Tema 5. Introduccién a la Inferencia. Estimaci6n BS vwwegsioan 6 Lanes Tema 5. Introduccién a la Inferencia — Estimacion 2. Estacion y estinadores 5. Métodor de extmacin Elmétade de foe momentos 2 Gemglo con Minitab 5. Eahiscén dees esimadores 6 a dstrbucon de a meds muestraCome na rsukafactbl mea a ‘edb pebloin, tomames una ‘esta que se9represenaing SS [MUESTRA ALEATORI SBVPLE | = AE ‘MuestraAleatora Simple 1. Todos bs elementos de fa poblacisn tienen la misma protabiidad ce ser seleccionados (es dec no es una muestra sesgada). Los resutados de cada extraccién son) indegendientes come ne rsa facil mee 2 ‘ech la peblacin, tomas una Iuesta que 360 reprerentatna Par que a muestio a Ut adends Ge se searoma debe — tener ‘un “tamater sufeients, que’ depende de To que Cconcitamente queramos saber de Is pablan ie ver en Godatenal —— (MUESTRA ALEATORI SBMPLE en slNes interes por semplo avaible X= mae ania bob tet ig upongamas que la poblacion esx ~ Wace?) Nes interes, por sem avaiable X=esatura, Supongarros que lapoblacén es X ~ Na: 0%) te ft +. ii xX ~ Niu o) js R anit? yee Vamos a scar mi A el primer dato... stermsegreeme "> |= AN(u; 07) Los elementos de la muestra, Xj, Xz, 47, son variables aleatorias iguales a X ae “ei oe ner HAM ‘ TTSivamosa tomar una muesta alatoria simple de aman = 7, tendramas 7 variables estonas independiente e dest coments dtrbus cme Xe pablacen eee x % % Xe % Xe X; ‘Una muestra de tamafio nde una poblaciénX es un conjunto ‘de n variables aleatoras el con l misma dstrbucién que X |p =A Usa vez que selcconamas 27 personas especticas de muesva y ls medimos tenemos luna realzcion de cava una de is varies aestras ner /\ner ex \y s/ +. RRR ER A eS get ett get ye tO eth et 70 172; $= 1057 ; Qg= 170; Rango=30 |= ET]Pero, sen garde ESAS sete personas, za nos hubiese hecho selecclona oas ste frente, gual ‘devepresentatios, ls meres sevan tos, 20 on eit mos como os de la mest ante I. KN a \EZNLAY \AX See eee ee ee mai ete nT ante adsl y= 78 B= 16971; §=789 :Q,= 171 Rangor22 |p EY = }__ Cedaverque sco una ues, obtenga wih tris cra een, de a + : PN (Cainimetcmoememam) itra {cada vee que saco una mest obiengo wn 2tg F medica eracteristens diferentes dete Sara del moet, eee en ESWOIMKO: operacion matenstica realzada con una musa empl: mea muestal varonza mues Kehenthy El estadistico es la formula matematica que es funcién de la muestra. En general no depende de ors parimetos, slo de a muesta, por ‘amo Sempre se puede aur suvale |r EYESTADEMKO opeacién mates realzada con une musta yempl: media nesta varionza maes é Cee poKithitett 5 + \ \ For tant Ferra Portenta, Far una arable slestora variate seats Com a extadtico es una funcisn de a muestra y cada elemento de lo mest Xe une variable ateatoria el estadstico seré una variable aleatora Por tanto, un estadstico tendré un modelo de probabilidad,seguiré una distribucién. ‘Al distibuciin de un extacstico se le denomina detbucén muestra pues los diferentes valores se ‘otenenalvariar la muestra. Con una sola mes slo vers un vax‘xpermano Massa 1 # til genus yee rey soma ‘Bmernano I-MoenaEa Tae ku a arent Sélo tenemos un valor d Baer Doe RSC ot eo ue eee Nesters Brea eee ee) Sr ner problema da inerencia esctadica ‘Quiero conocer Ia media poblacional No observe