Tema 1a Inferencia Repaso

Conceptos bsicos de inferencia estadstica (I):
Inferencia estadstica (repaso)

Tema 1 (I)
Estadstica 2
Curso 08/09
Tema 1 (I) (Estadstica 2)
Inferencia estadstica
Curso 08/09
1 / 24
Objetivo
Objetivo
Obtencin de informacin acerca de un conjunto numeroso de objetos

(poblacin) a partir de un nmero reducido de stos (muestra).
Realizar inferencias sobre alguna caracterstica (variable) de inters de
un fenmeno aleatorio a partir de la informacin disponible sobre lo
que ocurri en el pasado (muestra).
Curso 08/09
2 / 24
Mtodo
Mtodo
Seleccin de la
muestra
Muestra
0.0
0.6
0.4
0.0
0.2
0.4
0.6
Inferencia
estadstica
0.2
0.8
0.8
Poblacin
X v.a. de
inters
0.0
0.0
0.5
1.0
1.5
2.0
0.5
1.0
1.5
2.0
2.5
2.5
Distribucin de la
variable en la
muestra
Distribucin de la
variable en la
poblacin
Curso 08/09
3 / 24
Inferencia estadstica paramtrica
Mtodo
Curso 08/09
4 / 24
Muestra aleatoria simple
Seleccin de la muestra:
Muestra aleatoria simple
Consideraremos muestreo aleatorio simple con reemplazamiento:

Seleccionamos al azar n elementos con reemplazamiento de la
poblacin; el conjunto de valores que toma la variable en la muestra
, xn g se denomina muestra observada (de tamao n)
fx1 , x2 ,
Consideramos que estos valores son observaciones/realizaciones de n
variables aleatorias, el conjunto de estas v.a.s fX1 , . . . , Xn g se
denomina muestra aleatoria simple.
Xi
valor que toma la variable de inters en el elemento i-simo de
la muestra
Xi i.i.d. (X )
Ejemplo: si X
N , 2 ) Xi i.i.d. N , 2
Curso 08/09
5 / 24
Estimacin puntual
Mtodos de inferencia estadstica

Estimacin puntual
Estamos interesados en una variable aleatoria X

La funcin de distribucin F (x ) depende de un parmetro
desconocido
Objetivo: aproximar el verdadero valor de .
Solucin: estimacin puntual
(herramienta de la inferencia estadstica paramtrica)
Procedimiento: emplear una muestra para aproximarlo
(y obtener informacin adicional)
Estadstico: Cualquier funcin T (X1 , X2 , . . . , Xn ) de la muestra
Curso 08/09
6 / 24
Estimador puntual
Estimador y estimacin puntual

n
n (X1 , X2 , . . . , Xn ) que se
Estimador puntual: Estadstico
emplea para aproximar el parmetro de inters
n
Estimacin puntual: valor observado n del estimador
(resultado de sustituir las v.a.s por sus valores observados
n (x1 , x2 , . . . , xn ))
n =
Ejemplos:
Media muestral:
n (X1 , X2 , . . . , Xn ) =
1
n
Varianza muestral:
n (X1 , X2 , . . . , Xn ) =
1
n
Xi = X
i =1
n
Xi
= S2
i =1
Cuasi-varianza muestral:
n
n (X1 , X2 , . . . , Xn ) = 1 Xi
n 1
= S 2
i =1
Curso 08/09
7 / 24
Distribucin de un estimador en el muestreo
Distribucin del estimador en el muestreo

n (X1 , X2 , . . . , Xn ) tmbin es una variable aleatoria con
El estimador
una distribucin de probabilidad, llamada distribucin en el muestreo de
n , ya que depende de:
la distribucin de la variable de inters,

del muestreo empleado,
n.
de la funcin
Esta distribucin permite evaluar los resultados que proporciona.
Podemos "hablar" de:
n (exactitud)
E
n (precisin)
Var
Curso 08/09
8 / 24
Ejemplos distribuciones de estimadores
Ejemplos
N , 2 , entonces:
Si X1 , . . . , Xn es una m.a.s. de una v.a. X

