Documente Academic
Documente Profesional
Documente Cultură
Sea (X1, X2, …, Xn) una muestra aleatoria simple de tamaño n de una población X con función de
densidad fX(x; θ) y espacio paramétrico Θ.
Intervalo de Confianza: Sean T1 y T2 dos estadísticos, funciones de la muestra aleatoria simple,
tales que:
i. P{T1 < T2} = 1
ii. P{(T1 < τ(θ)) ∩ (T2 > τ(θ))} = γ, donde γ no depende de θ.
Entonces, definimos lo siguiente:
A) El intervalo aleatorio (T1, T2) se denomina Intervalo de Confianza al 100γ% para τ(θ).
B) Las variables aleatorias T1 y T2 se llaman Límites de Confianza Inferior y Superior,
respectivamente.
C) La probabilidad γ se conoce como el Coeficiente de Confianza.
D) A la diferencia Δ se le conoce como Amplitud del Intervalo de Confianza.
E) A la semi amplitud se le conoce como el error de la estimación.
1) Sea (X1, X2, …, Xn) una muestra aleatoria simple de tamaño n de una población X con función de
densidad fX(x; θ) dada en la tabla siguiente y espacio paramétrico Θ. Para cada uno de esos
casos, establecer si el intervalo dado es un Intervalo de Confianza o no. En caso de serlo,
obtenga el coeficiente de confianza y el valor esperado de la amplitud de dicho intervalo.
Caso Tipo de Población Parámetro Intervalo Propuesto
Poblacional
A ~ ,4 3,92 3,92
,
√ √
B ~ 0,
,
12 0,98 12 0,05
C 1 ,
~ , , ,2 , 0
2
D ~ , 2
En cada caso, para ser un Intervalo de Confianza, el intervalo propuesto debe cumplir las dos
condiciones de la definición.
Caso A) Ya que X es una Normal se puede escribir
4
~ ,4 ~ , ~ 0,1
2
√
3,92 3,92 3,92 3,92
1 ó 1
√ √ √ √
3,92 3,92 3,92 3,92
1,96 1,96
√ √ √ √
3,92 3,92
0,95
√ √
Ya que esta probabilidad no depende del parámetro desconocido se cumple la segunda
condición, por tanto, el intervalo dado es un Intervalo de Confianza y el Coeficiente de Confianza
será γ = 0,95.
La amplitud del intervalo será
3,92 3,92 7,84 ,
Δ
√ √ √ √
Caso B)
~ ~ , 2 ~
2 1 ó 1
2 2 2
2 2
2 2
La segunda condición NO se cumple ya que la probabilidad depende del parámetro desconocido θ.
OBTENCIÓN DE UN INTERVALO DE CONFIANZA POR EL MÉTODO DE UNA CANTIDAD PIVOTAL
Cantidad Pivotal: Sea (X1, X2, …, Xn) una muestra aleatoria simple de tamaño n de una población X
con función de densidad fX(x; θ) y espacio paramétrico Θ.
Sea Q = q(X1, X2, …, Xn, θ) una función de la muestra aleatoria simple y del parámetro desconocido
θ. Si la distribución de Q no depende de θ, entonces diremos que Q es una Cantidad Pivotal para θ.
Esta definición lleva implícitas dos condiciones sobre la función Q que se deben verificar,
i. Q debe ser una función de la muestra aleatoria simple y del parámetro desconocido θ.
ii. La distribución de Q (fQ(q)) no debe ser función del parámetro desconocido θ.
2) Sea una muestra de tamaño n de una población Normal con valor esperado desconocido θ y
varianza igual a 9. Analice las variables a) y b) para decidir si son
cantidades pivotales o no.
a) Evidentemente, , es función tanto de la muestra aleatoria simple como de θ.
Veamos la segunda condición
9 9
~ , ~ 0,
La función de densidad de Q no depende de θ. Por tanto, Q es una cantidad pivotal.
b) Evidentemente, , es función tanto de la muestra aleatoria simple como de θ. Veamos la
segunda condición
9 9
~ , ~ 1,
La función de densidad de W depende de θ. Por tanto, W NO es una cantidad pivotal.
3) Establezca en cuales de estos casos la variable Q es una Cantidad Pivotal.
A) ~ , . Con μ desconocido y σ2 conocido.
√
~ , ~ , ~ 0,1
√
Nótese que Q depende del parámetro desconocido μ mientras que su distribución no depende de
μ. Por tanto, Q es una Cantidad Pivotal.
B) ~ 0, . Con parámetro desconocido θ.
Nótese que Q depende del parámetro desconocido θ. Por tanto, cumple la primera condición.
Veamos la segunda condición,
0; 0 0; 0
1
; ; 0 ; ; ; 0
0; 1;
La función de distribución de Yn viene dada por
0; 0
; 0
1;
Entonces,
0; 0
; 0
1;
Nótese que esta función de distribución depende de θ. Por tanto, no se cumple la segunda
condición, entonces, Q no es una Cantidad Pivotal.
C) ~ 0, . Con parámetro desconocido θ.
