Asignatura : INFERENCIA ESTADÍSTICA I Titulación : DIPLOMADO EN ESTADÍSTICA Profesor : ISABEL MOLINA PERALTA Capítulo 5 : INTERVALOS DE CONFIANZA

Documentos relacionados
INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)

Tema 8: Contraste de hipótesis

Teorema Central del Límite (1)

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...

ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.

Tema 4: Probabilidad y Teoría de Muestras

INFERENCIA ESTADISTICA

Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR

Tema 5. Muestreo y distribuciones muestrales

INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua

= P (Z ) - P (Z ) = P (Z 1 25) P (Z -1 25)= P (Z 1 25) [P (Z 1 25)] = P (Z 1 25) [1- P (Z 1 25)] =

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico

Tema 5. Contraste de hipótesis (I)

Tema 11: Intervalos de confianza.

Tema 9: Contraste de hipótesis.

Intervalos de confianza

Tema 5. Muestreo y distribuciones muestrales

Tema 4: Probabilidad y Teoría de Muestras

Tema 7 Intervalos de confianza Hugo S. Salinas

Resumen teórico de los principales conceptos estadísticos

INFERENCIA DE LA PROPORCIÓN

Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis

TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN

Tema 13: Distribuciones de probabilidad. Estadística

INFERENCIA ESTADÍSTICA Notas de clase. Profesores: A. Leonardo Bañuelos S. Nayelli Manzanarez Gómez

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas

Estimación por intervalos

6. ESTIMACIÓN DE PARÁMETROS

EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)

EJERCICIOS DE ESTADÍSTICA:

INFERENCIA ESTADÍSTICA

Contrastes de hipótesis. 1: Ideas generales

CDEE. Cuestiones 3er Ejercicio. 0 si x 1. k(x + 1) + x2 1. k(x + 1) x si x > 1

Contraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste

a. N(19 5, 1 2) P(19 X 21) = P( Z ) = = P = P P = = P P = P = = = El 55 72% no son adecuados.

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO

Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

Tema 6. Variables aleatorias continuas

EJERCICIOS DE SELECTIVIDAD

Probabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid

Teoría de muestras 2º curso de Bachillerato Ciencias Sociales

Estadística Grado en Nutrición Humana y Dietética

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2004 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016

Tema 8. Muestreo. Indice

Tema 7: Estadística y probabilidad

Intervalos para la diferencia de medias de dos poblaciones

Tema 5: Introducción a la inferencia estadística

Econometría II Grado en finanzas y contabilidad

Contrastes de hipótesis paramétricos

Cálculo de Probabilidades II Preguntas Tema 1

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:

ESTADISTICA GENERAL. INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales

CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS

ESTADISTICA APLICADA: PROGRAMA

Estadistica II Tema 1. Inferencia sobre una población. Curso 2009/10

Unidad IV: Distribuciones muestrales

Conceptos Básicos de Inferencia

EJERCICIOS UNIDAD 10: MUESTREO E INFERENCIA ESTADÍSTICA

Práctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS

PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07

Muestreo probabilístico. Estimadores

Fundamentos de Estadística

Contrastes de Hipótesis paramétricos y no-paramétricos.

Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística

1. Estadística Descriptiva 9

Determinación del tamaño de muestra (para una sola muestra)

1. VALORES FALTANTES 2. MECANISMOS DE PÉRDIDA

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

VARIABLES ALEATORIAS DISCRETAS

ESTADÍSTICA. Tema 2 Nociones elementales de inferencia estadística

Pruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis

Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos

Proyecto Tema 8: Tests de hipótesis. Resumen teórico

Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2009) Selectividad-Opción A Tiempo: 90 minutos

Simulación. Problema del jardinero. Modelo de stock aleatorio. Camino crítico.

Control Estadístico de Procesos (SPC) para NO estadísticos.

