4/5/2017

ESTIMACIÓN POR INTERVALOS

Algunas ideas desarrolladas hasta aquí:

-Estimadores puntuales
-Evaluamos el desempeño de algunos estimadores
- Una realización del estimador es la estimación puntual

¿Cuán próxima del verdadero parámetro se encuentra esa

estimación puntual?¿Si se repite el proceso de estimación, cuán
variable serán las estimaciones obtenidas?

Resulta de interés determinar un intervalo dentro del cual se

esperaría encontrar el verdadero valor del parámetro.

ESTIMACIÓN POR INTERVALOS

Ejemplo motivador

La inflación anual en los países del la OCDE puede considerarse distribuida

aproximadamente como una normal con varianza 2,6. Con el objetivo de
estimar su media se toma una muestra aleatoria de 30 países y se obtiene una
media muestral de 0,8.

¿Cuán confiable es el resultado obtenido?

Intervalo aleatorio que contiene a la media

poblacional con probabilidad 0,95

1
 4/5/2017

ESTIMACIÓN POR INTERVALOS

La estimación por intervalos es un método de estimación que incorpora, a la
estimación puntual, información con respecto a su variabilidad y se basa en la
búsqueda de intervalos aleatorios que contengan al parámetro, que se intenta
estimar, con una probabilidad prefijada.

En la construcción de los intervalos aleatorios se tiene en cuenta un

estimador o estadístico cuya distribución muestral posea información acerca
del parámetro que se quiere estimar, y se escogen los extremos aleatorios
ˆI y ˆS de tal manera que contengan ese parámetro con probabilidad 1   ,
es decir :

P ˆI    ˆS  1   , 
de esta forma, se espera que, de todas las posibles muestras, el (1   ) 100%
produzca intervalos que contenga al verdadero parámetro.

Construcción de intervalos aleatorios

Parámetro Estimador Estadístico Supuestos Intervalo aleatorio
puntual

X m
m X 1.1 ó 1.2
/ n mˆ I  X  z / 2 / n

mˆ S  X  z / 2 /
 
n
P X  z / 2 / n  m  X  z / 2 / n  1  

X m
m X 2.1 ó 2.2
S/ n
mˆ I  X  t( n/21) S / n

mˆ S  X  t( n/21) S / n
 
P X  t( n/21) S / n  m  X  t( n/21) S / n  1  

2
 4/5/2017

Interpretación de los intervalos aleatorios

¿Interpretación de P(X<1)=0,3?

 
¿Interpretación de P ˆI    ˆS  1   ?

Si se observaran muchas muestras y se construyeran los intervalos

ˆ I obs , ˆS obs 

es de esperar que en el (1-)100% de éstos se encuentre el parámetro .

Intervalos de Confianza: Sean ( x1 , x2 ,..., xn ) los valores observados de la

muestra aleatoria X 1 , X 2 ,..., X n . Sea  el parámetro de interés y  un número entre 0
y 1. Si existen los estadísticos ˆI  hI ( X 1 ,..., X n ) y ˆS  hS ( X 1 ,..., X n ) tales que :
 
P ˆI    ˆS  1  
para todo valor de , y si se denota con ˆI obs y ˆS obs a hI ( x1 ,..., xn ) y hS ( x1 ,..., xn )
respectivamente, entonces se denomina intervalo del (1-)100% de confianza para
, al intervalo

IC(1 )100% ( )  ˆI obs , ˆS obs . 
Observación:
1- Se denomina coeficiente de confianza o grado de confianza a 1-.
2- ˆI obs y ˆS obs se denominan los límites de confianza.

3- Interpretación: Se tiene una confianza del (1-)100% de que el intervalo ˆI obs , ˆS obs 
sea uno de los que contiene el parámetro .
4- La amplitud del IC(1 )100% ( ) está dada por ˆS obs  ˆI obs .

3
 4/5/2017

Realizaciones de intervalos aleatorios para una media de una distribución normal

con varianza conocida

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
   
m  1,95 m m  1,95 m  1,95 m m  1,95
n n n n

Ejemplo: Se seleccionó una muestra aleatoria de 15 solicitudes de conexión de teléfonos fijos

realizadas durante el mes de enero y se registró el tiempo transcurrido desde la solicitud del
servicio hasta su conexión. Los resultados obtenidos en números de días fueron: 15,3; 13; 15,9;
18,3; 14,6; 12,5; 20,6; 15; 14,2; 15,5; 11,7; 14,5; 15,3; 13,3; 17,3.
a) Establezca los intervalos del 95% de confianza para la media del tiempo de espera hasta la
conexión durante el mes de enero, suponiendo: (i) varianza conocida 2=5 y (ii) varianza
desconocida.
b) Especifique claramente los supuestos que utilizó establecer los intervalos en a).

Estimación de la media: x  15,13

a) i. Varianza Conocida: 2=5 , z 1,96

2
5 5
LI :15,13  1,96*  13,99 LS :15,13  1,96*  16, 26
15 15

ii Varianza Desconocida: S2=5,24, t14  2,14

2

5, 24 5, 24
LI :15,13  2,14*  13,86 LS :15,13  2,14*  16,39
15 15

4
 4/5/2017

Estimación de m con  conocida

 Bajo los supuestos 1.1 o 1.2, si se utiliza x como una estimación de m, se puede
tener una confianza del (1-)100% de que el error no excederá a z / 2 / n.

