Ingeniera en Gestin Empresarial

Luis Daniel Herrera Barrios

Unidad II

INFERENCIA ESTADSTICA: ESTIMACIN

Blanca Estefana De la O Mondragn 11570120

Zihuatanejo Gro. A 24 de Febrero Del 2013

CONTENIDO

UNIDAD II. INFERENCIA ESTADSTICA: ESTIMACIN

Introduccin 2.1 Conceptos bsicos. 2.2 Distribuciones de muestreo. 2.3 Estimacin puntual. 2.4 Estimacin de intervalo. 2.5 Intervalos de confianza para medias. 2.6 Intervalos de confianza para diferencia entre medias. 2.7 Intervalos de confianza para proporciones. 2.8 Intervalos de confianza para diferencias entre proporciones. 2.9 Intervalos de confianza para varianzas. 2.10 Intervalos de confianza para razones de dos varianzas. Bibliografa 3 4 5 6 7 8 9 11 12 15 16 18

INTRODUCCIN

A la inferencia estadstica le interesa sacar conclusiones de un gran nmero de acontecimientos (poblacin), fundndose en las observaciones de una parte de los mismos (muestra). La estadstica nos proporciona herramientas que formalizan y uniforman los procedimientos para sacar conclusiones siempre que las muestras seleccionadas sean representativas de la poblacin que han sido extradas. Esta representatividad permite extender los valores que describen a las muestras (estadsticos), tales como la media, la desviacin tpica, un coeficiente de correlacin, a la poblacin correspondiente, es decir, la media o la desviacin tpica (estadsticos) pueden tomarse como estimadores de los parmetros y , valores que caracterizan a la poblacin. Los estadsticos, valores obtenidos en la muestra, son, pues, estimadores de los parmetros correspondientes (valores de la poblacin).

2.1 Conceptos bsicos.

POBLACIN: Conjunto de elementos sobre los que se observa un carcter comn. Se representa con la letra N. MUESTRA: Conjunto de unidades de una poblacin. Cuanto ms significativa sea, mejor ser la muestra. Se representa con la letra n. UNIDAD DE MUESTREO: Est formada por uno o ms elementos de la poblacin. El total de unidades de muestreo constituyen la poblacin. Estas unidades son disjuntas entre s y cada elemento de la poblacin pertenece a una unidad de muestreo. PARMETRO: Es un resumen numrico de alguna variable observada de la poblacin. Los parmetros normales que se estudian son: - La media poblacional: - Total poblacional: X - Proporcin: P ESTIMADOR: Un estimador de un parmetro , es un estadstico que se emplea para conocer el parmetro desconocido. ESTADSTICO: Es una funcin de los valores de la muestra. Es una variable aleatoria, cuyos valores dependen de la muestra seleccionada. Su distribucin de probabilidad, se conoce como Distribucin muestral del estadstico. ESTIMACIN: Este trmino indica que a partir de lo observado en una muestra (un resumen estadstico con las medidas que conocemos de Descriptiva) se extrapola o generaliza dicho resultado muestral a la poblacin total, de modo que lo estimado es el valor generalizado a la poblacin. Consiste en la bsqueda del valor de los parmetros poblacionales objeto de estudio. Puede ser puntual o por intervalo de confianza: Puntual: cuando buscamos un valor concreto. Intervalo de confianza: cuando determinamos un intervalo, dentro del cual se supone que va a estar el valor del parmetro que se busca con una cierta probabilidad.
*

CONTRATE DE HIPTESIS: Consiste en determinar si es aceptable, partiendo de datos mustrales, que la caracterstica o el parmetro poblacional estudiado tome un determinado valor o est dentro de unos determinados valores. NIVEL DE CONFIANZA: Indica la proporcin de veces que acertaramos al afirmar que el parmetro est dentro del intervalo al seleccionar muchas muestras.

