Académique Documents
Professionnel Documents
Culture Documents
Curso 2018-2019
C:/Users/Maria Jesus
C:/Users/Maria Jesus
Parámetros habituales
Media Dif.de medias Proporción Varianza Razon de Var.
σX2
µ µX − µY p σ²
σY2
Estimadores utilizados
SX2
X̄ X̄ − Ȳ p̂ S2
SY2
C:/Users/Maria Jesus
Distribución chi-cuadrado χ2
Definición
Dadas n variables aleatorias X1 , . . . , Xn , independientes y distribuidas
n
Xi2 se dice que sigue una
P
según un modelo N(0, 1), la variable aleatoria
i=1
distribución chi-cuadrado con n grados de libertad, que denotamos
por χ2n .
Propiedad
Si Y1 , . . . , Yn son variables aleatorias independientes y distribuidas según
n 2
P Yi −µ
un modelo N(µ, σ), la variable aleatoria σ se distribuye según
i=1
un modelo χ2n .
C:/Users/Maria Jesus
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
0 5 10 15 20 25 30 35 40
Distribución t de Student
Definición
Dadas dos variables aleatorias independientes X ≈ N(0, 1) e Y ≈ χ2n , la
variable aleatoria:
X
q
Y
n
C:/Users/Maria Jesus
Caracterı́sticas de la distribución tn
Representación gráfica de su función de densidad:
0,5
t(30)
0,45
0,4
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Distribución F de Snedecor
Definición
Dadas dos variables aleatorias independientes X ≈ χ2n e Y ≈ χ2m , la
variable aleatoria:
X /n
Y /m
se dice que sigue una distribución F de Snedecor con n y m grados de
libertad, que denotamos por Fmn o Fn,m .
C:/Users/Maria Jesus
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5
C:/Users/Maria Jesus
Intervalos de confianza
Definición
Dada una muestra aleatoria (X1 , . . . , Xn ), extraida de una población X
que depende de un parametro desconocido θ, llamamos intervalo de
confianza a un intervalo del espacio paramétrico limitado por dos valores
aleatorios T1 (X1 , . . . , Xn ) y T2 (X1 , . . . , Xn ) entre los que con cierta
probabilidad se halla comprendido el verdadero valor de θ.
Se denomina nivel de confianza, que se denota por 1 − α, a la
probabilidad o confianza de que el parámetro se encuentre entre los lı́mites
anteriores, es decir:
P(T1 ≤ θ ≤ T2 ) = 1 − α
C:/Users/Maria Jesus
C:/Users/Maria Jesus
C:/Users/Maria Jesus
C:/Users/Maria Jesus
X̄ − µ
dX̄ = ≈ N(0, 1)
√σ
n
X̄ −µ
Valor de k: P(−k ≤ N(0, 1) ≤ k) = P −k ≤ σ
√ ≤k =1−α
n
Intervalo de confianza para la media con nivel 1 − α
σ σ
X̄ − k √ , X̄ + k √
n n C:/Users/Maria Jesus
Estimador insesgado
La varianza muestral es un estimador insesgado de la varianza poblacional:
Pn 2
2 i=1 Xi − X̄
; E S 2 = σ2
S =
n−1
Teorema de Fisher
Dada una m.a.s. (X1 , . . . , Xn ) extraı́da de una población N(µ, σ), se
cumple:
La media muestral X̄ y la varianza muestral S 2 son v.a.
independientes
(n − 1)S 2
La expresión aleatoria se distribuye según el modelo χ2n−1
σ2 C:/Users/Maria Jesus
X̄ − µ
X ∼ N(µ, σ) [σ desconocida] =⇒ dX̄ = ∼ tn−1
√S
n
C:/Users/Maria Jesus
X̄ − µ
dX̄ = ≈ tn−1
√S
n
X̄ −µ
Valor de k: P(−k ≤ tn−1 ≤ k) = P −k ≤ S
√
≤k =1−α
n
Intervalo de confianza para la media con nivel 1 − α
S S
X̄ − k √ , X̄ + k √ C:/Users/Maria Jesus
n n
A.J. López, R. Pérez y C. Caso (Uniovi)
Intervalos de confianza para los parámetros habituales
(n − 1)S 2
dS 2 = ≈ χ2n−1
σ2
Valores k1 y k2 :
α
P χ2n−1 ≤ k1 = P χ2n−1 ≥ k2 = ; P k1 ≤ χ2n−1 ≤ k2 = 1 − α
2
Intervalo de confianza para la varianza con nivel (1 − α):
(n − 1)S 2 (n − 1)S 2
, C:/Users/Maria Jesus
k2 k1
A.J. López, R. Pérez y C. Caso (Uniovi) T
Intervalos de confianza para los parámetros habituales
Estimador insesgado
La proporción muestral es un estimador insesgado de la proporción
poblacional
X n
Xi
p̂ = i=1n = Xn , con X: Número de elementos de la muestra que presenta
la caracterı́stica investigada [X ∼ B(n, p)]
E (X ) np Var (X ) p(1 − p)
E (p̂) = = = p ; Var (p̂) = =
n n n2 n
p̂ − p
dp̂ = r ≈ N(0, 1)
p(1 − p)
| {zn }
q
p̂(1−p̂)
n−1
!
Valor de k: P(−k ≤ N(0, 1) ≤ k) = P −k ≤ qp̂−p ≤k =1−α
p̂(1−p̂)
n−1
Intervalo de confianza para la proporción con nivel 1 − α
" r r #
p̂(1 − p̂) p̂(1 − p̂)
p̂ − k , p̂ + k C:/Users/Maria Jesus
n−1 n−1
C:/Users/Maria Jesus
C:/Users/Maria Jesus
Material de consulta
C:/Users/Maria Jesus