Post on 15-Apr-2022
TEMA 10
Estimaciรณn por intervalos
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
2
Resumen Tema 9 ESTIMADORES PUNTUALES
Parรกmetro poblacional a
estimar ๐
Estimador
๐
valor esperado
๐ธ(๐)
Sesgo
๐(๐) = ๐ธ(๐) โ ๐
Varianza
๐๐๐(๐)
ECM
๐๐๐(๐) + ๐2(๐)
๐ Normal ๏ฟฝฬ๏ฟฝ = ๏ฟฝฬ ๏ฟฝ๐ =
โ ๐๐๐๐=1
๐ ๐ธ(๏ฟฝฬ ๏ฟฝ๐) = ๐
insesgado 0
๐2
๐ EMV
๐ Bernoulli ๏ฟฝฬ๏ฟฝ =
โ ๐๐๐๐=1
๐ ๐ธ(๏ฟฝฬ๏ฟฝ) = ๐ insesgado
0 ๐(1 โ ๐)
๐ EMV
๐2 Normal
๐ desconocida
๏ฟฝฬ๏ฟฝ2 =
๐๐2 =
โ (๐๐โ๏ฟฝฬ ๏ฟฝ๐)2๐๐=1
๐
๐ธ(๐๐2) =
๐ โ 1
๐๐2
sesgado
๐(๐๐2) = โ
๐2
๐
Asintรณticamente insesgado
๐๐๐(๐๐2) EMV
๐2 Normal ๐ conocida
๏ฟฝฬ๏ฟฝ2 =โ (๐๐ โ ๐)2๐
๐=1
๐ ๐ธ(๏ฟฝฬ๏ฟฝ2) = ๐2
Insesgado 0
๐๐๐(๏ฟฝฬ๏ฟฝ2) EMV
๐ Poisson ๏ฟฝฬ๏ฟฝ = ๏ฟฝฬ ๏ฟฝ๐ =
โ ๐๐๐๐=1
๐ ๐ธ(๐๐) = ๐
insesgado 0
๐
๐ EMV
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
3
10. Estimaciรณn por intervalos. La estimaciรณn puntual de un parรกmetro poblacional no coincidirรก con el verdadero valor del parรกmetro pero se espera que estรฉ prรณximo a รฉl. La estimaciรณn por intervalos construye intervalos, alrededor del estimador puntual, en los que serรก altamente probable que se encuentre el valor del parรกmetro poblacional. A un intervalo de este tipo se le llamarรก: intervalo aleatorio o estimador por intervalo. Nivel de confianza 1 โ ๐ผ: probabilidad de que el intervalo aleatorio contenga al parรกmetro. Es decir, si tomamos muestras de tamaรฑo โnโ, el nivel de confianza indicarรก que el (1 โ ๐ผ) โ 100 de las muestras de ese tamaรฑo proporcionarรก un intervalo que contendrรก al parรกmetro. Niveles de confianza mรกs habituales: 0,99; 0,95; 0,955 y 0,90.
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
4
10.1. Intervalos de confianza para la MEDIA POBLACIONAL
10. 1.1. En una poblaciรณn NORMAL con varianza ๐2 conocida.
PARA n cualquier tamaรฑo
Nivel de confianza 1 โ ๐ผ Intervalo aleatorio: ๐๐ ยฑ ๐ง๐ผ/2๐
โ๐
(Reproductividad de la Normal) Ejemplo 10.1 Una empresa automovilรญstica quiere estimar la media de las emisiones de CO2 del รบltimo modelo de coche que quiere sacar al mercado. De una muestra aleatoria de n = 9 coches ha resultado una media de emisiones de 170 gr de CO2 por Km recorrido. Se supondrรก que la variable X, que mide las emisiones de CO2 de esos coches, tiene una distri-buciรณn Normal de varianza ๐2 = 482. Nivel de confianza 1 โ ๐ผ = 0,95.
