FACULTAD NACIONAL DE INGENIERA

TRABAJO PRACTICO MAT 1135

1. Definir y describir:
a) Describir los diferentes tipos de Estimadores
Los nmeros que aparecen en las distribuciones de probabilidad de las variables aleatorias
tales como: en la distribucin binomial, en la distribucin de Poisson, y en la
distribucin normal etc. Se llaman parmetros o caractersticas de la poblacin.
La estimacin estadstica es el proceso mediante el cual se aproxima el valor del parmetro
de la poblacin a partir de la informacin de una muestra. Los diferentes tipos de estimadores
son:
Estimacin puntual
Sea una muestra aleatoria de una variable aleatoria X sean
los valores que toma la muestra. Toda funcin
de estas variables aleatorias que no dependen del
parmetro desconocidos, se llama un estadstico y su valor dado por
.
Estimador cualquier estadstico cuyo valor
se utiliza para para estimar el parmetro , se dice es un
estimador de y se escribe as:

La estimacin puntual de un parmetro desconocido de la poblacin consiste en elegir un
estimador de , ose la funcin de la muestra cuyo
valor numrico particular se toma como una
aproximacin de , este valor se llama, estimado puntual de .
Estimacin de intervalos de confianza
La precisin de la estimacin puntual puede evaluarse en una muestra, por estimacin de un
intervalo junto con una media de la seguridad que tal intervalo contenga al parmetro
desconocido de la poblacin dichos intervalos desconocido.
Intervalo aleatorio.- Es un intervalo en el cual por lo menos uno de los extremos es una
variable aleatoria.
Intervalo de confianza.- Sea una muestra aleatoria de una
poblacin X, cuya distribucin de probabilidad es .

b) Propiedades de los estimadores puntuales.

INSESGADO.- Un estimador se dice que es insesgado 1
para el parmetro , si ( )
Si no cumple la definicin anterior, el estimador se dice que es sesgado.

MAT 1135 E
 CONSISTENCIA.- Si es una secuencia de estimadores
del parmetro basado en una muestra aleatoria de tamao n, se dice que es consistente
para , si:
[| | ]
ERROR CUADRATICO MEDIO DE UN ESTIMADOR.- Sea
un estimador de . El error cuadrtico medio del estimador se define por .
Se denota por: () .
Y esta dada por la funcin:
() () [ ]
Este valor es el sesgo.
EFICIENCIA RELATIVA.- El error cuadrtico medio es un criterio importante para comparar dos
estimadores. Sean dos estimadores del parmetro y sean ( ) y ( ) los
errores cuadraticos medios respectivamente.
La eficiencia relativa de con respecto a se define como el cociente:
( )
( )
Si esta eficiencia relativa es menor que 1 concluimos que es un estimador ms eficiente
que , en el sentido que tiene menor error cuadrtico medio.

c) Obtencin de los estimadores puntuales:

1. METODO DE MAXIMA VEROSIMILITUD

Sea X una variable aleatoria cuya funcin de probabilidad depende del parametro .
Sea una muestra aleatoria de X y sean
los valores observados de la muestra. La funcin de verosimilitud
de la muestra se define as:

El mtodo de la mxima verisimilitud, consiste en tomar como valor estimado de , el valor

que hace mxima la funcin .

2. METODO DE LOS MOMENTOS

Suponga que X es una variable aleatoria continua con una funcin de densidad
o una varible aleatoria discreta con distribucin de probabilidad
caracterizado por K parametros desconocidos. 2
Sea una muestra aleatoria de tamao n de k. los primeros k
momentos muestrales alrededor del origen se define como:

MAT 1135 E


Los primeros k momentos de la poblacin alrededor del origen son respectivamente

Si X es continua

Si X es discreta.

d) Obtencin de estimadores de Intervalo

INTERVALO ALEATORIO.- e un intervalo en el cual por lo menos uno de sus extremos es una
variable aleatoria.
INTERVALOS DE CONFIANZA.-sea una muestra aleatoria de una
poblacin X, cuya distribucin de probabilidad es .
Sea y dos estadsticos tales
que para los cuales se cumple:
[ ]
Donde no depende de ; entonces el intervalo aleatorio [ ] se llama el intervalo del
100 o 100( )% de confianza para
Donde:
Lmite inferior de confianza para .
Lmite superior de confianza para .
INTERVALO DE CONFIANZA UNILATERAL O DE UN LADO.- Sea una
muestra aleatoria de una poblacin X con distribucin de probabilidad
Si es un estadstico, para lo cual,
[ ]
Entonces el intervalo [ [ se llama el intervalo del 100 o 100( )% de confianza
para se llama limite unilateral inferior de confianza para
Similarmente, si es un estadstico talque :
[ ]
Entonces el intervalo [ [ se llama el intervalo del 100 o 100( )% de confianza
para se llama limite unilateral inferior de confianza para

e) Intervalo de confianza para la media: Varianza conocida

3
Sea X una poblacin distribuida con media desconocida y varianza conocida.
Debemos hallar un intervalo de confianza para . Es decir, encontrar dos estadsticos
tal que [ ] , con un conocido. Entonces:

