Conceptos básicos de inferencia estadística (I): Inferencia estadística (repaso)
|
|
- Rodrigo Fernández Correa
- hace 5 años
- Vistas:
Transcripción
1 Conceptos básicos de inferencia estadística (I): Inferencia estadística (repaso) Tema 1 (I) Estadística 2 Curso 08/09 Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 1 / 24
2 Inferencia estadística Objetivo Inferencia estadística (repaso) Objetivo Obtención de información acerca de un conjunto numeroso de objetos (población) a partir de un número reducido de éstos (muestra). Realizar inferencias sobre alguna característica (variable) de interés de un fenómeno aleatorio a partir de la información disponible sobre lo que ocurrió en el pasado (muestra). Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 2 / 24
3 Método Inferencia estadística (repaso) Método Población X v.a. de interés Selección de la muestra Muestra Distribución de la variable en la población Inferencia estadística Distribución de la variable en la muestra Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 3 / 24
4 Método Inferencia estadística (repaso) Inferencia estadística paramétrica Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 4 / 24
5 Selección de la muestra: Muestra aleatoria simple Muestra aleatoria simple Consideraremos muestreo aleatorio simple con reemplazamiento: Seleccionamos al azar n elementos con reemplazamiento de la población; el conjunto de valores que toma la variable en la muestra fx 1, x 2,, x n g se denomina muestra observada (de tamaño n) Consideramos que estos valores son observaciones/realizaciones de n variables aleatorias, el conjunto de estas v.a. s fx 1,..., X n g se denomina muestra aleatoria simple. X i valor que toma la variable de interés en el elemento i-ésimo de la muestra X i i.i.d. (X ) Ejemplo: si X N µ, σ 2 ) X i i.i.d. N µ, σ 2 Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 5 / 24
6 Estimación puntual Métodos de inferencia estadística Estimación puntual Estamos interesados en una variable aleatoria X La función de distribución F θ (x) depende de un parámetro desconocido θ Objetivo: aproximar el verdadero valor de θ. Solución: estimación puntual (herramienta de la inferencia estadística paramétrica) Procedimiento: emplear una muestra para aproximarlo (y obtener información adicional) Estadístico: Cualquier función T (X 1, X 2,..., X n ) de la muestra Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 6 / 24
7 Estimador y estimación puntual Estimador puntual Estimador puntual: Estadístico ˆΘ n ˆΘ n (X 1, X 2,..., X n ) que se emplea para aproximar el parámetro de interés θ Estimación puntual: valor observado ˆθ n del estimador ˆΘ n (resultado de sustituir las v.a. s por sus valores observados ˆθ n = ˆΘ n (x 1, x 2,..., x n )) Ejemplos: Media muestral: ˆΘ n (X 1, X 2,..., X n ) = 1 n Varianza muestral: ˆΘ n (X 1, X 2,..., X n ) = 1 n n X i = X i =1 n i =1 Cuasi-varianza muestral: ˆΘ n (X 1, X 2,..., X n ) = 1 n 1 n i =1 X i X 2 = S 2 X i X 2 = Ŝ 2 Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 7 / 24
8 Distribución de un estimador en el muestreo Distribución del estimador en el muestreo El estimador ˆΘ n (X 1, X 2,..., X n ) támbién es una variable aleatoria con una distribución de probabilidad, llamada distribución en el muestreo de ˆΘ n, ya que depende de: la distribución de la variable de interés, del muestreo empleado, de la función ˆΘ n. Esta distribución permite evaluar los resultados que proporciona. Podemos "hablar" de: E ˆΘ n (exactitud) Var ˆΘ n (precisión) Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 8 / 24