Soluciรณn: para una m.a.s. de n = 9 coches ๏ฟฝฬ ๏ฟฝ๐ = 170 gr por Km (estimaciรณn puntual). La v.a. X: emisiones de CO2 del coche (en gr por Km) tienen una distribuciรณn Normal con varianza conoci-da: ๐~๐๐๐๐๐๐(๐; ๐2 = 482). Por tanto, aplicando el resultado anterior y teniendo en cuenta que para
un nivel de confianza de 1 โ ๐ผ = 0,95 โ๐ผ
2= 0,025 โ ๐(๐ < ๐ง๐ผ 2โ ) = 0,9750 โ ๐ง๐ผ 2โ = 1,96, queda:
๐๐ ยฑ ๐ง๐ผ/2๐
โ๐โ 170 ยฑ 1,96
48
โ9โ 170 ยฑ 31,36. Por tanto ๐ฐ๐ช(๐) = [๐๐๐, ๐๐; ๐๐๐, ๐๐] (estimaciรณn por
intervalo). La media de las emisiones de CO2 de este modelo de coche estรก entre 138,64 y 201,36 gr por Km con una confianza del 95%
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
5
Soluciรณn desarrollada: Sea la v.a. X: emisiones de CO2 del coche (en gr por Km). ๐~๐๐๐๐๐๐(๐; ๐2 = 482)(poblaciรณn normal) Se toman m.a.s. de n = 9 coches: el vector aleatorio (๐1, ๐2, โฏ , ๐9) representa todas las muestras de 9 co-ches que se pueden tomar. Las v.a. ๐๐: ๐๐๐๐ ๐๐๐๐๐ ๐๐๐ ๐ โ รฉ๐ ๐๐๐ ๐๐๐โ๐ ; ๐๐~๐๐๐๐๐๐(๐; ๐2 = 482) ๐๐๐ ๐ = 1,2, โฏ ,9, es decir, iid. Sabemos que, en una poblaciรณn normal con varianza conocida, por la propiedad de reproductividad del
modelo normal, la media muestral tiene una distribuciรณn Normal de media ๐ y desviaciรณ tรญpica ๐
โ๐, es de-
cir: ๏ฟฝฬ ๏ฟฝ๐ =โ ๐ฟ๐
๐๐=๐
๐~๐๐๐๐๐๐ (๐,
๐
โ๐)
En nuestro caso ๏ฟฝฬ ๏ฟฝ๐ =โ ๐ฟ๐
๐๐=๐
๐~๐๐๐๐๐๐ (๐,
๐
โ๐=
48
โ9= 16)
Por tanto la v.a. ๐ =๏ฟฝฬ ๏ฟฝ๐โ๐
48
โ9
~๐(0; 1), es decir, Z se distribuye como una Normal tipificada.
Utilizaremos esta expresiรณn para obtener una estimaciรณn por intervalo de la media poblacional ยต al 95% de confianza.
Para un nivel de confianza 1 โ ๐ผ = 0,95 buscamos en la normal tipificada el intervalo [โ๐ง๐ผ/2; ๐ง๐ผ/2] tal
que ๐(โ๐ง๐ผ 2โ < ๐ < ๐ง๐ผ 2โ ) = 0,95 โ 2๐น(๐ง๐ผ 2โ ) โ 1 = 0,95 โ ๐น(๐ง๐ผ 2โ ) = 0,9750 โ ๐ง๐ผ 2โ = 1,96
Asรญ queda: 0,95 = ๐(โ1,96 < ๐ < 1,96) = ๐ (โ1,96 <๏ฟฝฬ ๏ฟฝ๐โ๐
48
โ9
< 1,96) =
= ๐ (โ๏ฟฝฬ ๏ฟฝ๐ โ 1,9648
โ9< โ๐ < โ๏ฟฝฬ ๏ฟฝ๐ + 1,96
48
โ9) = ๐ (๏ฟฝฬ ๏ฟฝ๐ โ 1,96
48
โ9< ๐ < ๏ฟฝฬ ๏ฟฝ๐ + 1,96
48
โ9)
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
6
Para la muestra concreta de n = 9 coches se ha obtenido una media de ๏ฟฝฬ ๏ฟฝ๐ = 170 y el intervalo de con-
fianza para la media poblacional ๐ es: ๐ผ๐ถ(๐) = [170 โ 1,9648
โ9; 170 + 1,96
48
โ9] = [138,64; 201,36]
Por tanto, la media de las emisiones de CO2 de este modelo de coche estรก entre 138,64 y 201,36 gr por Km con una confianza del 95%. GRรFICAMENTE
Nรณtese que: 0,95 = ๐ (๏ฟฝฬ ๏ฟฝ๐ โ 1,9648
โ9< ๐ < ๏ฟฝฬ ๏ฟฝ๐ + 1,96
48
โ9) = ๐ (๐ โ 1,96
48
โ9< ๏ฟฝฬ ๏ฟฝ๐ < ๐ + 1,96
48
โ9) para to-
das las muestras de tamaรฑo n = 9 (๐1, ๐2, โฏ , ๐9).
