esto se utiliza para determinar un intervalo numrico a partir de la muestra. Se espera que este contenga el parmetro de la poblacin que est siendo estimado. Si se ampla el intervalo, se gana error, se pierde confianza. Un intervalo de confianza de del 95% es tal que: . Decir que un intervalo es un intervalo de confianza del 95% de significa que, cuando se utiliza un muestreo repetido de la poblacin, el 95% de los intervalos resultantes deber contener a ; debido al azar, el 5% no incluir la verdadera media poblacional. El grado de confianza deseado es controlado por el investigador.

Ejemplo Hallemos un intervalo de confianza, del 95%, de , nmero medio de microgramos de partculas en suspensin por metro cbico de aire, sobre la base de una muestra aleatoria de tamao 5 dada en la que se ha calculado que una estimacin puntual de es por experiencias anteriores se sabe que . Supongamos que , nmero de microgramos de partculas en

suspensin por metro cbico de aire, est normalmente distribuido, con varianza . Queremos extender la estimacin puntual a un intervalo, de forma talque podamos tener una confianza del 95 % de que el intervalo obtenido contenga al verdadero valor de . Es decir, queremos determinar y de forma que As:

Para hacerlo as, consideremos la particin de la curva normal tipificada dibujada en la siguiente figura:

Particin de Z para obtener un intervalo de confianza de del 95 % Puede verse que

En este caso,

, por tanto, podemos concluir que

Veamos que los lmites superior e inferior del intervalo de confianza del 95% son:

Puesto que se supone que muestra son

es 9, y

, son estadsticos. Sus valores observados por la

Puesto que este intervalo se obtuvo usando un procedimiento que, en muestreos repetidos, contendr a la media en un 95% de confianza de que est verdaderamente entre 58.37y 63.63:

58.37 = 61 - 2.63 61 61 +2.63 = 63.63 Dos observaciones son evidentes a partir de esta frmula: La primera es que cada intervalo de confianza est centrado en La segunda es que la amplitud del intervalo depende de tres factores :

La confianza deseada.

La desviacin estndar

El tamao muestral 3)

INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL Y LA DISTRIBUCIN DE T

En la mayora de los casos, el estudio estadstico que interesa se hace por primera vez, por lo que no hay una forma de conocer previamente cul es la media o la varianza de la poblacin en cuestin. Entonces, consideraremos ahora hacer inferencia sobre una media poblacional cuando se considera que la varianza de la poblacin es desconocida .

S Donde S es la desviacin entandar muestral Z tiene como parmetros a ya

T tiene como parmetro a v grados de libertad El nmero de grados de libertad implicados en la bsqueda de un intervalo de confianza de cuando no se conoce es n-1.

La distribucin T es el cociente entre una variable aleatoria con una Distribucin normal tipificada (z) y la raz cuadrada de otra variable aleatoria (independiente de la anterior) con su Distribucin ji cuadrado de v grados de libertad dividida por sus grados de libertad:

t= Esta distribucin solo depende de un parmetro, los grados de libertad, y est definida entre y+ haya. . Existen tantas distribuciones de t de student-Fisher como grados de libertad

Grados de libertad: El nmero de maneras en que los datos pueden variar libremente La funcin de Distribucin se encuentra en la Tabla C (Anexos). En la columna izquierda se encuentran los grados de libertad y en la fila del encabezado se encuentra las probabilidades pertinentes la tabla. y los puntos asociados con estas probabilidades estn situados en el cuerpo de

ENTRE MS GRADOS DE LIBERTAD TIENE LA CURVA DE T SE APROXIMA A LA CURVA NORMAL TIPIFICADA

Tpica relacin entre una curva T y una curva normal tipificada

Ejemplo: El valor t con v =14 grados de libertad que tiene un rea de 0.025 a la izquierda, y por lo tanto un rea de 0.975 a la derecha, es:

Ejemplo:Encuentre

Dado que tiene un rea de 0.05 a la derecha, y izquierda, se tiene un rea total de:

tiene un rea de 0.025 a la

De aqu que,

ESTIMACIN DE UNA PROPORCION El mejor estimador de la proporcin (p) de una caracterstica de una poblacin es la proporcin observada (p o ) en una muestra, que se corresponde con la frecuencia relativa de una caracterstica en la muestra. Si obtenemos distintas muestras de tamao n de una poblacin con una proporcin p de una determinada caracterstica, los distintos valores de las proporciones observadas no son todos ellos iguales y es necesario, por lo tanto, averiguar qu distribucin siguen. Se puede afirmar que la distribucin de este estimador es una distribucin normal de media p y varianza pxq/n, cuando el tamao de la muestra es suficientemente grande. Donde q al ser el complementario de p, vale 1-p .