MAT 1135 E
 Elegimos el nivel de confianza
Sea una muestra aleatoria de tamao n de X, y la media muestral.
Sabemos que es adecuada para estimar , por tanto podemos usar la distribucin muestral
de para establecer un intervalo de confianza para .
Para n suficiente grande (n30) por el teorema central del lmite se tiene que: .
Si X es una poblacin normal, entonces es normal para todo n. adems se obtiene

en N(0,1)
Observe que, si bien la variable aleatoria Z depende del parmetro , su distribucin no. Por
lo tanto, elegido , puede determinarse dos valores y
[ ]
Hay infinidad de formas de escoger y que cumplan tal condicin. El mas simple es
escoger
[ ]

Por simetra de la curva normal, se tiene

[ ] [ ]

Es decir:
[ ]
[ ]

Los valores de son obtenidos de la tabla de distribucin normal.

Por otro lado:

[ ] * +

[ ] [ ]

[ ] [ ]

[ ] [ ]

De donde se obtiene el intervalo * + del 100 % de confianza para el

parmetro

MAT 1135 E
f) Estimacin de intervalo de variabilidad
El procedimiento para seleccionar el tamao de la muestra es:

Elegir el error mximo permisible (cota para el error de estimacin y un coeficiente de

confianza
Resolver la ecuacin para n.

g) Estimacin de la media y la distribucin T de Student.

La variable aleatoria T, tiene distribucin t de student con r grados de libertad, se representa
como t(r), si su funcin de densidad de probabilidad es:

( )

Donde constante, r es entero positivo.

Las propiedades principales:

Media

Varianza

MAT 1135 E
h) Pruebas de hiptesis
Una hiptesis estadstica, es una aseveracin que se hace acerca de la distribucin de una o
ms variables aleatorias (poblaciones).

Se puede especificar una hiptesis, dando el tipo de distribucin y el valor o valores del
parmetro o los parmetros que la definen.

La prueba estadstica de una hiptesis, es una regla que cuando los valores experimentales
son observados nos conducen a una decisin no rechazar (aceptar) o rechazar la hiptesis
bajo consideracin.

Prueba de una cola o unilateral, estas pueden ser:

a) Prueba de cola inferior o prueba de lado izquierdo: para el cual las hiptesis toman las
siguientes formas:

Este tipo de prueba se emplea cuando se tiene alguna evidencia que el parmetro no es igual
a , si no debe ser menor. Tambin cuando el valor de un parmetro no es demasiado
pequeo para algn objetivo.

b) Prueba de cola superior o prueba de cola derecha: suele expresarse de la siguiente forma:

Este tipo de prueba se emplea, en problemas, en el que se tiene algn indicio que el
parmetro no es igual al valor postulado, debe ser mayor que el postulado.
Prueba de dos colas o bilaterales en este caso la hiptesis se toma de la siguiente manera:

Este tipo de pruebas se emplea, en el caso que el valor que se prueba no sea verdadera: 6
entonces, todos los dems valores son posibles. Tambin cuando el valor de un parmetro, es
demasiado pequeo o demasiado grande para algn objetivo especifico.

MAT 1135 E
 i) Nivel de Significancia

La palabra significacin o significativo suele aplicarse a algo que tiene valor o relevancia, a algo
destacable. En el contexto estadstico suele decirse que algo es significativo cuando difcilmente se
puede atribuir al azar.

Si se lanza una moneda 100 veces y se obtienen 55 caras, el resultado no nos sorprender. Parece
debido al azar de los lanzamientos con una moneda equilibrada y no encontramos nada
destacable en l. Pero si al lanzar una moneda 100 veces obtenemos 85 caras, ese resultado ya
nos parece ms destacable, en el sentido de que es muy poco probable en una moneda
equilibrada. La diferencia entre el 50% de caras de una moneda equilibrada y el 85% observado
parece significativa o difcilmente debida al azar, aunque todos sabemos que los sucesos poco
probables tambin ocurren.

En esta situacin nos preguntamos:

Hasta qu punto estamos dispuestos a creer que un resultado improbable en una moneda
equilibrada (hiptesis nula) ocurre por azar?