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
7
10.1.2. En una poblaciรณn NORMAL con varianza ๐2 desconocida.
PARA n cualquier tamaรฑo (muestra pequeรฑa n 30 )
Variable aleatoria โ ๐ =๏ฟฝฬ ๏ฟฝ๐โ๐
๐๐ โ๐โ1โ=
๏ฟฝฬ ๏ฟฝ๐โ๐
๐๐โ โ๐ โ 1 โผ ๐ก๐โ1
t de Student con (n-1) grados de libertad.
Nivel de confianza 1 โ ๐ผ Intervalo aleatorio: ๐๐ ยฑ ๐ก๐ผ/2๐๐
โ๐โ1
โข Si la poblaciรณn es NORMAL y la varianza ๐2 desconocida y la MUESTRA es suficientemen-te GRANDE se puede aplicar el mismo intervalo aleatorio que el caso 2.1.1 pero sustitu-yendo la varianza poblacional por la muestral (la t โ Student converge a la Normal):
Poblaciรณn NORMAL, varianza ๐2 desconocida y PARA n GRANDE n 30
Nivel de confianza 1 โ ๐ผ Intervalo aleatorio: ๐๐ ยฑ ๐ง๐ผ/2๐๐
โ๐
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
8
Ejemplo 10.2 Una empresa automovilรญstica quiere estimar la media de las emisiones de CO2 del รบltimo modelo de coche que quiere sacar al mercado. De una muestra aleatoria de n = 9 coches ha resultado una media de emisiones de 170 gr de CO2 por Km recorrido con una desviaciรณn tรญpica de 45 gr por Km. Se supondrรก que la variable X, que mide las emisio-nes de CO2 de esos coches, tiene una distribuciรณn Normal de varianza poblacional ๐2 des-conocida. Nivel de confianza 1 โ ๐ผ = 0,95.
Soluciรณn: ๐ผ๐ถ(๐) = [135,41; 204,59] Soluciรณn: para una m.a.s. de n = 9 coches ๏ฟฝฬ ๏ฟฝ๐ = 170 ๐ฆ ๐ ๐ = 45 gr por Km (estimaciรณn puntual) La v.a. X: emisiones de CO2 del coche (en gr por Km) tienen una distribuciรณn Normal con varianza desco-nocida: ๐~๐๐๐๐๐๐(๐; ๐2).
Por tanto, aplicando el resultado anterior en 2.1.2, la v.a. ๐ =๏ฟฝฬ ๏ฟฝ๐โ๐
๐๐ โ๐โ1โ=โผ ๐ก๐โ1 โ ๐ =
๏ฟฝฬ ๏ฟฝ๐โ๐
45 โ8โ=โผ ๐ก8, es
decir, T se distribuye como una t de Student con 8 grados de libertad.
