Vous êtes sur la page 1sur 24

ESTIMACIN DE PARMETROS

El objetivo de la estimacin de parmetros es proveer de mtodos que permitan determinar


con cierta precisin, el valor de los parmetros desconocidos de un modelo estadstico a partir
de una muestra extrada al azar de una poblacin.
La estimacin puede estar dado por un nico valor experimental y se denomina
Estimacin Puntual. !tras veces puede estar dado por un conjunto de valores que constituyen
un intervalo experimental, cuyos extremos se calcula a partir de la muestra con cierto "rado de
con#iabilidad, y se denomina Estimacin por Intervalos.
ESTIMACIN PUNTUAL DE PARMETROS.
$ea %&, %', . . . , %n, una muestra aleatoria de tama(o )n* seleccionada de una poblacin
cuya distribucin es #+x,, -, siendo , el parmetro. $e denomina estimador puntual del
parmetro a cualquier #uncin de las observaciones muestrales y se denota por
. / + %&,
%', . . ., %n - 0 1uyo valor
. / + x&, x', . . ., xn - que toma el estimador para una muestra
particular, sirve como aproximacin del verdadero valor del parmetro, y se denomina
estimacin puntual.
Ejemplo. $ea % tiempo de vida til de una componente electrnica, si de un lote de
produccin de 233 de tales componentes se selecciona una muestra de &3
componentes, se prueba su tiempo de duracin y se obtiene 4'33, 4'23, 4433,
4533,4523, 4233, 4633, 4623, 4623, 4733 8oras. 9eterminar una estimacin del
tiempo promedio de vida til de todas las componentes del lote de produccin.
Solucin
En este cso

N
Xi
N

! me"i po#lcionl $ p%&met%o'



n
Xi
X
n

1

! me"i muest%l $estim"o% '

10
10
1

xi
x

( $)*+,,-.,' ( )*+, /o%s- componente. $ Estimcin'.
PRPIEDADES DE UN 0UEN ESTIMADOR.
:n buen estimador debe poseer ciertas propiedades convenientes , tales como
1. INSES1A0ILIDAD. $e dice que
es un estimador inses"ado de , si el valor
esperado de
es i"ual a . Es decir
E +
- .
Ejemplo. La media muestral x , es un estimador inses"ado de .
'. CONSISTENCIA. $e dice que un estimador es consistente si proporciona
estimaciones que conver"en en probabilidad 8acia el parmetro poblacional que se
est estudiando a medida que )n* crece. Es decir
Ejemplo. La media es un estimador consistente de , se"n la ley de los "randes
1
( ) 1

lim

P
n
nmeros.

3. E2ICIENCIA. $e dice que

& y

' dos estimadores inses"ados de ,

& es
ms e#iciente que

' si

& tiene menor varianza que

', si
Ejemplo. $e determina la e#iciencia relativa de ' estimadores de la media poblacional

e
M x
2 1


n
x V
2
) (

,
n
M V
e
2
) (
2

ER = V(Me)/V( ) x = 1.57. ;or tanto la media es ms


e#iciente que la mediana al estimar a .
4. SU2ICIENCIA.
, es un estimador su#iciente de , si usa toda la in#ormacin
contenida en la muestra.
Ejemplo. La media muestral es un estimador su#iciente de la media poblacional
+varianza conocida-.
5. ESTIMADOR IN3ARIANTE. $e dice que
es un estimador invariante de , si el
estimador de la #uncin del parmetro "+ -, es i"ual a la #uncin del estimador del
parmetro, es decir
) ( g
g(
-
Ejemplo. La varianza muestral es invariante respecto a los cambios de ori"en,
pues

2 2
1
2
1
2
) (
1
1
) (
1
1
a x
n
i
n
i x
S a x a x
n
x x
n
S
+
+



6. ESTIMADOR RO0USTO. $e dice que
es un estimador robusto de , cuando
vulneraciones de los supuestos de partida en la que se basa el proceso de
estimacin no alteran de manera si"ni#icativa los resultados que proporciona el
estimador.
Ejemplo. $i no se conoce la varianza en una poblacin <+,
'
-, para 8acer
in#erencias respecto a la media , se recurre a la estadstica

n s
x
T
/

t+n =&-
>lteraciones moderadas de los supuestos de normalidad no alteran seriamente a las
in#erencias basadas en la distribucin t de $tudent, sobre todo para valores altos de
n, indicando que los procedimientos sustentados en la estadstica ? son robustos.
METODOS DE ESTIMACION PARAMETRICA
;ara determinar los valores numricos de los ;armetros de la distribucin terica, a
partir de los datos muestrales, se usan varios mtodos, los dos mtodos analticos
considerados #recuentemente son
@ Atodo de momentos.
@ Atodo de mxima verosimilitud.

2
( ) ( )
2 1

Var Var
METODO DE MOMENTOS
$upon"amos que % es una variable aleatoria continua con densidad de probabilidad #+x0
B&, B', ... , BC- o una variable aleatoria discreta con distribucin p+x0 B&, B', ... , BC- caracD
terizada por E parmetros desconocidos. $ea %&, %', ... , %n una muestra aleatoria de tama(o
FnF obtenida de %, y de#nase los C momentos muestrales con respecto al ori"en como

n
x
m
n
t
i
t

1 '
0 t . &, ', .... , C
Los primeros C momentos de la poblacin con respecto a ori"en son
GtH . E+%
t
- .

t
x
#+x0 B&, B', ... , BC-dx0 t&,C0 v. continua
. I %
t
p+x0 B&, B', ... , BC-0 t . &, ', .... , C0 v. discreta
Los momentos de la poblacin JGtHK sern en "eneral #unciones de los C parmetros
desconocidos JBiK. L"ualando los momentos muestrales y los momentos de la poblacin se
obtendr C ecuaciones simultneas con C inc"nitas +a los JBiK-0 esto es
GtH . mtH t . &, ', .... , C 0 +@-
La solucin de la ecuacin +@- es

&,

', ... ,

C y representa las estimaciones de


momentos de B&, B', ... , BC.
Ejemplo 4
$ea % MMMN <+G,OP- en donde G y OP son desconocidas. ;ara obtener estimadores para
G y OP mediante el mtodo de momentos, recurdese que para la distribucin normal
Los momentos poblacionales son
G&H . G y G'H . OP Q GP
Los momentos de la muestra son
m&H . + I%i -Rn m'H . + I%iP -Rn