 Bajo los supuestos 1.1 o 1.2, si se utiliza x como una estimación de m, se puede
tener una confianza del (1-)100% de que el error no excederá a una cantidad e
cuando el tamaño de la muestra es

2
z 
n    /2  .
 e 

Construcción de intervalos aleatorios

Parámetro Estimador Estadístico Supuestos Intervalo aleatorio
puntual   m1  m 2

m1  m 2 X1  X 2 X 1  X 2  ( m1  m 2 ) 3.1 ó 3.2
 12 / n1   22 / n2 ˆI  X 1  X 2  z / 2  12 / n1   22 / n2

ˆS  X 1  X 2  z / 2  12 / n1   22 / n2

P X 1  X 2  z / 2  12 / n1   22 / n2  m1  m 2  X 1  X 2  z / 2  12 / n1   22 / n2  1   

m1  m 2 X1  X 2 X 1  X 2  ( m1  m 2 ) 4.1 ó 4.2
S p 1 / n1  1/ n2 ˆI  X 1  X 2  t( n/ 2 n  2) S p 1/ n1  1/ n2
1 2

ˆS  X 1  X 2  t( n/ 2 n  2) S p 1/ n1  1/ n2
1 2


P X1  X 2  t ( n1  n1  2)
 /2 S p 1 / n1  1 / n2  m1  m 2  X 1  X 2  t ( n1  n1  2)
 /2 
S p 1/ n1  1/ n2  1  

5
 4/5/2017

Construcción de intervalos aleatorios

Parámetro Estimador Estadístico Supuestos Intervalo aleatorio
puntual

m1  m 2 X1  X 2 X 1  X 2  ( m1  m 2 ) 4.3
S12 / n1  S 22 / n2 ˆI  X 1  X 2  t(/)2 S12 / n1  S 22 / n2

ˆS  X 1  X 2  t(/)2 S12 / n1  S 22 / n2


P X 1  X 2  t(/ )2 S12 / n1  S 22 / n2  m1  m 2  X 1  X 2  t(/ )2 S12 / n1  S 22 / n2  1   

Construcción de intervalos aleatorios

Parámetro Estimador Estadístico Supuestos Intervalo aleatorio
puntual

ˆ ˆ  
 5.1
prop muestral ˆ (1  ˆ ) / n ˆ I  ˆ  z / 2 ˆ (1  ˆ ) / n

ˆ S  ˆ  z / 2 ˆ (1  ˆ ) / n

P ˆ  z / 2 ˆ (1  ˆ ) / n    ˆ  z / 2 ˆ (1  ˆ ) / n  1   

ˆ1  ˆ 2  ( 1   2 )
1   2 ˆ1  ˆ 2 6.1 ˆ1 (1ˆ1 ) ˆ 2 (1ˆ 2 )
ˆ1 (1ˆ1 )
n1 
ˆ 2 (1ˆ2 )
n2 ˆI  ˆ1  ˆ 2  z / 2 n1  n2
ˆ1 (1ˆ1 )
ˆS  ˆ1  ˆ 2  z / 2   2 (1n2  2 )
ˆ ˆ
n1


P ˆ1  ˆ 2  z / 2
ˆ1 (1ˆ1 )
n1 
ˆ 2 (1ˆ 2 )
n2   1   2  ˆ1  ˆ 2  z / 2
ˆ1 (1ˆ1 )
n1 
ˆ 2 (1ˆ 2 )
n2   1 

6
 4/5/2017

Estimación de una proporción 

 Bajo 5.1, si se utiliza la proporción muestral ˆ como una estimación de , se

puede tener una confianza del (1-)100% de que el error no excederá a .
z / 2 ˆ (1  ˆ ) / n .

 Bajo 5.1, si se utiliza ˆ como una estimación de , se puede tener una confianza
del (1-)100% de que el error será menor que una cantidad e cuando el tamaño de la
muestra sea aproximadamente
z 2 ˆ (1  ˆ )
n   /2 2 .
e
Bajo 5.1, si se utiliza ˆ como una estimación de , se puede tener una confianza
del (1-)100% de que el error no excederá una cantidad especificada e cuando el
tamaño de la muestra sea z2
n   /22 .
4e

Estimación de una proporción 

Ejemplo: Se pidió a 200 personas seleccionadas mediante una muestra aleatoria, identificar su
principal fuente de información de noticias; y de ellos, 110 dijeron que eran los noticieros
televisivos.
a)Determine un intervalo de confianza de 95% para la proporción de las personas en la
población que consideran a los noticieros televisivos como su principal fuente de información
noticiosa.
b)¿Que tamaño debe tener una muestra para estimar la proporción de la población, con un
margen de error igual a 0,05 y un nivel de confianza de 95%?

a) Estimación de ˆ 
110
 0, 55 1  ˆ  1  0, 55  0, 45 z 1,96
200 2

0,55*0, 45 0,55* 0, 45
LI : 0,55  1,96*  0, 4811 LS : 0,55  1,96 *  0, 6189
200 200
b)

z2 / 2ˆ (1  ˆ ) 1,96 2 * 0, 55* 0, 45

n   380
e2 0, 052

7
 4/5/2017

Construcción de intervalos aleatorios

Parámetro Estimador Estadístico Supuestos Intervalo aleatorio
puntual

( n  1) S 2
2 S2 7.1
2
ˆ I2  ( n  1) S 2 / 2 / 2

ˆ S2  ( n  1) S 2 / 12 / 2
P  ( n  1) S 2 / 2 / 2   2  ( n  1) S 2 / 12 / 2   1  

 22 S12 8.1 2
 12 /  22 S12 / S 22  12 S 22 ˆI  S1
S 22 f / 2 ( n 1
 1, n 2  1)

S2  12 S12 f / 2 ( n  2
ˆS  S1 f / 2 ( n  1, n1  1)
 1, n1  1)
P 1 2    1
S 22 
2

 12
2

 S 2 f / 2 ( n 1
 1, n 2  1)
S 22