Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 1 de 16

[Vuelve a INICIO] [Va a Test de Hiptesis I] [Va a Test de Hiptesis II] Curso: Inferencia Estadstica Bsica para Ingenieros Agrnomos PARTE 1

ESTIMACIN DE PARMETROS
ndice:
z z z z

Introduccin Estimacin: Generalidades Estimacin de Parmetros Propiedades de un buen estimador: - Insesgabilidad - Eficiencia - Consistencia - Suficiencia

z z

Estimacin por intervalos de confianza Intervalos de confianza para la Media Poblacional: - Caso 1: Con desvo estndar conocido - Caso 2: Con desvo estndar desconocido

Ejemplos: Ejemplo 1: Intervalo de confianza para la Media Poblacional con desvo conocido Ejemplo 2: Intervalo de confianza para la Media Poblacional con desvo desconocido Ejemplo 3: Intervalo de confianza para la diferencia de Medias de poblaciones normales con desvos conocidos Ejemplo 4: Intervalo de confianza para la diferencia de Medias de poblaciones normales con desvos desconocidos Ejemplo 5: Intervalo de confianza para la variancia poblacional

Intervalo de confianza para la Diferencia de Medias: - Caso 1: Poblaciones Normales con desvos conocidos Actividades complementarias:

- Caso 2: Poblaciones Normales con desvos desconocidos

z

Intervalo de confianza para la variancia poblacional

Trabajo prctico Autoevaluacin Evaluacin

INTRODUCCIN El objetivo ms importante de la Estadstica es obtener una inferencia con respecto a la poblacin basndose en la informacin contenida en una muestra. Como las poblaciones se describen mediante medidas numricas denominadas parmetros, el objetivo de la mayora de las invrestigaciones estadsticas es deducir una inferencia con respecto a uno o ms parmetros de la poblacin. Se han estudiado, hasta el momento, las nociones fundamentales de distribucin de probabilidades; se est en condiciones, entonces, de tratar los mtodos de inferencia estadstica, los cuales comprenden los procedimientos para estimar parmetros de poblaciones y probar (contrastar) si una afirmacin provisional sobre un parmetro poblacional se ve apoyada o desaprobada ante la evidencia de la muestra. Hablando en general, hay dos tipos de inferencia: la deductiva y la inductiva. Una inferencia deductiva es un juicio o generalizacin que se basa en un razonamiento o proceso dialctico a priori. Por ejemplo,