> partir de la ecuacin +@-, se obtiene
G . +I%i - Rn OP Q GP . + I%iP -Rn

Las cuales tienen la solucin

. +I%i -Rn .
_
x
0

P . +I%iP D n
_
x
P-Rn . S I+%i D
_
x
-P TRn

! tambin

_
x
. + I%i - Rn 0 $P . SI+%i D
_
x
-P T Rn
METODO DE MA5IMA 3EROSIMILITUD
:no de los mejores mtodos para obtener un estimador por puntos es el de mxima
verosimilitud.
$upon"amos que % es una v.a. con distribucin probabilstica #+%,B-, en la cual B es un slo
parmetro desconocido, como en la #uncin exponencial #+x- . e
D x
.
$ean %&, %', ... , %n los valores observados en una muestra de tama(o FnF. Entonces, la
#uncin de verosimilitud de la muestra es
3
L+B- . L+%&, %', ... , %n- . #+%&0B- #+%'0B- ... #+%40B- +@-
9onde la #uncin de verosimilitud es slo #uncin del parmetro desconocido. El
estimador de mxima verosimilitud de B es el valor de B que maximiza la #uncin L++B-.
Uundamentalmente, el estimador de mxima verosimilitud es el valor de B que maximiza la
probabilidad de ocurrencia de los resultados muestrales.
Este estimador puede ser obtenido di#erenciando L++%&, %', ... , %n0 B- con respecto a B y
8aciendo la derivada i"ual a 30 es decir
L +%&, %', ..., %n0 B- . 3 +@@-
MMM
B

es obtenido como solucin de la Ecuacin +@@-.


> menudo, resulta ms conveniente maximizar el lo"aritmo de la #uncin, en vez de la #uncin
misma, esto es
ln L+%&, %', ..., %n0 B- . 3 +@@@-
MMM
B
La solucin para
es la misma usando +@@- +@@@-.
;ara #unciones con ' ms parmetros la #uncin de verosimi litud viene a ser
&
L+%&, %', ..., %n0 B&, B', ... BC- . V #+%&0B&, B', ... , BC- i .&,C +@@@@-
9onde B&, B', ... , BC son los parmetros a ser estimados, en este caso los estimadores
mximos verosmiles se obtendran de la solucin de las ecuaciones simultneas.
ln L+%&, %', ..., %n0 B&, B', ... , BC- . 30 i . &,...,C
MMMMM
B
El +E.A.W.- cumple muc8as de las propiedades mencionadas antes.
Ejemplo .4
Los tiempos entre sucesivos arribos de ve8culos en un #lujo de tr#ico #ueron observados como
si"ue
&.', 4.3. 6,4, &3.&, 2.', '.5, 7,& se".
$upn"ase que los tiempos entre arribos de ve8culos si"ue una distribucin
exponencial0 esto es
#?+t- .
e
i
t

1


9etermine el estimador +AEW- del tiempo medio entre arribos.
9e la ecuacin +@- la #uncin de verosimilitud de las siete observaciones es
L+t&, t', ..., t70 - .

7
1
) exp(

i
t


. + -
D7
Exp +D I ti-R
9onde ti es el iDsimo tiempo observado entre arribos sucesivos de acuerdo a +@@-
4

L
. D7
DX
exp+D ItiR- Q
D7
Exp +D ItiR-
2

i
t
. 3

DX
SD7 QtiR T Exp +DIti R- . 3
9e los cuales obtenemos

7
1
7
i
t
. 2.35 se".
;or lo tanto el estimador mximo verosmil
desde una muestra de tama(o n es

n
i
t
n
1
1

n
Ejemplo 6 4
:n espcimen triDaxial de arena saturada es sometido a car"as verticales cclicas en un
es#uerzo de amplitud Y'33 libRpieP en una prueba de laboratorio. El nmero de car"as cclicas
aplicadas 8asta que el espcimen de arena #alla 8an sido reco"idos para 2 especmenes
independientes como si"ue '2, '3, 'X, 44, '6 ciclos
$upn"ase que el nmero de car"a cclicas para #allas para la arena se supone que
si"ue una distribucin lo"normal, estimar los parmetros y por el mtodo de mxima
verosimilitud.
Solucin
9e este modo primero derivamos la expresin "eneral de los estimados mximos
verosmiles. y para una distribucin lo"Dnormal. la #uncin de verosimilitud es dada por
L+%&,..., %n0 ,
- .
n
i
i
X
X
i
1
2
2
1
ln
2
1
exp

'

1
1
]
1

,
_

. ( )
1
]
1

,
_

,
_

n
i
i
n
i
i
n
x X
1
2
2
1
1
ln
2
1
exp
2
1



La presencia de exponenciales su"iere que es ms conveniente trabajar con la #orma
lo"artmica0 de este modo
ln L+%&,..., %n0 , -. Dn ln 2 Dn ln D

n
i
x
1
ln D
( )


n
i
x
1
2
2
ln
2
1


;ara maximimizar la #uncin de verosimilitud tenemos
( )
2
2
ln
1 ln


i
x
L
. 3 ........................................................... +&-
( )
2
1
2
ln
1 ln

n
i
x
n L


. 3 ...................................................... +'-
;uesto que 3, la solucin de las ' ecuaciones sera
n
x
n
i

1
ln

( )
2
1

ln
1



n
i
x
n

$ustituyendo los valores de los datos observados, se tendra

. &R2 +ln '2 Q ... Q ln '6- . 4.'60

. &R2SI+lnxi D 4.'6-PT . 3.3'7


ESTIMACIN POR INTERVALOS
5
La estimacin por intervalos consiste en encontrar en base a una muestra X
1
, X
2
, X
n
,
los valores L ! " entre los cuales se encuentra con una probabili#a# conoci#a el
ver#a#ero valor #el par$metro %& % 'ue (a! 'ue estimar, tal 'ue)
P ( L U ) = 1 - (1)
*l intervalo resultante *l intervalo resultante: :
L U
+'-
se denomina Lntervalo de 1on#ianza de &33 + & D se denomina Lntervalo de 1on#ianza de &33 + & D - Z para el parmetro desconocido - Z para el parmetro desconocido . .

L L Lmite in#erior Lmite in#erior
: : Lmite superior Lmite superior
. & D . & D se denomina 1oe#iciente de con#ianza se denomina 1oe#iciente de con#ianza
INTERPRETACIN INTERPRETACIN. . $i muc8as muestras aleatorias se obtuvieran, y si se calcula un $i muc8as muestras aleatorias se obtuvieran, y si se calcula un
intervalo de con#ianza de &33+& D intervalo de con#ianza de &33+& D -Z con respecto a -Z con respecto a & &, para cada muestra0 entonces el &33 + & , para cada muestra0 entonces el &33 + &
D D - Z de los intervalos contendrn al verdadero valor de - Z de los intervalos contendrn al verdadero valor de & &. .
*l intervalo) *l intervalo) L L + + & & + + " " ,e #enomina intervalo #e con-ian.a bilateral #e 100(1/ ,e #enomina intervalo #e con-ian.a bilateral #e 100(1/ ) )
*l intervalo) *l intervalo) L L + + & & ,e #enomina intervalo #e con-ian.a unilateral in-erior #el 100(1/ ,e #enomina intervalo #e con-ian.a unilateral in-erior #el 100(1/ ) )
0on#e el l1mite in-erior #e con-ian.a L se eli2e #e mo#o 'ue) 0on#e el l1mite in-erior #e con-ian.a L se eli2e #e mo#o 'ue)
3 ( 3 (L L + + & & ) 4 1/ ) 4 1/
0e manera similar, un intervalo #e con-ian.a unilateral superior #el 100(1/ 0e manera similar, un intervalo #e con-ian.a unilateral superior #el 100(1/ ) para ) para est$ est$
#a#o por el intervalo #a#o por el intervalo
& & + + " "
donde el lmite de con#ianza superior : se esco"e de modo que donde el lmite de con#ianza superior : se esco"e de modo que
; + ; +& & + + " " - . & D - . & D

