PDF superior ESTIMACIÓN POR INTERVALOS DE CONFIANZA Conceptos

ESTIMACIÓN POR INTERVALOS DE CONFIANZA Conceptos

ESTIMACIÓN POR INTERVALOS DE CONFIANZA Conceptos

En la segunda parte del problema, si queremos que tenga mayoría absoluta, el margen de error no puede ser inferior a 0,05. La explicación es ésta: Puesto que la mayoría absoluta la obtiene con más de 0,50 de proporción, y la proporción muestral me ha dado 0,55, y como el intervalo de confianza está centrado en 0’55, el radio de dicho intervalo, es decir el margen de confianza, no puede ser superior a 0’05, ya que si fuese 0,06 por ejemplo, cabría la posibilidad de que el valor de la proporción poblacional fuese 0,55-0,06 = 0,49 con lo cual el alcalde no tendría la mayoría absoluta.
Mostrar más

11 Lee mas

Inferencia estadística: estimación por intervalos

Inferencia estadística: estimación por intervalos

En artículos previos de esta serie dijimos que podemos diferen- ciar dos estrategias para realizar inferencia estadística: la estima- ción por intervalos y el contraste de hipótesis. En este artículo revisaremos la primera de ellas: la estimación por intervalos. Debemos recordar que, para estimar cualquier parámetro po- blacional, recurrimos a muestras; si las muestras han sido selec- cionadas de forma aleatoria y son suficientemente grandes, los resultados van a ser representativos de lo que ocurre en la po- blación, pero siempre van a tener cierto grado de error por imprecisión. Del análisis de los resultados de nuestra muestra obtendremos una estimación puntual (por ejemplo, media, pro- porción, diferencia de medias, diferencia de proporciones, etc.), que será solo una de las múltiples estimaciones puntuales teóri- cas, obtenidas del análisis de otras posibles muestras selecciona- das a partir de la población.
Mostrar más

5 Lee mas

Estimación puntual y por intervalos para cadenas de Markov

Estimación puntual y por intervalos para cadenas de Markov

UNIVERSIDAD NACIONAL DE INGENIERÍA FACULTAD DE CIENCIAS Escuela Profesional de Matemática Tesis para optar el Título Profesional de Licenciado en Matemática ESTIMACIÓN PUNTUAL Y POR INTERVALOS PARA CA[.]

148 Lee mas

Estimación por intervalos

Estimación por intervalos

Las propiedades de los estimadores garantizan un cierto comportamiento de su distribución de probabilidad. Sin embargo, al resumir la información muestral en un único valor (la estimación puntual) no hacemos, de forma explícita, ninguna valoración sobre el error o discrepancia inherente al proceso de estimación:

149 Lee mas

Estudio de la mortalidad en España y sus provincias: estimación e intervalos de confianza en subpoblaciones

Estudio de la mortalidad en España y sus provincias: estimación e intervalos de confianza en subpoblaciones

La razón para terminar a la edad de 85 años es la excesiva exposición de la esperanza de vida a la edad de cierre de la tabla y próximas a factores coyunturales que ocasionan grandes fluctuaciones y falta de consistencia debido al pequeño tamaño de la muestra a partir de la cual se estima el valor. La influencia de los sucesos raros se amortigua a medida que baja la edad y la diferencia entre Ceuta y Melilla que cierran a 90 y el resto de provincias que cierra a 95 se atenúa. Algunos análisis sugieren la posibilidad de que cerrar a 85 sigue incorporando demasiados factores coyunturales. Una línea de investigación abierta es bajar la edad por debajo de 70 años. Bajo esta elección está el conflicto entre la perdida de información de edades especialmente interesantes en el rango de los longevos y la consistencia deseable en la estimación de edades, excesivamente expuestas a factores coyunturales.
Mostrar más