2.2 Distribuciones de muestreo.

La inferencia estadstica es el proceso que permite hacer inferencias (predicciones, suposiciones, ) acerca de los parmetros de la poblacin a partir de los estimadores obtenidos con una muestra. Utiliza como base el muestreo aleatorio simple. La distribucin muestral de un estimador es la distribucin de la probabilidad de la variable que recoge los distintos valores del estimador obtenidos al analizar diferentes muestras. Una poblacin con cualquier distribucin de frecuencias, que tiene una y concretas, tiene una distribucin muestral de la x (las medias de infinitas muestras obtenidas de dicha poblacin): Con una media igual a la media de la poblacin Una desviacin estndar, denominada error tpico o estndar, igual a , desviacin estndar de la poblacin, dividida entre la raz cuadrada del tamao de la muestra, n: y sigue una distribucin normal (si n es suficientemente grande). Ejemplo: Poblacin: Distribucin muestral

x:
en 1000 muestras de 11

Histograma elementos.

de

2.3 Estimacin puntual.

Con la estimacin puntual se estima el valor del parmetro poblacional desconocido, a partir de una muestra. Para cada muestra se tendr un valor que estima el parmetro. Esta estimacin no es muy til si desconocemos el grado de aproximacin de la estimacin al parmetro. Un estimador de un parmetro poblacional es una funcin de los datos mustrales. En pocas palabras, es una frmula que depende de los valores obtenidos de una muestra, para realizar estimaciones. Lo que se pretende obtener es el valor exacto de un parmetro. Por ejemplo, si se pretende estimar la talla media de un determinado grupo de individuos, puede extraerse una muestra y ofrecer como estimacin puntual la talla media de los individuos de la muestra. La media de la muestra puede ser un estimador de la media de la poblacin, la cuasivarianza muestral es un buen estimador de la varianza poblacional y el total muestral es un buen estimador del total poblacional. Por tanto, una definicin ms matemtica de un estimador y las propiedades que debe de cumplir un estimador para ser bueno. Sea X1......Xn, una m.a.s. de tamao n, decimos que es un estimador * de un parmetro si el estadstico que se emplea para conocer dicho parmetro desconocido es este. Propiedades deseables de un estimador Las propiedades o criterios para seleccionar un buen estimador son los siguientes: A) Insesgadez: Diremos que un estimador * de un parmetro es insesgado si su esperanza coincide con el verdadero valor del parmetro. En el caso de que no coincidan, diremos que el estimador es sesgado. B) Eficiencia: Dados dos estimadores 1* y 2* para un mismo parmetro , se dice que 1* es ms eficiente que 2* si:

C) Suficiencia: Se dice que un estimador de un parmetro es suficiente cuando para su clculo utiliza toda la informacin de la muestra. D) Consistencia: Decimos que un estimador * de un parmetro es consistente si la distribucin del estimador tiende a concentrarse en un cierto punto cuando el tamao de la muestra tiende a infinito.

Mtodos para obtener estimadores El demostrar que un cierto estimador cumple estas propiedades puede ser complicado en determinadas ocasiones. Existen varios mtodos que nos van a permitir obtener los estimadores puntuales. Los ms importantes son: MTODO DE LOS MOMENTOS: se basa en que los momentos poblacionales y se estiman mediante los momentos mustrales. Suelen dar estimadores consistentes. MTODO DE MNIMOS CUADRADOS: consiste en obtener un estimador que hace mnima una determinada funcin. MTODO DE MXIMA VEROSIMILITUD: consiste en tomar como parmetro poblacional el valor de la muestra que sea ms probable, es decir, que tenga mayor probabilidad. Se suelen obtener estimadores consistentes y eficientes. Es el ms utilizado. La probabilidad de que la media muestral sea igual a la media poblacional es cero, , es decir, que ser bastante complicado obtener un estimador puntual, por ello se utiliza ms el Intervalo de Confianza y el Contraste de Hiptesis.

2.4 Estimacin de intervalo.

Es deseable conocer un mtodo que nos permita saber donde se encuentra el parmetro con un cierto grado de certeza. Este mtodo va a ser la determinacin de un intervalo donde estar el parmetro con un nivel de confianza. Estimacin de intervalo expresa la amplitud dentro de la cual probablemente se encuentra un parmetro poblacional.