Si ocurre 1 de cada 1000 veces, creemos que se debe al azar? Y si ocurre 1 de cada 100 o 5 de
cada 100? Debemos fijar un lmite o nivel para esa probabilidad y ese nmero es el nivel de
significacin. As por ejemplo, si elegimos un nivel de significacin de 0,01 consideraremos que por
debajo de esa probabilidad los resultados no ocurren por el azar del lanzamiento de una moneda
equilibrada, son significativamente distintos, y decidiremos que la moneda no est equilibrada
(hiptesis alternativa).

Por tanto el nivel de significacin es el punto de corte de probabilidad para considerar que un
resultado ocurre por azar (no significativo) o no

MAT 1135 E
 j) Prueba de hiptesis y nivel de significancia de la media

HIPOTESIS 1

PRUEBA DE HIPTESIS -NIVEL DE SIGNIFICANCIA

HIPOTESIS: Suposicin o conjetura que el investigador formula acerca de los resultados que va a
obtener, existen dos tipos principales de hipotesis:

HIPOTESIS NULA (Ho): se define como la negacin de una relacin significativa. Por ejemplo, si
comparo dos series de datos (A y B), Ho supone que no difieren entre ellos significativamente, o
sea que la diferencia observada es atribuible al azar del muestreo . El propsito del experimento
es decidir s la prueba tiende a apoyar o a refutar la hiptesis nula.

HIPOTESIS ALTERNA (H1): es la afirmacin de que s es significativa la diferencia o la relacin entre

A y B, es decir, que la diferencia no es atribuible al azar del muestreo.

La hiptesis alterna puede ser con direccin anticipada o sin ella, es decir, puedo suponer 8
anticipadamente que A mayor que B o que A menor que B o bien, simplemente puedo suponer
que A es diferente de B (sin anticipar cual de los dos es mayor)

MAT 1135 E
La hiptesis con direccin anticipada se llaman tambin hiptesis de superioridad , porque el
investigador anticipa que A es superior a B en la caracterstica que est comparando. La hiptesis
nula A = B tambin puede ser una hiptesis de equivalencia , pues me permite decir que los dos
grupos son equivalentes.

Hiptesis de Equivalencia, bilateral o a dos colas

Si tomamos la media en consideracin una hiptesis de equivalencia parte de:

Ho: La media de edad de los estudiantes nios y las estudiantes nias de un colegio es la misma

Si tomamos una proporcin en consideracin.

Ho: la proporcin (P) de enfermos curados ( C ) por dos frmacos es la misma.

Hiptesis de superioridad, unilateral o a una cola derecha

Si tomamos la media en consideracin

Ho: la media de edad del grupo 1 es menor o igual que la media de edad del grupo 2

Hipotesis de superioridad, unilateral o a una cola izquierda

Hiptesis con valor nulo

Sucede cuando damos un valor determinado a o a la Proporcin

k) Prueba de hiptesis acerca de la varianza.-

9
Es frecuente que se desee comprobar si la variacin o dispersin de una variable ha tenido
alguna modificacin, lo cual se hace con la prueba de hiptesis para la varianza.

MAT 1135 E
Hiptesis

Se puede plantear uno de los siguientes tres tipos de hiptesis:

- Prueba de hiptesis a dos colas

H0 : =k

H1 : k

- Prueba de hiptesis a una cola superior

H0 : =k H0 : k

H1 : >k H1 : >k

- Prueba de hiptesis a una cola inferior

H0 : =k H1 : k

H1 : <k H1 : <k

En este caso se tienen dos situaciones, dependiendo de si se utiliza la varianza muestral sin
corregir o corregida.

Si se utiliza la varianza sin corregir ( ) la estadstica de trabajo es la expresin (1.4):

(3.6)

Si se utiliza la varianza corregida, la estadstica de trabajo es la expresin (1.5):

(3.7)

REGLA DE DECISION

- Si se ha planteado la hiptesis alternativa como:

10
H1 : k se tiene una prueba de hiptesis a dos colas, por lo tanto, el nivel de significancia (
) se divide en dos partes iguales, quedando estos valores en los extremos de la distribucin
como se aprecia en la figura 3.8

MAT 1135 E
 Figura 3.8 Regla de decisin para una prueba de hiptesis a dos colas

y pertenecen a una distribucin X2 con (n-1) grado de libertad. Si el valor de la

estadstica de trabajo (T) est entre y no se rechaza la hiptesis nula, en caso
contrario se rechaza H0 lo cual implica aceptar H1 . Es decir, si <T< no se rechaza H0.

