CHAPTER 2
Estimacion de Parametros
Com frecuencia, cuanda se: inieia ot estudio sabre una pableviée, se puede ewonetene
can el problema de: qne nna o varias de Jas parkmetras de interés en dicha poblacién,
son deseonocidos. Recoredemos qe la mayoria de. as distribniones de probabilidad.
queso hin estadinda on este curs dependen de cierto numero de paeimacteos, como:
Pai), N(jsa?), Bin).
Cuando un parimetro de la poblacion de interés se deseonoce, se busca encontrar
un tepresentante para éla partir de una muestra tomada de dicha poblacisn (pallet
un estimador). Los estinadores von valores aproximados de dichns parimetros que
pernitan obtener conclusiones coufiubles sobre Ia poblucion en estudio, Estos val
‘ore, gue como se dijo anteriormente son obtenidos de una muestra de la poblaesén,
‘0 ntilizan como representantes del parhmetro desconocido. Pate eapitilo se dedicn
' estudiar Ins t2eniens porn determinar Tos valores muiestrales mis representativos
para cl canjunto de parametros de interés, ast como las das: formas on que so pried,
catimar nna parkmetr,
Se (ewe entonoes gue el proceso de estimacisn implica selecsionar una muestra de
In poblacién, calenlar. a partir do las datos de: dicha muestra, algtin estadtstica rela
cionado con ef perémetra de interés que se puede entender como tna apraximacién,
del pardmetea coenespondicnte de ls poblaciin de la cual fue entraida ta mueste
Existeu dos formas de estimar un parimetzo
= Una estimactén puntual: (Un solo valor os stitizada para estimar el pardmetra,
“
» Una estimacién por intervalos:
flefinem wn interval com sm grado
Iinchnye al parfractra
fonsia. de das valores numtviens que
speetfco de confanza, se considera qua
En Ja siguientes secciones se describiré cada uno de estos metodos de estimacién
haciendo especial éufasis en el miétodo de estinsacion por intervalos,
2.1 Estimadores Puntuales
Dado cualquier pardmetro poblacional @, indicaremos por (@ con gorta} un esti:
miador de @, donde:82 CHAPTER 2. ESTIMACION DE PARAMETROS
Definieion 24.1 Betimudor Puntual
Dada we pavdmetra 8 en una pobluciin, ve define un Testimsdor puntusl”
Ah 8 vane us lo ssp: ser tumierdy rgersentatven le BBL eieandor
murtual de 0 se denotaré por D (0 gorro).
‘Se ha de tener presente que para determinar el estimador puntual de alsin parémetro
se debe considerar una funcién que depende de la muestra seleccionada y del estadis-
io telseionsdo cou el pardwweleo de interts, v usediate un proceso de optimizscion
se encuentra el estinador puntual. Una de lis funcioues aids utliawlas en estos peo
ceses, son Iss fuuciones de audsscims verosiuilitud,
Algunos estimadores puntusles que ve utiizaran en el desarrollo de este curso, ¥ 98
han obtenido mediante el metodo de estimacion de maxima verosimilitud eon:
Parelra
En conscenencia, si = ye os nnostro parimetro de interés, entonces Ta media
mnestral Yun estimadar puntnal de ln merlin poblacional 1, y eseribiremes que
a=.
‘Tanto el valor de X como el valor de 5? varian de wna muestra a otra, por 19
tanto, no es de experntse que sn -ynlores, pra mn mimestrn particular, senn igginles
a los pardmettos que etn eslimando. La diferencia 0 — | entre un pardanetto
4, en general descanocida, y su estimadar pnntnial 8, so Hama error de mnestren 9
exeor de estimacidu. Este diferencia es producto del azar por la que no debe entene
dense el (érmnina error come equivocacién sino como variacién aleatoria inherente al
muesteeo, Un estimador es mas preciso mientras menor sea su error de muestreo.