Conceptos del contraste de hipótesis

Distribuciones muestrales. Distribución muestral de Medias

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA

PROBABILIDAD Y ESTADÍSTICA

ANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Estadistica. CURSO ACADÉMICO - SEMESTRE Primer semestre

Medidas de posición relativa

OPCIÓN A. La empresa A (x) tiene 30 trabajadores, la B (y) 20 trabajadores y la C (z) 13 trabajadores.

ESTADÍSTICA. Tema 4 Regresión lineal simple

Prof. Eliana Guzmán U. Semestre A-2015

Tema 4. Probabilidad Condicionada

Estructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo

Tema 5: Estimación puntual y por intervalos

Muestreo y Distribuciones muestrales. 51 SOLUCIONES

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Distribución Chi (o Ji) cuadrada (χ( 2 )

F (x, y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que. { (1 e x )(1 e y ) si x 0, y 0

Tema 8. Fundamentos de Análisis discriminante

Problemas Prueba de significación de la hipótesis nula Vicente Manzano-Arrondo, 2013

Transcripción:

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 F (x; θ), θ Θ IR, (X 1,..., X n ) m.a.s. de X P (x 1,..., x n ; θ) función de probabilidad conjunta Intervalo de confianza al nivel α: IC 1 α (θ) = [T 1 (x 1,..., x n ), T 2 (x 1,..., x n )], donde T 1 = T 1 (X 1,..., X n ) y T 2 = T 2 (X 1,..., X n ) son estadísticos que verifican P (T 1 θ T 2 ) 1 α, θ Θ. Nota 1 Hay que fijar el nivel de significación α antes de construir el intervalo. Nota 2 Interpretación del intervalo: Si calculamos el intervalo para muchas muestras, el (1 α)100 % de ellos contendrá al verdadero valor de θ. Typeset by FoilTEX 1

Nota 3 T 1 y T 2 se llaman ĺımite inferior y ĺımite superior de confianza para θ. Es posible que solo se necesite uno de estos límites. Pivote: Función de la muestra y del parámetro desconocido Z = Z(θ; X 1,..., X n ) biyectiva en θ y con distribución de probabilidad completamente conocida. Método de la cantidad pivotal: (1) Encontrar un pivote Z(θ). A menudo se encuentra a partir de un estimador ˆθ. (2) Seleccionar dos constantes c 1 y c 2 que verifiquen P Z (c 1 Z(θ) c 2 ) 1 α. (4) Despejar θ de las desigualdades Z(θ) c 2 y Z(θ) c 1, y se obtienen otras de la forma θ T 1 y θ T 2. Entonces, el intervalo de confianza al nivel α es IC 1 α (θ) = [T 1, T 2 ]. Typeset by FoilTEX 2

Valor crítico α de una v.a. X F : Valor de X que deja a su derecha una probabilidad de α. Es decir, es el valor F α tal que P (X F α ) = α. Nota 4 Si en el paso (2), Z(θ) F y la probabilidad α se reparte por igual a ambos lados de la distribución F, entonces c 2 = F α/2, c 1 = F 1 α/2. Ejemplo 1 Se obtiene una observación X de una distribución exponencial de media θ. Utilice X para construir un intervalo de confianza para θ al nivel de confianza 0.90. Para ello, calcule la distribución de la variable aleatoria Z = X/θ.... Typeset by FoilTEX 3

Typeset by FoilTEX 4

5.2 INTERVALOS DE CONFIANZA PARA POBLACIONES NORMALES X N(µ, σ 2 ), (X 1,..., X n ) m.a.s. de X. Intervalo de confianza para µ con σ 2 conocida: (1) Pivote: Tomamos un estimador de µ con distribución conocida; por ejemplo, ˆµ = X, X N(µ, σ 2 /n). Una transformación que hace desaparecer µ de la distribución de X es Z = X µ N(0, σ 2 /n). No se dispone de tablas de probabilidades para esta distribución. Typeset by FoilTEX 5

