INSTITUTO POLITÉCNICO NACIONAL
UNIDAD PROFESIONAL INTERDISCIPLINARIA
EN INGENIERÍA Y
TECNOLOGÍAS AVANZADAS
PROBABILIDAD Y ESTADÍSTICA PARA INGENIERÍA
TAREA DE INVESTIGACIÓN II
GRUPO: 2MM5
PROFESORA: MEDINA GARCIA JULIETA
ALUMNO: AGUILAR BAUTISTA MARTÍN LEONARDO
1. Qué es un estimador puntual, que tipos de estimadores hay, qué métodos
de estimación puntual existen y en qué consisten.
El propósito de la inferencia estadística es obtener alguna conclusión sobre
características de cierta población, Por lo que resulta conveniente usar un símbolo
para el parámetro de interés, en este caso θ. El propósito de la estimación puntual
es poder seleccionar solamente un número basándose en los datos muestrales.
Se obtiene una estimación puntual seleccionando un estadístico apropiado y
calculando su valor con los datos muestrales dados. El estadístico seleccionado se
llama estimador puntual de θ
Ejemplo: Una muestra aleatoria de n=3 baterías podrían dar las vidas útiles (horas)
observadas x1 =5.0, x2 =6.4, x3 = 5.9. El valor calculado de la vida útil media
muestral es 5.77, por lo que este valor representa la estimación puntual ya que es
la mejor su posición para el valor de la media usando la información muestral
disponible.
Tipos de estimadores que existen:
ESTIMADOR INSESGADO:
Se dice que un estimador es insesgado si la media de la distribución del estimador
es igual al parámetro.
Estimadores insesgados son la media muestral (estimador de la media de la
población) y la varianza (estimador de la varianza de la población):
Un sesgo significa que los datos tienen cierto componente de error.
ESTIMADORES CON VARIANZA MÍNIMA:
Cuando consideramos 2 estimadores distintos insesgados y tenemos que la
distribución de cada estimador se encuentra centrada en el mismo valor verdadero
pero el carácter de las dispersiones es distinto. Como ejemplo tenemos la siguiente
gráfica, donde el estimador insesgado con varianza mínima es quien tiene mayores
probabilidades comparado con los otros estimadores de producir una estimación
más cercana al valor real
La gráfica de función de densidad de probabilidad de θ1 es la que tiene una varianza
más pequeña
Métodos de estimación.
• Método de momentos: lo más importante de este método es poder igualar las
características muestrales como la media a los valores esperados de la
población correspondiente para posteriormente resolver las ecuaciones con
los valores de los parámetros conocidos y obtener los estimadores.
• Máxima verosimilitud: este método es usado cuando el tamaño de la muestra
es grande ya que los estimadores tienen ciertas propiedades deficiencia
deseables. La función de verosimilitud nos dice qué tan probable es que la
muestra observada sea una función de los posibles valores del parámetro, al
incrementarse al máximo la probabilidad se obtienen los valores de
parámetro con los que la muestra es más probable que haya sido construida
• Método por analogía. Consiste en aplicar la misma expresión formal del
parámetro poblacional a la muestra, generalmente, estos estimadores son de
cómoda operatividad pero en ocasiones presentan sesgos y no resultan
eficientes.
2. Qué es un intervalo de confianza y cuál es la ventaja que ofrece sobre un
estimador puntual.
Un intervalo de confianza es una alternativa para reportar un solo valor sensible del
parámetro que se está estimando, calculando y reportando un intervalo completo de
valores factibles.
La ventaja que ofrece sobre la estimación puntual es que esta no dice nada sobre
que tan cerca pudiera estar a un valor esperado debido a la variabilidad del
muestreo.
3. Qué es un nivel de confianza y su relación con un intervalo de confianza
Antes de definir un intervalo de confianza se debe seleccionar un nivel de confianza
el cual ayudará a medir el grado de confiabilidad del intervalo. Por ejemplo un nivel
de confianza del 95% implica que el 95% de todas las muestras se encontraría en
un intervalo que incluyen el valor que estamos buscando y sólo el 5% de las
muestras daría un intervalo erróneo. Mientras más alto es el nivel de confianza, más
fuerte es la creencia de que el valor del parámetro que se está estimando queda
dentro del intervalo.
Ejemplo: Un intervalo de confianza con 95% de nivel de confianza de la resistencia
a la ruptura promedio verdadera podría tener un límite inferior de 9162.5 y un límite
superior de 9482.9. Entonces al nivel de confianza de 95%, cualquier valor de entre
9162.5 y 9482.5 es factible.
4.Cuál es la interpretación de un intervalo de confianza.
Una interpretación correcta de “95% de confianza” se basa en la interpretación de
probabilidad de frecuencia relativa a largo plazo. Decir que un evento A tiene una
probabilidad de 0.95 es decir que si el experimento en el cual se definió A se realiza
una y otra vez, a la larga A ocurrirá el 95% del tiempo.