Fn el enpitnla anterior se definia of error estindhir dem estadistien enme tn
"desviacidn estiindar" del estadistico. Asi si J es un estadistico, eutonces eu error
estdudar estara dedo port
Frerar extennler =
y sadn
Un estimadar coma TF toma valores diferentes para muestras diforon
que es posible seleccionar un mimero grande de muestras tenemos que
variable aleatoria y podemos caleular su media y su varianza, asi
E(X)- a
2, para mas sin semplazo ¥
para m.a.s con roomptage
La desviacién tipica de X, o sea o., se llama error esténdar de la media y mide
el error de muestra
Observamos que en las frumlas anterior aparece el factor o? wus eantidad eue
es desconocida, Esta variamza se estima usualmente mediate $? de modo que wh
estimaddor del error de muestreo es!22, INTERVALOS DE CONPIANZA, a
ara nas, sin reeruplant
Ta expresién Tama factor de correecién para poblaciones finitas y
tiene a Lenando tiene a infinit,
Observactin 2.1.1 Los estimadores generubmente ve yepreventan con le let latina
gue denote al estadivticn eon un gurro encima, ast X eg la notacién pura of exti-
radar puntual de fa mesia pobloctonal p.
Definiciin 2.1.2 Betimudor Frseeguda
Ses vw gus an. extimauor den prandmacdea es un
si y solamente si B(L) — 0. Ademds T se representa por
inne sinsepadr a
Definicién 2.1.3 Estimudor Consistente
Se dice que wn estiaador Oy es un estiqnador de we pariiwetre 0 dasado en wea
rmucstra.alentora de tematia n, decimas que 8, os consistent para & sy stlo si
Tim PIG, |<) —
pare cualquier mimero positive &
Definietin 24.4 Ratinnudor Rfieiente Duos dy Os dos eaimaudores pntuates
del parinetro 0 , se define la eficiencia relativa de I, a como
oy _ cra fB)
ef (a) = mee
omits)
Con econ(B,) — B{(dy —8) Ts ademés, 2 a eficiencra relaiva es menor que une
significa que 0, es wn estimador més eficiente pura 0 yue Oz, en el sentido de gue
we wn er eadnficn medio ands prqust
BX. & — S% sam narmales, cficientes, insesgados y consistente siempre qu
ns 00 y significa qne PIP — 9} — 3, y para el caso binomial PT.
2.2 Intervalos de confianza
Come las estinaciones puntuales rare vee serdar igusles a Tos parémetras que 58
supone estima, por lo genera) ve deses contar cou cierto prado de libertad de accion
ewvel proceso de estinnncidn, parn esto se realizar sna estimacion del parimetro 90
oan ne aes yee, sive cote a ext de: valees, ste congjanto son intervals
In forma a 0 b, donde 0 en el pardmetro nestimar, des nn eatimad print
de dicke guviaetect, 9 ey teste les extreme del interunter ques deg de vale
que toma cl estimadar puntual Fen uma rmestea dada y tambien de Ia distribncion
ucsteal de dicho estimador punisal
Se sigue entonees que ef objetivo de esta sceciém se contra on encontrar wm.
intervalo fa; de: represemtamtes para cl partiaeta peibacidm # a practic des regen
sentante muestrel, estimador puntual, 8, y de tal manera que se puede allrmar conB CHAPTER 2. ESTIMACION DE PARAMETROS
(1-a)100%
a é »
Figure 2.1. Interala de Confianse para d
una ceriwes de (1—ce)100% que el pardiuetca se encuentra dentco de dicho intervata,
esto es, Pla c @-< ]=1—a.
Se sabe que el valor del estimador puntual dependera dela mmestra selevcionada,
yy en eonseeencia, como los valores extremoe del interval a y 8 von valores de fa
Yatiable aleatoria defimida por cl estimador puntual, entonces extard afoctadas par
la distribucion mmestral de 0, por lo que se puede afirur, cou una probabilidad
dada, que el invervalo fa;4] contended en realidad al pardmetzo # que se supone
cstieaa, Fee otras palabras, paderaes atiizar la distitmeidn rmuestral de F para
legie los valores de a y b tales que para cualquice probabilidad especifica 1 — a, com
Occ, Pachei—t a
Fate intorvala (a; 5, encontrado a partir dena mmiestra de tamano n particular,
recibe cl nombre de intervalo de confianza al (1) 1% para ct parametra d, donde,
(1a) 108% se comaee como el nivel de confiabilidad o simplemente Ta confiabilidad
dol intorvalo, x, « y 8 an los mites inforior y superior respoctivamente de! intervalo,
‘cama se, puede ohservar en Ya figura. 2.1
Note que a denota un error, en este caso, se entiende comp el error que se esti
disnesto a ssumir mediante la estimacidu por intervalos. Adicionalmente, de lo
descrita anteriormente se sigue que el ejercicio de hallar intervalas de confianza
6@ ceitne encontrar los extremos [es y para ellos se debers resolver el sipuients
problems!
