Bloc 1

Intervals de confiança 1/1/24, 18:27
Intervals de
confiança
Pere López Brosa
https://aulaglobal.upf.edu/pluginfile.php/4489345/mod_resource/content/1/intervals_conf.html#1 Página 1 de 24
Inferència
· Població: paràmetres Ex: μ, σ
· Mostra: estadístics Ex: x̄ , sn−1
2/23
Exemple (estimació puntual)

Pesem un objecte amb una bàscula. El pes que
dóna la bàscula és una variable aleatòria que
segueix una distribució normal de mitjana igual
al pes de l’objecte pesat i de desviació
estàndard 30 grams. Fem 9 pesades i en
prenem la mitjana com a estimador del pes
de l’objecte.
3/23
Exemple (estimació puntual)

estàndard 30 grams. Fem 9 pesades i en
prenem la mitjana com a estimador del pes de
l’objecte.
Podem tenir una idea de la mida de l’error

que estem cometent?
4/23
Parmàmetres de la mitjana
mostral
Siguin X1 , X2 . . . Xn variables aleatòries
independents i amb la mateixa distribució.
X +X +...+Xn
Sigui X̄ = 1 2n .
E(X̄ ) = E(Xi )
σ(Xi )
σ(X̄ ) = = error estandàrd
√n‾
5/23
Teorema del límit central

En una mostra representativa de mida n , si n és
prou gran, aleshores
· La mitjana de la mostra es distribueix

aproximadament segons una normal.
6/23
Conseqüència
X +X2 +...+Xn
La mitjana mostral X̄ = 1 n segueix
una distribució normal si:
· Les variables Xi segueixen una distribució

normal.
· O bé, n és prou gran.
7/23
Distribució de la mitjana
mostral
Siguin X1 , X2 . . . Xn variables aleatòries
independents X ∼ N(μ, σ) . Sigui
X1 +X2 +...+Xn
X̄ = n .
σ
X̄ ∼ N(μ, )
√n‾
O equivalentment:
X̄ − μ
σ ∼ N(0, 1)
√n
8/23
Diferència entre X̄ i μ
E(X̄ − μ) = E(X̄ ) − μ = μ − μ = 0
σ
σ(X̄ − μ) = E(X̄ ) =
√n
En les condicions del TCL:

σ
(X̄ − μ) ∼ N(0, )
√n
9/23
Exemple
estàndard 30 grams. Fem 9 pesades en prenem
la mitjana com a estimador del pes de l’objecte.
Quina distribució segueix la diferència entre

el pes que hem estimat i el pes de l’objecte
(=l’error comès)?
30
(X̄ − μ) ∼ N(0, ) = 10
√9‾
10/23
Exemple
Quina és la probabilitat que l’error sigui més

gran de 5 grams (en valor absolut)?
2*pnorm(5, 0, 10, lower.tail = FALSE)
## [1] 0.6170751
11/23
Exemple
Quina és la probabilitat que l’error sigui més

gran de 5 grams (en valor absolut)?
P(|X̄ − μ| > 5) = 2 ⋅ P((X̄ − μ) < −5) =

−5−0
= 2 ⋅ P(Z < 10 ) = 2 ⋅ P(Z < −0, 5) =
= 2 ⋅ 0.3085375 = 0.6170751
12/23
Exemple
Quin error té una probabilitat del 95% de no

ser superat (en valor absolut)?
qnorm(.975, 0, 10)
## [1] 19.59964
13/23
Exemple
Quin error té una probabilitat del 95% de no
ser superat (en valor absolut)?
P(|Z| < zα ) = 95%

P(Z < zα ) = 97, 5% o P(Z < −zα ) = 2, 5%
zα = 1.959964
|X̄ −μ|
10 = 1.959964
|X̄ − μ| = 1.959964 ⋅ 10 = 19.5996398

σ
En general, |X̄ − μ| = zα ⋅
√n
14/23
Interval de confiança
σ
|X̄ − μ| = zα ⋅
√n
Li podem donar la volta: Interval de confiança

per la mitjana amb σ coneguda
σ
x̄ ± zα ⋅
√n
σ σ
[x̄ − zα ⋅ , x̄ + zα ⋅ ]
√n √n
Fixeu-vos que zα depèn del nivell de confiança.
15/23
σ desconeguda
X̄ − μ
σ ∼ N(0, 1)
√n
Però:
X̄ − μ
sn−1 ∼ tn−1
√n
16/23
Distribució t-Student
17/23
Interval de confiança (σ
desconeguda)
sn−1
x̄ ± tα,n−1 ⋅
√n
sn−1 sn−1
[x̄ − tα,n−1 ⋅ , x̄ + tα,n−1 ⋅ ]
√n √n
18/23
Intervals de confiança per la

mitjana
σ coneguda:
σ
x̄ ± zα ⋅
√n
σ desconeguda:
sn−1
x̄ ± tα,n−1 ⋅
√n
Molt important: saber quan coneixem la

desviació estàndard de la població σ i quan
només coneixem la desviació estàndard de la
mostra sn−1 .
19/23
Intervals de confiança per

una proporció
X ∼ B(n, p)
X
p0 = n
Si:
n gran (>50)
n ⋅ p i n ⋅ (1 − p) no són petits (>5)
X i p0 segueixen aproximadament una
distribució normal
20/23

una proporció
E(p0 ) = p
σ(p0 ) = √‾‾‾‾‾
p⋅(1−p)‾
n
p0 ∼ N(p, √ ‾‾‾‾
‾ ‾)
p⋅(1−p)
n
O equivalentment:
p0 −p
∼ N(0, 1)
√
p⋅(1−p)
n
21/23

una proporció
p0 ± zα √ ‾‾‾‾
‾ ‾
p⋅(1−p)
n
[p0 − zα √‾‾‾‾‾
p⋅(1−p)‾ ‾p⋅(1−p)
‾‾‾‾‾]
n , p0 + z α√ n
22/23

una proporció
p0 ± zα √ ‾‾‾‾
‾ ‾
p⋅(1−p)
n
Petit problema: no coneixem p. Solucions:
± zα √‾‾‾‾‾‾
p0 ⋅(1−p0 ‾
)
Aproximar per p0 : p0 n
Màxima indeterminació:
p0 ± zα √‾0,5⋅(1−0,5)
‾‾‾‾‾‾‾ = p ± z 0,5 = p ±
n 0 α n 0
zα
2⋅√n
√
23/23

Bloc 1

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Bloc 1

Uploaded by

Copyright:

Available Formats

Intervals de confiança 1/1/24, 18:27

Exemple (estimació puntual)

Exemple (estimació puntual)

Podem tenir una idea de la mida de l’error

Teorema del límit central

· La mitjana de la mostra es distribueix

· Les variables Xi segueixen una distribució

En les condicions del TCL:

Quina distribució segueix la diferència entre

Quina és la probabilitat que l’error sigui més

2*pnorm(5, 0, 10, lower.tail = FALSE)

Quina és la probabilitat que l’error sigui més

P(|X̄ − μ| > 5) = 2 ⋅ P((X̄ − μ) < −5) =

Quin error té una probabilitat del 95% de no

P(|Z| < zα ) = 95%

|X̄ − μ| = 1.959964 ⋅ 10 = 19.5996398

Li podem donar la volta: Interval de confiança

Fixeu-vos que zα depèn del nivell de confiança.

Intervals de confiança per la

Molt important: saber quan coneixem la

Intervals de confiança per

Intervals de confiança per

Intervals de confiança per

Intervals de confiança per

Petit problema: no coneixem p. Solucions:

You might also like