El intervalo es ๐๐ ยฑ ๐ก๐ผ
2
๐๐
โ๐โ1. Para un nivel de confianza de 1 โ ๐ผ = 0,95 โ
๐ผ
2= 0,025 y ๐ก๐ผโ2 es un valor
de la ๐ก8 tal que ๐(๐ก8 > ๐ก๐ผ 2โ ) = 0,025 โ ๐(๐ก8 < ๐ก๐ผ 2โ ) = 0,9750 โ ๐ก๐ผ 2โ = 2,306,
Asรญ, el intervalo de confianza queda:
๐๐ ยฑ ๐ก๐ผ
2
๐๐
โ๐โ1โ 170 ยฑ 2,306
45
โ8โ 170 ยฑ 36,69. Por tanto ๐ฐ๐ช(๐) = [๐๐๐, ๐๐; ๐๐๐, ๐๐] (estimaciรณn por
intervalo). La media de las emisiones de CO2 de este modelo de coche estarรญa entre 135,41 y 204,59 gr por Km con una confianza del 95%.
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
9
GRรFICAMENTE:
0,95 = ๐ (โ2,306 <๏ฟฝฬ ๏ฟฝ๐โ๐
45 โ8โ< 2,306) = ๐ (๏ฟฝฬ ๏ฟฝ๐ โ 2,306
45
โ8< ๐ < ๏ฟฝฬ ๏ฟฝ๐ + 2,306
45
โ8)
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
10
10.1.3. En una poblaciรณn no normal con varianza ๐2 conocida.
PARA n GRANDE
Variable aleatoria โ ๐ =๏ฟฝฬ ๏ฟฝ๐โ๐
๐ โ๐โ=
๏ฟฝฬ ๏ฟฝ๐โ๐
๐โ โ๐ โผ ๐๐๐๐๐๐(0, 1) (TCL)
Nivel de confianza 1 โ ๐ผ Intervalo aleatorio: ๐๐ ยฑ ๐ง๐ผ/2๐
โ๐
โข Si la distribuciรณn poblacional es desconocida o es un modelo conocido distinto del nor-mal, la varianza ๐๐ es desconocida y la MUESTRA es suficientemente GRANDE, por el TCL, se puede aplicar tambiรฉn el mismo criterio, sustituyendo la varianza poblacional por una estimaciรณn adecuada.
๐๐ ยฑ ๐ง๐ผ/2๏ฟฝฬ๏ฟฝ
โ๐
๐ท๐๐ ๐๐๐๐๐๐๐๐(๐, ๐) โ ๏ฟฝฬ๏ฟฝ = ๐ ๐
๐ต๐๐๐๐๐ข๐๐๐(๐) โ ๏ฟฝฬ๏ฟฝ = โ๏ฟฝฬ๏ฟฝ(1 โ ๏ฟฝฬ๏ฟฝ)
๐๐๐๐ ๐ ๐๐(๐) โ ๏ฟฝฬ๏ฟฝ = โ๏ฟฝฬ๏ฟฝ = โ๏ฟฝฬ ๏ฟฝ
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
11
Ejemplo 10.3 Una empresa automovilรญstica quiere estimar la media de las emisiones de CO2 del รบltimo modelo de coche que quiere sacar al mercado. De una muestra aleatoria de n = 100 coches ha resultado una media de emisiones de 170 gr de CO2 por Km recorrido con una desviaciรณn tรญpica de 45 gr por Km. ๐~๐(๐; ๐) Nivel de confianza 1 โ ๐ผ = 0,95.
Soluciรณn: ๐ฐ๐ช(๐) = [๐๐๐, ๐๐; ๐๐๐, ๐๐] Soluciรณn: para una m.a.s. de n = 100 coches ๏ฟฝฬ ๏ฟฝ๐ = 170 ๐ฆ ๐ ๐ = 45 gr por Km (estimaciรณn puntual) La v.a. X: emisiones de CO2 del coche (en gr por Km) tienen una distribuciรณn desconocida de parรกmetros desconocidos: ๐~๐(๐; ๐2). Las v.a. ๐๐: ๐๐๐๐ ๐๐๐๐๐ ๐๐๐ ๐ โ รฉ๐ ๐๐๐ ๐๐๐โ๐ ; ๐๐~๐(๐; ๐2) ๐๐๐ ๐ = 1,2, โฏ ,100, es decir, iid.