Nótese que Q depende del parámetro desconocido θ. Por tanto, cumple la primera condición.
Veamos la segunda condición,
La función de distribución de Yn viene dada por
0; 0
; 0
1;
Entonces,
0; 0
; 0 1
1; 1
Nótese que esta función de distribución no depende de θ. Por tanto, sí se cumple la segunda
condición, entonces, Q es una Cantidad Pivotal.
MÉTODO DE LA CANTIDAD PIVOTAL PARA GENERAR UN INTERVALO DE CONFIANZA
Sea (X1, X2, …, Xn) una muestra aleatoria simple de tamaño n de una población X con función de
densidad fX(x; θ) y espacio paramétrico Θ. Sea Q = q(X1, X2, …, Xn, θ) una cantidad pivotal para θ.
Sean T1 y T2 dos estadísticos, funciones de la muestra aleatoria simple únicamente.
Entonces,
I. Para cualquier γ en el intervalo (0, 1) existen dos números q1 y q2, dependientes de γ,
tales que P{q1 < Q < q2} = γ. Entonces q1 y q2 son percentiles de Q.
II. Para cada valor muestral (x1, x2, …, xn) se verifica que { q1 < Q < q2}↔{ T1 < τ(θ) < T2}
III. El intervalo (T1, T2) es un intervalo de confianza al 100γ% para τ(θ).
Nota Importante: Para cada γ es posible conseguir infinitos pares de valores q1 y q2 que permiten
conseguir los valores adecuados de T1 y T2. Un ejemplo podría ser que la amplitud L del intervalo a
considerar, L = (T2 ‐ T1), sea mínima. Sin embargo, para este curso se considerarán como valores
de q1 y q2 solamente a los percentiles siguientes:
4) Verifique, siguiendo el método expuesto anteriormente, que para las cantidades pivotales
sugeridas en la tabla siguiente se consiguen los intervalos de confianza indicados, para el
correspondiente parámetro desconocido de interés en la misma tabla.
Parámetro Límite Inferior del Límite Superior del
Población Cantidad Pivotal Q Distribución
de Interés Intervalo de Intervalo de
de Q
Confianza Confianza
~ , , √ ~ 0,1
conocida √ √
~ , , √ ~
; √ ; √
desconocida
∑
~ , , ~ ∑ ∑
conocida
; ;
∑
~ , , ~
desconocida ; ;
5) Se toma una muestra aleatoria de una variable normal y se obtienen los siguientes resultados:
Intervalo 10‐12 12‐14 14‐16 16‐18
Frecuencia 2 4 7 3
a) Obtenga un intervalo de confianza del 95% para la media de la distribución.
b) Obtenga un intervalo de confianza del 90% para la varianza y la desviación de la distribución.
a) De la tabla anterior para una población Normal con varianza desconocida, el intervalo de
Confianza para la media μ desconocida la varianza, viene dado por
,
; √ ; √
Para conocer este Intervalo de Confianza debemos conocer n, γ, y .
Del enunciado n = 16, γ = 0,95; de la tabla de la distribución de frecuencias se tiene que
1 1 230
11 2 13 4 15 7 17 3 14,375
16 16
1 1
11 2 13 4 15 7 17 3 210
16
230 215
210 3,3594
16 64
16 215 43
1,893
1 15 64 12
Finalmente, el percentil de la distribución t será
; , 2,1314
;
Por tanto, el Intervalo de Confianza al 95% para μ, desconocida la varianza, viene dado por
13,366; 15,384
b) De la tabla anterior, para una población Normal con media desconocida, el intervalo de
Confianza para la varianza será
,
; ;
Para conocer este Intervalo de Confianza debemos conocer n, γ, y .
Del enunciado n = 16, γ = 0,90; de la tabla de la distribución de frecuencias se tiene que
14,375 3,3594
Finalmente, los percentiles de la distribución Chi‐Cuadrado serán
; , 25 ; , 7,26
; ;
Por tanto, el Intervalo de Confianza al 90% para la varianza, desconocida la media, viene dado por
2,15; 7,4036
En consecuencia, el Intervalo de Confianza al 90% para la desviación estándar, desconocida la
media, viene dado por
2,15; 7,4036 1,4663; 2,721
6) Sea una muestra de tamaño n de una X una población uniformemente distribuida en el
intervalo (0, θ). En un problema anterior se probó que , es una cantidad pivotal; use
este resultado para estimar un intervalo de confianza para los eventuales parámetros
desconocidos θ, μ y σ.
Determinamos primero los valores de q1 y q2:
1 1 1
2 2 2
1 1 1
2 2 2
El intervalo de confianza será
1 1
2 2
Buscando despejar el parámetro desconocido θ de estas inecuaciones (se pivotea alrededor de θ)
1 1
1 1 1 1
2 2 2 2
El intervalo de confianza al 100γ% para el parámetro θ de una población uniforme en (0, θ) será
,
1 1
2 2
Intervalo de confianza para μ:
En una variable uniforme se tiene que . El intervalo de confianza al 100γ% para el parámetro
μ de una población uniforme en (0, θ) será
,
1 1
2 2
2 2
Intervalo de confianza para σ:
En una variable uniforme se tiene que . El intervalo de confianza al 100γ% para
√
el parámetro σ de una población uniforme en (0, θ) será
,
1 1
2√3 2√3
2 2
7) Sea una muestra de tamaño n de una X una población con distribución Gamma con parámetro
desconocido α y parámetro conocido r, tal que 2nr sea un número entero. Verifique que
2 ∑ es una cantidad pivotal y deduzca un intervalo de confianza para el parámetro
desconocido α. Deduzca un intervalo de confianza para el valor esperado de la población X.
