Ingenieria de sistemas
funciones o fórmulas calculadas en los valores de una muestra aleatoria.
Estimador Puntual. Es un e stadístico utili zado pa ra e stimar e l va lor de un pa rámetro desconocido a p artir de unamuestra aleatoria. Por ejemplo, el mejor estimador puntual de 2 la media de una poblaci ón es X , el m ejor e stimador pun tual de l a v arianza e s S , E l me jor X estimador puntual de un a proporción es p = , donde X es el número de “ éxitos” en una ˆ n muestra aleatoria de tamaño n. Estimación por intervalo Aunque la t eoría d e lo s estimadores puntual es es mu y completa y s e pueden tene restimadores puntuales muy buenos, no es su ficiente qued arse solo con estimaciones puntuales, ya que no te ndríamos información a cerca de que t an ce rca o tan lejos podría estar el valor d el par ámetro de su estimación pu ntual. Por ejemplo, si te nemos que X = 80.52, entonces se espe ra que el v alor r eal de la media poblacional µ de be ser un v alor cercano a 80.52. pero no tenemos idea deque tan cerca de 80.52 pued e estar el valor de µ.. la estimación por intervalo de con fianza nos pu ede dar información sobre que tan c erca o que tan lejos de una esti mación puntual esta el valor del parámetro pobla cional. Entonces, al estimar el v alor de un parámet ro poblacion al se re comienda h acerlo mediante un intervalo de confianza. Una estimación por intervalo de un parámetropoblacional θ , consiste en construir un intervalo de la forma θˆ1 < θ < θˆ2 , donde los ex tremos del intervalo se obtienen de ac uerdo a la distribución del estimador del parámetro y de 1 – α, donde 1 – α es la probabilidad de
que el intervalo conten ga al valor del pa rámetro (0 < α < 1) y se le lla ma nive l de confianza. A un inte rvalo obtenido de esta manera se l e llama interv alo deconfianza (IC) de θ , con un nivel de confianza de 1 – α. IC para la media con varianza conocida. Suponer una muestra aleatoria d e una v.a. X con distribución normal y varianza conocida. El IC para la media con un nivel de confianz a de 1-α está dado por: σ σ X − zα / 2 (1) < µ < X + zα / 2 n n donde zα / 2 es el valor de z tal que P( z > zα / 2 ) = α / 2 . NOTA: S i es una m uestrag rande ( n ≥ 30), σ se pue de sustituir por S sin importar l a distribución de probabilidad que tenga X. Ahora se presenta la just ificación de la fó rmula (1). Suponer una muestra de tamaño n de una población normal( µ, σ). Sea x el promedio de la muestra. Luego, se tiene que x tiene una distribución normal con media µ, y desvia ción estándar σ/√n (obse rve que x es una v.a.). Luego
tiene...
Regístrate para leer el documento completo.