Pla<@
4)100%
Figure 2:4. dew dif coor
Ahora: bien, para resolver este problema se reapiore conocer la disteibucign del
estiauador guutual de Ta media poblacional ji =, y esta distsibucign deponde
de diferentes facteves, los cuales detezminan (2es situaciones paxticulares que se
estudian por separade # coutinusclén,
2.3.1 Poblacion Normal, Varianz Ci
En este caso oe Liewen concentradas las siguientes carscteristicns para el estudio
1, Muestra Cunlqniera
1. Poblaciém Normal, esta es: Kw Niyia?
2. Varianza conacida.
2, Tamale de ls usuestes Cusigutera
Ahora bien, von la condiciones antes descritas se cumplen Jas hipotesis del teorema
(21), yor lo tauto ve puede coneluir en virtud de este leorema que
rv(o2)
Conaeide yale distedhueidu del estinadar puatual pare y se puede ahora resalver
€l problema de probsbilidad y ssi encontrar los extrenmos del intervslo,
atin ~ Yo2/a
Play < - ta
P< bol P[Z dy Juego sustituyendo en Ja ecuaclon
anterior ve lene:36 CHAPTER 2. ESTIMACION DE PARAMETROS
Pizeh| — 1-3
Lego ea tabla de la distribneién normal se puode obtener ol valor del percentil
I~, que sera denotado por 2), luego:by — Z, y — Pig. € inualando con el
valor de by se tiene: .
Por lo tanta,
Ahora bien, coma ag y by son valores simétricas al rededor de Ia media de Ia normal
estandar (atrodedar det cera), se tiene de ta simetrta de ta curva narmal que: a5 =
bo = Za 3, 10" lo tanto:
op
So to — 2g
vein
‘De donde:
ze
anf Zaye
"
Ahora bien, como ji = ¥, entonces snstitnyendo, so signe qne mm intervalo de
confience al (1 a)10U% pars Is medis poblacicnel esta dade par
Observacion 2.3.1 Ds importante resaltar gue, a consecuencia de gue la distribu-
cite eauesteal de X es sieedtrion, se pucde natar we camportaraicnta especial en ef
fntornala anterior, asi, si se tiene presente que
é-*2a, INTERVAL DE GONFIANZA PARA LA MEDIA ar
Entonces, oustitupenda oe lene la siguiente expresidn, part el 1.C deduci
JPM gx apt Hh 3 x ag (2.4)
Ejemplo 2.3.1 Suponga que las notas del parcial de Rstadtsticn se distribuyen nor
mal, y que 80 sabe por experiencia que la deswacuin estindar os de Ux, Seo toma
una muestra aleatoria de 16 nolas del parcial, obleniende de estas un premedio de
2.5. Ballas un sniervalo sle eonfianza at 9556 pom lo nota promedio sin todos tos
pureialer de Estadieticn.
Solucion:
Sea X—nota de un parcial de Estadisticn,
Con: n = 16, 0 = 08, X= 25: Xow Np, 09"
Verifiquemos en qué condiciones estamos.
Ny n.s)
» mix os
nséenemota STAN nf . a)
2; conocidas
Se wigue ques B~ N (n
Ahora Bien, come la distribucion de la normal es simétrien, se tiene gue, ol LC
ast media ex dela formas [O— Py 5 ve ogs-+ Lg x a]
se tiene:
Pog — Zao — 1.98
me" 02
Lruege, sustituyendo, se tenes
oe
X Aoosyl g
XZ
[25-196 0.2:25— 1.9602]
Ry Cor une ovafiaditidad det 9578 ve puede afirmar que la nota promedia en los
exdmenes de estadiatien
Ejemplo 2.3.2 La media de las estaturus de una muestra aleatoria de 20 personas
de una ciudad es 1,75 m. Se sabe por caperiencia que la estatura de las personas de
esa ciudad os una tariahle aleataria que sigue wna distribuctén normal com varianza
= 0.16.
4, Dnowentre un estimador puntual paru lu estuture promedio de las personas ent
a ciudad.