Por tanto, un pivote más práctico es Z = X µ σ/ n N(0, 1). (2) Las constantes c 1 y c 2 que verifican P (c 1 Z c 2 ) = 1 α son c 1 = Z 1 α/2 = Z α/2, c 2 = Z α/2. (3) Despejamos µ dentro de la probabilidad 1 α = P = P = P ( Z α/2 X ) ( µ σ/ n Z α/2 = P ( X σ Z α/2 n µ X + Z α/2 ( Z α/2 ) σ X Z α/2 n µ X σ + Z α/2 n ) σ n ) σ n X σ µ Z α/2 n Typeset by FoilTEX 6

Un intervalo de confianza para µ es IC (1 α) (µ) = X Z α/2 σ n. Intervalo de confianza para µ con σ 2 desconocida: (1) En este caso, Z = X µ σ/ n no es un pivote, ya que σ 2 es desconocido. Estimando σ 2 de forma insesgada con la cuasivarianza muestral S 2, obtenemos T = X µ S / n t n 1, Typeset by FoilTEX 7

(2)... (3)... Typeset by FoilTEX 8

Intervalo de confianza para σ 2 : (1) Estimador insesgado de σ 2 : S 2. Distribución (2)... (3)... Typeset by FoilTEX 9

Intervalo de confianza para la diferencia de medias con varianzas conocidas: (X 11,..., X 1n1 ) m.a.s. de N(µ 1, σ1), 2 con σ1 2 conocida. (X 21,..., X 2n2 ) m.a.s. de N(µ 2, σ2) 2 con σ2 2 conocida. (1) Estimador insesgado de θ = µ 1 µ 2 :... Distribución:... Pivote: Z =... Typeset by FoilTEX 10

(2)... (3)... Typeset by FoilTEX 11

Intervalo de confianza para la diferencia de medias, con varianzas desconocidas pero iguales (X 11,..., X 1n1 ) m.a.s. de N(µ 1, σ 2 ), (X 21,..., X 2n2 ) m.a.s. de N(µ 2, σ 2 ), σ 2 es desconocida. (1) Estimador de θ = µ 1 µ 2 :... Distribución:... Typeset by FoilTEX 12

Estimador insesgado de σ 2 :... Typeset by FoilTEX 13

Distribución del estimador de σ 2 :... Pivote: T =... Distribución:... (2) Constantes c 1 y c 2 tales que P (c 1 T c 2 ) 1 α, c 1 =..., c 2 =... Typeset by FoilTEX 14

(3) Despejando µ 1 µ 2 dentro de la probabilidad encontramos un intervalo de confianza para µ 1 µ 2 al nivel de confianza 1 α IC (1 α) (µ 1 µ 2 ) =.... Intervalo de confianza para el cociente de varianzas (X 11,..., X 1n1 ) m.a.s. de N(µ 1, σ 2 1), con µ 1 y σ 2 1 desconocidas. (X 21,..., X 2n2 ) m.a.s. de N(µ 2, σ 2 2) con µ 2 y σ 2 2 desconocida. (1) Estimador de θ = σ 2 1/σ 2 2:... Distribución:... Typeset by FoilTEX 15

(2) Repartiendo la probabilidad α igualmente entre ambas colas de la distribución, obtenemos c 1 =..., c 2 =... (3) Despejando el parámetro θ de las desigualdades, obtenemos el intervalo de confianza para θ = σ 2 1/σ 2 2 al nivel 1 α Nota 5 Se verifica Entonces IC (1 α) (σ 2 1/σ 2 2) =... F F ν1,ν 2 F = 1/F F ν2,ν 1. α = P (F > F ν1,ν 2,α) = P (1/F < 1/F ν1,ν 2,α) P (F > 1/F ν1,ν 2,α) = 1 α; es decir, F ν2,ν 1,1 α = 1/F ν1,ν 2,α. Typeset by FoilTEX 16