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 2 de 16

se supone que dos monedas estn perfectamente equilibradas y que entonces la probabilidad de cada una de caer "cara" es = 0,5 (premisa). La media o nmero esperado de "caras" en la jugada de las monedas deber ser 1 (conclusin). Si las premisas son ciertas, las conclusiones no pueden ser falsas. Una inferencia inductiva , por otra parte, es un juicio o generalizacin derivado de observaciones empricas o experimentales; la conclusin sobre el nmero promedio de "caras" con base en los resultados de una muestra de prueba. Si los resultados de las pruebas son diferentes, la conclusin tambin ser diferente. No se requiere una suposicin a priori sobre la naturaleza de las monedas. La inferencia estadstica es primordialmente de naturaleza inductiva y llega a generalizaciones respecto de las caractersticas de una poblacin al valerse de observaciones empricas de la muestra. Es muy probable que una estadstica muestral sea diferente del parmetro de la poblacin y slo por coincidencia sera el uno exactamente igual al otro. La diferencia entre el valor de una estadstica muestral y el correspondiente parmetro de la poblacin se suele llamar error de estimacin. Slo se sabra cul es el error si se conociera el parmetro poblacional, pero ste por lo general se desconoce. La nica manera de tener alguna certeza al respecto es hacer todas las observaciones posibles del total de la poblacin en la mayora de las aplicaciones prcticas, lo cual, desde luego, es imposible o impracticable. Y en efecto, la razn de ser de la inferencia estadstica es la falta de conocimientos acerca de las caractersticas de la poblacin. Pero que tales caractersticas se desconozcan no impide el que se acte. Las inferencias estadsticas se hacen por posibilidades o probabilidades. De la media de la muestra se hacen inferencias sobre la media de la poblacin. No se sabe exactamente cul es la diferencia entre estas dos medias, ya que la ltima es desconocida en la mayora de los casos. No obstante, si se sabe que es ms bien poca la probabilidad de que esta diferencia sea mayor que, por ejemplo, tres a an dos errores estndares. Los problemas que se tratan en la inferencia estadstica se dividen generalmente en dos clases: los problemas de estimacin y los de prueba de hiptesis. Como al estimar un parmetro poblacional desconocido se suele hacer una afirmacin o juicio este ltimo ofrece solamente una estimacin. Es un valor particular obtenido de observaciones de la muestra. No hay que confundir este concepto con el de estimador, que se refiere a la regla o mtodo de estimar un parmetro poblacional. Por ejemplo, se dice que X es un estimador de P porque la media muestral proporciona un mtodo para estimar la media de la poblacin. Un estimador es por naturaleza una estadstica y como tal tiene una distribucin. El procedimiento mediante el cual se llega a la obtencin y se analizan los estimadores se llama estimacin estadstica, que a su vez se divide en estimacin puntual y estimacin por intervalos. [Vuelve al ndice] ESTIMACION: GENERALIDADES El uso principal de la inferencia estadstica en la investigacin emprica, es lograr conocimiento de una gran clase de unidades estadsticas (seres humanos, plantas, parcelas de tierra), de un nmero relativamente pequeo de los mismos elementos. Los mtodos de inferencia estadstica emplean el razonamiento inductivo, razonamiento de lo particular a lo general y de lo observado a lo no observado. Cualquier coleccin o agregacin grande de cosas que deseamos estudiar o de las cuales deseamos hacer inferencias, se llama poblacin. El trmino poblacin tiene ms significado cuando se lo junta con la definicin de muestra de una poblacin: una muestra es una parte o subconjunto de una poblacin.

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 3 de 16

Una muestra de n elementos de la poblacin de N elementos, debera ser seleccionada de forma tal que las caractersticas de la poblacin puedan ser estimados con un margen de error conocido. Los valores de varias medidas descriptivas calculadas para las poblaciones, se llaman parmetros. Para las muestras, estas mismas medidas descriptivas se llaman estadsticas. Un parmetro describe una poblacin de la misma manera que una estadstica describe a una muestra. Es costumbre simbolizar las estadsticas con letras romanas y los parmetros con letras griegas. Estadstica Media aritmtica Variancia Desvo estndar Coeficiente de correlacin S S R Parmetro P V2 V U

Una estadstica calculada a partir de una muestra es un estimador del parmetro en la poblacin. Una estimacin es alguna funcin de los resultados de una muestra que produce un valor, llamado estimador. El estimador da alguna informacin respecto al parmetro. Por ejemplo, la media de la muestra, estimador de la media P en la poblacin. Las poblaciones pueden ser infinitas o finitas. Para la mayora de los propsitos de investigacin, se supone que las poblaciones son infinitas, no finitas, en tamao, las cuales son algo artificial o imaginario. Una poblacin finita puede ser extremadamente grande. Es posible concebir un proceso de conteo de los elementos de la poblacin, el cual puede ser computado; luego la poblacin es tcnicamente finita. Afortunadamente no es necesario crear problemas en cuanto a la distincin entre poblaciones infinitas y finitas. El mtodo usado para seleccionar la muestra es muy importante al juzgar la validez de la inferencia que se hace de la nuestra a la poblacin. Para que una muestra sirva adecuadamente como base para obtener estimadores de parmetros poblacionales, debe ser representativa de la poblacin. El muestreo al azar de una poblacin producir muestras que "a la larga" son representativas de la poblacin. Si una muestra se extrae aleatoriamente, es representativa de la poblacin en todos los aspectos, esto es, la estadstica diferir del parmetro solo por azar. La habilidad para estimar el grado de error debido al azar (error de muestreo), es un rasgo importante de una muestra al azar. [Vuelve al ndice] , es un