234 Lee mas

Regionalización de lluvias máximas diarias en las provincias de Chaco y Formosa

Regionalización de lluvias máximas diarias en las provincias de Chaco y Formosa

Tabla 3: Periodos de retorno en años utilizados para el diseño de estructuras de control de agua (Chow, 1994) ......................................................................................................... 34 Tabla 4: Porcentajes de las estaciones pluviométricas de Chaco en función de su longitud de serie ................................................................................................................................ 36 Tabla 5: Porcentajes de las estaciones pluviométricas de Formosa en función de su longitud de serie .................................................................................................................. 36 Tabla 6: Estaciones pluviométricas seleccionadas de Chaco (longitud de registro > 14 años) .................................................................................................................................... 38 Tabla 7: Estaciones pluviométricas seleccionadas de Formosa (longitud de registro >14 años) .................................................................................................................................... 39 Tabla 8: Planilla de lluvias diarias máximas anuales de la estación Presidencia Roque Sáenz Peña en la Provincia de Chaco ................................................................................. 41 Tabla 9: Probabilidad empírica de no excedencia de cada dato de lluvia diaria máxima anual para la estación Presidencia Roque Sáenz Peña en la Provincia de Chaco (código interno 423) ........................................................................................................................ 45 Tabla 10: Planilla resumen de datos pluviométricos ........................................................ 47 Tabla 11: Estimación de láminas de lluvia máxima diaria (y sus intervalos de confianza) para distintos periodos de retorno inferidos con la distribución de probabilidad GEV (parámetros estimados por el método de momentos
Mostrar más

146 Lee mas

Intervalos de confianza bootstrap bajo incumplimiento de supuestos en regresiones splines penalizadas

Intervalos de confianza bootstrap bajo incumplimiento de supuestos en regresiones splines penalizadas

La estimación de a través de un ajuste paramétrico simple puede provocar incon- venientes de cálculo debido a la alta dimensionalidad de . Entonces, puede ser estimado, imponiendo una penalidad a los coeficientes de , lo que conduce a mini- mizar el criterio:

9 Lee mas

Desarrollo de un modelo para evaluar la confiabilidad de un sistema de conducción de mezclas petroleras

Desarrollo de un modelo para evaluar la confiabilidad de un sistema de conducción de mezclas petroleras

El modelo propuesto requiere del uso de los procesos estocásticos Poisson homogéneo, y la ley de potencias para poder estimar de manera puntual la rapidez de falla y a su vez se usaron estimadores de los intervalos de confianza de los parámetros de la función de intensidad de fallas para el cálculo de β y θ. Con ello se proporciona las pruebas estadísticas necesarias para determinar si los parámetros de los sistemas disimilares siguen la misma tendencia. De esta forma, los datos de fallas de diferentes sistemas de ductos son mezclados para producir una función de intensidad de falla única y esto es aplicable solo cuando todos los sistemas disimilares siguen el mismo modelo estocástico. Lo anterior da el respaldo estadístico necesario para la estimación adecuada de la incertidumbre estadística y de la tolerancia.
Mostrar más

116 Lee mas

Estudio de capacidad de sistemas de medida utilizando intervalos de confianza generalizados

Estudio de capacidad de sistemas de medida utilizando intervalos de confianza generalizados

Con estas estimaciones puntuales, se procedió a realizar la estimación por intervalo con el recurso de intervalos de confianza generalizados. Dado que la obtención de los límites de confianza se realiza por medio de un estudio de simulación y, como ya se mencionara, su aplicación reiterada podría conducir a diferentes límites de confianza, debe optarse por un número adecuado de simulaciones que garanticen que dicha divergencia sea muy pequeña. En este caso, se decidió la realización de 100.000 simulaciones, valor recomendado en la literatura para esta clase de problemas. Esto significa que el procedimiento simulará 100.000 valores de cada una de las tres variables aleatorias chi- cuadrado especificadas en la fórmula (4), cuya combinación con los valores de los cuadrados medios obtenidos en el ANOVA, dará origen a 100.000 valores de la CPG dada por (5).
Mostrar más

14 Lee mas

ESTADÍSTICA DESCRIPTIVA VARIABLES ALEATORIAS TEORÍA DE MUESTRAS INTERVALOS DE CONFIANZA TEST DE HIPÓTESIS

ESTADÍSTICA DESCRIPTIVA VARIABLES ALEATORIAS TEORÍA DE MUESTRAS INTERVALOS DE CONFIANZA TEST DE HIPÓTESIS

Una estimación es puntual cuando se obtiene un sólo valor para el parámetro. Los estimadores más probables en este caso son los estadísticos obtenidos en la muestra, aunque es necesario cuantificar el riesgo que se asume al considerarlos. Por ejemplo, es obviamente inútil concluir que si el sueldo medio de una muestra de una ciudad es de 1.240 € entonces el sueldo medio de los habitantes de dicha ciudad también será ése. Lógicamente la posibilidad de equivocarnos es demasiado grande.

