Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Actividad 5

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 16

1

ACTIVIDAD No.5

Presentado por:

YEIMI YOANA CALDERÓN


ID: 000547382

DIEGO MAURICIO LLANOS PEÑA


ID: 000545401

MARLOVI PRECIADO IBATA


D: 000534105

CORPORACIÓN UNIVERSITARIA MINUTO DE DIOS


CONTADURIA PÚBLICA IV SEMESTRE
ESTADISTICA INFERENCIAL
NEIVA
2017
2

ACTIVIDAD No. 5

Presentado por:

YEIMI YOANA CALDERÓN


ID: 000547382

DIEGO MAURICIO LLANOS PEÑA


ID: 000545401

MARLOVI PRECIADO IBATA


ID: 000534105

Docente:

PAUL ALEJANDRO SERPA QUINTERO


NRC: 7339

CORPORACION UNIVERSITARIA MINUTO DE DIOS


CONTADURIA PÚBLICA IV SEMESTRE
ESTADISTICA INFERENCIAL
NEIVA
2017
3

Contenido

Introducción...................................................................................................................................1

Justificación....................................................................................................................................2

Objetivos.........................................................................................................................................3

1. ejercicios 8-29 y 8-34 de la página 298 del libro Estadística Aplicada Ciro Martinez -
Richard Levin.................................................................................................................................4

2. los ejercicios 8-36 , 8-39 y 8-43 de las paginas 301 y 302 del libro Estadística Aplicada
Ciro Martinez - Richard Levin.....................................................................................................5

Conclusiones...................................................................................................................................7

Bibliografía.....................................................................................................................................8
4

Tabla de ilustración

Ilustración 1....................................................................................................................................8
5

Introducción

En esta actividad número cinco La estimación por intervalos consiste en establecer


el intervalo de valores donde es más probable se encuentre el parámetro. La obtención del
intervalo se basa en las siguientes consideraciones: Si conocemos la distribución muestral
del estimador podemos obtener las probabilidades de ocurrencia de los estadísticos
muestrales. Si conociéramos el valor del parámetro poblacional, podríamos establecer la
probabilidad de que el estimador se halle dentro de los intervalos de la distribución
muestral. El problema es que el parámetro poblacional es desconocido, y por ello el
intervalo se establece alrededor del estimador. Si repetimos el muestreo un gran número de
veces y definimos un intervalo alrededor de cada valor del estadístico muestral, el
parámetro se sitúa dentro de cada intervalo en un porcentaje conocido de ocasiones. Este
intervalo es denominado "intervalo de confianza".
6

Justificación

Su finalidad es proporcionarnos en la estimación del valor del parámetro mediante


un sólo valor, obtenido de una fórmula determinada. Por ejemplo, si se pretende estimar la
talla media de un determinado grupo de individuos, puede extraerse una muestra y ofrecer
como estimación puntual la talla media de los individuos. Lo más importante de un
estimador, es que sea un estimador eficiente. Es decir, que sea insesgado (ausencia de
sesgos) y estable en el muestreo o eficiente (varianza mínima) Estimación puntual. Sea X
una variable poblacional con distribución Fθ, siendo θ desconocido. El problema de
estimación puntual consiste en, seleccionada una muestra X1,..., Xn, encontrar el
estadístico T(X1,..., Xn) que mejor estime el parámetro θ. Una vez observada o realizada la
muestra, con valores x1,..., xn, se obtiene la estimación puntual de θ, T(x1,..., xn) = ˆ θ.

Vemos a continuación dos métodos para obtener la estimación puntual de un


parámetro: método de los momentos y método de máxima verosimilitud. Método de los
momentos: consiste en igualar momentos poblacionales a momentos muestrales.
Deberemos tener tantas igualdades como parámetros a estimar. Momento poblacional de
orden r αr = E(Xr) Momento muestral de orden r ar = Xn i=1 Xr i n

Método de máxima verosimilitud: consiste en tomar como valor del parámetro aquel
que maximice la probabilidad de que ocurra la muestra observada. Si X1, ..., Xn es una
muestra seleccionada de una población con distribución Fθ o densidad fθ(x), la
probabilidad de que ocurra una realización x1, ..., xn viene dada por: Lθ (x1, ..., xn) = Yn
i=1 fθ(xi)
7

Objetivos

General

Aprender cómo hacer estimaciones tanto puntual como por intervalos, de acuerdo a los
puntos a realizar.