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 4 de 16

ESTIMACIN DE PARMETROS La teora clsica de la Inferencia Estadstica trata de los mtodos por los cuales se selecciona una muestra de una poblacin y, basndose en las pruebas de las muestras, se trata de: * Estimar el valor de un parmetro desconocido, por ejemplo T . * Verificar si T es o no igual a cierto valor predeterminado, por ejemplo T 0. El primero de estos dos procedimientos, de inferir de una muestra a una poblacin, se llama estimacin de un parmetro; el segundo, prueba de una hiptesis acerca de un parmetro. Dentro del primer procedimiento, la estimacin de un parmetro puede tener por resultado un solo punto (estimacin puntual), o un intervalo dentro del cual exista cierta probabilidad de encontrarlo (estimacin por intervalos). Un estimador puntual es un nico punto o valor, el cual se considera va a estimar a un parmetro. La expresin E( ) = P sugiere que el nico valor de es un estimador puntual insesgado o no viciado de P. Un estimador por intervalo se construye sobre el concepto de un estimador puntual, pero adems, proporciona algn grado de exactitud del estimador. Como el trmino lo sugiere, un estimador por intervalo es un rango o banda dentro de la cual el parmetro se supone va a caer. [Vuelve al ndice] PROPIEDADES DE UN BUEN ESTIMADOR Para poder utilizar la informacin que se tenga de la mejor manera posible, se necesita identificar las estadsticas que sean buenos estimadores, cuyas propiedades son: Insesgabilidad: , estimador de es una variable aleatoria y por lo tanto tiene una distribucin de probabilidad con una cierta media y variancia. Se puede definir estimador insesgado diciendo: Si se utiliza un estadstico muestral para estimar el parmetro de la poblacin , se dice que es un estimador insesgado de , si la esperanza matemtica de coincide con el parmetro que desea estimar. En smbolos: es insesgado

O sea que es de esperar que si se toman muchas muestras de igual tamao partiendo de la misma distribucin y si de cada una se obtiene un valor , la media de todos los valores de ha de estar muy cerca de . Por ejemplo: * La media muestral es un estimador insesgado de la media poblacional, o sea que E( ) = P * La variancia muestral, es un estimador insesgado de la variancia poblacional?

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 5 de 16

La respuesta depende de como se defina la variancia muestral.

Si

, entonces S es un estimador sesgado de V pues

. Mas an,

. Pero el sesgo se puede corregir alterando la definicin de variancia muestral.

En efecto, si estimador insesgado de V .

es la variancia muestral corregida, entonces (

y S es un

[Vuelve al ndice] Eficiencia: si se utilizan dos estadsticos como estimadores del mismo parmetro, entonces aquel cuya distribucin muestral tenga menor variancia, es un estimador ms eficiente o ms eficaz que el otro. Es decir: es eficiente mnima. y de un mismo parmetro , procedemos como sigue para

Luego, si tenemos dos estimadores hallar el ms eficiente entre ellos.

Se halla la razn Si K > 1, Si K < 1, Si K = 1, es ms eficiente que es ms eficiente que y y usaremos y usaremos . .

son igualmente eficientes y se puede utilizar cualquiera de los dos indistintamente.