L L " "
U-L: longitud del intervalo de confianza es una edida i!ortante de la
calidad de la inforaci"n o#tenida en la uestra.
El seiintervalo -L U- se conoce coo !"ec#s#n $e% es&#'$o"(
INTER$AL% &E C%N'IAN(A PARA LA )E&IA

1( Intervalo de Confianza !ara la )edia . $ARIAN(A Conocida
,ea X
1
, X
2
, X
5
, 6, X
n
una muestra aleatoria #e tama7o n selecciona#a #e una
6


% %
poblacin con me#ia ! varian.a 8 supuesta conoci#a
,e pue#e utili.ar la #istribucin muestral #e la me#ia X para #eterminar el
intervalo #e con-ian.a #el par$metro
/ ,i la poblacin X es 9(, 8 ) entonces X 9 ( , 8/n ), para cual'uier
valor #e n ( n : 2 )
/ ,i la poblacin X no es normal, ! tiene me#ia ! varian.a 8 -initas, entonces,
para % n; su-icientemente 2ran#e ( n )50 ) por <L= X 9 ( , 8/n )
=omo X

9 ( , 8/n ), es #ecir )
n
X
Z
0

p ( />
1 ? / 2
@ > @ >
1 ? / 2
), sustitu!en#o)
n
X
Z
0

p ( />
1 ? / 2
@
n
X
0

@ >
1 ? / 2
) 4 p (
n
Z X
0
2
1

O O
n
Z X
0
2
1

+
) 4 1 ?
*s un intervalo #e con-ian.a #e 100 ( 1 ? ) para tambiAn pue#e ser #enota#o por)

1 ?
)
n
Z X
0
2
1

P%*LACI%N 'INITA+ )UE,TRE% ,IN REE)PLA(%


,i la muestra aleatoria #e tama7o n es selecciona#a sin reposicin #e una poblacin #e
tama7o 9, entonces la variable aleatoria)
1
0

N
n N
n
X

9(0, 1)
"san#o la anterior como -uncin pivotal, se #etermina el intervalo #e con-ian.a #e
p (
1
0
2
1

N
n N
n
Z X

+ +
1
0
2
1

N
n N
n
Z X

) 4 1 ?
tambiAn)
7

1 ?
)
1
0
2
1

N
n N
n
Z X

ERR%R &E E,TI)ACI%N


,i

X
estima a , se #e-ine como error #e estimacin al valor numArico)

X
error
L

X
"

X
Z X

2
1

+
X
Z X

2
1
*l valor #el error

X
no #ebe ser superior a

X
Z

2
1
,i

X
estima a , se tiene una con-ian.a #e ( 1 ? ) x 100 #e 'ue el error #e estimacin
no superar$ a

X
Z

2
1
(error est$n#ar #e

X
)
TA)A-% &E )UE,TRA

X
4 *, 4

X
B *
*l tama7o #e muestra % n % #e tal manera 'ue

X
estime a con ( 1 ? ) x 100 #e
con-ian.a ! con un error #e estimacin m$ximo tolerable #e *, est$ #a#o por)
11
2
2 2
2
1
E
Z
n

C si el muestreo se (ace #e una poblacin in-inita o #e una poblacin


-inita con reempla.o
12
2 2
2
1
2
2 2
2
1
) 1 (

Z E N
N Z
n C si el muestreo es sin reempla.o #e una poblacin -inita
#e tama7o 9
INTER3ALO DE CON2IAN7A DEL TOTAL PO0LACIONAL $ N '
,i la muestra aleatoria #e tama7o n, se esco2e #e una poblacin -inita #e tama7o 9,
entonces el total #e la poblacin Xi es estima#o puntualmente por 9

X

=omo los l1mites #e con-ian.a #e es)

X
B D

, #on#e D es multiplica#or #e con-ian.a


D 4
2
1

Z
!


es el error est$n#ar #e

X
, entonces el intervalo #e con-ian.a #el (1?
) 100 para el total poblacional 9 es)
9 (

X
/ D

) + 9 + N(

X
E D

)
E.e!lo) "n analista #e investi2acin #e merca#o 'uiere estimar el prome#io #el in2reso
-amiliar mensual #e una #etermina#a poblacin
a) 0etermine el intervalo #e con-ian.a #el FGH si en una muestra aleatoria #e tama7o 100
#e esa poblacin se encuentra 'ue el prome#io #el in2reso -amiliar era #e I G000
,upon2a 'ue el in2reso -amiliar mensual se #istribu!e normalmente con
0
4 I 1000
8
b) 0etermine el intervalo #e con-ian.a al FGH como en (a) si se supone 'ue la poblacin
consiste #e 2000 in2resos -amiliares
c) Jue tama7o #e muestra se necesita para estimar la me#ia #e los in2resos mensuales #e
la poblacin con una con-ian.a #el FGH ! a#mitien#o un error m$ximo #e I 1K0, si se
asume 'ue
0
4 I 1000
d) *stimar un intervalo #el FGH #e con-ian.a para el total poblacional si 9 4 2000 !

X

4 I G000 a#em$s
0
4 I 1000
,oluci"n
a) 0atos) n 4 100,

X
4 G000 ,
0
4 I 1000 C >
FG
4 1FL ( tabla normal )
3or tanto como

X
9 ( ,
n
0

), entonces)

,
_

n
Z X
0
2
1

4 G00 ? 1FL ( 100 / 10 ) 4 MK0M

,
_

n
Z X
0
2
1

4 G00 E 1FL ( 100 / 10 ) 4 G1FL



FGH
) MK0M , G1FL
b) Nuestreo sin reempla.o n 4 100, en este caso)
7G F
1 2000
100 2000 100
1
0

n N
n N
n
X

Los l1mites #el intervalo #e con-ian.a)


KF MK0 ) 7G F ( FL 1 G00
1 2
1
0
2
1

X
Z X
N
n N
n
Z X


11 G1F ) 7G F ( FL 1 G00
2
1
+ +

X
Z X


FGH
) MK0KF , G1F11
c) i)
Finita Poblacin
E
Z
n 11F GL7F 11K
) 1K (
) 100 ( ) FL 1 (
2
2 2
2
2 2
2
1



ii) 112 FKG 111
) 1 2000 ( ) 1K ( ) 100 ( ) FL 1 (
) 2000 ( ) 100 ( ) FL 1 (
) 1 (
2 2 2
2 2
2 2
2
1
2
2 2
2
1

