Professional Documents
Culture Documents
I. - Estimacin puntual.
Es una estimacin univaluada, es decir nos entrega un valor nico para el parmetro. Dentro
de la estimacin puntual existen dos mtodos de estimacin: La estimacin por mxima
verosimilitud y la estimacin por el mtodo de los momentos.
Def.: Sea X1, X2, . . . , Xn una muestra aleatoria de una distribucin con funcin de
densidad f(x;) y sea L(x1, x2, . . . , xn; ) la verosimilitud de la muestra como funcin de .
Si t =u(x1, x2, . . . , xn) es el valor de para el cual el valor de la funcin de verosimilitud es
mxima, entonces T = u(X1, X2, . . . , Xn) es el estimador de mxima verosimilitud de , y t es
el estimador de mxima verosimilitud.
Debido a la complejidad que a veces tienen las funciones de verosimilitud se escoge, por lo
general, maximizar el lnL(). Para comprobar que el estimador es mximo, se obtiene la 2
derivada del lnL(), si es < 0 entonces el estimador es E.M.V.
Ejemplo:
X = x, por lo tanto:
L(x ; p) =
0<= p <=1.
Entonces se tiene:
Para confirmar este valor se deriva por segunda vez con respecto a p:
Observaciones:
Para encontrar los estimadores M.V. de una expresin, se debe derivar por
separado la expresin con respecto a cada parmetro.
La funcin densidad siempre es dada.
Presenta una alternativa razonable cuando no se pueden determinar los estimadores M.V. Se
deben igualar tantos momentos muestrales como sea necesario para determinar un estimador
de momentos para un parmetro desconocido
Def.: Sea X1, X2, . . . , Xn una muestra aleatoria de una distribucin con funcin de densidad
cero se define como:
Ejemplo:
Se tiene una variable aleatoria X que tiene una distribucin conocida, si:
= / (*)
Sustituyendo en (*):
La estimacin por intervalos se refiere a un rango dentro del cual encontramos el parmetro,
con un nivel de significacin , por lo tanto el nivel de confiabilidad que tendra la estimacin del
parmetro ser ( 1 - ) y su notacin ser:
IC(1-) = . . .
Dentro de la estimacin por intervalo existen muchos casos, los cuales se refieren a las
distribuciones normal como binomial, en 1 poblacin, como en pblaciones idependientes.
II. 1. - IC para cuando se muestrea una distribucin normal con varianza conocida:
Tambin se conoce 2
Tamao de muestra:
n es necesario para efectuar la estimacin de , con conocido, por lo tanto n se puede estimar
de la sgte. forma:
II. 2.- IC para cuando se muestrea una distribucin normal con varianza desconocida:
Es parecida a la anterior pero ahora se desconoce 2, entonces la varianza se estima por S2.
Entonces el IC queda:
en donde: k = nx+ ny - 2
En donde:
En donde:
Docimar una hiptesis estadstica, significa hacer una afirmacin con respecto a alguna
caracterstica desconocida de la poblacin de inters. Se trata de apoyarse en la evidencia
experimental de la que disponemos para ello.
Tipos de error:
Los valores de los errores dependern del tamao de muestra que se tome a <n, ms alto es
el valor de , en cambio a >n el valor de es mayor.
Para docimar una hiptesis, es necesario cotejarla con alguna hiptesis alternativa, la que nos
permitir hacer la afirmacin correspondiente. Para ello la hiptesis alternativa puede ser
bilateral o unilateral, tanto por la derecha como por la izquerda del valor crtico de tabla.
Las regiones achuradas en todos los grficos representa la regin crtica de tamao ,
entonces si el valor del parmetro cae en esta regin quiere decir que rechazamos la
hiptesis nula, es decir el parmetro p es:
En caso contrario, en caso de que el valor del parmetro est fuera de dicha regin crtica,
entonces no rechazamos la hiptesis nula.
Obs. Las hiptesis alternativas las obtenemos a partir del enunciado del ejercicio
Estadstica de prueba:
Ejercicio:
Estadstica de prueba:
N.S.:, por lo tanto se rechazar H0 si:
Ejercicio.
Caterpillar:
12.5 10.2 9.8 12. 5 12.1 10.3 10.2 15 12.3 14.1 12.1 14 16 12.8
Fiat:
12.6 15.5 15.6 14.5 12.6 14.5 18.6 20.3 21.5 21 15.2 15.1 14.1
Mercedes-Benz:
14.2 12.3 13.3 12.1 14.5 12.3 14.5 25.1 23.1 21.1 24 25 14.5 16 12
Efecte pruebas de hiptesis para cada una de las tres marcas utilizando un
N.S.= 0.01
varianzas conocidas.
Estadstica de prueba:
En donde C0:
Si nx " ny , se puede tomar un n promedio para poder calcular tanto , como C0.
Una disquera desea saber si un artista popular vende 3 veces ms que un artista clsico,
para ello efectu un muestreo en 12 sucursales al azar, obteniendo los siguientes resultados:
el artista popular vende en promedio 1500 copias de sus discos a la semana, con una
desviacin estndar de 5 discos por sucursal, en cambio el artista clsico vende 469 copias,
con una varianza de 12 discos por sucursal.
tema.
Calcular la probabilidad de rechazar H0, si es cierta.
c) Calcular el tamao de muestra cuando la probabilidad de rechazo de Ho es de un 95%, si
esta es falsa.
IV.- Dcima para diferencias de medias de dos pobaciones independientes, pero con
varianzas desconocidas, pero se suponen iguales.
Estadstica de prueba:
En donde Sp:
Ejercicio:
200 decibeles:
53 54 52 51 50 49 56 48 52 55 53 52 51 54 51 52 51 51 52 56 55 51 51
220 decibeles:
48 47 46 55 51 52 53 56 54 51 57 49 45 47 47 49 50 51 52 56 55 51 52 50
Estadstica de prueba:
Se rechaza H0, si:
Ejercicio:
Estadstica de prueba:
Ejercicio:
Se desea saber si la constante de una mquina lijadora est bien calibrada, para ello se
compara con una mquina calibrada digitalmente, los datos que a continuacin se presentan
corresponden a los promedios de aserrn en grs por hora dejados como desecho, siendo la
mquina B el testigo:
A:
254.4 254.1 259.1 263 298 351 237 267 249 254 269 254 215 236 214
B:
255 256 241 253 257 259 254 251 250 249.8 256 263 254 236 246 251 258
Entonces si:
Estadstica de prueba:
En donde:
Ejercicio:
Ejercicios
Hombres Mujeres
n1 = 125 n2=100
x1 = 480 x2=460
s1=60 s2=52
17
10