16 Construcción mediante cantidades pivotales
Existen diferentes metodos para construir estimadores por intervalo. Estudiaremos el metodo de las cantidades pivotales y metodos asintoticos.
16.1 Intervalos basados en cantidades pivotales
Una cantidad pivotal es una variable aleatoria
cuya distribucion de probabilidad no depende del parametro desconocido .
Es decir, si tiene una distribucion que depende de , la distribucion de es la misma para todos los valores de .
La utilidad de una cantidad pivotal es que permite calcular probabilidades y cuantiles sin conocer el valor del parametro que queremos estimar.
Supongamos que conocemos la distribucion de una cantidad pivotal . Podemos obtener sus cuantiles y de forma que
El procedimiento para construir un intervalo a partir de un pivote consiste en:
-
1.
Encontrar una cantidad pivotal
-
2.
Calcular sus cuantiles
-
3.
Despejar el parametro en la desigualdad
-
4.
Sustituir los estadisticos por sus valores observados
Asi, obtenemos un intervalo de confianza de nivel .
Supongamos que podemos despejar en la desigualdad:
Obtenemos una expresion de la forma:
Por tanto,
Una vez observada la muestra , el intervalo de confianza es
Los extremos del intervalo dependen de los datos observados, pero no del parametro desconocido.
16.2 Aplicaciones canonicas
Una vez comprendido el metodo general de las cantidades pivotales, lo aplicaremos a los modelos estadisticos estandar. Utilizaremos este procedimiento segun la distribucion de la poblacion:
-
Poblaciones normales: inferencias sobre la media , tanto con varianza conocida como desconocida, e inferencias sobre la varianza .
-
Poblaciones con tiempos de espera exponenciales: inferencia sobre el parametro de tasa de una distribucion exponencial.
16.2.1 Media de una poblacion normal
-
1.
IC para la media de una normal con varianza conocida: Sea , con conocida.
Sabemos que . Denotamos por el cuantil de orden de la normal estandar. Por su simetria
Sustituyendo el pivote:
Despejando en la desigualdad anterior
Por tanto, el intervalo de confianza es
Una vez observada la muestra, sustituimos por .
-
2.
IC para la media de una normal con varianza desconocida: Supongamos ahora que pero que es desconocida.
En este caso, utilizamos la desviacion tipica muestral:
Sabemos que
Esta cantidad es pivotal y su distribucion es una de Student con grados de libertad. A partir de
Por la simetria de la distribucion
Despejando :
16.2.2 Varianza de una poblacion normal
-
3.
IC para la varianza de una poblacion normal: Consideremos una muestra aleatoria simple de una poblacion normal
Sabemos que . Por tanto, disponemos de una cantidad pivotal para estimar la varianza . Buscamos dos cuantiles y tales que
Despejando :
Una eleccion habitual consiste en dejar la misma probabilidad en ambas colas:
Por tanto
16.2.3 Parametro de una distribucion exponencial
-
4.
IC para el parametro de una exponencial: Supongamos que donde es el parametro de tasa y
Consideremos el estadistico
Sabemos que , utilizando la parametrizacion de tasa, con densidad:
(la suma de variables exponenciales independientes de tasa sigue una distribucion Gamma de parametros y , de forma que al multiplicarla por obtenemos una chi-cuadrado con grados de libertad).
Como sabemos que . Como su distribucion no depende de , es una cantidad pivotal:
Tomando los cuantiles de la distribucion chi-cuadrado:
Despejando :
Se considera que los tiempos entre fallos de un servidor siguen una distribucion exponencial:
Se han observado tiempos entre fallos y se ha obtenido
Obtener un intervalo de confianza para al . Utilizamos:
Consultando los cuantiles de la distribucion chi-cuadrado:
Sustituyendo:
Como interpretacion, el intervalo de confianza al para la tasa de fallos es aproximadamente fallos por dia.
La distribucion de Student es una distribucion de probabilidad con las siguientes caracteristicas:
-
Esta definida en todo .
-
Es siemtrica respecto al cero.
-
Tiene colas mas pesadas que la distribucion normal.
-
Depende de sus grados de libertad.
-
Converge a la normal estandar cuando los grados de libertad crecen