+

Z E N
N Z
n
d) 9
FGH
) 9 (

X
Z X

2
1
) ) FL1 7K0 , 1O05K 220
9

X
4 2000 (G00) 4 I 1O000 000
9

X
F

X
Z N

2
1
42000 x G00 F 2000 x 1F11 4 1O000 000 F 5K 220
Lue2o) ( FL1 7K0 + 9 + 1O05K 220 )
,i el total poblacional se estima en I 1O000 000, se tiene una con-ian.a #el FGH #e 'ue el
error #e estimacin no ser$ superior a I 5K 220
9
"
( Pntervalo #e )
L x
/ 2
1 /
<
x
/ 2
*( Intervalo de Confianza !ara la )edia . $ARIAN(A &esconocida.
/.0. P%*LACI%N N% N%R)AL.
,i X no es normal pero n es su-icientemente 2ran#e ( n : 50 ), entonces por el <L=,
) 1 , 0 ( N
X
X

! se #e#uce 'ue el intervalo #e con-ian.a #el ( 1/ ) 100 para es aprox)


+
X X
Z X Z X

2
1
2
1
#on#e)

X

se sustitu!e por
n
S
X

si el muestreo es con o sin sustitucin #e


una poblacin in-inita ( con sustitucin en una poblacin -inita #e tama7o 9 ) ! por
1

,
_

N
n N
n
S
X

si el muestreo es sin sustitucin en una poblacin -inita #e


tama7o 9, en este caso usamos

S
) #esviacin est$n#ar inses2a#a
/./. P%*LACI%N N%R)AL
,i

X
!

S
son la me#ia ! la #esviacin est$n#ar respectivamente para una muestra
aleatoria #e tama7o n esco2i#a #e la poblacin normal con varian.a 8 #esconoci#a,
entonces el intervalo #e con-ian.a #e ( 1/ ) 100 para es )
n
S
t X
n
S
t X
n n

+
1 ,
2
1 1 ,
2
1


#on#e)
1 ,
2
1 n
t
es un valor 'ue se #e#uce #e la tabla t/stu#ent con n/1 2ra#os #e
liberta#, tal 'ue 3 ( <+
1 ,
2
1 n
t
) 4 1 ? / 2
N%TA: La consi#eracin #e
normali#a# es importante sobre
to#o para muestras pe'ue7as
-
1 ,
2
1 n
t

1 ,
2
1 n
t

E.e!lo) Los conteni#os #e 0G latas #e ca-A instant$neo #e un pro#ucto (an #a#o los
si2uientes pesos) 2K0, 2F0, 2KG, 27G, 2KM 2ramos
A)Qallar un intervalo #el FGH #e con-ian.a para la me#ia #el conteni#o
R) S =on 'uA 2ra#o #e con-ian.a se estima 'ue el conteni#o prome#io #e ca-A ten2a
los l1mites #e con-ian.a 277M52 , 2KK1LK T Usumir #istribucin normal
,oluci"n
a) X) peso #e los conteni#os en 2ramos
m) se 'uiere estimar ( ver#a#ero conteni#o me#io )
n 4 G
10

1 /
x

/ 2
- (x )
3ara 100 ( 1 ? ) H 4 FG H #e la tabla se obtiene)
1 ,
2
1 n
t
4 M , F7G 0
t
4 277L
0e la muestra se tiene)

X
42K2K,

S
4GL5

X
(error est$n#ar #e

X
) 4
G1K 2
25L 2
L5 G
G

S
Los l1mites #e con-ian.a ser$)
L)

X
/
1 ,
2
1 n
t


X
42K2K ? 277L x 2G1K 4 27GK1
")

X
E
1 ,
2
1 n
t


X
42K2K E 277L x 2G1K 4 2KF7F

FGH
) 27GK1 , 2KF7F
b) Los l1mites #e con-ian.a #e , in-erior ! superior, son respectivamente) 277M52 !
2KK1LK

X
E
1 ,
2
1 n
t

n
S

42K2K E
M ,
2
1

t
x 2G1K 4 2KK1LK
#e #on#e resulta 'ue)
M ,
2
1

t
4 2152, lue2o 1 ? / 2 4 0FG, #e #on#e) 4 010 !
el 2ra#o #e con-ian.a 1 ? 4 0F0 F0H
+( Intervalo de Confianza !ara la $arianza 1 2 3
,ea

X
la me#ia #e la muestra X
1
, X
2
, 6, X
n
#e tama7o n selecciona#a #e una poblacin
normal con varian.a 8 ( par$metro #esconoci#o )
"n estima#or inses2a#o #e 8 es)
1
) (
2
2

n
X X
S
i
U#em$s para ( n : 2 ) , la va
) 1 (
) 1 (
2
2
2

n X
S n
X

"samos esta -uncin para #eterminar un intervalo #e con-ian.a ( 1 ? ) 100H para 8




,ea



,
_



1
2
1 ,
2
2
1 ,
2
1 n n
X X X P
C sustitu!en#o
2
2
) 1 (

S n
X
,ea

,
_

1
) 1 ( ) 1 (
2
1 ,
2
1
2
2
2
1 ,
2
2
n n
X
S n
X
S n
P
11

1 /
x

/ 2
- (x )
0on#e)
1 ,
2
1
2
n X

!
1 ,
2
2
n X

son valores #e la tabla c(i/cua#ra#o
4. Intervalo de Confianza !ara la Raz"n de 5/ $arianzas
,i
2
1

S
!
2
2

S
son las varian.as #e 02 muestras aleatorias in#epen#ientes #e tama7os n
1
! n
2
selecciona#os respectivamente #e 02 poblaciones normales, entonces el intervalo #e
con-ian.a #e (1 ? ) 100H para
2
2
2
1

se #etermina usan#o la -uncin pivotal)


2
1
2
1
2
2
2
2

S
S
F V (
1
,
2
)
1 2 2 1 2 2
, , 2
2
2
1
2
2
2
1
, , 1 2
2
2
1

F
S
S
F
S
S


0on#e)
2 1 2
1 2 2 1 2 2
, ,
, , 1 , ,
1
, ,


F
F y F


2 1 2
, , 1 V V
F

2 1 2
, , V V
F

Vi2 Pntervalo #e con-ian.a #e


2
2
2
1


E.e!lo 0) 0ie. obWetos #e -orma cil1n#rica ele2i#os al a.ar entre los pro#uci#os en cierta
planta in#ustrial (an #a#o los si2uientes #i$metros en cm
101, F7, 105, 10M, FF, FK, FF, 101, 105, FF
*ncuentre un intervalo #e con-ian.a #el FGH para la varian.a #e los #i$metros #e to#os los
obWetos pro#uci#os por esa planta (su2) X) #i$metros normal )
,oluci"n
=on a 4 00G, n 4 10 , 4 n/1 4 F 2l en la c(i/cua#ra#o
1 ,
2
2
n X
4
F , 02G 0
2
X
4 270 !
1 ,
2
1
2
n X
4
F , F7G 0
2
X
4 1F02
/ 0e los #atos maestrales se tiene
2