83 Lee mas

Intervalos de confianza: una aproximacin intuitiva para el no estadstico

Intervalos de confianza: una aproximacin intuitiva para el no estadstico

En el ejemplo de la figura 2, en la muestra 1 existe una media de 358 días con una desviación estándar de 82, en una muestra tamaño n = 55, por lo que se obtiene un iC al 95% de la media de 336.33 a 379.67. En estos resulta- dos, la media obtenida en la muestra es de 358 días, pero se anticipa una variabilidad que puede ir desde 336.33 hasta 379.67 días de sobrevivencia del trasplante. En este ejemplo hipotético, la verdadera media poblacional y los otros estimadores muestrales (Figura 2) están comprendidos dentro del iC calculado a partir de la muestra 1. En reali- dad, nunca se llega a conocer si el verdadero parámetro poblacional se encuentra dentro del iC calculado; sólo se puede calcular la variabilidad muestral esperada a partir del único estimador muestral conocido. si se estudian diversas muestras tamaño n = 55 del ejemplo, se espera que el 95% de las mismas presenten estimadores que queden dentro del iC y, con ello, se logre una estimación menos sesgada del posible parámetro poblacional.
Mostrar más

6 Lee mas

Interpretando correctamente en salud pública estimaciones puntuales, intervalos de confianza y contrastes de hipótesis

Interpretando correctamente en salud pública estimaciones puntuales, intervalos de confianza y contrastes de hipótesis

En los problemas de inferencia estadística se trabaja casi siempre en el marco de un modelo probabilístico. En particular, en la inferencia clásica este modelo sirve para describir el proceso experimental o biológico a par- tir del cual se han generado los datos. El modelo clási- co comprende un espacio de resultados, denominado espacio muestral, cuyos elementos resultan del con- junto de todos los posibles valores que puede tomar una variable aleatoria X. Las posibles funciones de proba- bilidad para X las designaremos por ƒ θ (x), siendo θ el vector de parámetros que clasifica dicha función. Entonces podemos decir que ℑ={ƒ θ (x):θ∈Θ} forma una familia de distribuciones de probabilidad y constituye la parte central del modelo clásico. La inferencia clásica intenta responder a las siguientes preguntas: a) ¿son los datos recogidos compatibles con algún miembro de la familia ℑ?, y b) admitiendo que el modelo es váli- do ¿qué inferencias podemos hacer sobre el verdadero valor del vector de parámetros θ? Es en este último punto donde se engloba la estimación paramétrica, puntual, o por intervalo.
Mostrar más

6 Lee mas

Tratamiento de los intervalos de confianza en textos universitarios

Tratamiento de los intervalos de confianza en textos universitarios

Estadística para las Ciencias Sociales. El potencial de la imaginación estadística. McGraw-Hill/Interamericana, S.A. de C.V., (2002) México, D.F. Ritchey Ferris. Este libro consta de 609 páginas, está organizado en 16 capítulos, donde los primeros cinco capítulos aborda la estadística descriptiva, los siguientes capítulos contemplan la estimación de parámetros con la estadística inferencial, correlación y regresión. El tema de estimación del parámetro usando Intervalos de confianza es contemplado en un capítulo completo que consta 23 páginas. Lo que corresponde al 3,78% de la totalidad de páginas que contiene el libro. Este libro está dirigido a estudiantes de especialidades en Ciencias Sociales que por lo común tienden a tener antecedentes limitados de matemáticas y se quejan por tener que tomar algún curso en Estadística. El texto intenta enseñar los conceptos difíciles en la Estadística como los son margen de error, nivel de confianza, pruebas de hipótesis, entre otros, sin sacrificar conceptos matemáticos y sus cálculos. Así mismo convencer a los estudiantes de que las matemáticas son sólo una herramienta, no como esencia si no para aprender estadística.
Mostrar más

90 Lee mas

Ventajas del uso de estimaciones por intervalos para proporciones poblacionales

Ventajas del uso de estimaciones por intervalos para proporciones poblacionales

La Estadística es, sin lugar a dudas, una disciplina metodológica que en los últimos decenios ha sido aplicada con gran profusión en la investigación en salud. El conjunto de sus métodos abarca las llamadas medidas estadísticas, tablas y gráficos que resultan muy útiles para la descripción de fenómenos empíricos. Comprende además las pruebas de hipótesis estadísticas y procedimientos de estimación de parámetros que se aplican cuando es preciso tomar decisiones bajo condiciones de incertidumbre. Tanto la práctica investigativa como la publicación de artículos científicos evidencian que con alguna frecuencia se omite la necesaria aplicación de procedimientos estadísticos, o bien se aplican inadecuadamente.
Mostrar más