9 Ejemplos Inferencia estadística (repaso) Ejemplos distribuciones de estimadores Si X 1,..., X n es una m.a.s. de una v.a. X N µ, σ 2, entonces: La media muestral X veri ca: X N Equivalentemente: X µ σ p n N (0, 1) µ, σ2 n La varianza muestral S 2 y la cuasivarianza muestral bs 2,veri can: ns 2 σ 2 = (n 1) bs 2 σ 2 = n i=1 X i X 2 σ 2 χ 2 n 1 Equivalentemente: S 2 σ2 n χ2 n 1 ; bs 2 σ2 n 1 χ2 n 1 Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 9 / 24
10 Propiedades de los estimadores Estimadores insesgados Propiedades de los estimadores Se dice que ˆΘ n = ˆΘ n (X 1, X 2,..., X n ) es un estimador insesgado (centrado) de θ si: E ˆΘ n = θ Si E ˆΘ n = θ + b(θ) se dice que ˆΘ n es sesgado (descentrado) y: Sesgo ˆΘ n = b(θ) = E ˆΘ n Se dice que ˆΘ n es un estimador asintóticamente insesgado de θ si: lim n! E ˆΘ n = θ 8θ θ Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 10 / 24
11 Estimadores e cientes Propiedades de los estimadores Se denomina precisión o e ciencia de un estimador insesgado ˆΘ n ˆΘ n (X 1, X 2,..., X n ) de θ a: 1 E c ˆΘ n = Var ˆΘ n Se dice que un estimador insesgado ˆΘ n de θ es e ciente si es de varianza mínima: Var ˆΘ n Var ˆΘ n 8 ˆΘ n estimador insesgado de θ Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 11 / 24
12 Propiedades de los estimadores Error cuadrático medio Cuando se trabaja con estimadores sesgados, se suele utilizar el error cuadrático medio en lugar de la varianza. Se de ne el error cuadrático medio de un estimador ˆΘ n de θ como: ECM ˆΘ n = E ˆΘ n θ 2 = Sesgo ˆΘ n 2 + Var ˆΘ n Se dice que ˆΘ n es consistente en media cuadrática si: lim ECM n! ˆΘ n = 0 8θ 2 Θ o equivalentemente lim n! Sesgo ˆΘ n = lim n! Var ˆΘ n = 0 En el caso general, se denomina precisión o e ciencia a: E c ˆΘ n = 1 ECM ˆΘ n Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 12 / 24
13 Ejemplos Inferencia estadística (repaso) Propiedades de los estimadores Si X 1,..., X n m.a.s. de X con E (X ) = µ y Var(X ) = σ 2, entonces: X es un estimador insesgado de µ E X = 1 n n E (X i ) = µ i=1 Si X N µ, σ 2, X es un estimador e ciente de µ. S 2 es un estimador sesgado (asintóticamente insesgado) de σ 2 :! E S 2 n 1 = E n Xi 2 X 2 = σ 2 σ 2 i=1 n bs 2 = 1 n 1 n i=1 X i X 2 es un estimador insesgado de σ 2 : E S b 2 = n n 1 E S 2 = σ 2 Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 13 / 24
14 Estimación por intervalo de con anza Estimación por intervalo de con anza Estamos interesados en una variable aleatoria X La función de distribución F θ (x) depende de un parámetro desconocido θ Objetivo: Además de aproximar el verdadero valor de θ nos interesará tener algún tipo de medida del error que podemos cometer Solución: estimación por intervalo de con anza (herramienta de la inferencia estadística paramétrica) Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 14 / 24
15 Intervalo de con anza Intervalo de con anza Se denomina Intervalo de Con anza para el parámetro θ con nivel de con anza 1 α, a un intervalo aleatorio: IC (1 α) (θ) = Θ b I (X 1,..., X n ), bθ S (X 1,..., X n ) cuyos límites son estadísticos que no dependen del parámetro y tales que: P Θ b I (X 1,..., X n ) θ bθ S (X 1,..., X n ) = 1 α El intervalo numérico correspondiente a unos valores observados x 1,..., x n : I = b θ I, bθ S Θ b I (x 1,..., x n ), bθ S (x 1,..., x n ) se denomina estimación por intervalo de con anza de θ con nivel de con anza 1 α. NOTA: Habitualmente 1 α = 0.9, 0.95 o Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 15 / 24