S
4 00GL
/ Los l1mites #e con-ian.a para
2
es )
12
( )
02LG 0
02 1F
) 0GL 0 ( F 1
2
1 ,
2
2

n
X
S n
L

( )
1KL7 0
70 2
) 0GL 0 ( F 1
2
1 , 1
2
2

n
X
S n
U

8
FGH
) 002LG , 01KL7

FGH
) 01L2K , 0M52
E.e!lo /) ,upon2a 'ue #os m$'uinas U ! R, pro#ucen in#epen#ientemente el mismo
tipo #e obWeto ! 'ue el tiempo 'ue ca#a una emplea en pro#ucirlos se #istribu!e
normalmente con varian.as respectivas
2
1
!
2
2
#esconoci#as ,e (an toma#o #os
muestras aleatorias, una #e U ! otra #e R, obteniAn#ose los si2uientes tiempos en
minutos)
Nuestra #e U) 17, 25, 21, 1K, 22, 20, 21, 1F
Nuestra #e R) 15, 1L, 1M, 12, 1G, 1M
=onstruir un intervalo #e con-ian.a #el FGH para
,
_

2
2
2
1

,oluci"n
X ( tiempo pro#uccin ) m$'uina U 9 (
1
,
2
1
) n
1
4 K
X ( tiempo pro#uccin ) m$'uina R 9 (
2
,
2
2
) n
2
4 L
=on 4 00G 2l
1
4 n
1
? 1 4 K !
2
4 n
2
/ 1 4 G C en tabla V se encuentra)
2 1 2
, , 1 V V
F

4 G , 7 , F7G 0
F
4 LKG !
1 2 2
, , 1 V V
F

4 7 , G , F7G 0
F
4 G2F
*ntonces) 7 , G , 02G 0
F
4
1ML 0
KG L
1 1 1
G , 7 , F7G 0 , , 1
, ,
2 1 2
1 2 2

F F
F
V V
V V

#e la muestra)
2
1

S
4 M15 !
2
2

S
4 20 0501MF
2
2
2
1

10F25F
6. Intervalo de Confianza !ara la &iferencia entre / )edias
,(1( Intervalo de Confianza !ara : varianzas
2
1
7
2
2
conocidas.
,ean

1
X
!

2
X
las me#ias #e #os muestras aleatorias in#epen#ientes #e tama7os n
1
!
n
2
selecciona#as #e 2 poblaciones con me#ias
1
!
2
! varian.as
2
1
!
2
2
supuestas
conoci#as
Y

1
X
/

2
X
es un estima#or puntual #e
1
/
2

/ ,i las 02 poblaciones son normales, entonces

1
X
!

2
X
tienen) #istribuciones
normales 9 (
1
,
1
2
1
n

) ! 9 (
2
,
2
2
2
n

), respectivamente ( para n
1
P 2 ! n
2
P 2 )

1
X
/

2
X
9 (
1
/
2 ,
2
2
2
1
2
1
n n

+
)
/ ,i las poblaciones no son normales, pero n
1
! n
2
son su-icientemente 2ran#es ( n
1
P 50
13
! n
2
P 50 ) entonces

1
X
/

2
X
9 (
1
/
2 ,
2
2
2
1
2
1
n n

+
), por tanto)
2
2
2
1
2
1
2 1 2 1
) (
n n
X X


+



tiene #istribucin exacta o aproxima#a 9 ( 0, 1 )
*l intervalo #e con-ian.a #el (1? ) 100H #e 1 ? 2, es)

,
_

,
_

x x
Z X X Z X X

2 2
1 2 1 2 1 1 2 1
*l valor #e
2
1

Z
es 9 ( 0, 1 ) tal 'ue 3 ( > +
2
1

Z
) 4 1 ? / 2
E.e!lo) "na compa71a -abricante #e automviles (a re2istra#o observaciones #e 02 marcas #e
bater1as usa#as en sus coc(es M0 observaciones #e la marca U mostraron una

A
X
4 52 mesesC MG
observaciones #e la marca R mostraron

B
X
4 50 meses LU experiencia in#ica 'ue las
#esviaciones est$n#ar para ambas marcas #e bater1as son i2uales a 0M meses S =u$les son los
l1mites #e con-ian.a para la #i-erencia ver#a#era en vi#a me#ia entre los 02 tipos #e bater1as con 1
? Z 4 0FG T
,oluci"n
3ara este tipo #e problema se tiene

X
=

A
X
/

B
X
4 52 ? 50 4 2C
2
1

Z
4 1FL
KG 0
MG
M
M0
M
2 2
+

X
, sustitu!en#o #atos en -rmula)
2 B 1FL ( 0K7 ) 4 2 B1.7

FGH
) 05 + + 57
,(*( Intervalo de Confianza !ara :
2
1
7
2
2
&esconocidos.
A3 Po#laciones No Norales.
,i

1
X
!

2
X
son me#ias #e muestras aleatorias in#epen#ientes #e tama7os n
1
! n
2
selecciona#as #e poblaciones cu!a #istribucin no es normal con
2
1
!
2
2

supuestas #esconoci#as, entonces siempre 'ue ( n
1
: 50 ! n
2
: 50 )
) 1 , 0 (
) (
2
2
2
1
2
1
2 1 2 1
N
n
S
n
S
X X

+




( Vuncin 3ivotal)
*l intervalo #e con-ian.a #e ( 1 ? ) x 100H para
1
?
2
es el valor anterior,
#on#e
1
!
2
se estiman particularmente por
2
1

S
!
2
2

S
esto es)

FGH
)
2
2
2
1
2
1
1 2 1 2 1
2
2
2
1
2
1
1 2 1
2 2
n
S
n
S
Z X X
n
S
n
S
Z X X


+ +

,
_

+


*3 Po#laciones Norales.
*.03 $arianzas ,u!uestas Iguales:
2
1
8
2
2
8
2

14
*l intervalo #e con-ian.a ( 1 ? ) x 100H para , se basa en la -uncin pivotal)
2 , 1
2
2
1
2
2 1 2 1
2 1 2
) ( ) (
+

n n
c c
t
n
S
n
S
X X
T


#on#e)
2
) 1 ( ) 1 (
2 1
2
2 2
2
1 1
2
+
+

n n
S n S n
S
c

(1/ )100H
)
2 1
2 , 1 2 1
1 1
) (
2 1 2
n n
S t X X c
n n
+

+

*./3 $arianzas &esconocidas ,u!uestas &iferentes:


2
1
9
2
2

*n este caso la -uncin pivotal para el intervalo #e (1? )100H para )