la pablacisn fo tenga f © pee) Boe To que no puede cbtener ee valor Tmo entnces una muestra de tas m ara a pai de ll, canoes + Con h mesa obtengo & La condusisn que ‘inn’ sobre depend de ty ddsiouion mesa oe F Como soo tengo una muestra, slo tong un valor def dstrbucon mera ® Por taro, elcanccimiento de cstibucisn muestal (da no s2 puede oasar en un andles emprca, no en Sus propledades teks.Resumen Loselemenios dene muestra alata simple, Ye, Son una secuenda id ‘ables alesis uals pablocon x Se denomina estado a cualquier operacién reazaca con una muesta, es dei, con By kaoky ‘Unestacsico es una waiabe aleatora, ues su wlorcambia Ge unas musta 9 ava Su Suibacign se enomina stibucn mesa En bs métodos de inferencia estacsica va. serimportanteconocela disbucibn muesval de lo estadincae El tiempo entre dos clientes consecutivos es una variable exponencial X. Voy a cronometrar cinco de estos tiempos, que llamaremos X,,X2,Xq)Xs.Xs y calcularemos el tiempo medio X, la cuasi desviacién tipica $ y el coeficiente de variacién CV = $/¥. Los valores que obtengo son 2:5,3,2.4, lo que resulta en F=3.2,8=1.30y cv = 0.406 + iCudntas variables aleatorias hay en escritas en el pérrafo de arriba? + {De qué variable aleatoria es cada una de las realizaciones que se observan?Uunivensipan ——- - @ DE PIURA fema 5. Introducci6n a la Inferencia. Estimacion 1. La nferenca esate, Pobacsny mesa 5. Métodos de estmacion Elmétodo de los mementos 2. Galo con Minitab 5. Eahicn de es eximadors 6. La detibucon de a meds muestra Parsmetro de una poblctn: Cuolguer medida de una pebacin ques esuma en un mimeo Percentiles de fs poblacién Fy edie poblacional. Cuariles de poblacién Fy \arana poblaconal 2 inno de ls valores obsewables Moda 0 mecas Median dea poblain Qend Parsimevos delmodelo: Son oquels prdmetrs que deinen ef model de probobded (que gue poblaion Binomial ——+ np Povsson fonencal —— tos parmetros, como e Normal = —— resto de pets on eS ST PROBLENEA: Si fs poblan es desconacda os parbmelis sersn desconacios non ESTIMACIONE culo de un valor nue a.pariede una mesa con elf de asgrar un valer aun parametradesconccdo que sea le mas precso posible |= rEESTIMACION illo de un valor numérico 2 pot Se una musta, con elfin de eno [aval 9 un pcdmeto cescononea fue se om prec pos le ESTIMADOR:esastco empleaco para realizar ‘stmacin arable alent) ESTIMACION valor que toma extimador con a ‘esta ostencs (numer) + Para saber lvl de I ature medi, de un pobcn de inavos uti F como estinador ce + Uiteavio 2. como valor aproxinado que susttuyo avalos de en mi tome de decisiones + Dados unos datos, por ejemplo: 7,180,109 165, su mesa muestal = 170 sera estimacion de TH) sinvate pore denotar a estimadar ser etmiso que ede pardmetro pera con acento reuntljo ™ Tyan) Estimador de fs media poblacional a - vo esimadordetwvatanca ot (LIVERS ga) EES Estimador de un parémetro @ 6 BEWPIO ara saber valor de ts edie poblcional tomo una musta y unlzo F como estnador de ese cso, ergo que ak |r EYUunivensipan ——- - @ DE PIURA fema 5. Introducci6n a la Inferencia. Estimacion 1. Lainforenca esaistien, Pobacény musta 2 estinacin y estinadores % Gjemalo con Minitab 5. Eahicn de es eximadors 6. La detibucon de a meds muestra EN cere npr eee ea PROBLEMA DE LA ESTIMACION Hay un