16 Intervalo de con anza Interpretación Intervalo de con anza Si se muestrea repetidamente la población, el 100 (1 α) % de los intervalos resultantes contendrán el verdadero valor del parámetro 20,00 lim_inf lim_sup 15,00 IC 10,00 5,00 0, Muestra Con amos en que el obtenido con una muestra contenga al parámetro Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 16 / 24
17 Obtención de I.C. usando estadísticos pivotales Obtención de I.C. usando estadísticos pivotales Esquema general Fijado un valor 1 α (0 < α < 1), el procedimiento general para la construcción de un intervalo de con anza al nivel 1 α para un parámetro de interés θ consta de los siguientes pasos: 1 Elección del estadístico pivotal. Se elige un estadístico con distribución conocida, p.e.: T (X 1,..., X n, θ) = ˆΘ n θ σ ˆΘ n 2 Planteamiento del enunciado probabilístico. Se determinan constantes (cuantiles) a y b tales que P (a < T (X 1,..., X n, θ) < b) = 1 α NOTA: si la distribución es simétrica a = b Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 17 / 24
18 Obtención de I.C. usando estadísticos pivotales 3. Transformación del enunciado probabilístico. Despejar θ de la expresión anterior, p.e suponiendo distribución simétrica: P ˆΘ n bσ ˆΘ n < θ < ˆΘ n + bσ ˆΘ n = 1 α Entonces, el intervalo de con anza para el parámetro es: IC (1 α) (θ) = ˆΘ n bσ ˆΘ n, ˆΘ n + bσ ˆΘ n Dada una realización de la muestra fx 1, x 2,, x n g, sustituyendo estos valores en el intervalo probabilístico se obtiene la correspondiente estimación por intervalo de con anza: I = ˆθ n bσ ˆθ n Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 18 / 24
19 Intervalo de con anza para la media Intervalo de con anza para la media (de una población normal con varianza desconocida) 1 Elección del estadístico pivote: p n X µ Ŝ t n 1 2 Planteamiento del enunciado probabilístico: P t n 1,1 α/2 < p n X µ Ŝ < t n 1,1 α/2 = 1 α 3 Transformación del enunciado probabilístico: Ŝ Ŝ P X t n 1,1 α/2 pn < µ < X + t n 1,1 α/2 pn = 1 α Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 19 / 24
20 Intervalo de con anza para la media Por tanto: Ŝ Ŝ IC (1 α) (µ) = X t n 1,1 α/2 pn, X + t n 1,1 α/2 pn Evaluando para una realización particular de la muestra x 1,..., x n, obtendríamos una estimación por intervalo de con anza al 100(1 del parámetro µ : bs bs I = x t n 1,1 α/2 p, x + t n 1,1 α/2 p n n α)% Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 20 / 24
21 Ejemplo intervalo de con anza para la media Ejemplo Problema 1.1 X ="tiempo de respuesta de un sistema informático (a las doce horas de un día laborable)". Muestra observada de tamaño n = 41 con: x = y bs 2 = A partir del estadístico: p X µ n t 40 Ŝ como t 40,0.975 ' 2, entonces: IC 0.95 (µ) = X 2p Ŝ, X + 2 Ŝ p y la estimación por IC: p 5.14, p = ( ) = (18.81, 22.03) Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 21 / 24
22 Intervalo de con anza para la varianza (de una población normal) Intervalo de con anza para la varianza 1 Elección del estadístico pivote: (n 1) Ŝ 2 σ 2 χ 2 n 1 2 Planteamiento del enunciado probabilístico: P χ 2n (n 1) Ŝ 2 1,α/2 < σ 2 < χ 2 n 1,1 α/2 = 1 α NOTA: La distribución χ 2 n no es simétrica χ2 n 1,α/2 6= χ2 n 1,1 α/2 1 Transformación del enunciado probabilístico:! (n 1) Ŝ 2 P χ 2 < σ 2 (n 1) Ŝ 2 < n 1,1 α/2 χ 2 = 1 α n 1,α/2 Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 22 / 24