, 1
2
2
2
1
2
1
2 1 2 1
2
) (

+

t
n
S
n
S
X X
#on#e)
2
1 1
2
2
2
2
2
1
2
1
2
1
2
2
2
2
1
2
1

+
1
1
]
1

+
+
1
1
]
1

1
1
1
]
1



n
n
S
n
n
S
n
S
n
S

se aproxima al entero ma!or m$s cercano


Pntervalo #e ( 1 ? ) x 100H #e con-ian.a es)

10- 3055:
:

X
t X X

, 1 2 1
2
) (
E.e!lo) "na empresa -abrica un mismo pro#ucto en 02 m$'uinas "na muestra
aleatoria #e F pro#uctos #e la m$'uina 1, (a #a#o los si2uientes tiempos #e
-abricacin en se2un#os)
12, 2K, 10, 2G, 2M, 1F, 22, 55, 17
mientras 'ue una muestra aleatoria #e K pro#uctos #e la m$'uina 2, (a #a#o los
si2uientes tiempos #e -abricacin en se2un#os)
1L, 20, 1L, 20, 1L, 17, 1G, 21
a) =onstruir un intervalo #el FGH para ) supon2a 'ue
2
1
8
2
2

b) =onstruir un intervalo #el FGH para ) supon2a 'ue


2
1
9
2
2

,oluci"n
a) X1 ! X2 son los tiempos emplea#os para las m$'uinas 1 ! 2 respectivamente,
#e las muestras se tiene)
n
1
4 F,

1
X
421111,
1

S
47M257C n
2
4 K,

2
X
417L2G,
2

S
4252L
15
La #i-erencia #e me#ias maestrales

1
X
/

2
X
4 21111 ? 17L2G 4 5MKL
,i asumimos 'ue
2
1
8
2
2
+ entonces

ser$)
K
1
F
1
2 K F
) 55 2 ( 7 ) M2 7 ( K
1 1
2 2
2 1 2 1
+
+
+
+


x
n n
S c
X X

7M 2 G2K 7 25L 0 KF7 51


151 2
1G , F7G 0 1G , 1
2

t t

L 4

1
X
/

2
X
/2151 ( 27M ) 4 5MKL ? GKMLK 4 /25L0K
, 4

1
X
/

2
X
E2151 ( 27M ) 4 5MKL E GKMLK 4 F552K

FGH
) /25L0K , F552K
b) ,i asumimos 'ue
2
1
9
2
2
C el error est$n#ar #e

1
X
/

2
X

ser$)
L 2
K
) 55 2 (
F
) M2 7 (
2 2
2
2
2
1
2
1
2 1
+ +


n
S
n
S
X X
11 17 10 2 17 12 2
1 K
K
) 55 2 (
1 F
F
) M2 7 (
K
) 55 2 (
F
) M2 7 (
2
2
2
2
2
2 2

+
1
]
1

+
+
1
]
1

1
]
1

+

*l intervalo para FGH #e con-ian.a t
0F7G,11
4 2201, por tanto )
722L G 57G 5 ) L 2 )( 201 2 ( MKL 5 ) (
), 1 (
2 1
2

X
t
X X

FGH
) /25M7L , F0F7L
;. Intervalo de Confianza !ara una Pro!orci"n.
,i
n
X
p

es la proporcin #e observaciones #e una muestra aleatoria #e tama7o %n; 'ue


pertenece a una clase #e interAs, entonces un intervalo #e con-ian.a aproxima#o #el (1?)
100H para la proporcin %p; #e la poblacin 'ue pertenece a esta clase es)

,
_

+
n
p p
p p
n
p p
p
Z Z
) 1 ( ) 1 (
2 2
1 1

/ ,i n es su-icientemente 2ran#e ( n : 50 ) por <L= se tiene 'ue
n
p p
p p
) 1 (


tiene #istribucin aprox 9 ( 0, 1 )
*sta es usa#a como -uncin pivotal para construir el intervalo #e (1?) 100H #e
con-ian.a
16
>
Pntervalo #e (1 / )100H #e con-ian.a 3
p L "
0
p
( )



1
2 2
1 1 Z Z
p P
2
1

Z

2
1

,
_

+
1
) 1 ( ) 1 (
2 2
1 1
n
p p
p p
n
p p
p P
Z Z
p
( 1 ? ) 100H
)
n
p p
p
Z
) 1 (
2
1


<. Intervalo de Confianza !ara la diferencia entre / !ro!orciones 1P
0
= P/3
,ean
1

p
!
2

p
las proporciones #e Axitos en #os muestras aleatorias in#epen#ientes #e
tama7os n
1
! n
2
selecciona#os #e #os poblaciones binomiales R ( n
1
, p
1
) ! R ( n
2
, p
2
) si n
1
! n
2
son su-icientemente 2ran#es, entonces

,
_

1
1 1
1 1
) 1 (
,
n
p p
p N p
!

,
_

2
2 2
2 2
) 1 (
,
n
p p
p N p
, entonces
1

p
/
2

p
tiene #istribucin aproxima#amente
normal
1

p
/
2

,
_

2
2 2
1
1 1
2 1
) 1 ( ) 1 (
,
n
p p
n
p p
p p N

,
por tanto)
Piotal F!ncin N
n
" p
n
" p
p p p p
Z ) 1 , 0 (
) (
1
2 2
1
1 1
2 1 2 1


3or tanto el intervalo #e con-ian.a #e (1/)100H para 3
1
/3
2
, es)
p
( 1 ? ) 100H
)
2
2 2
1
1 1
1
2 1
2
n
" p
n
" p
p p
Z

E.e!lo) "na muestra aleatoria #e 7G eWes, 12 tienen un acaba#o super-icial m$s $spero
#e lo 'ue las especi-icaciones permiten 3or tanto una estimacin puntual #e la
proporcin #e eWes en la poblacin 'ue exce#en las especi-icaciones #e ru2osi#a# p es
1L 0
7G
12

n
X
p =alcule un intervalo bilateral #el FGH #e con-ian.a para p
,oluci"n
n
p p
p p
n
p p
p
Z Z
) 1 ( ) 1 (
F7G 0 F7G 0

+
17
7G
KM 0 1L 0
FL 1 1L 0
7G
KM 0 1L 0
FL 1 1L 0
x
p
x
+
p
(FGH)
)
2M 0 0K 0 p
18
INTER$AL% &E C%N'IAN(A PARA LA
#

1%*,ER$ACI%NE,
PAREA&A,)

*ste es un proce#imiento #e estimacin para la #i-erencia #e #os me#ias cuan#o las muestras
son #epen#ientes ! las varian.as #e las #os poblaciones no necesariamente son i2uales
Las muestras parea#as involucran un proce#imiento en el cual varios pares #e observaciones se
e'uiparan #e la manera m$s prxima posible, en tArminos #e caracter1sticas relevantes Los #os
2rupos #e observaciones son #i-erentes slo en un aspecto o [tratamiento[ <o#a #i-erencia
subsi2uiente en los #os 2rupos se atribu!e a #ic(o tratamiento Las ventaWas #e las muestras
parea#as son)
1) 3ue#en utili.ar muestras mu! pe'ue7as