Específicos

 Aprender las fortalezas y limitaciones de las estimaciones puntuales y las


estimaciones de intervalos.

 Calcular que tan precisas son en realidad nuestras estimaciones.

 Aprender a utilizar la distribución t para hacer estimaciones de intervalo en algunos


casos en los que la distribución normal no se puede utilizar.
8

ESTIMACIONES PUNTUAL Y POR INTERVALOS

1. ejercicios 8-29 y 8-34 de la página 298 del libro Estadística Aplicada Ciro
Martinez - Richard Levin

8 -29 La enfermera de la secundaria de Westview está interesada en conocer la estatura


promedio de los estatutos del último año, pero no tiene suficiente tiempo para examinar los
registros de los 430 estudiantes. Por ello, selecciona 48 al azar y encuentra que la media de
la muestra es 64.5 pulgadas y la desviación estándar es 2.3 pulgadas.

N: 430
n: 48
x́ : 64.5
σ^ : 2.3
σ^
σ^ = ×

N −n
√n N −1
a) Encuentre la estimación del error estándar de la media.

σ^ =
2.3
√ 48
×
√430−48
430−1

σ^ =
2.3
×
√6.92 429√
382

σ^ =0.332× 0.941
σ^ =0.312

b) .Construya un intervalo de confianza del 90% para la media.


9

Reemplazo en los límites.


Límite superior

x́+ z ( σ^ x )

64.5+1.64 ( 0.312 ) =65.01

Límite inferior

x́−z ( σ^ x )

64.5−1.64 ( 0.312 )=63.98

45% 45%

63.98 64.5 65.01


Z
1.64 1.64

RTA/. La estatura promedio de los estudiantes esta entre 63.95 y 65.01 con una confianza
del 90%.

8-34 La jefa de policía, Kathy Ackert, recientemente estableció medidas enérgicas para
combatir a los traficantes de droga de su ciudad. Desde que se pusieron en funcionamiento
Dichas medidas, han sido capturados 750 de los 12.368 traficantes de droga de la ciudad. El
valor promedio, en dólares, de las drogas decomisadas a estos 750 traficantes es de
$250.000. La desviación estándar del valor de la droga de esos 750 traficantes es $41.000.
Elabore para la jefa Ackert un intervalo de confianza del 90% para el valor medio en
dólares de las drogas que están en manos de los traficantes de la ciudad.
10

N: 12.368
n: 750
x́ : $250.000
σ^ : $41.000
σ^
σ^ = ×
N −n
√n N −1 √
c) Encuentre la estimación del error estándar de la media.

σ^ =
41.000
√ 750
×

12.368−750
12.368−1

σ^ =
41.000
27.38
×
11.618
12.367 √
σ^ =1.497,4 ×0.97

σ^ =1451.3 Error estándar estimado de la proporción

Reemplazo en los límites.


Límite superior

x́+ z ( σ^ x )

250.000+1.64 ( 1.451,3 )=252.380,1

Límite inferior

x́−z ( σ^ x )

250.000−1.64 (1451.3 )=247.619,8

45% 45%

247.619,8 252.380,1
250.0000
Z
1.64 1.64
11

2. los ejercicios 8-36 , 8-39 y 8-43 de las páginas 301 y 302 del libro Estadística
Aplicada Ciro Martínez - Richard Levin

8-36 General Cinema obtuvo una muestra de 55 personas que vieron Caza Fantasmas 8 y
les preguntaron si planeaban verla de nuevo. Solo 10 de ellos pensaron que valía la pena
ver la película por segunda vez.

a) Estime el error estándar de la proporción de asistentes al cine que verán la película


por segunda vez.

n: 55
^p : 18%
q^ : 82%

σ^ ^p =

^p q^
n

σ^ ^p =
√ (0.18)(0.82)
55

σ^ ^p =√ 0.00268

σ^ ^p =0.051 Error estándar estimado de la proporción.

b) Construya un intervalo de confianza del 90% para esta proporción.