La media muestral X verica:
X
2
n
N (0, 1)
p
n
2
b 2 ,verican:
La varianza muestral S y la cuasivarianza muestral S
Equivalentemente:
nS 2
2
(n 1) Sb 2
=
=
2
Equivalentemente: S 2
2 2
n n
Xi
i =1
b2
1; S
2n
2
2
n
2n
1
Curso 08/09
9 / 24
Propiedades de los estimadores

Estimadores insesgados
n =
n (X1 , X2 , . . . , Xn ) es un estimador insesgado
Se dice que
(centrado) de si:
n =
E
n = + b ( ) se dice que
n es sesgado (descentrado) y:
Si E
n = b ( ) = E
n
Sesgo
n es un estimador asintticamente insesgado de si:

Se dice que
n =
lim E
n !
Curso 08/09
10 / 24
Estimadores ecientes
Se denomina precisin o eciencia de un estimador insesgado

n
n (X1 , X2 , . . . , Xn ) de a:
n =
Ec
1
n
Var
n de es eciente si es de
Se dice que un estimador insesgado
varianza mnima:
n
Var
n
Var
n estimador insesgado de
8
Curso 08/09
11 / 24
Error cuadrtico medio

Cuando se trabaja con estimadores sesgados, se suele utilizar el error
cuadrtico medio en lugar de la varianza.
n de como:
Se dene el error cuadrtico medio de un estimador
n =E
ECM
n
= Sesgo
n
+ Var
n es consistente en media cuadrtica si:

Se dice que
n = 0 8 2
lim ECM
n !
n = lim Var
n =0
o equivalentemente lim Sesgo
n !
n !
En el caso general, se denomina precisin o eciencia a:

n =
Ec
1
n
ECM
Curso 08/09
12 / 24
Ejemplos
Si X1 , . . . , Xn m.a.s. de X con E (X ) = y Var (X ) = 2 , entonces:
X es un estimador insesgado de
E X =
1 n
E (Xi ) =
n i
=1
N , 2 , X es un estimador eciente de .
Si X
S 2 es un estimador sesgado (asintticamente insesgado) de 2 :

!
n
1
2
2
2
2
E S2 = E
X
X
=
i
n i
n
=1
b2 =
S
1
n
Xi
1 i =1
es un estimador insesgado de 2 :
b2 =
E S
n
n
E S 2 = 2
Curso 08/09
13 / 24
Estimacin por intervalo de conanza
Estimacin por intervalo de conanza
Estamos interesados en una variable aleatoria X

La funcin de distribucin F (x ) depende de un parmetro
desconocido
Objetivo: Adems de aproximar el verdadero valor de nos
interesar tener algn tipo de medida del error que podemos cometer
Solucin: estimacin por intervalo de conanza
(herramienta de la inferencia estadstica paramtrica)
Curso 08/09
14 / 24
Intervalo de conanza
Se denomina Intervalo de Conanza para el parmetro con nivel
de conanza 1 , a un intervalo aleatorio:
IC(1
b I (X1 , . . . , Xn ) ,
b S (X1 , . . . , Xn )
( ) =
cuyos lmites son estadsticos que no dependen del parmetro y tales

que:
b I (X1 , . . . , Xn )
P
b S (X1 , . . . , Xn ) = 1
El intervalo numrico correspondiente a unos valores observados

x1 , . . . , xn :
I , b
S
I = b
b I (x1 , . . . , xn ) ,
b S (x1 , . . . , xn )
se denomina estimacin por intervalo de conanza de con nivel

de conanza 1 .
NOTA: Habitualmente 1
= 0.9, 0.95 o 0.99.