2) ,e encuentran varian.as m$s pe'ue7as

5) Nenos 2ra#os #e liberta# se pier#en en el an$lisis

M) \esulta un error #e muestreo m$s pe'ue7o (la variacin entre observaciones re#uce
#ebi#o a 'ue correspon#en #e la -orma m$s prxima posible)

]tro mAto#o para utili.ar muestras parea#as a #i-erencia #e la situacin 'ue se #escribi
cuan#o las muestras son in#epen#ientes, las con#iciones #e las #os poblaciones no se si2nan #e
-orma aleatoria a las uni#a#es experimentales N$s bien, ca#a uni#a# experimental (omo2Anea
recibe ambas con#iciones poblacionalesC como resulta#o, ca#a uni#a# experimental tiene un
par #e observaciones, una para ca#a poblacin 3or eWemplo, si reali.amos una prueba #e una
nueva #ieta con 1G in#ivi#uos, el peso antes ! #espuAs #e llevar a cabo la #ieta -orman la
in-ormacin #e nuestras #os muestras *stas #os poblaciones son [antes[ ! [#espuAs[ ! la
uni#a# experimental es el in#ivi#uo ]bviamente las observaciones en un par tienen al2o en
com^n 3ara #eterminar si la #ieta es e-ectiva consi#eramos las #i-erencias #
1
, #
2
, 66#
n
en las
observaciones parea#as *stas #i-erencias son los valores #e una muestra aleatoria 0
1
, 0
2
,
0
n
#e una poblacin #e #i-erencias 'ue supon#remos #istribui#as normalmente con me#ia
2 1

#
! varian.a
2
#

*stimamos
2
#

me#iante
2
$
s
, la varian.a #e las #i-erencias 'ue constitu!en nuestra muestra *l
estima#or puntual #e
#
#

,e pue#e establecer un intervalo #e con-ian.a #e (1 /

)100H para
#





- t
/2
t
/2


P (- t
/2
! t
/2
)

"#$de

19
! =
n s
$
$
#
/


c#$ n - 1 g%ad#& de '(be%tad



n
$
$
i



1
) (
2


n
$ $
S
i
$


n
S
t $
n
S
t $
$
#
$
2 2

+ < <


)e a&*+e ,*e &e t(e$e$ -*$ta.e& de 'a -%*eba de 10 e+-'ead#& a$te& /
de&-*0& de 1ab0%&e'e& (+-a%t(d# ca-ac(tac(2$ 'ab#%a' ad(c(#$a' .
E&tab'e3ca *$ ($te%4a'# de c#$5(a$3a de' 906 -a%a 'a +ed(a de 'a d(5e%e$c(a
e$ '#& -*$ta.e a$te& / de&-*0& de 'a ca-ac(tac(2$.
7#& -*$ta.e& a-a%ece$ e$ 'a tab'a8
)#'*c(2$

"at#&
E+-'ead# P*$ta.e a$te& de
7a ca-ac(tac(2$ de'
e+-'ead#
P*$ta.e de&-*0& de
7a ca-ac(tac(2$ de'
e+-'ead#


i
$


2
i
$
1 9.0 9.2 -0.2 0.04
2 7.3 8.2 -0.9 0.81
3 6.7 8.5 -1.8 3.24
4 5.3 4.9 0.4 0.16
5 8.7 8.9 -0.2 0.16
6 6.3 5.8 0.5 0.25
7 7.9 8.2 -0.3 0.09
8 7.3 7.8 -0.5 0.25
9 8.0 9.5 -1.5 2.25
10 8.5 8.0 -0.5 0.25
7.4 7.9 -5.0
7.38
1. E$c#$t%a% e&t(+ad#% -*$t*a' ($&e&gad#


$
=
10
0 G
= - 0.5 (e&t(+ad#% -*$t*a' ($&e&gad# de
$

)

2. "ete%+($a% 'a 4a%(ab'e a'eat#%(a 5*$c(2$ de' e&t(+ad#% / de' -a%9+et%#
c*/a d(&t%(b*c(2$ e&te de5($(da.
20
! =
n s
$
$
#
/


c#$ n - 1 g%ad#& de '(be%tad



3. "ete%+($a% '#& 4a'#%e& de 'a 4a%(ab'e a'eat#%(a de5($(da e$ e' -a&#
(2) de ac*e%d# a 'a -%#bab('(dad e&tab'ec(da.



P ( -1.833
t
1.833 ) = 0.90


4. E&tab'ece% 'a de&(g*a'dad c#$ '#& 4a'#%e& de 'a 4a%(ab'e a'eat#%(a
de5($(d#& e$ e' -a&# (3) / 'a e:-%e&(2$ de5($(da e$ e' -a&# (2).


n
S
t $
n
S
t $
$
#
$
2 2

+ < <


5. E$c#$t%a% '#& ';+(te& ($5e%(#%e& / &*-e%(#%e& de$t%# de '#& c*a'e& &e
e$c*e$t%a e' -a%9+et%#

n
$
$
i

=
10
0 G
= -0.5


1
) (
2


n
$ $
S
i
$
=
75L 0
F
) G 0 ( 10 5K 7
2



7;+(te &*-e%(#% de c#$5(a$3a
$

= -0.5 < ( 1.833)


10
75L 0
= -0.073


7;+(te ($5e%(#% de c#$5(a$3a
$

= -0.5 < ( 1.833)