Supongamos que una variable aleatoria X tiene una distribucin simtrica. Por lo tanto la media aritmtica y la mediana son iguales. Si se toma una muestra de esta distribucin, qu estadstico muestral, o , debera utilizarse para estimar la media de la poblacin P ? La respuesta depende de cul es el estimador ms eficaz. Ambos son insesgados, pero la variancia de es menor que la de , es decir que que la mediana muestral. . Por lo tanto la media muestral es un estimador ms eficaz [Vuelve al ndice] Consistencia: Si es un estimador muestral calculado a partir de una muestra de tamao n y si es el parmetro de poblacin que se va a estimar, entonces es un estimador consistente de si la probabilidad de que el valor absoluto de la diferencia entre y su esperanza iguale o supere a e (error admitido que tiende a cero, o sea que es tan pequeo como se quiera), tienda a cero cuando el nmero de elementos de la muestra tienda a infinito. En smbolos:

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 6 de 16

si n o f O equivalentemente: si n o f que est a menos de

Es decir, para que el estimador sea consistente, es necesario que la probabilidad de cierta distancia "e" del parmetro T , tienda a 1 al tender n a infinito.

Por ejemplo, se sabe que la media muestral y la variancia son estimadores consistentes ya que tienden a acercarse a los correspondientes valores de la poblacin a medida que aumenta el tamao de la muestra, pero un estadstico muestral puede ser un estimador sin consistencia. Por ejemplo, si el valor de la primera observacin o la media entre la primera y ltima observacin de una muestra se utilizaran para estimar la esperanza de la poblacin, tal estimador no sera consistente pues no tiende a acercarse ms y ms al valor de la poblacin cuando se aumenta el tamao de la muestra. [Vuelve al ndice] Suficiencia: Un estimador suficiente del parmetro T es aquel que agota toda la informacin pertinente sobre T que se puede disponer en la muestra. Por ejemplo, si se toma una muestra de n = 30 valores con el fin de estimar P , pueden utilizarse como estimadores la primera, la dcimo quinta o la ltima observacin, o el promedio entre la primera y la quinta observacin. Pero estos estimadores no son suficientes pues no contienen toda la informacin disponible de la muestra. La media aritmtica calculada con las 30 observaciones s lo es pues tiene en cuenta todas las observaciones. En definitiva, por ejemplo la media aritmtica muestral y la forma corregida de la variancia muestral, son estadsticas que satisfacen los criterios o propiedades de "buenos" estimadores. [Vuelve al ndice] ESTIMACIN POR INTERVALOS DE CONFIANZA Lo dicho hasta ahora se refiere a una estimacin puntual, es decir, estimar un parmetro a travs de un nico valor. Esta estimacin no es muy conveniente pues con ella no se puede determinar el error de muestreo, ni la precisin de la estimacin, ni la confianza que merece tal estimacin. Existen otros mtodos para estimar parmetros poblacionales que son mucho ms precisos. Por ejemplo: * Mtodo de los mnimos cuadrados: se ver en Teora de la Regresin. * Mtodo de los momentos: no se desarrollar. * Mtodo de la mxima verosimilitud: que se basa en el principio de que generalmente ocurre lo ms probable (no se desarrollar) * Mtodo de estimacin por intervalos de confianza: que se desarrolla a continuacin. El procedimiento de determinar un intervalo (a, b) que comprenda un parmetro de poblacin T con cierta probabilidad 1 - D , se llama estimacin por intervalos. Se vern los casos paramtricos, es decir aquellos en los que se tiene conocimiento del tipo de distribucin de la poblacin (Binomial, Poisson,

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 7 de 16

Normal, etc.) En general, para cualquier parmetro T y su correspondiente estimador ser: 1, el intervalo de confianza