Como ejemplo tenemos la siguiente tabla que se basa en la construcción repetida
de intervalos que contienen el valor esperado.
5. Qué tipos de intervalos de confianza existen
Intervalos de muestra grande: como intervalo de confianza de muestra grande para
la media con un nivel de confianza de aproximadamente 100(1-α)%. Es decir,
cuando n es grande, el intervalo de confianza para la media dado antes permanece
válido cualquiera que sea la distribución de la población, siempre que el calificador
esté insertado “aproximadamente” enfrente del nivel de confianza.
6. Cómo afecta el tamaño de la muestra al intervalo de confianza.
El ancho del intervalo da información sobre la precisión de una estimación de
intervalo. Si el nivel de confianza es alto y el intervalo resultante es bastante
angosto, el conocimiento del valor del parámetro es razonablemente preciso. Un
muy amplio intervalo de confianza, sin embargo, transmite el mensaje de que existe
gran cantidad de incertidumbre sobre el valor de lo que se está estimando.
A continuación, se muestran intervalos de confianza de 95% de resistencias a la
ruptura promedio de dos marcas diferentes de marcas de toallas de papel. Uno de
estos tiene un rango más preciso de lo que se espera a diferencia del segundo
donde el intervalo es muy grande por lo que es más probable que hay más fallos
7. Qué es un límite de confianza y como se clasifica
Son los dos valores extremos (superior e inferior) que tienen para definir el
parámetro que se está estimando, como ejemplo podemos tener la situación de:
Un intervalo de confianza con 95% de nivel de confianza de la resistencia a la
ruptura promedio verdadera podría tener un límite inferior de 9162.5 y un límite
superior de 9482.9.
Pueden ser clasificados como unilaterales pues habrá situaciones específicas en
las que solo necesitemos o el valor inferior o el valor superior de esos limites, como
ejemplo podemos mencionar la siguiente situación
Un psicólogo desee calcular un límite de confianza superior de 95% para el tiempo
de reacción promedio verdadero a un estímulo particular.
8. Qué es una distribución T.
La distribución t describe las distancias estandarizadas de las medias de la muestra
hasta la media de la población cuando la desviación estándar de la población no se
conoce, y las observaciones vienen de una población con una distribución normal.
La distribución t se define por los grados de libertad. Estos grados de libertad están
relacionados con el tamaño muestral y a medida que este aumenta la distribución
se asemeja poco a poco más a la normal.
9. Cuál es el objetivo de una prueba de hipótesis y cuáles son sus elementos.
Una hipótesis para la estadística es una pretensión sobre el valor de un solo
parámetro (característica de una población o característica de una distribución de
probabilidad), sobre los valores de varios parámetros o una distribución de
probabilidad completa. En cualquier problema de prueba de hipótesis, existen dos
hipótesis contradictorias considerada, y el objetivo será decidir con base en la
información muestral cual de las dos es la correcta.
Sus elementos será la hipótesis nula que se da por cierta en la hipótesis
alternativa la cual es la contradicción de la anterior.
10. Cuál es el procedimiento general de una prueba de hipótesis.
Para resumir los pasos podemos ayudarnos en el siguiente recuadro:
11. Qué errores se pueden cometer en un juicio de hipótesis.
Básicamente podemos reducir a que existen 2 tipos de errores un error tipo uno el
cual consiste en rechazar una hipótesis nula cuando resulta que es verdadera y un
error tipo 2 cuando no rechazamos una hipótesis nula que resulta falsa.
Como ejemplo tenemos el siguiente caso: supóngase que una compañía tabacalera
afirma que el contenido de nicotina prometido de los cigarrillos marca B es (cuando
mucho) de 1.5 mg. un error de tipo I consiste en rechazar la afirmación del fabricante
de que el promedio es igual a 1.5 cuando en realidad es cierta. Si se emplea la
región de rechazo x≥ 1.6 podría suceder que x= 1.63 aun cuando
el promedio sea 1.5, con el resultado de un error de tipo I. Alternativamente, puede
ser que H0 (hipótesis nula) sea falsa y no obstante x=1.52, lo que conduciría a que
H0 no sea rechazada (un error de tipo II).
12. Qué tipos de pruebas de hipótesis existen.
Entre algunos métodos que hayamos empleado, podemos mencionar el de la
regresión lineal, ya que usando como ejemplo el enfoque de nuestro proyecto final,
que es averiguar si existe un patrón de comportamiento y hábitos de los estudiantes
que aspiran a ser estudiantes de UPIITA, podemos comparara las respuestas de
alumnos internos con externos, y comprobar con algún valor cuantificable que se
pueda llevar a la graficación de datos, esperamos poder obtener elementos para
hacer comparaciones directas y comprobar si es real que existen ciertas
circunstancias que conduzcan a un aspirante a obtener éxito en su ingreso a esta
unidad académica.