Límite superior

^p + z ( σ^ ^p )

0.18+1.64 ( 0.051 ) =0.26

Límite inferior

^p−z ( σ^ ^p)
12

0.18−1.64 ( 0.051 )=0.09

0.26
^p
0.09 0.1
Z
1.64 1.64

Entonces, Estimamos que a partir de nuestra muestra de 55 personas, que con 90% de
confianza, creemos que la proporción de los que vieron nuevamente la película Caza
Fantasma 8, está entre 0.09 y 0.26

8-39 Hace poco SnackMore encuestó a 95 consumidores y encontró que el 80% compraba
galletas sin grasa de SnackMore cada mes.

a) Estime el error estándar de la proporción.

n: 95
^p : 0.8
q^ : 0.2


σ^ ^p =
^p q^
n

σ^ ^p =
√ (0.8)(0.2)
95

σ^ ^p =√ 0.00168421

σ^ ^p =0.041 Error estándar estimado de la proporción.

b).Construya un intervalo del 95% de confianza para la proporción verdadera de personas


que compran las galletas cada mes.

Límite superior
13

^p + z ( σ^ ^p )

0.8+1.96 ( 0.041 )=0.88

Límite inferior

^p−z ( σ^ ^p)

0.8−1.96 ( 0.041 )=0.72

Entonces, Estimamos que a


partir de nuestra muestra de 95
consumidores, que con 95% de
confianza, creemos que la
proporción de los que
compraban galletas sin grasa de
SnackMore, está entre 0.88 y
0.72

0.72 0.88
^p
8-43 Barry Turnbull, el famoso analista de
0.8Wall Street, está interesado, en conocer la
Z
01.96 1.96
proporción de accionistas individuales que plantean vender al menos un cuarto del total de
sus valores el mes próximo. Barry ha efectuado una inspección aleatoria de 800 individuos
que poseen acciones y ha establecido que 25% de su muestra planea vender al menos al
cuarta parte de sus acciones el mes siguiente. Barry está a punto de publicar su esperado
informe mensual, “pulso de Wall Street: indicador de cotizaciones”, y le gustaría poder dar
un intervalo de confianza a sus lectores. Está más preocupado por estar en lo correcto que
por el acho del intervalo. Construya un intervalo de confianza del 90% para la proporción
verdadera de accionistas individuales que planean vender al menos un cuarto de sus
acciones durante el siguiente mes.

n: 800
^p : 0.25
q^ : 0.75
σ^ ^p =

^p q^
n
14

σ^ ^p =
√ (0.25)(0.75)
800

σ^ ^p =√ 0.00023

σ^ ^p =0.015 Error estándar estimado de la proporción.

Límite superior

^p + z ( σ^ ^p )

0.25+1.64 ( 0.015 )=0.27

Límite inferior

^p−z ( σ^ ^p)

0.25−1.64 ( 0.015 )=0.22

Entonces, Estimamos que a


partir de nuestra muestra de
800 individuos, que con 90%
de confianza, creemos que la
proporción verdadera de
accionistas está entre 0.22 y
0.27

0.22 0.27
^p
0.25
Z
1.64 1.64
15

Conclusión

La estimación puntual presenta un gran inconveniente: aun utilizando el mejor


estimador de una característica poblacional o parámetro, no sólo no acertaremos en la
estimación (la posibilidad de acertar es remota), sino que desconoceremos el grado de
precisión y fiabilidad de la misma. Así, cuando estimamos que el número medio de horas
diarias ante el televisor es 2.3 a partir de la información que proporcionan 1000 individuos
elegidos al azar, no medimos ni la discrepancia con el verdadero valor del parámetro
(precisión), ni la probabilidad de equivocarse en menos de una cierta cantidad (fiabilidad).
La única garantía que podemos tener acerca de la bondad de la estimación proviene del
hecho de que se ha realizado con el estimador más adecuado (en ese caso, la media
muestral). Para evitar esta insuficiencia de la estimación puntual se introducen los
intervalos de confianza.
16

Bibliografía

Ciro Martinez, R. L. (2011). Estimación . En C. Martinez, Estadistica Aplicada (pág. 484).


Colombia: Pearson Education.

También podría gustarte