El intervalo se construye a partir de una muestra, entonces, para cada muestra se tendr un intervalo distinto. Llamaremos al error que se permite al dar el intervalo y el nivel de confianza ser 1- . Un intervalo tiene un nivel de confianza 1- cuando el 100(1- )% de los intervalos que se construyen para el parmetro lo contienen. Es deseable para un intervalo de confianza que tenga la menor amplitud posible, esta amplitud depender de:

El tamao de la muestra, mientras mayor sea el tamao mejor ser la estimacin, aunque se incurre en un aumento de costes Nivel de confianza, si se pide mayor nivel de confianza, el intervalo ser mayor.

2.5 Intervalos de confianza para medias.

En los captulos anteriores se estudio el estadstico

Como estimador de la media poblacional , y si se considera una muestra grande , extraida de una poblacin con conocida, entonces del teorema del limite central y en consecuencia donde

Por lo que

De donde el intervalo de confianza de dos lados para la media con un nivel de confianza de , cuando la muestra es grande es:

Y los lmites son:

El valor

se obtiene de tablas de distribucin normal estndar de forma que

Al denotar a z como completamente generalizada.

es una notacin comn en estadstica, pero no esta

Cuando la muestra es pequea (n < 30) y la poblacin tiene una distribucin normal con variancia conocida, entonces puede emplearse.

2.6 Intervalos de confianza para diferencia entre medias.

Para construir intervalos de confianza para la diferencia de medias poblacionales se hace uso de la distribucin en el muestreo de la diferencia de medias mustrales. Se sabe que si entonces: son variables aleatorias independientes,

Y por tanto, si las distribuciones de la variables tamaos mustrales, se verificara que

son normales, cualesquiera que sean los

Tambin se sabe que para muestras independientes se puede asegurar que la distribucin de la diferencia de medias mustrales es son normales. si las

distribuciones de las variables

Si se conocen las varianzas poblacionales

Y a partir del intervalo de probabilidad con para la diferencia de medias mustrales se construye el intervalo de confianza con coeficiente de confianza (1- ) para la diferencia de medias poblacionales:

Si no se conocen las varianzas poblacionales Siempre que

pero se pueden suponer iguales

y las muestras sean independientes la distribucin

de la diferencia de medias mustrales es . Si las varianzas poblacionales se pueden suponer iguales se estima la varianza comn por y en este caso la distribucin del estadstico es normal sino 1- ser en este caso no

y por ello, el intervalo de confianza, con coeficiente de confianza

Si no se conocen las varianzas poblaciones

y no se pueden suponer iguales

10

Si las varianzas poblacionales no se pueden suponer iguales, se estiman por las cuasivarianzas de las muestras correspondientes, y es este caso el estadstico sigue una distribucin t de Student con g grados de libertad, siendo el

numero natural mas prximo a

El intervalo de confianza ser: .

2.7 Intervalos de confianza para proporciones.

Si se toma una muestra de tamao n de una poblacin muy grande (o infinita), y X observaciones pertenecen a la clase de inters, entonces es un estimador puntual de la proporcin de la poblacin que pertenece a la clase en cuestin, y la distribucin de muestreo es

Donde Y p y n son los parmetros de la distribucin binomial. Utilizando el estimador estimador puntual coeficiente y aproximando la cantidad p(1-p) mediante su se obtiene el intervalo de confianza de dos lados con un para la proporcin p es ..(3.7)

Ejemplo

11

En una muestra al azar de 60 secciones de tubo en una planta qumica, 8 de ellos mostraron seales de corrosin seria. Construir un intervalo de confianza del 95 % para la proporcin de los tramos de tubo con corrosin seria. Resolucin Utilizando la formula (3.7), con de tablas, y recordando que , se tiene:

Finalmente:

2.8 Intervalos de confianza para diferencias entre proporciones.

Si dos muestras independientes de tamao se extraen de poblaciones infinitas con distribuciones binomiales, X representa el numero de observaciones de la primera muestra que corresponden a la clase en cuestin, entonces la distribucin de muestreo para la diferencia de proporciones esta dada por