6 Lee mas

Concepciones de profesores de matemáticas en formación respecto a los intervalos de confianza

Concepciones de profesores de matemáticas en formación respecto a los intervalos de confianza

Los intervalos de confianza (IC) hacen parte de la estimación de parámetros, y, por su naturaleza inferencial, son altamente utilizados en la toma de decisiones a partir de la información contenida en una muestra. Por esta razón varios investigadores se dieron a la tarea de identificar los tipos de concepciones presentes en los aprendices y usuarios de la estadística inferencial respecto a los intervalos de confianza. Al respecto, Behar (2001) señala que:

6 Lee mas

Una aplicación de intervalos de confianza para la mediana de supervivencia en el modelo de regresión de Cox

Una aplicación de intervalos de confianza para la mediana de supervivencia en el modelo de regresión de Cox

2. Borgan y Liestol (1990) mostraron que tanto los intervalos de confianza log-transformados como los arcoseno-ra´ız cuadrada transformados para S tienen un mejor rendimiento que el usual intervalo de confianza lineal. Ambos dan una probabilidad de cobertura para un intervalo del 95 % para muestras tan peque˜ nas como de 25 datos que tienen como mucho 50 % de censura, excepto en el extremo del lado derecho en donde habr´ an poco datos. El tama˜ no de muestra necesario para que el intervalo de confianza lineal est´ andar tenga la probabilidad de cobertura correcta es mucho m´as grande.
Mostrar más

80 Lee mas

Intervalos de confianza Bootstrap en regresión p spline con errores autocorrelacionados

Intervalos de confianza Bootstrap en regresión p spline con errores autocorrelacionados

Se considera un tamaño de muestra 100, y se seleccionan 200 muestras del modelo plan- teado para distintos valores de : 0.2, 0.4, 0.6, y 0.8. Para cada uno de los valores de x’s, se obtiene y ˆ , y se construye en cada una de las 200 repeticiones el intervalo de confianza por los cinco métodos presentados en el punto 3: clásico, Bootstrap Paramétrico, Bootstrap Empírico, Bootstrap Wild, y Bootstrap Correlacionado. Se define la cobertura de cada uno de los métodos como el porcentaje de intervalos que cubren al verdadero valor que surge del modelo teórico.

9 Lee mas

Estimadores bayesianos de la fiabilidad con muestreo censurado

Estimadores bayesianos de la fiabilidad con muestreo censurado

Dos tipos de intervalos de confianza para muestras grandes se han propuesto para cada estimador.. se han comparado con los del.[r]

175 Lee mas

Tendencias de la distribución de ingresos en los años noventa

Tendencias de la distribución de ingresos en los años noventa

Para determinar el efecto de los cambios en la estructura del mercado de trabajo se utilizó una metodología de microsimulaciones que consistió en alterar, por un lado en forma independiente y por otro en forma secuencial, la tasa de participación, la tasa de desempleo, la estructura del empleo (según sectores), la distribución de la educación de la población ocupada y los ingresos que se registraban en 1991. En cada caso se determina el resultado sobre la distribución del ingreso familiar per capita. Como la metodología se basa en la generación de números al azar es necesario tomar en cuenta la incertidumbre que esto involucra. Para esto, las microsimulaciones se replicaron 5000 veces y se obtuvieron intervalos de 95% de confianza para cada medida de desigualdad calculada. El desarrollo completo de la metodología empleada se encuentra en el Apéndice.
Mostrar más

38 Lee mas

Márgenes de Error para un Esquema de Muestreo Combinado Con Aplicación en la Medición de Niveles de Audiencia de la Radio en Monterrey

Márgenes de Error para un Esquema de Muestreo Combinado Con Aplicación en la Medición de Niveles de Audiencia de la Radio en Monterrey

Mediante la búsqueda bibliográfica se comprobó que la manera adecuada de calcular las varianzas y establecer los intervalos de confianza de los estimadores de los Niveles de Audiencia de[r]

155 Lee mas

Show all 10000 documents...