Por el TCL, la media muestral tiene una distribuciรณn aproximadamente Normal de media ๐ y desviaciรณ
tรญpica ๐
โ๐, es decir: ๏ฟฝฬ ๏ฟฝ๐ =
โ ๐ฟ๐๐๐=๐
๐~๐๐๐๐๐๐ (๐,
๐
โ๐). Como ๐ es desconocida sustituimos su valor su estima-
dor puntual: ๏ฟฝฬ๏ฟฝ = ๐ ๐ = 45. Por tanto, aplicando el resultado anterior en 2.1.3 y teniendo en cuenta que para un nivel de confianza de
1 โ ๐ผ = 0,95 โ๐ผ
2= 0,025 โ ๐(๐ < ๐ง๐ผ 2โ ) = 0,9750 โ ๐ง๐ผ 2โ = 1,96, queda:
๐๐ ยฑ ๐ง๐ผ/2๏ฟฝฬ๏ฟฝ
โ๐โ ๐๐ ยฑ ๐ง๐ผ/2
๐ ๐
โ๐โ 170 ยฑ 1,96
45
โ100โ 170 ยฑ 8,82. Por tanto ๐ฐ๐ช(๐) = [๐๐๐, ๐๐; ๐๐๐, ๐๐].
La media de las emisiones de CO2 de este modelo de coche estรก entre 161,18 y 178,82 gr por Km con una confianza del 95%
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
12
10.1.4. Estimaciรณn por intervalo de una PROPORCIรN POBLACIONAL p.
PARA n muy GRANDE n 100
Por el TCL, la v.a. ๏ฟฝฬ๏ฟฝ~๐๐๐๐๐๐(๐; โ๐(1โ๐)
๐
Por tanto, la variable aleatoria โ ๐ =๐โ๐
โ๐(1โ๐)
๐
~๐๐๐๐๐๐(0, 1)
Nivel de confianza 1 โ ๐ผ Intervalo aleatorio: ๏ฟฝฬ๏ฟฝ ยฑ ๐ง๐ผโ2โ๐(1โ๐)
๐
Siendo ๏ฟฝฬ๏ฟฝ =๐
๐=
โ ๐๐๐๐=1
๐ proporciรณn con que se observa el fenรณmeno en la muestra.
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
13
Ejemplo 10.4 Supongamos que se pretende estimar el porcentaje de coches hรญbridos o elรฉctricos que hay en la Comunitat Valenciana (CV). Si de una muestra aleatoria simple de 500 propietarios de automรณviles, 50 son elรฉctricos o hรญbridos, obtener un intervalo de con-fianza para dicho porcentaje al 90%.
Soluciรณn: ๐ผ๐ถ(๐) = [7,37%; 12,63%] Soluciรณn: El modelo de probabilidad poblacional es una Bernoulli.
La variable aleatoria ๐ = {0 No hรญ brido o ele ctrico1 ๐รญ hรญ brido o ele ctrico
tiene una distribuciรณn Bernoulli de parรกmetro ๐
desconocido. Si tenemos en cuenta los 500 (๐ฅ๐ = {0 no1 sรญ
), la proporciรณn muestral de propietarios de hรญbri-
dos o elรฉctricos es. ๏ฟฝฬ๏ฟฝ =โ ๐ฅ๐
500๐=1
๐=
50
500= 0,10.