- Si se ha planteado la hiptesis alternativa como:

H1 : > k, se tiene una prueba de hiptesis a una cola superior, quedando el nivel de
significancia ( ) en la parte superior de la distribucin, vease figura 3.9

Figura 3.9 Regla de decisin para una prueba de hiptesis a una cola superior

Z1- pertenece a una distribucin X2 con (n-1) grado de libertad. Si el valor de la estadstica de
trabajo (T) es menor que no se rechaza la hiptesis nula, en caso contrario se rechaza H0
lo cual implica aceptar H1 . Es decir, si T < no se rechaza H0 .

- Si se ha planteado la hiptesis alternativa como:

H1 : < k, se tiene una prueba de hiptesis a una cola inferior, quedando el nivel de
significancia ( ) en la parte inferior de la distribucin, vease figura 3.10 11

MAT 1135 E
 Figura 3.10 Regla de decisin para una prueba de hiptesis a una cola inferior

Z pertenece a una distribucin X2 con (n-1) grado de libertad. Si el valor de la estadstica de

trabajo (T) es mayor que Z no se rechaza la hiptesis nula, en caso contrario se rechaza H0 lo
cual implica aceptar H1 . Es decir, si T >Z no se rechaza H0.

2. RESOLVER
a) El director administrativo de una universidad desea utilizar la media de una muestra
aleatoria para la cantidad promedio de tiempo que tardan los universitarios en ir de una
clase a la siguiente , y adems quiere poder asegura. Sea X el precio unitario de un disquete
de 3,5 pulg. Se cuenta con las observaciones con una confianza de 99% que el error es a lo
ms 0,25 minutos. Se supone por experiencia que Qu tamao debe
tener la muestra??

Datos:

Confianza=99%=99/100=0,99

Solucin:

12

MAT 1135 E
Segn el tamao muestral para estimar una media se tiene la siguiente ecuacin:

Despejamos n el tamao muestral:

Elevando ambos miembros al cuadrado:

( )

Se obtiene:

( )

Buscando por tablas de distribucin normal:

[ ]

Por tablas

Reemplazando en la ecuacin (I), se obtiene:

( ) ( )

b) un profesor elabora un examen final para un curso de diseo industrial auxiliado por
computadoras, el cual va aplicar a un numeroso grupo de estudiantes. Su opinin sobre la
calificacin media de los que lo acreditara se expresa subjetivamente por una distribucin
normal con y

b-1) Qu probabilidad a priori est asignado a que la calificacin media se encuentre

dentro del intervalo de 65,0 y 70,0?
13
b-2) si el examen se ensaya en una muestra aleatoria de 40 de los estudiantes y si la media
y la desviacion estandar de sus calificaciones 74,9 y 7,4 calcular los valores de y . Si
s=7,4 como una estimacion

MAT 1135 E
Solucin

b-1) Datos:

Encontramos el parametro z:

Por tablas de curva normal:

La probabilidad que la calificacion media se encuentre dentro del intervalo de 65,0 y 70,0 es:

b-2) Datos:

Media=74,9

Desviacin estndar=7,4

Hallando por intervalo de confianza para la media:

14

Evaluando para la media:

MAT 1135 E
 y zo limite menor limite mayor
0,900 1,645 72,975 76,825
0,950 1,960 72,607 77,193
0,980 2,330 72,174 77,626
0,990 2,576 71,886 77,914

Con una confianza de 99%:

Para intervalo de confianza para desviaciones tpicas:

Evaluando para la desviacin:

y zo limite menor limite mayor

0,900 1,645 6,039 8,761
0,950 1,960 5,778 9,022
0,980 2,330 5,472 9,328
0,990 2,576 5,269 9,531

Con una confianza de 99%:

c) Una poblacin determinada con , se desea probar si la

hiptesis nula contra la hiptesis alterna
con base en una muestra aleatoria de tamao n=100.
c-1) Si la hiptesis nula se rechaza para y en los dems
casos es aceptada, Cul es la probabilidad de cometer un error tipo I?
c-2) Cul es la respuesta a la parte (c-1) si la hiptesis nula es
en lugar de ?

Solucin
15
c-1)
Donde y
Cuando :

MAT 1135 E
 Decisin
Decisin Error de tipo II
correcta
Error de tipo I Decisin
correcta

La estadstica de prueba es . Desde que la muestra es grande n=100, la distribucin de es:

( )

Teorema central del lmite, luego;

La probabilidad buscada es:

[ ] * + [ ]

[ ]

c-2)
Donde y
Cuando :

Decisin
Decisin Error de tipo II
correcta
Error de tipo I Decisin
correcta

La estadstica de prueba es . Desde que la muestra es grande n=100, la distribucin de es:

( )

Teorema central del lmite, luego;

16

La probabilidad buscada es:

MAT 1135 E

[ ] * + [ ]

[ ]

17

MAT 1135 E