Donde: es el lmite inferior del intervalo de confianza. es el lmite superior del intervalo de confianza. k es una constante no negativa. Es el llamado multiplicador correspondiente a 1 - D . D es la probabilidad de que el intervalo no incluya al verdadero valor del parmetro. 1 - D es el nivel de confianza, es una medida de la fiabilidad de la estimacin. Por ejemplo, si se toma D = 10%, entonces 1 - D = 90% y se dice que se tiene un intervalo de confianza del 90% y que la probabilidad de que el intervalo contenga al verdadero valor del parmetro es del 90%. Es decir, que si repetidamente se muestra y se construye tal intervalo una y otra vez, 90 de cada 100 de estos intervalos, contendr al parmetro y 10 de ellos no. Se puede pensar que 1 significa certeza, seguridad y D significa riesgo. La seguridad menos el riesgo, es decir 1 - D da, por lo tanto, el coeficiente de confianza de nuestras afirmaciones. En el caso anterior, se tiene una confianza de que 90 de cada 100 intervalos que se extraigan como muestra, contendrn el verdadero valor del parmetro. Pero una vez determinado el intervalo, es decir, una vez calculados numricamente los extremos, ya no debe hablarse en trminos de confiabilidad ni en trminos probabilsticos, pues la situacin pasa a ser completamente determinstica. De tal manera, asociado a un intervalo de confianza ya calculado, se tiene una probabilidad 0 1 de que contenga al parmetro a estimar y no hay otra opcin, ya que lo contiene o no lo contiene. Resumiendo, los extremos del intervalo son variables aleatorias, mientras que el parmetro a determinar es constante. En general, los pasos a seguir para estimar un parmetro por el mtodo de los intervalos de confianza, son: * Fijar el coeficiente de confianza que se desea en la estimacin. * Extraer la muestra y calcular el o los estadsticos necesarios. * Determinar la distribucin en el muestreo que tiene el estadstico empleado. [Vuelve al ndice] INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL P

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 8 de 16

CASO 1) Con V conocido: Sea donde P es desconocido y V conocido. la media muestral.

Sea x1, x2, ... , xn una muestra aleatoria de la variable aleatoria X y sea

Se sabe que

independientemente del valor de n, por el teorema central del lmite.

Luego, tipificando:

Se plantea:

entonces:

Observaciones: - Si las muestras se toman sin reposicin de una poblacin finita de tamao N, debe emplearse el factor de correccin por finitud y el intervalo ser:

- Si la poblacin es slo aproximadamente normal, la igualdad sigue siendo vlida en forma aproximada. [Vuelve al ndice]

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 9 de 16

Ejemplo 1: Un grupo de investigadores en Medicina desea estimar el cambio medio de presin sangunea por paciente en un sanatorio. Se ha seleccionado una muestra al azar de 30 pacientes y se hall que puls/seg. Los investigadores saben que la desviacin estndar de los cambios de presin sangunea para todos los pacientes es V = 3 puls/seg segn estudios anteriores. Ellos desean estimar el cambio medio de la presin sangunea por paciente con un intervalo del 95% de confianza, suponiendo que la variable aleatoria "cambios de presin sangunea" tiene asociada una distribucin normal de probabilidad. Respuesta: X = cambio en la presin sangunea por paciente del sanatorio (en pulsaciones por segundo) n = 30 V = 3 1 - D = 0.95

Por tabla:

Entonces:

Lmite inferior (LI) =

Lmite superior (LS) = Por lo tanto resulta el Intervalo del 95% de confianza para la media: ICM0,95 = (3,9 ; 6,1) Luego, puede decirse que el cambio medio en la presin sangunea por paciente, pertenece al intervalo (3,9 ; 6,1) pulsaciones, con un nivel de confianza del 95%. Observacin: Ntese que se cae en un abuso de lenguaje pues se debera decir que el intervalo (3,9 ; 6,1) pulsaciones pertenece a la sucesin que ofrece un nivel de confianza del 95% para estimar el cambio medio de presin sangunea, pero se simplifica la expresin para hacerla menos engorrosa o extensa.

En cuanto al tamao ptimo de muestra, = e determina el error mximo admitido de muestreo e indica la precisin de la estimacin. Lgicamente se pretende que sea lo ms pequeo posible. Por otra parte, (1 - D ) es el coeficiente de confianza y se pretende que sea lo ms grande posible. Pero depende del valor de D y al hacer mayor el coeficiente de confianza (1 - D ), el valor ser mayor y por lo tanto el error aumentar. Esto se puede regular aumentando el tamao de la muestra con lo que el error disminuir.