2. Constraye un intervalo, de un 95% de confiunca, para ta meta de las estatures
te lu poblucién,
& Cust seria el minimo tomario mucstral necesario para que pueda desiree que
4a verdaderu media de lag evtaturus extd a menos de 2.em de ta media muestrul,
con un nivel de confiancu del 9058?88 CHAPTER 2. ESTIMACION DE PARAMETROS
Note en ls selucion del ejemplo suterior, gue en esenets este const de tres pasos
1. Definicidn de variables e informavién det problem,
2. Distribucién mnestral del estaditstico
3. Thuplewentaciou del intervalo, sexi la distribucion anterior
2.2.2 Poblacién desconocida, Varianza Conacida o Descono-
cida, Muestea Grande
Fin este caso se tienen concentradas Tas signientes caractertstieas para el estudio:
1. Poblacion Desconocida, este es: X ~2?{s0,0°).
2, Varianza conacida o descomocida
8, Tamafio de la mmestra Grande.
Alors biew, con la condiciones antes deseritas se cumplen las hipotests del teorema
(2.2), teorema del limite central, por lo tanto ye puede eoneluir en virtud de este
term ae Pate)
Conaeide yale distehueidu del estinadar puatual pare je puede ahora resalver
el prablenia de probabilidad y ast encontrar Tos extremos del intervala,
PlacX Jerin
on} _ yg
Sein.
Pl =, y ew
camecettencia f thy nega snstituyenda em la cenaciém ater se tice
Pir sul-rte st] — 1-0
Piper) So- ta
= 1-045
Pirct] - i-§
Luege de It tabla de la distribucion Ustudent se puede obtener el valor del percent
1 =, por Jo tanterty = taaa-g, ¢ igmalaudo con el valor de ty se tHenet
Por Jo tate,
bafit lie se40. PTER 2. ESTIMACION DE PARAMETROS
Ahors bien, como fs y fp son valores eimeétrivas al rededor del vero, se Gene entonces
Re: by = a = tg 8 ge gue
De donde:
Luero, un intervalo de coufiauat al (1—@)% para kt media poblacionl pe esta
dado por:
Observacién 2.8.8 Observe en ef LC hallade gue presenta le mime exlructera
daseriln en la observacisn 29.2, ealo se debe « que ta distribucion Lstudent ex
simétrica, por lo tanto et intervata tiene ta estructura [9 Pig x a5: 04 Pog x
Bjemplo 2.8.3 Se ha abservade que las estudiantes de bachillerato en Medellin gas-
tan cantidades considerubles de dinero en Jotocupias por semana, Con el propsito
de estudiar ol guste senanal por folocopias, en pesos, se ha eleyido una muestra
alualoria ile ayes de estos estudiantes, quienes repucturon haber gastale x folo-
copias durante la misma semana las siguientes cuntidades en miles de pesos:
10; 15; 9; 1.5; 10.5; 20; 12 8
Determine un inlervalo de wonfiansa al 99% para el gaslo semanal promedio en
fotocepias de los estudiantes de dachillerate de Medellin,
soLUCION
INFORMACION DET PROBLEMA
Sea:
X : Casto semanal en fotocopias de un estudiante de bachillerato de Medettin
ent pesos,
Distribuctén de X ~2ls,0°)
ng
2 10;15:9;7,7.5:10.5;90;,19;8
Hallar wn LC al 99% para el gasto semanat promedio en fotocopias de tos
bachalleres de Medeltin
Distribucion muestral del estadistion
Para asta casa sa tiene gue: @ = j1, por to tanta @ =X, weamos cual es ta distribu
cide del estiraador muntual X det partimetvo jx.
X 2p, 07) _
=r pequen b> N27
escanocida
Como lus eodiciones lek problema nome perméten doterminar wnn distribuesihn
rrr. of estimador puntual X, determincmos lox aupuestos nenesarian para poder
enatinuar con cf gjerticio.
SUPURSTOS
Suponganos que R ~ Ni.o7)2a, INTERVAL DE CONFIANZA PARA LA MEDIA 4
Lasgo:
Xn Mla?)
n=9- pega $+ 7—-ATH
a? desenmowida
Solucin del Intervato
Alora bien, como la divtribuciin de X ex una student, y lat e9 simétriea, ve
tienen gue el T.-C para fa media pablacional p1 es de ta forma:
Poets $70.99 00.01 1 go 88 ppas
Pig — taoan — 9.355
-4-£ donde f° — FE 756 oy — A 1.296
Por la tanta, sustitnyenda en of intervalo se tienes
[I aa86 x 196; 111
1.396]
Se sigue que un LC al 99% para el gaste pronmdio sesnanal de los extudiantes
de bashilleruto de Medellin en folocopius, estd dude por:
[ocx2; 15.65)
Ri Con wna vonfiabilidad det 99% se puede afirmar que el yasto semanal yromeidio
en folovapias de tos estudiantes de bachilleralo de Medellin se encuentra entre 6320
15680 pesos semanales.