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS En esta seccin se ver el caso en donde se tienen dos poblaciones con medias y varianzas desconocidas, y se desea encontrar un intervalo de confianza para la diferencia de dos medias Si los tamaos de muestras n1 y n2 son mayores que 30, entonces, puede emplearse el intervalo de confianza de la distribucin normal. Sin embargo, cuando se toman muestras pequeas se supone que las poblaciones de inters estn distribuidas de manera normal, y los intervalos de confianza se basan en la distribucin t.

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS PERO IGUALES Si s12 y s22 son las medias y las varianzas de dos muestras aleatorias de tamao n1 y n2, respectivamente, tomadas de dos poblaciones normales e independientes con varianzas desconocidas pero iguales, entonces un intervalo de confianza del 100( ) por ciento para la diferencia entre medias es:

en donde:

es el estimador combinado de la desviacin estndar comn de la poblacin con n1+n2 2 grados de libertad. Ejemplos: 1. Un artculo publicado dio a conocer los resultados de un anlisis del peso de calcio en cemento estndar y en cemento contaminado con plomo. Los niveles bajos de calcio indican que el mecanismo de hidratacin del cemento queda bloqueado y esto permite que el agua ataque varias partes de una estructura de cemento. Al tomar diez muestras de cemento estndar, se encontr que el peso promedio de calcio es de 90 con una desviacin estndar de 5; los resultados obtenidos con 15 muestras de cemento contaminado con plomo fueron de 87 en promedio con una desviacin estndar de 4. Supngase que el porcentaje de peso de calcio est distribuido de manera normal. Encuntrese un intervalo de confianza del 95% para la diferencia entre medias de los dos tipos de cementos. Por otra parte, supngase que las dos poblaciones normales tienen la misma desviacin estndar. Solucin: El estimador combinado de la desviacin estndar es:

Al calcularle raz cuadrada a este valor nos queda que sp = 4.41

expresin que se reduce a 0.72

6.72

Ntese que el intervalo de confianza del 95% incluye al cero; por consiguiente, para este nivel confianza, no puede concluirse la existencia de una diferencia entre las medias.

4)

Intervalo de confianza para una proporcin

Dada una variable aleatoria con distribucin Binomial B(n, p), el objetivo es la construccin de un intervalo de confianza para el parmetro p, basada en una observacin de la variable que ha dado como valor x. El mismo caso se aplica si estudiamos una Binomial B(1, p) y consideramos el nmero de veces que ocurre el suceso que define la variable al repetir el experimento n veces en condiciones de independencia. Existen dos alternativas a la hora de construir un intervalo de confianza para p:

Considerar la aproximacin asinttica de la distribucin Binomial en la distribucin Normal. Utilizar un mtodo exacto.

Aproximacin asinttica Tiene la ventaja de la simplicidad en la expresin y en los clculos, y es la ms referenciada en la mayora de textos de estadstica. Se basa en la aproximacin

que, trasladada a la frecuencia relativa, resulta

Tomando como estadstico pivote

que sigue una distribucin N(0, 1), y aadiendo una correccin por continuidad al pasar de una variable discreta a una continua, se obtiene el intervalo de confianza asinttico:

donde z/2 es el valor de una distribucin Normal estndar que deja a su derecha una probabilidad depara un intervalo de confianza de (1 ) 100 %Las condiciones generalmente aceptadas para considerar vlida la aproximacin asinttica anterior son:

El intervalo obtenido es un intervalo asinttico y por tanto condicionado a la validez de la aproximacin utilizada. Una informacin ms general sobre los

intervalos de confianza asintticos puede encontrase aqu.

Intervalo exacto Aun cuando las condiciones anteriores no se verifiquen, es posible la construccin de un intervalo exacto, vlido siempre pero algo ms complicado en los clculos. Es posible demostrar que un intervalo exacto para el parmetro p viene dado por los valores siguientes:

donde F/2a,b es el valor de una distribucin F de Fisher-Snedecor con a y b grados de libertad que deja a su derecha una probabilidad depara un intervalo de confianza de (1 ) 100 %.