pardmetra de la poblacién @ que desconozco {Qué operacién puedo hacer con la muestra Ky, Xz, Xn para obtener un estimador 6? |= rE]3. Métodos de estinackin. El método de los momentos. Hay muchos método para obtener estmaderes Los mis inporantes son 1. El métado por analoota Hl método de los momentos 1 métado de maxima verosimitud El método de minimas euadrade ‘al ver ol ms ompleaso ens aplicaciones informtias sa el de mduima verosiiltud el mtodo de mua ‘vevosinttud os mis como En ese toma slo vamos a cui os dos prineros |p EY 1 Método de estimacién por analogia Conse en uz como estado l‘anlogs del parma en la muestra. Por een Fstimamos la media poblacional con fa media muestra. Estimamos la vaianza poblacionalcon la varianza mvestral Estimamos un aercentl poblaconal con la proporcign muestal respective ‘A veces, ferenes mbtodos evan a bisa slucon, al msm estinador | EY2 Método de los momentos Qué son los momentos en estadistica? Se denomina momento k-ésimo de una poblacién o de orden k, (k € 2") a Me = FOX] primer momenta pobbeionales My = E00 = 4 |p EY ‘Se denomina momento k-ésime de una poblacién, o de orden kk €2') al nimere My, = EX) psimer momenta pobbecionales My = £0 8 ‘Sea X una va con funcién de densidad f(x) = 8x".x €(01).8> 0, enevera ses primeras momentos poblacionales Me 0) = [oxtide = gs — [ae] Ma fo Ode =Se denomira momento k-ésimo de una poblacién o de orden k, (ke € Z*) al mero My = EL) ‘sea denomina momento k-ésimo muestra 0 de orcenk, a estadisico ea Xt El primer momento muesale a media muestra El segundo momento mesa se ‘Se denomina k-fsimo momento poblacional 0 de orden k, cantrado (orespecto ala media a ME= BOW) Elmonento pablaonel centado de prime ode es 0 8 segundo momento poblacionalcntad es? Mpa Bua =oSe denomina késimo momento poblaciona ove orden k, centred (oespecto ala maa) 2 ME = E11) ‘Se denomina momento k-ésimo musstral 0 de orden k, canada (0 respecto als media) 2| ng = El primer momento muestra cnrado es 0 Aho Esogundo momento muestralerrado os 5? z=" et une ecu Los momentos poblacionales pueden estimarse con sus andlogos muestrales (método por analogia) My, = m ME = meMétodo de los momentos Se siguen los squirts pasos 1. Causes ‘momentos dela pobacin” cue necstemes, tants como paémetos tengaros que estima, 2, Enconvamos I elain cue hay entre fs pardmetras de un meet les mamentos de lapoblaion rimamos lor “momento goblacenalee” con sue anslagos mussvales étado por nabs) 4 Obteneros los estinadoes cerionames los pacdnetios con estas estmadones ‘eando la etn enconvaca es pas 2 |p EY DEBIT [2 0052 coe seco en rar cna aes sign on dcr exponencal Se ra tonado una muestra do 7 emp de ejecucén resutanco en ls cates: 38,5,3,24, Tmunutos, respacvamerte (Cul sa probabidad festimaca de que fare se prolongue mss de 10 ‘oueemor emirate oboe Mx > 10), <00X = Far, ‘Tana para Lome enclosed rlaconr on Por> 10) eH o> BO > 10)(EWPLOTSAT] se x urava.con ncn de desided fo os es rneros moments paiaconaes son worone [i My = BO) = evra My = 80%) = [oe de Sia partir de una muestra tenemos 4 = os Estima @ por el método de Gooner los momentos Univensipan DE PIURA Tema 5. Introduccién a la Inferencia. Estimacion 1. inforoncis estaisica, Poblacion y esta 2. Estacion y estinadores 5. Métodor de extmacin