:
EBjemplo 2.8.4 Los contenidos de 7 canecas similares de pintura son de 9.8, 10.2,
204, 93, 10.0, 10.2, 9.6 Wiros. Haller el intereala de confanca del 95% pare ta
media de todas las canecas, suponiendo que su distribucién es aproximadamente
normal
2.3.4 ejercicios 1
1. Una empresa de investigacién evo a cabo una encuesta para determinar 1a
tantidad media gue los fumadores zastan en cixarrillos durante una semana.
La seman eucoutrd que la distribuciou de cantidades gastadas por semana
tendfa a seguir una distribucién normal, con una desviacion estandar de §
Tina mnestra de de 64 fhmadores revels nn gast6 medio de $20. <2Cinal es ol
tstimador de intervalo de confianza de 959% para cl gnsto promedio en cigarrifia
ton ba poblaviin?
2, La Doctora Patton es profesora de inglés, Hace poco conté el numero de
palabras con faltas de ortografia en un grupo de ensayos de sus estudiantes,
Observe que Is distribucién de palabras con faltas de crtontafia por enserva
ve venis por une distritucién normal con uns des viecién estandar de 2.44
palabras por ensayo, En su clase de 40 alumnos de las 10 de la manana, el
niauero medio de las palabras con faltas de ortografia fue de 6.05. Coustruys42 CHAPTER 2. ESTIMACION DE PARAMETROS
un intervalo de confianza de 90% para ol mimero medio de palabras von faltas
ide ortoprafia en la poblaviin de enzayos,
3. La Avociaciém Hstadounideme de Productores de Avicar desea calcular el
ronssimn medio de azsiear por nip. Tha muestra de: 16 personas reveln. que el
rronssinn medio anual rs de 6 Tibrns, eon sina desvineién estdindae de 20 Tibras.
Constenya mn intcrvalo de confianza del 991% para ta medin de tn poblacisn.
EBs raconable coucluir que la media poblacioual es de 69 libeas?
4, Se estudia al caciente intelectual de 10 estudiantes de septimo eleyjdios aleato-
clameute de un detecuiuads ceutes excular, sieudo estos valores: 80, 96, 87,
104, 105, 99, 112, 89, 80, 100. Sabiendo que el cociente intelectual se distribuye
fepyian uns norwnal, lesae:
(a) Malls ef intervalo de confianza al nivel del 95% para la media del vociente
Intclectsal de los estudiantes de septimo de dicho centro eseobnr
(b) Razona y explica qné se podria hacer para que cl intervalo de confianza
{nvicra menor sunpliind con mismo nivel de confianen.
5. Greater Pittsburgh Area Chamber of Commerce desea caleular el tiempo
medio gue los trabajadores que laboran en el centro de la ciudad utilizan
para llegar al trabajo, Una muestra de 15 t rahajedores revela al tiempo:
medio es de 85.06 minutos, con uns desviaciou estandar de 6 minutos. Con
struys un intervalo de coufianza del 98% para ls medie de la poblacion. ;Bs
caauaable coucluir que la media poblacioual es de 47?
8, El nimero de owt diarios generados por Jovenes de entre 16 y 24 aitos sigue
tuna distribucion normal de media desconovida, Tomada una nuestra de
25 wnarios de Twitter, aw media diaria ha reswttado ser de 12 tweety Ia
Frsvinridy Hipiea 6 swe. Clete el intervaky de ennfianza al 89% para el
fimere medio poblarional de mensajes de twneter enviados por fos Swen
intro 16 y 24 ation,
2.4 Intervalo de Confianza para la diferencia de me-
dias
F propsisito ahora es enpontrar 1m ronjimto i. estimaddores para ta diferencia de fa
medias poblacionales 1 — jn, a partir de mmestras independientes: ms ¥ n> tomadas,
de Jas respectivas poblacioues
EL objetivo sigue siendo encontrar valores a y B lales que cou ums confiabilidad
del (1 — a} 00% el estimador del paréuetro ve encuentre enlze estos valores, esto
3, Pla 21] — 3, Inego sustitnyendo en la
couaciéma antericr se: tiene
Pizcul-Pieal — boa
Fizeal 0 - ta
oP - 1+
2-0
Luvgo de Ja labla de la distribucion normal se puede obtener el valor del percentil
1—§, por lo tante:s: — Zig, igualando com el valor de 21 ve tiewe:
Por lo tante,
- eo
ba YA Ae sft PRPTER 2. ESTIMACION DE PARAMETROS
Figure 244, Interval de Confanse
Ahora bien, coma 2o.¥ 21 som valores simétrions al rodedar el estimador pumtsal de
Ja media, el cual se distribuye como una normal, se lene entonces quer ay Zy =
=2, se sinue que:
o-fii
De donde:
a (fi ~ hi
Se sigue entouces que wit intervalo de coufianse at (1 — 0)% para ta diferencia
de medias poblacionales esta dade pori
(XX) rayiie (%
2.4.2 Poblaciones Cualquiera, Varianzas Cualquiera, Mues-
tras Grandes
Fan este easo so tienen coneentradas las signientes earactertsticas para el estudio:
1. Pablaciomes enalquiera, esto os: Xi ~22(ju1.a3) y Na ~ 212,03).
2. Varianans {o? y 08) evalysira.
8. Tamatio de las mnostras ns,m2 grandes
Abors bien, con Ins condiciones antes deceritas se cumplen las bipétests del teorema
(2.3), por lo tanto #e puede conclu en virtud de este teoreme que:
-— <= a8
8 (m-mec)
Comacida ya ta distrihmeiém del estimadar puntnal para ji. + ju», se pede ahora
resolver el problema de probabilidad y asi euroutrar Ios extoemos del intervalo,plea). Fo
Xu) = ta
Vets
(u_p2) ~ a
~ tra
ta
o que inmplica que para hallar los valores
de ay bse ddhen encontrar primera les valeres dey ¥ 24
hor bien, como ln distribneiém de la diferencia de medins mnesirates XiX2 cs tn
normal, y la distribuciém normal cs simétrica, s0 tiene que el error ase distribuye,
cdo manera ergitativa en cada ima de fas colns, coma se muestra en ta figura
se Llewe entonces que: FIZ grande
a3 = 0:03 = 8? -+ eonoesdas
2
. 2
oti (X,-T)an (v0 — s+ s)
% Cateulo det £0
Ahora bien, como tn distribucidin del estimador puntual es simétrien, se sient
que ol T.€ para In diferencia de medias 0 de ta forma:
P- sap 8+ Hi 209]
Como ob estinndor puntual sv istridnye normal, Py ges Za domes
0.96, luego « = 1-0.96 = 0.04, por la tanto, 1
=0.04/2= 0.98
De ta distribucién normal (tabla de ta normal) ve bene: Poon — Zoom — 2.05
pa Vie VE +R a1
Iungo, sustituyendo se tiene que ol 1.0 al 96% para ta diferencia de madia asta
Ati po
[6 205 124 1 20 x 1.
id] > [ S707; 84203)
R/ Se puede concluir gue con un nivel de confiansa det 96% fa difenencia de
rmadias entre la enlifcacién promedio de los empagues de plastica y aluminia
se encuentra entre -8.57 y ~9.44 puntos, on consecuencia se tiene que fas pu-
tnjes promedios para tos empagues de adumtnio som superions a fos punttajes
promedio de tos empagues de plastica
24.3. Poblaciones Normales, Varianzas Desconocidas pero iguales,
Muestras pequefias
En esto caso se tienen eoncentradas Ins
signiontes earactortstiens para ol estudio.
1. Poblacianes normates, esto es: Xi~ Nije a) y Na~ Nivea,
2. Varianaas (0? y 03) deseonocidas.
8 of =o3
A, Tauaiio de las muesteas rs,r2 pequeilas,48, a
PTER 2. ESTIMACION DE PARAMETROS
Ahora bien, oon las condiciones antes descritas se cumplen las bipotesis dei teorema
(2.8), por ly tanto ve puede coneluir en virtud de este leorema que
=F) = (es — oe)
r ee
Conorida ya ta distribmcion del estimador pntnal para jis — jin, so puede ahora
resolver el problema de probabilidad v asi encontrar los extremos del intervals
=mima
P — l-a
v2
uta) us 2] a
ce
Pls 2 = ta
rivet] — 1 a
donde t= 97"
Wg
ga USE ns}
Abora bien, para hallar los valoros de a y b se deen eneontrar primero los valores
do tu y th, ¥ como In distribucidn det estadtstico T reqnerida os Ia t student, y In
distribucian £ es simétrica, se tiene que el error a se distribuye de manera equitativa
en cada una de las colas, como se muestra en la frure (2.7), se tiene entonces que:
Pu