10
75L 0
=
-0.927

6. =#$c'*&(2$8
"eb(d# a ,*e &e %e&ta$ '#& -*$ta.e& -#&te%(#%e& a' e$t%e$a+(e$t# de '#&
21
-*$ta.e& a$te%(#%e& a' e$t%e$a+(e$t# , -%#d*c(e$d# 4a'#%e& $egat(4#&, &e
-*ede e&ta% 906 &eg*%# de ,*e 'a +ed(a de '#& -*$ta.e& -#&te%(#%e& a'
e$t%e$a+(e$t# e&t9 e$t%e 0.073 / 0.927 +9& a't#&
22
UNI$ER,I&A& NACI%NAL &E CA>A)AR CA
P%&ctic "e Est"8stic 9 p%o##ili"" II
&. 9ar respuesta a las si"uientes proposiciones
a. Expon"a las semejanzas y di#erencias entre la desviacin estndar y el error estndar.
b. [ ;or qu se dice que una estimacin por intervalo es mejor que una estimacin puntual \.
c. [1ul es el papel del error estndar en la in#erencia estadstica \
d. Expon"a las relaciones que existe entre La amplitud y la con#iabilidad de un intervalo0 el tama(o
de muestra y la precisin del intervalo.
'. :na compa(a debe decidir cual de dos tipos de neumticos va a adquirir. El deseo de la
compa(a es comprar neumticos marca >, a menos que 8aya al"una evidencia de que la marca
] resulte mejor. $e 8ace una prueba de cinco neumticos de cada marca encontrndose los
si"uientes rendimientos en Em
Aarca > '233, '5^3, '233, '2&3, '5X3
Aarca ] '223, '253, '243, '273, '433
$i ambos rendimientos son independientes y se distribuyen normalmente.
a 9etermine la distribucin de probabilidades de la di#erencia de las medias muestrales calculadas a
partir de los datos\. Establezca los supuestos necesarios.
b 9etermine un intervalo del ^3Z de con#ianza para la verdadera di#erencia de los rendimientos
medios de ambas marcas de neumticos.
c [_u marca de neumticos deber comprar la compa(a si se quiere un . 2Z \.
5. $e determin el peso de X artculos salidos de un proceso de produccin en una industria, siendo
estos 7.5, 7.3, 6.^, 7.', 7.6, 7.2, 7.3, 7.& E"r. 9terminar
a. :n intervalo del ^XZ de con#ianza para la media y la varianza Warianza delos pesos de los
artculos producidos por la industria.
b. El tama(o de muestra debiera tomarse par estimar la media con una con#ianza del ^2Z y
admitiendo un error mximo tolerable en la estimacin de 3.4.
2. 1on el #n de conocer la proporcin ; de escuelas que tienen por lo menos una computadora, el
Ainistro del `amo e#ectu una encuesta que demostr que de &33 escuelas esco"idas al azar,
slo '3 tenan por lo menos una computadora. /allar
a. :na estimacin puntual de la proporcin ;.
b. :n intervalo del ^XZ de con#ianza para ;.
c. El tama(o de muestra que se debera tomar para aproximar ; de tal manera que con probabilidad
3.^2 el error de estimacin sea a lo ms 3.&
6. 9ar respuesta a las si"uientes proposiciones
a. 9escrbase los parmetros de cada una de las distribuciones normal y tD$tudent, [En qu casos
se usa cada una de llas \.
b. 9emuestre que la varianza muestral +na43- es un estimador inses"ado y consistente de la
varianza poblacional.
c. [ En qu sentido se dice que una estimacin por intervalo es mejor que una estimacin puntual \.
d. 9etermine un estimador para el parmetro de la #uncin exponencial ne"ativa, use el mtodo de
momentos
e 0escr1base las #i-erencias entre un intervalo #e con-ian.a ! un intervalo #e tolerancia eWempli-i'ue su
respuesta
- 0emuestre si la varian.a muestral (n_50) es un estima#or inses2a#o, consistente, robusto #e la varian.a
poblacional
7 ,e #esea estimar la proporcin #e ve(1culos 'ue circulan por las carreteras #e una re2in con un ^nico
ocupante 0ise7ar un proce#imiento #e muestreo para estimar este par$metro Pn#icar cmo utili.ar las
i#eas #e estrati-icacin ! con2lomera#os para obtener una muestra m$s precisa
K *n una 2ran pisci-actor`aa (a! una proporci` on #esconoci#a #e peces #e una especie U 3ara obtener
in-ormaci` on sobre esa proporci` on, vamos a ir sacan#o peces al a.ar
a) ,i la proporcin #e peces #e la especie U es p, Scu$l es la probabili#a# #e 'ue el primer pe. #e la especie
U sea el #Acimo 'ue extraemosT
b) <res personas reali.an, in#epen#ientemente unas #e otras, el proceso #e sacar peces al a.ar (asta
encontrarse con el primero #e tipo U)
La primera persona obtiene el primer pe. #e tipo U en la 10 a extraccin
23
La se2un#a persona obtiene el primer pe. #e tipo U en la 1G a extraccin
La tercera persona obtiene el primer pe. #e tipo U en la 1K a extraccin
*scribir la -uncin #e verosimilitu# ! obtener la estimacin #e m$xima verosimilitu# #e p
F *stimar la proporcin #e estu#iantes 'ue est$n a -avor #e #e#icar el 07 por 100 #e a!u#a
al tercer mun#o si una muestra aleatoria #e 2000 estu#iantes #e las universi#a#es espa7olas
(a #a#o una proporcin muestral a -avor #e 072 =onstruir un intervalo #e con-ian.a al FFH
10 =omentar la si2uiente -ic(a tAcnica apareci#a en un peri#ico nacional Wunto a una en/cuesta
electoral) %"niverso) ciu#a#anos espa7oles con #erec(o a voto) Nuestra #e 1000
entrevistas con entrevista personal con cuestionario estructura#o Nuestra estrati-ica#a con
cuotas provinciales #e sexo, e#a# ! (abitat Nar2en m$ximo #e error 51 por 100 para #atos
2lobales con nivel #e con-ian.a #el FGH ! #istribucin poblacional con p4'40G <rabaWo #e
campo reali.a#o entre los #1as XX ! XX;
11 ,e a#mite 'ue el n^mero #e microor2anismos en una muestra #e 1 mm c` ubico #e a2ua #e
un r1o si2ue una #istribucin #e 3oisson #e par$metro _ *n M0 muestras se (an #etecta#o,
en total, K55 microor2anismos Q$llese un estima#or puntual ! un intervalo #e con-ian.a al
F0H para _
12 (*Wercicio #e or#ena#or) *n 17FK, Qenr! =aven#is( reali. me#iciones #e la #ensi#a#
terrestre (me#iante un experimento con una balan.a #e torsin) obtenien#o los si2uientes
resulta#os)
GG0 GL1 MKK G07 G2L GGG G5L G2F GGK GLG
GG7 GG5 GL2 G2F GMM G5M G7F G10 G27 G5F
GM2 MM7 GL5 G5M GML G50 G7G GLK GKG
\epresentar los #atos con el ,3,, ! comprobar si existe al2una evi#encia #e 'ue no proce/#en
#e una #istribucin normal *stimar la me#ia ! la varian.a #el mo#elo con el ,3,,
=alcular el error t1pico #e estimacin #e la me#ia ! estimar con el ,3,, la me#ia me#iante
un intervalo #e con-ian.a al FGH (Los #atos se encuentran en la p$2ina beb #e la asi2natura)
15 =on una muestra #e 2000 personas se obtuvo 'ue en el a7o 1FFL el 2asto prome#io anual
en alimentacin por persona -ue #e 2GG000 ptas con una #esviacin t1pica #e 1K7000 ptas
=onstruir un intervalo #e con-ian.a al FGGH para esta caracter1stica en la poblacin espa7ola
1M (*Wercicio #e or#ena#or) La si2uiente tabla proporciona #atos sobre la precipitacin total
re2istra#a en 11 estaciones meteorol2icas #e #os provincias espa7olas)
3rov U 100 KF KM 120 150 10G L0 70 F0 10K 150
3rov R 120 11G FL 11G 1M0 120 7G F0 10K 150 15G
=omprobar con el ,3,, si las muestras son in#epen#ientes ! si se pue#e suponer normali#a# #e los #atos
0ar una estimacin puntual ! un intervalo #e con-ian.a para la #i-erencia #e las me#ias #e pluviosi#a#
entre las #os provincias
24