~ , ~ , 2 ~
Nótese que Q depende de α mientras que su distribución no depende de α. Entonces, Q es una
cantidad pivotal. Determinamos primero los valores de q1 y q2:
;
; ;
; ;
2
; ; 2∑ 2∑
El intervalo de confianza para α será
; ;
,
2∑ 2∑
El valor esperado de la Gamma es igual a r/α. Entonces, el intervalo de confianza para el valor
esperado de la Gamma será
; ; 2 ∑ 2 ∑
2∑ 2∑
; ;
INTERVALOS DE CONFIANZA PARA MUESTRAS GRANDES
Este método tiene base en el Teorema Central del Límite, el cual tiene como pilar principal para su
aplicación efectiva la disponibilidad de un número de muestras grande.
El método se resume de esta manera:
Consideremos una población X de la cual solo conocemos su valor esperado μX y su varianza σX2,
entonces para n lo suficientemente grande, la variable sigue una distribución de tipo normal,
tal que
√
~ , ~ 0,1
Entonces, Q es una cantidad pivotal.
8) Sea una muestra aleatoria simple de una población X cuya función de densidad de
probabilidades es ; ; 0 ; 0. Obtener un intervalo de confianza al
100γ% para el parámetro θ si se considera que n es “lo suficientemente grande”.
Para este ejemplo se cuenta con la función de densidad lo que permite conocer el valor esperado y
la varianza de la población X, que es la información necesaria para aplicar la aproximación para
muestras grandes. Estos valores esperados serán,
2 2 2
3 2
2
2 3 18 √18 3√2
En consecuencia, si se escoge como cantidad pivotal a Q, se tiene
2
√ 3 √ ~ 0,1
3√2
Ya que conocemos como está distribuida la cantidad pivotal se escogen los valores de q1 y q2 como
los siguientes percentiles de una normal estándar:
En consecuencia,
2 2
3 √ 3
√ √
3√2 3√2
3√2 3√2
2√2 2√2 2√2
√ √ √ √
3√2 3√2
2√2 2√2
√ √
Finalmente, el intervalo de confianza al 100γ% para θ será
3√2 3√2
,
2√2 2√2
√ √
9) Sea una muestra aleatoria simple de una población X con distribución Bernoulli con parámetro
θ. Obtener un intervalo de confianza al 100γ% para el parámetro θ si se considera que n es “lo
suficientemente grande”.
Para este ejemplo también se cuenta con la función de densidad lo que permite conocer el valor
esperado y la varianza de la población X, que es la información necesaria para aplicar la
aproximación para muestras grandes. Estos valores esperados serán,
, 1 1
En consecuencia, si se escoge como cantidad pivotal a Q, se tiene
√ √
~ 0,1
1
Ya que conocemos como está distribuida la cantidad pivotal se escogen los valores de q1 y q2 como
los siguientes percentiles de una normal estándar:
En consecuencia,
√
1 √ 1 √
Para determinar el intervalo respecto a θ, se procede de esta manera
1
0
1 1
Reagrupando términos en θ se puede observar que el lado izquierdo de la desigualdad es un
polinomio de segundo grado en θ, es decir,
2 0
Los valores de θ que cumplen con la desigualdad anterior son tales que θ1 < θ < θ2, donde θ1 y θ2
se corresponden con las raíces de la ecuación de segundo grado en θ, es decir,
2 2 4
,
2
2 4
,
1
2
Finalmente, el intervalo de confianza al 100γ% para θ será
2 4 2 4
,
1 1
2 2
Recordando que el resultado obtenido es válido para n lo suficientemente grande, se puede
simplificar un poco esta expresión si se piensa que ∞. En estas condiciones, se cumple que
10) El número de artículos defectuosos en una muestra de tamaño 200 de la producción del día
es igual a 175. Obtener un intervalo de confianza al 95% para el parámetro proporción
poblacional.
Nótese que al analizar cada artículo producido y verificar si está bueno o defectuoso, lo que se
está realizando es una prueba de Bernoulli con parámetro p desconocido. El parámetro p es la
probabilidad de obtener un artículo defectuoso en la población. Por otro lado, recuerde que si X es
una variable Bernoulli con parámetro p se tiene que
, 1 1
Del ejemplo anterior se obtuvo que el intervalo de confianza al 100γ% para p, dado que el número
de muestras es grande, es igual a
1 1
,
Entonces, para los datos disponibles,
175
200; 0,875; 0,95; , 1,96
200
El intervalo de confianza será
1 1
, 0,8292536; 0,9207464