23 Intervalo de con anza para la varianza Por tanto: IC (1 α) σ 2 = (n 1) Ŝ 2 χ 2, n 1,1 α/2! (n 1) Ŝ 2 χ 2 n 1,α/2 Evaluando para una realización particular de la muestra x 1,..., x n, obtendríamos una estimación por intervalo de con anza al 100(1 del parámetro σ 2 :! (n 1) bs2 (n 1) bs2 I = χ 2, n 1,1 α/2 χ 2 n 1,α/2 α)% Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 23 / 24
24 Ejemplo intervalo de con anza para la varianza Ejemplo Problema 1.1 X ="tiempo de respuesta de un sistema informático (a las doce horas de un día laborable)". Muestra observada de tamaño n = 41 con bs 2 = A partir del estadístico: (n 1) Ŝ 2 σ 2 χ 2 40 como χ 2 40,0.025 = y χ2 40,0.975 = 59.34, entonces: (n 1) Ŝ 2 40Ŝ 0.95 = P < σ 2 < = 2 P < σ2 < 40Ŝ y la estimación por IC: , = (17.84, 43.34) Tema 1 (I) (Estadística 2) Inferencia estadística Curso 08/09 24 / 24
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesPart VII. Estadística I. Mario Francisco. Introducción a la inferencia. Estimación puntual. Propiedades deseables de los estimadores
Part VII La inferencia puede definirse como el conjunto de métodos mediante cuales podemos extraer información sobre distintas características de interés de cierta distribución de probabilidad de la cual
Más detallesMuestreo e intervalos de confianza
Muestreo e intervalos de confianza Intervalo de confianza para la media (varianza desconocida) Intervalo de confinza para la varianza Grados en Biología y Biología sanitaria M. Marvá. Departamento de Física
Más detallesBLOQUE III: INFERENCIA ESTADISTICA. X, variable aleatoria de interés sobre una determinada población
BLOQUE III: INFERENCIA ESTADISTICA TEMA 8. MUESTREO Y DISTRIBUCIONES DE MUESTREO 1. Introducción a la Inferencia Estadística X, variable aleatoria de interés sobre una determinada población Observar el
Más detallesTema 7: Introducción a la Teoría sobre Estimación
Tema 7: Introducción a la Teoría sobre Estimación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 7: Introducción a la Teoría sobre Estimación
Más detallesTema 3 - Introducción. Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2.
Tema 3 - Introducción 1 Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2. Tema 3. Estimación puntual Criterios de comparación de estimadores: Insesgadez. Estimadores
Más detallesAsignatura : INFERENCIA ESTADÍSTICA I Titulación : DIPLOMADO EN ESTADÍSTICA Profesor : ISABEL MOLINA PERALTA Capítulo 5 : INTERVALOS DE CONFIANZA
Asignatura : INFERENCIA ESTADÍSTICA I Titulación : DIPLOMADO EN ESTADÍSTICA Profesor : ISABEL MOLINA PERALTA Capítulo 5 : INTERVALOS DE CONFIANZA Typeset by FoilTEX 5.1 MÉTODO DE LA CANTIDAD PIVOTAL X
Más detallesTema 6. Estimación puntual
1 Tema 6. Estimación puntual En este tema: Planteamiento del problema. Criterios de comparación de estimadores: Insesgadez. Estimadores de mínima varianza. Error cuadrático medio. Consistencia. Métodos
Más detallesTema 2: Introducción a la Inferencia Estadística
Tema 2: Introducción a la Inferencia Estadística 1.- En m.a.s. el estadístico varianza muestral es: a) Un estimador insesgado de la varianza poblacional. b) Un estimador insesgado de la media poblacional.