Para el ejemplo 1,

con un nivel de confianza del 95%.

Si se desea elevar el nivel de confianza a 99%, pero sin aumentar el error e de estimacin, el tamao de la muestra debera ser:

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 10 de 16

O sea que debe tomarse una muestra de aproximadamente 52 pacientes en lugar de 30. Por el contrario, si el investigador deseara un error de estimacin menor, por ejemplo 1 puls/seg, manteniendo el nivel de confianza en 95%, el tamao de la muestra requerido ser:

pacientes. [Vuelve al ndice] CASO 2) Con V desconocido Para estimar V se debe utilizar el desvo estndar muestral corregido.

, ya que segn se ha visto, es un estimador insesgado del correspondiente parmetro poblacional V . Reemplazando en la variable tipificada por resulta:

Por lo tanto:

= 1-D [Vuelve al ndice] Ejemplo 2: Una muestra de 15 aves tomadas al azar en un establecimiento con 5000 aves, (que elabora alimentos balanceados), permiti establecer un aumento de peso promedio de 90 g por semana y por ave, y un desvo tpico de 10 g. Se busca estimar el incremento de peso promedio para las 5000 aves del establecimiento con un intervalo de confianza del 90%. Respuesta: X = aumento de peso por ave

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 11 de 16

n = 15 Por tabla:

= 90 g S = 10 g ICM0,90?

y el intervalo resulta:

Interpretando este resultado, se dice que el aumento de peso por ave por semana en el establecimiento est entre 85,5 y 94,6 gramos, con un 90% de confianza. [Vuelve al ndice] INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS CASO 1: Poblaciones normales y con y conocidos.

Se fija el nivel de confianza (1 - D ), se extraen dos muestras independientes de X1 y X2 de tamao n. Ya se ha visto que:

y el estadstico tipificado tiene la siguiente distribucin:

(1)

Adems,

(2)

Reemplazando en (2), a Z por la expresin (1), se obtiene:

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 12 de 16

Donde:

[Vuelve al ndice] Ejemplo 3: Al determinar la superficie en miles de hectreas de las explotaciones agrcolo-ganaderas de cierta zona, una muestra de 40 explotaciones dio una superficie media de 900 ha, con una desviacin tpica de 300 ha. En otra zona, al muestrear tambin 40 explotaciones, la superficie media fue de 600 ha con una desviacin tpica de 150 ha. Suponiendo que en ambas zonas la variable "superficie en ha por explotacin" se distribuye normalmente, estimar por un intervalo de confianza del 90%, la diferencia entre las superficies medias de las explotaciones de ambas zonas. Respuesta: X1 = superficie de cada explotacin agrop. de la primera zona X2 = superficie de cada explotacin agrop. de la segunda zona , n = 40 ICDM0,90?

Por tabla:

Luego:

= = 300 87,24 = (212,76 ; 387,24) = (212,8 ; 387,2) Interpretando este resultado, se dice que la diferencia entre las superficies medias de las explotaciones agrcolo-ganaderas de ambas zonas, se encuentra entre 212,8 y 387,2 ha, con un 90% de confianza. Observacin: En la frmula tambin puede utilizarse lugar de [Vuelve al ndice] CASO 2: Poblaciones normales y con y desconocidos y en ese caso debe considerarse en

Se extraen dos muestras independientes (una de cada poblacin) de tamaos n1 y n2 respectivamente, se fija (1 - D ), se calculan y su diferencia.

