INSTITUTO TECNOLÓGICO DE
AGUASCALIENTES
ESTADÍSTICA
INFERENCIAL I
Profesor: Felipe de Jesús Gándara González
Aguascalientes, Ags, Enero – Junio 2017
Unidad II: ESTIMACION DE PARAMETROS.
Desarrollar un resumen del archivo “2.1 Estimación de Parámetros”. Estándar
requerido para enviar cada actividad:
Portada
Introducción
Desarrollo
Conclusiones
Tipo de Letra: Arial 12
Texto Justificado
Tipo oración
INGENIERÍA INDUSTRIAL
ESTADISTICA INFERENCIAL I-AEF-1024-2019B
ACTIVIDAD 2 T2
Profesor: ANA MARÍA VELÁZQUEZ
GONZÁLEZ
Alumno: LUIS FELIPE LOPEZ ZAMORA
Fecha: 25-09-19
ESTIMACION DE PARAMETROS
INTRODUCCION.
La teoría de la inferencia estadística consiste en aquellos métodos con los cuales
se pueden realizar generalizaciones acerca de una población. La tendencia actual
es distinguir entre el método clásico para estimar un parámetro poblacional, por
medio del cual las inferencias se basan en la información obtenida de una muestra
aleatoria seleccionada de la población, y el método bayesiano, el cual utiliza el
conocimiento subjetivo previo acerca de la distribución de probabilidad con los
parámetros desconocidos, junto con la información proporcionada por los datos
muestrales. La inferencia estadística puede dividirse en dos áreas principales:
estimación y pruebas de hipótesis.
CARACTERÍSTICAS DE UN BUEN ESTIMADOR. PROPIEDADES DE LOS
ESTIMADORES
• Un estimador es una regla que establece cómo calcular una estimación
basada en las mediciones contenidas en una muestra.
• Estimador Insesgado. Un estadístico es un estimador insesgado del
parámetro, sí E (θ)= θ
Eficiencia Relativa.
Si se consideran todos los estimadores insesgados posibles de algún
parámetro θ, aquel con la varianza más pequeña es el estimador más eficiente.
Método de Momentos
El método de momentos consiste en igualar los primeros momentos de una
población a los momentos correspondientes de una muestra, con lo cual se obtienen
tantas ecuaciones, según se necesiten, para resolver y obtener los primeros
parámetros desconocidos de la población.
Intervalos de Confianza para la media
Intervalo de confianza para μ, conociendo σ. Si es la media de una muestra
aleatoria de tamaño n de una población con varianza conocida σ2, el intervalo de
confianza del (1−α ) 100% para μ es x
donde zα/2 es el valor de z a la derecha del cual se tiene un área de α/2
Sí se utiliza como una estimación de μ, se puede tener una confianza del (1 − α
)100% de que el error no excederá de x
Sí se utiliza como una estimación de μ, se puede tener una confianza del (1 −
α )100% de que el error no excederá de una cantidad específica E cuando el
tamaño de la muestra es x
Intervalo de confianza para μ, con σ desconocida ( n ≥ 30 ). Si y s son la media
y la desviación estándar de una muestra aleatoria de tamaño n de una
población normal con varianza desconocida σ2, el intervalo de confianza del
(1 − α )100% para μ es x
donde zα/2 es el valor de z a la derecha del cual se tiene un área de α/2
Intervalo de confianza para μ, con σ desconocida ( n < 30 ).
Si y s son la media y la desviación estándar de una muestra aleatoria de tamaño n
de una población normal con varianza desconocida σ2, el intervalo de confianza
del (1 − α )100% para μ es x
donde tα/2,v es el valor de t con v = n – 1 grados de libertad, a la derecha del cual
se tiene un área de α/2.
Intervalos de Confianza para la Diferencia entre Dos Medias, μ1 - μ2 ;
conociendo σ1 σ2 .
Si Ẋ1 Ẋ2 son las medias de muestras aleatorias independientes de tamaños n1 y
n2 poblaciones con varianzas conocidas σ1 σ2 , el intervalo de confianza del
(1- α )100% para μ1 - μ2 es
donde es Z α/2 el valor de Z a la derecha del cual se tiene un área de α/2
Intervalo de confianza para μ1 - μ2; σ1 = σ2 pero desconocidas (n1 y n2 < 30)
Si Ẋ1 y Ẋ2 son las medias de muestras aleatorias independientes de tamaños n1 y
n2 de poblaciones aproximadamente normales con varianzas iguales pero
desconocidas un intervalo de confianza del (1- α )100% para μ1 - μ2 es
donde t α/2,v es el valor de t con v = n1+ n2 – 2 grados de libertad, a la derecha
del cual se tiene un área de α/2 y sp es la estimación común de la desviación
estándar poblacional dada por
Intervalo de confianza para μ1 - μ2; σ1 ≠ σ2 y desconocidas (n1 y n2 < 30).
Si, yẊ1 y Ẋ2 son las medias y varianzas de muestras pequeñas aleatorias e
independientes de tamaños n1 y n2 de poblaciones aproximadamente normales
con varianzas diferentes y desconocidas, un intervalo de confianza del (1- α )100%
para μ1 - μ2 esta dado por
donde tα/2,v es el valor
de t con
grados de libertad, con un área de α/2 a la derecha.
Intervalo de confianza para P (muestras grandes).
Si es la proporción de éxitos en una muestra aleatoria de tamaño n, y q= 1- pˆ ,
un intervalo de confianza aproximado del (1 − α ) 100% para el parámetro binomial
P es:
donde zα/2 es el valor de z a la derecha del cual se tiene un área de α/2
Intervalo de confianza para P1 − P2 (muestras grandes).
Si pˆ1 y pˆ2 son las proporciones de éxitos en muestras aleatorias de tamaños
n1 y n2 ;
respectivamente, qˆ1 = 1- pˆ1 y qˆ2= 1- pˆ 2 un intervalo de confianza
aproximado del (1- α )100% para la diferencia entre los dos parámetros
binomiales, P1 − P2 es:
Intervalo de confianza para 2σ . Si es la varianza de una muestra aleatoria de
tamaño n de una población normal, un intervalo de confianza del (1 − α)100% para
es:
DETERMINACION DEL TAMAÑO DE LA MUESTRA.
Basado en la media de la Población
Sí se utiliza Ẋ como una estimación de μ, se puede tener una confianza del (1 − α
)100% de que el error no excederá de una cantidad específica E cuando el tamaño
de la muestra es
Basado en la proporción de la Población
Sí se utiliza pˆ como una estimación de P, se puede tener una confianza del (1 −
α )100% de que el error no excederá de una cantidad específica E cuando el
tamaño de la muestra es :
Basado en la diferencia entre las medias de la Población
Sí se utiliza Ẋ como una estimación de μ, se puede tener una confianza del (1 − α
)100% de que el error no excederá de una cantidad específica E cuando el tamaño
de la muestra es :
BIBLIOGRAFIA.
ESTADISTICA I
Estimación de Parámetros
JOSE ARMANDO RODRIGUEZ ROMO