Curso 08/09
15 / 24
Interpretacin
Si se muestrea repetidamente la poblacin, el 100 (1 ) % de los

intervalos resultantes contendrn el verdadero valor del parmetro
lim_inf
lim_sup
20,00
IC
15,00
10,00
5,00
0,00
99
97
95
93
91
89
87
85
83
81
79
77
75
73
71
69
67
65
63
61
59
57
55
53
51
49
47
45
43
41
39
37
35
33
31
29
27
25
23
21
19
17
15
13
11
9
7
5
3
1
Muestra
Conamos en que el obtenido con una muestra contenga al parmetro

Curso 08/09
16 / 24
Obtencin de I.C. usando estadsticos pivotales

Esquema general
Fijado un valor 1 (0 < < 1), el procedimiento general para la

construccin de un intervalo de conanza al nivel 1 para un parmetro
de inters consta de los siguientes pasos:
1
Eleccin del estadstico pivotal. Se elige un estadstico con

distribucin conocida, p.e.:
T (X1 , . . . , Xn , ) =
Planteamiento del enunciado probabilstico. Se determinan

constantes (cuantiles) a y b tales que
P (a < T (X1 , . . . , Xn , ) < b ) = 1
NOTA: si la distribucin es simtrica a =
b
Curso 08/09
17 / 24
3. Transformacin del enunciado probabilstico. Despejar de la

expresin anterior, p.e suponiendo distribucin simtrica:
n
n < <
n + b
b
n
P
=1
Entonces, el intervalo de conanza para el parmetro es:

IC(1
n
( ) =
n
n ,
n + b
b
Dada una realizacin de la muestra fx1 , x2 ,

, xn g, sustituyendo
estos valores en el intervalo probabilstico se obtiene la
correspondiente estimacin por intervalo de conanza:
I = n
b n
Curso 08/09
18 / 24
Intervalo de conanza para la media

(de una poblacin normal con varianza desconocida)
Eleccin del estadstico pivote:
p X
n
2
tn
Planteamiento del enunciado probabilstico:

P
tn
1,1 /2
<
p X
n
< tn
1,1 /2
=1
Transformacin del enunciado probabilstico:
tn
S
< < X + tn
n
1,1 /2 p
S
n
1,1 /2 p
=1
Curso 08/09
19 / 24
Por tanto:
IC(1
() =
tn
S
, X + tn
n
1,1 /2 p
S
n
1,1 /2 p
Evaluando para una realizacin particular de la muestra x1 , . . . , xn ,

obtendramos una estimacin por intervalo de conanza al 100(1 )%
del parmetro :
I =
tn
b
s
, x + tn
n
1,1 /2 p
b
s
n
1,1 /2 p
Curso 08/09
20 / 24
Ejemplo intervalo de conanza para la media
Ejemplo
Problema 1.1
X ="tiempo de respuesta de un sistema informtico (a las doce horas de un da

". Muestra observada de tamao n = 41 con: x = 20.42 y
b
s 2 = 5.142 .
A partir del estadstico:
laborable)
p X
n
t40
como t40,0.975 ' 2, entonces:

IC0.95 () =
S
S
2p , X + 2p
41
41
y la estimacin por IC:

20.42
5.14
5.14
2 p , 20.42 + 2 p
41
41
= (20.42
1.61) = (18.81, 22.03)

Curso 08/09
21 / 24
Intervalo de conanza para la varianza

(de una poblacin normal)
1
Eleccin del estadstico pivote:
(n
2
1) S 2
2
2n
Planteamiento del enunciado probabilstico:

P
2n
1,/2
<
(n
1) S 2
< 2n
2
NOTA: La distribucin 2n no es simtrica 2n

1
1,1 /2
1,/2
6=
=1
2n
Transformacin del enunciado probabilstico:

!
(n 1) S 2
(n 1) S 2
2
< < 2
=1
P
2n 1,1 /2
n 1,/2
1,1 /2
Curso 08/09
22 / 24
Por tanto:
IC(1
2 =
(n
2n
1) S 2 (n 1) S 2
, 2
n 1,/2
1,1 /2
Evaluando para una realizacin particular de la muestra x1 , . . . , xn ,

obtendramos una estimacin por intervalo de conanza al 100(1 )%
del parmetro 2 :
!
(n 1) bs 2 (n 1) bs 2
,
I =
2n 1,1 /2 2n 1,/2
Curso 08/09
23 / 24
Ejemplo intervalo de conanza para la varianza
Ejemplo
Problema 1.1
X ="tiempo de respuesta de un sistema informtico (a las doce horas de un da