Por tanto, aplicando el resultado anterior en 2.1.4 y teniendo en cuenta que para un nivel de confianza de
1 โ ๐ผ = 0,90 โ๐ผ
2= 0,05 โ ๐(๐ > ๐ง๐ผ 2โ ) = 0,05 โ ๐(๐ โค ๐ง๐ผ 2โ ) = ๐น(๐ง๐ผ 2โ ) = 0,95 โ ๐ง๐ผ 2โ = 1,645, el
intervalo queda:
๏ฟฝฬ๏ฟฝ ยฑ ๐ง๐ผ/2โ๏ฟฝฬ๏ฟฝ(1โ๏ฟฝฬ๏ฟฝ)
๐โก 0,10 ยฑ 1,645โ
0,1โ 0,9
500โก 0,10 ยฑ 0,0263 โ ๐ผ๐ถ(๐) = [0,0737; 0,1263].
En conclusiรณn, el porcentaje de propietarios de coches hรญbridos o elรฉctricos en la CV estรก entre el 7,37 y el 12,63% con una confianza del 90%.
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
14
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
15
10.2. Intervalo de confianza para la VARIANZA POBLACIONAL ๐๐ Poblaciรณn NORMAL con media ยต desconocida.
PARA n cualquier tamaรฑo
Variable aleatoria ๐ =๐๐๐
2
๐2 ~๐๐โ12 nโ1 grados de libertad
Nivel de confianza 1 โ ๐ผ Intervalo aleatorio: [๐๐๐
2
๐๐ผโ22 ;
๐๐๐2
๐1โ๐ผโ22 ]
Donde ๐ (๐๐โ12 > ๐
1โ๐ผ
2
2 ) = 1 โ๐ผ
2 ๐ฆ ๐ (๐๐โ1
2 > ๐๐ผ
2
2) =๐ผ
2
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
16
Ejemplo 10.5 Una empresa automovilรญstica quiere estimar la varianza de las emisiones de CO2 del รบltimo modelo de coche que quiere sacar al mercado. De una muestra aleatoria de n = 9 coches ha resultado una media de emisiones de 170 gr de CO2 por Km recorrido con una desviaciรณn tรญpica de 45 gr por Km. Se supondrรก que la variable X, que mide las emisio-nes de CO2 de esos coches, tiene una distribuciรณn Normal de varianza poblacional ๐2 des-conocida. Nivel de confianza 1 โ ๐ผ = 0,95.
Soluciรณn: para una m.a.s. de n = 9 coches ๏ฟฝฬ ๏ฟฝ๐ = 170 ๐ฆ ๐ ๐ = 45 gr por Km Para obtener un intervalo de confianza para la varianza poblacional ๐2 en un contexto de poblaciรณn
normal con media ๐ desconocida, ๐~๐๐๐๐๐๐(๐; ๐2), se ha de utilizar la v.a. ๐ =๐๐๐
2
๐2 ~๐๐โ12 que se distri-
buye como una ji โ cuadrado con n โ 1 grados de libertad. En este caso: ๐ =9๐๐
2
๐2 ~๐82.
El intervalo aleatorio es: [๐๐๐
2
๐๐ผ/22 ;
๐๐๐2
๐1โ๐ผ/22 ]
Para un nivel de confianza de 1 โ ๐ผ = 0,95 โ๐ผ
2= 0,025. Por tanto, los valores del denominador para
una ๐82 son: ๐ (๐8
2 > ๐1โ
๐ผ
2
2 ) = 1 โ๐ผ
2= 0,9750 โ ๐น (๐
1โ๐ผ
2
2 ) = 0,025 โ ๐1โ
๐ผ
2
2 = 2,18 y
๐ (๐82 > ๐๐ผ
2
2) =๐ผ
2= 0,025 โ ๐น (๐๐ผ
2
2) = 0,9750 โ ๐๐ผ
2
2 = 17,53.
El intervalo queda: ๐ผ๐ถ(๐2) = [9โ452
17,53;
9โ452
2,18] = [1039,646; 8360,09] โ ๐ผ๐ถ(๐) = [32,24; 91,43].
La variabilidad en las emisiones de CO2 estรก entre 32,24 y 91,43 gramos por Km recorrido.
TEMA 10 EJEMPLOS. ESTIMACIรN POR INTERVALOS
17