Más detallesTema 7: Ejercicios de Inferencia en una población Normal
Tema 7: s de Inferencia en una población Normal Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO 83 - INGENIERÍA INFORMÁTICA Otros I3 En una explotación minera las rocas
Más detallesInferencia Estadística
Inferencia Estadística 2do C. 2018 Mg. Stella Figueroa Clase Nº10 Población y Muestra- Parámetro y Estimación puntual Población: Es el conjunto de todos los elementos o unidades elementales con características
Más detalles3. Estimación por intervalos de confianza
3. Estimación por intervalos de confianza Profesora: María José Lombardía Cortiña Departamento de Matemáticas. Universidade da Coruña Programa Oficial de Postgrado en Estadística e Investigación Operativa
Más detallesConceptos básicos de inferencia estadística (II): Contrastes de hipótesis (repaso)
Conceptos básicos de inferencia estadística (II): Contrastes de hipótesis (repaso) Tema 1 (II) Estadística 2 Curso 08/09 Tema 1 (II) (Estadística 2) Contrastes de hipótesis Curso 08/09 1 / 21 Contrastes
Más detallesTema 4: Estimación por intervalo (Intervalos de Confianza)
Tema 4: Estimación por intervalo (Intervalos de Confianza (a partir del material de A. Jach (http://www.est.uc3m.es/ajach/ y A. Alonso (http://www.est.uc3m.es/amalonso/ 1 Planteamiento del problema: IC
Más detallesTema 6: Introducción a la inferencia estadística Parte 1
Tema 6: Introducción a la inferencia estadística Parte 1 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos Lecturas recomendadas:
Más detallesInferencia Estadística. Estimación y Contrastes
y y M Dolores Redondas dolores.redondas@upm.es E.U. Arquitectura Técnica U.P.M. Curso 2009-2010 Introducción Identicación del comportamiento de una variable El reconocimiento del comportamiento de una
Más detallesEstimación. Introducción. Sea X la variable aleatoria poblacional con distribución de probabilidad f θ donde. es el parámetro poblacional desconocido
Tema : Introducción a la Teoría de la Estimación Introducción Sea X la variable aleatoria poblacional con distribución de probabilidad f θ (x), donde θ Θ es el parámetro poblacional desconocido Objetivo:
Más detallesBioestadística: Inferencia Estadística. Análisis de Una Muestra
Bioestadística: Inferencia Estadística. Análisis de Una Muestra M. González Departamento de Matemáticas. Universidad de Extremadura Estimación Puntual e Intervalos de Confianza Planteamiento del Problema
Más detallesTema 3: Estimación estadística de modelos probabilistas. (primera parte)
Tema 3: Estimación estadística de modelos probabilistas. (primera parte) Estructura de este tema: 1. 2 Estimación por intervalos de confianza. 3 Contrastes de hipótesis. Planteamiento del problema Inconveniente:
Más detallesTema 6. Estimación puntual
Tema 6. Estimación puntual Contenidos Planteamiento del problema Criterios de comparación de estimadores: Insesgadez Estimadores de mínima varianza Error cuadrático medio Consistencia Métodos para obtener
Más detallesUniversidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Universidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 OBJETIVO Aplicar las técnicas de Muestreo e Inferencia Estadística Determinar el tamaño
Más detallesTema 4. Intervalos de confianza. Estadística Aplicada (Bioquímica). Profesora: Amparo Baíllo Tema 4: Intervalos de confianza 1
Tema 4. Intervalos de confianza Estadística Aplicada (Bioquímica). Profesora: Amparo Baíllo Tema 4: Intervalos de confianza 1 Definición Sea X una v.a. con distribución de probabilidad dada por un modelo
Más detallesEXÁMEN INFERENCIA ESTADÍSTICA I Diplomado en Estadística Convocatoria de Febrero 2006
EXÁMEN INFERENCIA ESTADÍSTICA I Diplomado en Estadística Convocatoria de Febrero 6 Problema ( ptos) Considera un experimento aleatorio con espacio muestral Ω. a) Definir una σ-álgebra A sobre Ω. b) Dar
Más detallesEstimación por intervalos
Capítulo 9 Estimación por intervalos 9.1. Introducción En este capítulo se desarrolla la estimación por intervalos donde el proceso de inferencia se realiza de la forma θ C, donde C = Cx) es un conjunto