5.3 INTERVALOS DE CONFIANZA ASINTÓTICOS (X 1,..., X n ) m.a.s. de X F (x, θ), θ Θ IR desconocido. La distribución F no es normal, o es desconocida. Pivote asintótico: Z = ˆθ θ ˆV (ˆθ) d N(0, 1). Intervalo de confianza asintótico para θ al nivel 1 α: IC (1 α) (θ) =.... Es un intervalo aproximado para θ, acercándose al intervalo correcto al aumentar el tamaño muestral n. Typeset by FoilTEX 17

Intervalo de confianza asintótico para una media X v.a. con E(X) = µ y V (X) = σ 2, siendo ambos parámetros desconocidos, (X 1,..., X n ) m.a.s. de X. Estimador de µ:... Distribución:... Pivote: Z =.... Intervalo de confianza para µ al nivel de confianza 1 α: IC (1 α) (µ) =... Typeset by FoilTEX 18

Ejemplo 2 Se registraron los tiempos utilizados en la compra para n = 64 clientes seleccionados al azar en el supermercado local. La media y la cuasivarianza de los 64 tiempos de compra fueron 33 minutos y 256 respectivamente. Estime el promedio real, µ, del tiempo utilizado por clientes en la compra, con un nivel de confianza de 0.90.... Ejemplo 3 Sea (X 1,..., X n ) una m.a.s. de una v.a. con distribución P ois(λ). Calculamos un intervalo de confianza asintótico al nivel α para λ.... Typeset by FoilTEX 19

Intervalo de confianza asintótico para una proporción (X 1,..., X n ) m.a.s. Bern(p) Estimador de p:... Distribución:... Pivote: Z =... Intervalo de confianza asintótico para p: IC (1 α) (p) =... Typeset by FoilTEX 20

Ejemplo 4 Dos marcas de refrigeradores, A y B, tienen una garantía de un año. En una muestra aleatoria de 50 refrigeradores de la marca A, 12 se estropearon antes de terminar el periodo de garantía, y de una muestra aleatoria de 60 refrigeradores de la marca B, se estropearon 12 antes del periodo de garantía. Estime la diferencia real entre las proporciones de fallo durante el periodo de garantía, al nivel de confianza del 98 %.... Typeset by FoilTEX 21

5.4 INTERVALOS DE CONFIANZA BOOTSTRAP A menudo no existe una expresión expĺıcita para la varianza V (ˆθ) de un estimador ˆθ = ˆθ(x 1,..., x n ) de θ. Consecuentemente, tampoco se puede calcular anaĺıticamente un intervalo de confianza para θ. El método de remuestreo llamado bootstrap permite estimar la varianza de un estimador y también obtener intervalos de confianza. Idea: Considerar la muestra observada (x 1,..., x n ) como si fuera la población y extraer muchas muestras aleatorias con reemplazamiento de ella. Calculando el estimador para cada muestra podemos estimar la distribución en el muestreo de ˆθ. (1) Extraer una m.a.s. con reemplazamiento de (x 1,..., x n ): (x 1,..., x n) (2) Calcular el valor del estimador para la muestra bootstrap, ˆθ = ˆθ(x 1,..., x n). (3) Repetir (1) y (2) un número grande de veces B. Los valores del estimador en las B repeticiones son: ˆθ 1,..., ˆθ B. Typeset by FoilTEX 22

(4) Calcular la media y la varianza de los valores del estimador ˆθ = 1 B B b=1 ˆθ b, ˆV (ˆθ) = 1 B B (ˆθ b ˆθ ) 2 b=1 (5) Ordenar los valores del estimador de menor a mayor ˆθ (1)... ˆθ (B). Seleccionar los cuantiles α/2 y 1 α/2, dados por ˆθ B α/2 y ˆθ B (1 α/2). El intervalo de confianza al nivel α para θ es entonces IC (1 α) (θ) = [ˆθ B α/2, ˆθ B (1 α/2) ]. Actividad 9: Rellenar los espacios adecuados en este tema razonando las respuestas y entregarlo a la profesora el lunes 4 de Junio. Typeset by FoilTEX 23