Elmétade de foe momentos 5. Eahiscon de es esmadores, 6 a dstrbucon de a meds muestraPed Con Mintab, pecemos extimar lbs parimetos dbs denuciones que tne ang eattago de modelo. Sehaceen Grafcanstograma/Con Ate Mostar dotos/Distibuiso arco VeVento TW tee datos de velcidades del went eo a] dos empleamiantos, Parcue 1 y Parque 2. Caca cates as la Pent Port ‘elcdad el vento en una hora (elbcidaa media en cada ora en | 210) 278 mmetossegundo, 21g 199 Un anata desea caleubr oprobabkd de que el viento sople & +20 228 mas de 5 mis enol Parque a — Sol — sas ot $2 Con ese fry va a madiofzar Ie velocidad del viento con una yas si detibucdn denominace de Wel de dos parsmeton y cu a8 ©) ee gat ontenida enelos modelos que manele Mina, ona ae 515 a aivive i Paleemenarcon zauale cia owe nae renCakelamas probabitdades onal modelo esd Talaycon tint == pass) oases sma E1547% del Sampo el viento sors mayor que 5 m/sUunivensipan : @ DE PIURA Tema 5. Introduccién a la Inferencia Estimacion a inferencis extaditia Poblasén y muesa imacdn y estimadores 5, Métodas de esiacién Flmétodo de los momentos 2. jal con Minitab 6. La dstibucn de a meds muestra 5, Evaluacién de los estimadores Se pan pen vest pa pra gr en mn 2s ns naeorce uprima 8? (ann usr lice ao apr a rte, 3. ones “stra a (ue (0) note alje mucho de ay 3timad (0 anu ra rts iy aa perc es muntarglns, 36.9 “Sinan lpwaners wining osustepmlon (ae £(8) ne se alg mucn ce 0 venegsa cate an ‘Senate, SemoneBu) = 4800) + Seca) + Foun = $3 =p 3) = Lay)+tmy)=Lpetpst Bt) = Sac) + Sec) + bau = Sue tus tuna EQ) = + dm + day - Lu dus Ly Bia) = FRC) + F802) + FH) = Lue Sus Sump son ese a EY T2220) ooseatemanose 6 Ed oS ventmrainer aus sto on oat on 0 Se un pe re ‘pace, mb peate an ne mines ‘in aes etna en arirador (9 de amigos orisha) reEvaluacién de los estimadores By [ee rename a momar pee tai) Sie Wei) = Ya red Vari) = arti» Lani)» Lars) = 3 deoss rr) =a x» Vat)» et La) = Ht» Var) =to( Li a+ Pt a) fe Ba | EY Hh or F roranemcroen By ef wospecnece Externe tnowteo one eee) em(@) = 8 [(6-0)" iSesgo(6)* + Var@) ean a, Somapgten . LZ “meus amie prose cunonana mera ansporduccién a la Inferencia Estimacion B UNIVERSIDAD DE PIURA 1. Lainforenca esaistien, Pobacény musta 2. Estacion y estimadores 5. Métodos 6 estmacion Elmétodo de los mementos 2. Galo con Minitab 5. Eahicon dees exmadores Del Tema 4, varnos a recordar un resultado que vamos a usar en esta seccidnDel Tema 4. Torr Cental Ln IC) aarems el inte cna na elo era mt impotrtes de a esadstice ‘eoema Cotal de Lite CL ean kos cap ew eer uae, OR) ns Vor) ssa = KK Fntonees inv —» | ¥ ~ N[E(Y);Var(¥)) Del Tema 4. on Minitab podemos sul datos (aril) que sigan certo modelo deprobblidad ‘amos simul con Mints 5 vars slesteris formas (1), y vamos ver come su sumo tene ura fora patel 8 normal 1+ Siulamos 5 conjunos de dats UN) = (Gerrard cea vse asta mediante tos estate edna Simul)Del Tema 4. Del Tema 4. 2: Aconuaciéncewms un nuevo cnjeto de tore ‘aan deen ar via 10.Del Tema 4. a sume de estas 5 variables UI. se sera macho aa normal come se espraba sein TCL BUD = Ht va <0? xe oy fete teSee) xem L cnaieescre Var, 1% 18) mingnsons *camoype poate ue mein munract vba ee El erorestindar dea macia musstal en, portant, "Yg |=ee — ie setter Cnt celts an) none