Más detallesEstimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística
Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia
Más detallesProbabilidades y Estadística
Probabilidades y Estadística Profesor: Fernando Lema Auxiliares: Víctor Carmi - Abelino Jiménez Universidad de Chile Indice General 1 Indice General 1 Advertencias y Recomendaciones Tener presente siempre
Más detallesCUESTIONES TEÓRICAS ESTADÍSTICA
Gestión Aeronáutica: Estadística Teórica Facultad Ciencias Económicas y Empresariales Departamento de Economía Aplicada Profesor: Santiago de la Fuente Fernández CUESTIONES TEÓRICAS ESTADÍSTICA Gestión
Más detallesEstadís3ca y Métodos Numéricos Tema 5. Inferencia Estadís3ca
Estadís3ca y Métodos Numéricos Tema 5. Inferencia Estadís3ca Ángel Barón Caldera Ángel Cobo Ortega María Dolores Frías Domínguez Jesús Fernández Fernández Francisco Javier González Or@z Carmen María Sordo
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesEstadís2ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 5. Inferencia estadís2ca
Estadís2ca Tema 5. Inferencia estadís2ca María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica
Más detallesPreguntas más Frecuentes: Tema 8
Preguntas más Frecuentes: Tema 8 Pulse sobre la pregunta para acceder directamente a la respuesta 1. En el ejemplo 8.1, por qué se escoge n =?. En el ejemplo 8.1, si n fuera igual a 3 habría que obtener
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 01 1. Intervalo de Confianza para la Media µ (con σ conocida Dada una muestra de tamaño n, para un nivel de confianza 1-α y la desviación típica de la población σ, el Intervalo
Más detallesPROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS
Estadística 1 PROBLEMAS DE ESTIMACIÓN PUNTUAL Y POR INTERVALOS 1. Obtener un estimador insesgado para p en una m.a.s. de tamaño n de una distribución binomial B(m,p) con m conocido y calcular su error
Más detallesBootstrap. Patricia Kisbye. 13 de mayo, FaMAF
Bootstrap Patricia Kisbye FaMAF 13 de mayo, 2010 Técnica de bootstrap La técnica de Bootstrap fue introducida por B. Efron, 1982. Consiste en aproximar la precisión de un estimador a partir de una muestra
Más detallesIntroducción a la inferencia estadística
M. Wiper Estadística 1 / 15 Introducción a la inferencia estadística Michael Wiper Departamento de Estadística Universidad Carlos III de Madrid M. Wiper Estadística 2 / 15 Objetivo Introducir la distribución
Más detallesEstadística Diplomado
Diplomado HRB UNAM 1 / 25 1 Estimación Puntual Momentos Máxima Verosimiltud Propiedades 2 / 25 1 Estimación Puntual Momentos Máxima Verosimiltud Propiedades 2 Estimación por Intervalos Cantidades Pivotales
Más detallesESTADÍSTICA I Tema 2: Algunas ideas básicas sobre inferencia estadística. Muestreo aleatorio
ESTADÍSTICA I Tema 2: Algunas ideas básicas sobre inferencia estadística. Muestreo aleatorio Muestra aleatoria Conceptos probabiĺısticos básicos El problema de inferencia Estadísticos. Media y varianza
Más detallesJuan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
Más detallesTema 3: Estimación estadística de modelos probabilistas. (segunda parte)
Tema 3: Estimación estadística de modelos probabilistas. (segunda parte) Estructura de este tema: 1 Técnicas de muestreo y estimación puntual. 2. 3 Contrastes de hipótesis. Planteamiento del problema Sea
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesComportamiento asintótico de estimadores
Comportamiento asintótico de estimadores Seguimos con variable X con función de densidad/masa f (x; θ). Queremos estimar θ. Dada una muestra aleatoria, definimos un estimador T = h(x 1,..., X n ) Esperamos/deseamos
Más detallesAnálisis Multivariante de Datos
Análisis Multivariante de Datos Curso 2016-2017 Por qué es importante realizar inferencia sobre los parámetros de la normal? La estimación máximo-verosímil (MV) de la distribución Normal son la media y
