4 Estimaci n de par metros e intervalos de confianza
Estimador insesgado
Definición 1:
Un estadístico es un estimador insesgado
del parámetro si y sólo si E = .
En otras palabras, si el valor esperado
(promedio) de un estimador, es igual al
parámetro que se estima, entonces el
estimador es insesgado.
2
Estimador consistente
Definición 2:
Un estadístico es un estimador
consistente del parámetro si y sólosi:
lim P( | | ≥ c) = 0, cuando n → ∞
o, en forma equivalente, si y sólo si:
lim P( | | ≤ c) = 1, cuando n → ∞
3
Estimador eficiente
Si se tienen dos estimadores y
para un parámetro y Var( ) es
menor a la Var( ), entonces se dice
que el estimador es más eficiente
que el estimador .
En general se dirá que un estimador
es eficiente si es de varianza mínima.4
Estimador suficiente
Se dice que un estimador es un
estimador suficiente si utiliza toda la
información de una muestra relevante
para la estimación del parámetro de
la población; es decir, si todo el
conocimiento que se obtiene acerca de
, se puede obtener de la misma
manera sólo observando los valores
del estadístico .
5
Estimación de punto y de
intervalo
Si utilizamos el valorde un estadístico para
calcular un parámetro de una población, este
valor es una estimación de punto del
parámetro.
Una estimación de intervalo de un parámetro
es un intervalo de la forma, ≤≤
donde y dependen del valor de y de la
forma de su distribución muestral.
6
Estimación de intervalo
Como son v. a., podemos
utilizar la distribución muestral de
paraelegir tal que para
cualquier probabilidad especificada
(1 - ), donde 0 ≤ ≤ 1, se tenga:
P ( ≤ ≤ ) = 1 –
7
Teorema 1
Si Xm es el valor de la media de una muestra
aleatoria de tamaño n tomada de una
poblacional normal con la varianza
poblacional conocida 2 el intervalo de
confianza del (1-)100% para está dado por:
Xm – a2 *( /√n) ≤ ≤ Xm +a*( /√n)De acuerdo al grado de confianza (1 - ), se
determina a de la tabla normal
estandarizada.
8
Intervalo de confianza para
medias
En virtud del Teorema central del
límite, el resultado anterior se
puede utilizar para muestras
aleatorias tomadas de poblaciones
no normales con la varianza 2
conocida, siempre que n sea lo
suficientemente grande, es decir,
para n mayores o iguales atreinta.
9
Ejercicio
Si una muestra aleatoria de
tamaño n = 20 tomada de una
población normal con la varianza
= 225 tiene la media Xm = 64,3;
construya el intervalo de confianza
del 95% de la media poblacional .
10
Teorema 2
Si Xm y S son los valores de la media y
la desviación estándar de una
muestra aleatoria de tamaño n
tomada de una poblacional normal
con la varianza poblacionaldesconocida 2, el intervalo de
confianza del (1-)100% para está
dado por:
Xm- t(n*(S/√n) ≤ ≤ Xm+t(n*(S/√n)
11
Ejercicio
Un fabricante de software desea
determinar el tiempo de ejecución
promedio de un nuevo paquete
computacional. Si en 12 pruebas de
igual tamaño, él obtuvo un tiempo
medio de 66,3 segundos y una
desviación estándar de 8,4 segundos,
construya el intervalo deconfianza del
95% para la media poblacional .
12
Teorema 3
Si S2 es el valor de la varianza de una
muestra aleatoria de tamaño n
tomada de una poblacional normal,
el intervalo de confianza del (1)100% para 2 está dado por:
(n – 1) S2 ≤ 2 ≤ (n – 1) S2
nn
13
Ejercicio
En 16 recorridos de prueba, el
consumo de gasolina de un motor
experimental tuvo unadesviación
estándar de 2,2 litros. Construya un
intervalo de confianza del 99% para 2,
midiendo la variable real del consumo
de gasolina de este motor. Supongan
que los datos provienen de una
población normal.
14
Teorema 4
Si Xm1 y Xm2 son los valores de las medias
de muestra aleatoria independientes de
tamaño n1 y n2 tomadas de poblaciones
normales con las varianzas poblacionales
conocida 12 y...
Regístrate para leer el documento completo.