Donde De la definicin se obtiene el intervalo de confianza de dos lados para la diferencia de proporciones, con un nivel de confianza de ( , el cual es

(3.8) Ejemplo Dos grupos de 80 pacientes tomaron parte en un experimento en el cual un grupo recibi pldoras que contenan un antialrgico, mientras que al otro grupo se le administro un placebo, es decir, una pldora sin droga alguna. En el grupo que recibi el medicamento 23 exhibieron sntomas alrgicos, mientras que en el otro grupo 41 los exhibieron. Obtener un intervalo de confianza del 99% para la diferencia entre las proporciones.

12

Tpicos especiales: Intervalo de confianza para la diferencia de medias, casos especiales. Existen algunos casos especiales para los intervalos de confianza de diferencia de medias. El primero de ellos es cuando se tienen datos apareados, o en pares, es decir, las muestras aleatorias no son independientes y tienen el mismo tamao. El segundo de ellos, que queda un poco ms all del objetivo del presente curso, se tiene cuando las muestras son pequeas, independientes, con distribuciones aproximadamente normales con varianzas desconocidas y diferentes. Datos en pares Cuando se observan datos en pares y se espera que exista una fuerte correlacin entre cada pareja de datos, se debe generar una nueva variable aleatoria para construir el intervalo de confianza. Sea la variable aleatoria , donde i =1, 2, , n, entonces:

13

Y el intervalo se puede generar mediante:

Variancias diferentes muestras pequeas Cuando el problema consiste en encontrar una estimacin por intervalos para diferencia de medias , las muestras son pequeas, las poblaciones son aproximadamente normales y las varianzas desconocidas no pueden considerarse iguales, entonces no existe un estadstico exacto para el problema; sin embargo, algunos autores han encontrado muy buenas aproximaciones utilizando el estadstico:

el cual tiene una distribucin aproximadamente t, con v grados de libertad, los cuales se aproximan mediante:

O bien mediante

Puesto que v difcilmente es entero se aproxima al entero ms cercano.

14

El intervalo de confianza de dos lados queda entonces:

2.9 Intervalos de confianza para varianzas.

Si X es una v.a. con distribucin normal con media el estadstico empleado es Donde Utilizando el estadstico coeficiente de confianza de se obtiene el intervalo de confianza de dos lados con un para , el cual es y varianza desconocidas, entonces

Ejemplo: Considerese los siguientes datos: 8.2 8.23 8.24 8.25 8.19 8.28 8.21 8.23 8.2 8.23 8.24 8.25 8.24 8.26 8.26

Obtener: a) Un intervalo de confianza de dos lados del 95% para b) Un intervalo de confianza inferior del 95% para c) Un intervalo de confianza superior de 95% para

15

Resolucin De los datos de la tabla se obtiene

a) Sustituyendo en

De tablas

Por lo que

b) Para un intervalo inferior

De tablas Entonces

c) Para un intervalo superior

De tablas Entonces

2.10 Intervalos de confianza para razones de dos varianzas.

Si X y Y son vv.aa. independientes con distribuciones normales con medidas desconocidas y variancias desconocidas, respectivamente, entonces el estadstico empleado es

16

Donde Utilizando el estadstico coeficiente de confianza de se obtiene el intervalo de confianza de dos lados con un para la relacin de las variancias , el cual es

17

BIBLIOGRAFA

Hines, William W. y Montgomery, Douglas C., et al.- Probabilidad y Estadstica para Ingeniera y Administracin, Cuarta Edicin..-CECSA.- Mxico, 2004. Mara Teresa Gonzlez.- Estadstica Aplicada una Visin Instrumental, Daz de Santos.- Espaa, 2009. Scheaffer, Richard L y McClave, James T. Probabilidad y Estadstica para Ingeniera.Grupo Editorial Iberoamrica.- Mxico 1993. Canavos, George C.- Probabilidad y Estadstica Aplicaciones Y Mtodos.- McGrawHill.- Mxico, 1988.

18