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 13 de 16

a) Si V 1 y V 2 son desconocidos pero estadsticamente pueden considerares iguales (V 1 = V 2), se estiman por mancomunada) y se procede como en el caso 1. (Sa es la variancia amalgamada o

b) Si V 1 y V 2 son desconocidos pero estadsticamente no pueden considerarse iguales (V 1 z V 2), Se fija (1 - ), se extraen dos muestras independientes, se calcula muestreo del estadstico de prueba, ya tipificado, es: y la distribucin en el

a tG donde el nmero de grados de libertad de la distribucin t de Student viene dado por la frmula:

De manera anloga al primer caso, se deduce que:

[Vuelve al ndice] Ejemplo 4: Las variables aleatorias X1 y X2 distribuidas normalmente, representan las edades al morir de tuberculosis de los individuos en dos ciudades. Una muestra de 10 individuos que murieron por tal enfermedad en la primera ciudad dio una edad media de 48 aos y una desviacin tpica de 5 aos. En la segunda ciudad, una muestra de 12 individuos dio una edad media de 41 aos y una desviacin tpica de 3 aos. Se desea estimar por intervalos con un 95% de confianza, la diferencia entre las edades medias de los muertos por tuberculosis en ambas ciudades, sabiendo que investigaciones anteriores no permiten tomar las desviaciones tpicas de ambas variables como iguales. X1 = edad al morir de tuberculosis en la ciudad A. X2 = edad al morir de tuberculosis en la ciudad B.

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 14 de 16

n1 = 10,

, S1 = 5

n2 = 12,

, S2 = 3, V 1 z V 2 ICDM0,95?

Respuesta:(corresponde al item b) del caso 2) Con estos datos, reemplazamos en la frmula para calcular los grados de libertad:

grados de libertad. Luego, por tabla, t0,05; 15 = 2,1315 y finalmente el intervalo resulta:

ICDM0,95 = = 7 3,843 = (3,157 ; 10,843) # (3 ; 11) Interpretando el resultado se puede decir que la diferencia entre las edades medias de las personas que murieron de tuberculosis en ambas ciudades, se encuentra entre 3 y 11 aos, con una confianza del 95%. [Vuelve al ndice] INTERVALO DE CONFIANZA PARA LA VARIANCIA POBLACIONAL Suponemos: Poblacin normal X a N(P , V ) Se fija (1 - ) y el estadstico tipificado de prueba tiene una distribucin muestral:

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 15 de 16

(1) donde 2 es la variancia poblacional.

Adems: Reemplazando (1) en (2) resulta:

(2)

Invirtiendo fracciones:

Multiplicando miembro a miembro por (n - 1) .S2 para despejar 2, se obtiene:

Invirtiendo la desigualdad: [Vuelve al ndice] Ejemplo 5: Un productor de fertilizantes, para controlar el buen embolsado de sus productos, pesa 15 bolsas del mismo, obteniendo una desviacin tpica de 0,50 kg. Qu varianza puede inferirse con un 98% de confianza que tendr la produccin total? Respuesta: X = peso de cada bolsa de fertilizante

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013

Curso de Inferencia Estadstica Bsica - Estimacin de parmetros

Pgina 16 de 16

n = 15 S = 0,50 kg. ICV0,98?

Por tabla: Luego, el intervalo buscado es:

Se interpreta este resultado diciendo que existe un 98% de confianza de que la variancia del peso por bolsa en toda la produccin de bolsas de fertilizantes de ese productor est entre 0,12 y 0,75 Observaciones: 1) Del intervalo de confianza visto para la variancia, se deduce el correspondiente para el desvo tpico:

Para el ejemplo 5: 2) Si n > 100 , los valores ya no se encuentran en la tabla de la distribucin Chi cuadrado, y por lo tanto se la aproxima a una normal, utilizando para aproximar percentiles en esta distribucin:

Y el intervalo buscado es:

[Vuelve al ndice] [Vuelve a INICIO] [Va a Test de Hiptesis I] [Va a Test de Hiptesis II]

http://www.fca.unl.edu.ar/InferEst/EstimParam.htm

29/07/2013