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detalles6. Inferencia con muestras grandes. Informática. Universidad Carlos III de Madrid
6. Inferencia con muestras grandes 1 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de
Más detalles7. Inferencia Estadística. Métodos Estadísticos para la Mejora de la Calidad 1
7. Inferencia Estadística Métodos Estadísticos para la Mejora de la Calidad 1 Tema 7: Inferencia Estadística 1. Intervalos de confianza para μ con muestras grandes 2. Introducción al contraste de hipótesis
Más detallesESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Más detallesFundamentos para la inferencia. Estadística Prof. Tamara Burdisso
Fundamentos para la inferencia Estadística 018 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesUnidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11
Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como
Más detallesIntervalo para la media si se conoce la varianza
178 Bioestadística: Métodos y Aplicaciones nza para la media (caso general): Este se trata del caso con verdadero interés práctico. Por ejemplo sirve para estimar intervalos que contenga la media del colesterol
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesEstadística I Tema 5: Introducción a la inferencia estadística
Estadística I Tema 5: Introducción a la inferencia estadística Tema 5. Introducción a la inferencia estadística Contenidos Objetivos. Estimación puntual. Bondad de ajuste a una distribución. Distribución
Más detallesINFERENCIA ESTADISTICA. Proferora: Lic. Gladis Mazza
INFERENCIA ESTADISTICA Proferora: Lic. Gladis Mazza INFERENCIA ESTADISTICA Por este proceso es posible utilizar estadísticos calculados a partir de muestras para estimar los valores de los parámetros de
Más detallesUnidad V: Estadística aplicada
Unidad V: Estadística aplicada 5.1 Inferencia estadística: Concepto, Estimación, Prueba de hipótesis La Inferencia Estadística es la parte de la estadística matemática que se encarga del estudio de los
Más detallesTema 4 - Introducción
Tema 4 - Introducción 1 Tema 3. Estimación puntual Criterios de comparación de estimadores: Insesgadez. Estimadores de mínima varianza. Error cuadrático medio. Consistencia. Cómo obtener estimadores? Tema
Más detallesIntroducción a la Inferencia Estadística
MÁSTER EN ESTADÍSTICA PÚBLICA Experto Universitario: Estadística Aplicada y Técnicas de Encuestación 1 Introducción a la Inferencia Estadística Estimación puntual paramétrica M a Teresa Gómez Departamento
Más detallesDiseños con una fuente de variación (I): Diseño con un factor completamente aleatorizado
Diseños con una fuente de variación (I): Diseño con un factor completamente aleatorizado Tema 3 (I) Estadística 2 Curso 08/09 Tema 3 (I) (Estadística 2) ANOVA I Curso 08/09 1 / 63 Introducción Diseño con
Más detallesEstimación Máxima Verosimilitud
Estimación Máxima Verosimilitud Microeconomía Cuantitativa R. Mora Departmento of Economía Universidad Carlos III de Madrid Outline Motivación 1 Motivación 2 3 4 5 Estrategias generales de estimación Hay
Más detallesMuestreo y. Distribuciones Muestrales
Muestreo y Distribuciones Muestrales Muestreo Muestreo POBLACION muestra Inferencia Estadística Conteos rápidos, preferencias electorales, etc. Tipos de Muestreo Muestreo No Probabilístico No aplican las
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
Más detallesUNIDAD 4. INFERENCIA ESTADÍSTICA. Prof. Eliana Guzmán U. Semestre A-2015
UNIDAD 4. INFERENCIA ESTADÍSTICA Prof. Eliana Guzmán U. Semestre A-05 INFERENCIA ESTADÍSTICA La teoría de la Inferencia Estadística está conformada por aquellos métodos que permiten hacer generalizaciones,
Más detallesProblemas de Estimación de una y dos muestras
Problemas de Estimación de una y dos muestras Walpole Myers Myers Facultad de Estudios Superiores Acatlán Licenciatura en Economía 13 de marzo 2017 José A. Huitrón Mendoza Introducción En los ejercicios
Más detallesINTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesEstimación de Parámetros. Un problema inherente al uso de modelos es el de la selección del modelo.