". Muestra observada de tamao n = 41 con b
s 2 = 26.47.
A partir del estadstico:
(n 1) S 2
240
2
laborable)
como 240,0.025 = 24.43 y 240,0.975 = 59.34, entonces:

0.95 = P
24.43 <
(n
1) S 2
< 59.34
2
=P
40S 2
40S 2
< 2 <
59.34
24.43
y la estimacin por IC:

40 26.47 40 26.47
,
59.34
24.43
= (17.84, 43.34)
Curso 08/09
24 / 24

Tema 1a Inferencia Repaso

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Tema 1a Inferencia Repaso

Încărcat de

Drepturi de autor:

Formate disponibile

Conceptos bsicos de inferencia estadstica (I):

Inferencia estadstica (repaso)

Tema 1 (I) (Estadstica 2)

Inferencia estadstica (repaso)

Obtencin de informacin acerca de un conjunto numeroso de objetos

Tema 1 (I) (Estadstica 2)

Inferencia estadstica (repaso)

Tema 1 (I) (Estadstica 2)

Inferencia estadstica (repaso)

Inferencia estadstica paramtrica

Tema 1 (I) (Estadstica 2)

Inferencia estadstica (repaso)

Muestra aleatoria simple

Consideraremos muestreo aleatorio simple con reemplazamiento:

Inferencia estadstica (repaso)

Mtodos de inferencia estadstica

Estamos interesados en una variable aleatoria X

Tema 1 (I) (Estadstica 2)

Inferencia estadstica (repaso)

Estimador y estimacin puntual

Tema 1 (I) (Estadstica 2)

Inferencia estadstica (repaso)

Distribucin de un estimador en el muestreo

Distribucin del estimador en el muestreo

la distribucin de la variable de inters,

Inferencia estadstica (repaso)

Ejemplos distribuciones de estimadores

Si X1 , . . . , Xn es una m.a.s. de una v.a. X

Inferencia estadstica (repaso)

Propiedades de los estimadores

Propiedades de los estimadores

n es un estimador asintticamente insesgado de si:

Tema 1 (I) (Estadstica 2)

Inferencia estadstica (repaso)

Propiedades de los estimadores

Se denomina precisin o eciencia de un estimador insesgado

Tema 1 (I) (Estadstica 2)

Inferencia estadstica (repaso)

Propiedades de los estimadores

Error cuadrtico medio

n es consistente en media cuadrtica si:

En el caso general, se denomina precisin o eciencia a:

Inferencia estadstica (repaso)

Propiedades de los estimadores

S 2 es un estimador sesgado (asintticamente insesgado) de 2 :

Tema 1 (I) (Estadstica 2)

Inferencia estadstica (repaso)

Estimacin por intervalo de conanza

Estimacin por intervalo de conanza

Estamos interesados en una variable aleatoria X

Tema 1 (I) (Estadstica 2)

Inferencia estadstica (repaso)

cuyos lmites son estadsticos que no dependen del parmetro y tales

El intervalo numrico correspondiente a unos valores observados

se denomina estimacin por intervalo de conanza de con nivel

= 0.9, 0.95 o 0.99.

Inferencia estadstica (repaso)

Si se muestrea repetidamente la poblacin, el 100 (1 ) % de los

Conamos en que el obtenido con una muestra contenga al parmetro

Inferencia estadstica (repaso)

Obtencin de I.C. usando estadsticos pivotales

Obtencin de I.C. usando estadsticos pivotales

Fijado un valor 1 (0 < < 1), el procedimiento general para la

Eleccin del estadstico pivotal. Se elige un estadstico con