Estimación de Parámetros Un problema inherente al uso de modelos es el de la selección del modelo. Este problema, cuando se recurre al empleo de familias paramétricas de modelos, se puede plantear en dos
Más detallesINTERVALOS DE CONFIANZA
INTERVALOS DE CONFIANZA INTERVALOS DE CONFIANZA Dado que los estimadores puntuales pocas veces serán iguales a los parámetros que se desean estimar, es posible darse mayor libertad utilizando estimadores
Más detallesEstimación de Parámetros
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: p Estimación de Parámetros Prueba de Hipótesis Estimación
Más detallesTécnicas de Muestreo I
1 / 39 Técnicas de Muestreo I Patricia Isabel Romero Mares Departamento de Probabilidad y Estadística IIMAS UNAM agosto 2018 2 / 39 Temario 1. Introducción. Definición de conceptos elementales 2. Muestreo
Más detallesCurso Inferencia. Miguel Ángel Chong R. 10 de septiembre del 2013
Curso Estadística Miguel Ángel Chong R. miguel@sigma.iimas.unam.mx 10 de septiembre del 013 Distribución de la diferencia de medias muestrales cuando se conoce la varianza poblacional. En muchas situaciones
Más detallesTema 6: Introducción a la inferencia estadística
Tema 6: Introducción a la inferencia estadística Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 6: Introducción a la inferencia estadística
Más detallesMuestreo de variables aleatorias
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 Distribución de la muestra 3 4 5 Distribuciones de la media y la varianza en poblaciones normales Introducción Tiene como
Más detallesTEMA 3: INFERENCIA ESTADISTICA
ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.
Más detallesNotas de clase Estadística R. Urbán R.
Inferencia estadística Sabemos que una población puede ser caracterizada por los valores de algunos parámetros poblacionales, por ello es lógico que en muchos problemas estadísticos se centre la atención
Más detalles1. Muestreo e Inferencia Estadística
Tema 6: Introducción a la Inferencia Estadística Objetivos Introducir los conceptos elementales en esta parte de la asignatura. Tratar con muestras aleatorias y su distribución muestral en ejemplos de
Más detallesTema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
Más detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
Más detallesEstadística. Contrastes para los parámetros de la Normal
Contrastes para los parámetros de la Normal Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Contrastes para los parámetros de la Normal Contrastes para los parámetros
Más detallesAplicación de la distribución empírica: Tests de bondad de ajuste
Aplicación de la distribución empírica: Tests de bondad de ajuste 4 de marzo de 2009 Test de bondad de ajuste Supongamos que se dispone de una m.a.s de tamaño n de una población X con distribución desconocida
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Mag. María del Carmen Romero 2014 romero@econ.unicen.edu.ar Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo
Más detallesESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL.
ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. Un intervalo de confianza, para un parámetro poblacional θ, a un nivel de confianza 1 α 100 %, no es más que un intervalo L
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesEstadística I Tema 7: Estimación por intervalos
Estadística I Tema 7: Estimación por intervalos Tema 7: Estimación por intervalos Ideas a transmitir Definición e interpretación frecuentista. Intervalos de confianza para medias y varianzas en poblaciones
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Intervalos de confianza Álvaro José Flórez 1 Escuela de Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesESTADÍSTICA 1 o CC. Ambientales Tema 3: Estimación puntual y por intervalos
ESTADÍSTICA 1 o CC. Ambientales Tema 3: Estimación puntual y por intervalos Muestra aleatoria. Inferencia estadística paramétrica Estimación puntual Intervalos de confianza Distribuciones asociadas a la
Más detallesConceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste.
Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste. Tema 1 (III) Estadística 2 Curso 08/09 Tema 1 (III) (Estadística 2) Contrastes de bondad de
Más detallesFundamentos para la inferencia. Unidad 3 Parte II Estadísca Prof. Tamara Burdisso
Fundamentos para la inferencia Estadísca 017 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesFundamentos para la inferencia. Unidad 3 Parte II Estadísca Prof. Tamara Burdisso
Fundamentos para la inferencia Estadísca 016 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesBLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN
BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN Aproximación intutitiva a la inferencia estadística La Estadística es la ciencia que se ocupa de la ordenación y análisis de datos procedentes
Más detallesRegresión Lineal Múltiple
Unidad 4 Regresión Lineal Múltiple Javier Santibáñez (IIMAS, UNAM) Regresión Semestre 2017-2 1 / 35 Introducción La idea de la regresión lineal múltiple es modelar el valor esperado de la variable respuesta
Más detallesCapítulo 3. Estimación estadística de modelos probabilistas
Capítulo 3. Estimación estadística de modelos probabilistas 3.1. Muestreo aleatorio. 3.2. Estimación puntual. 3.3. Estimación por intervalos de confianza. 3.4. Contrastes de hipótesis. 3. Estimación estadística
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detalles