Mostrando entradas con la etiqueta Estimadores. Mostrar todas las entradas
Mostrando entradas con la etiqueta Estimadores. Mostrar todas las entradas

sábado, 11 de enero de 2014

Estimadores. Distribución en el muestreo. Sobre la suma de los valores muestrales.

Enunciado:
El voltaje de las pilas de una determinada marca se asocia a una variable aleatoria de media igual a $\mu=1'5$ voltios y de distribución $\sigma=0'2$ voltios ( parámetros de la población de pilas ). Se elige una muestra aleatoria simple de tamaño $n=100$ pilas y se conectan todas estas pilas en serie, lo cual supone que, al sumarse los voltajes, se pueda disponer de una batería de, aproximadamente, $150$ voltios. Calcular la probabilidad de que la batería resultante tenga un voltaje comprendido entre $148$ voltios y $152$ voltios.


Resolución:
Dice el Teorema Central del Límite que, dada un muestreo aleatorio simple formado por una sucesión de variables aleatorias independientes $X_1,\ldots\,X_n$ con la misma varianza y la misma media que la variable aleatoria $X$ que sirve de modelo a una cierta característica de la población, entonces la variable aleatoria $(X_1+\ldots+X_n)/n$, que corresponde al estimador $\overline{x}$ de la media $\mu$ sigue una distribución de probabilidad normal $N(\mu\,,\,\sqrt{n}\,\sigma$, por tanto la variable tipificada
    $\dfrac{(X_1+\ldots+X_n)/n - \mu}{\sigma / \sqrt{n}}$
es una $N(0,1)$

De aquí, se deduce como consecuencia directa de dicho teorema, que el estimador de la suma de los valores muestrales $X_1+\ldots+X_n$ tiene una distribución normal de media $n\mu$ y desviación típica $\sqrt{n}\,\sigma$.

En nuestro caso, nos parece apropiado denotar por $\hat{V}$ a dicho estimador (por referirnos a la suma de voltajes de la batería resultante de la asociación), luego
    $\hat{V} \sim N( n \,\mu \,,\,\sqrt{n} \,\sigma )$
con lo cual podemos escribir
    $P\{148 \le \hat{V} \le 152 \} = P\{ \hat{V} \le 152 \}-P\{ \hat{V} \le 148\}$
                $=P\{Z \le \dfrac{152-100\cdot 1'5}{0'2\,\sqrt{100}}\}-P\{Z \le \dfrac{148-100\cdot 1'5}{0'2\,\sqrt{100}}\}$
                $=P\{Z \le 1\}-P\{Z \le -1\}$
                $=(1-P\{Z > 1\})-P\{Z \ge 1\}$
                $=1-2\,P\{Z > 1\})\}$
                $\underset{(1)}{=} 1-2 \cdot 0'1587$
                $=0'6826$

==
      (1):consultando las tablas de la normal $N(0,1)$
==
$\square$


[nota del autor]

viernes, 10 de enero de 2014

Estimadores. Distribución en el muestreo. Estimación de la diferencia de medias de dos poblaciones normales independientes

Enunciado:
Un fabricante de televisores compra piezas a dos compañías. Sabemos que: a) la variable aleatoria que describe duración de las piezas que proporciona la compañía $A_1$ sigue una distribución normal de parámetros $\mu_1=7'2$ años ( media ) y $\sigma_1=0'8$ años ( desviación típica ); b) la variable aleatoria que describe duración de las piezas que proporciona la compañía $A_2$ sigue una distribución normal de parámetros $\mu_2=6'7$ años ( media ) y $\sigma_2=0'7$ años ( desviación típica ). Se extrae una muestra $n_1=34$ piezas de la población de piezas producidas por la compañía $A_1$ y una muestra de $n_2=40$ piezas de la población de piezas producidas por la compañía $A_2$. Calcular la probabilidad de que la media de la muestra de la compañía $A_1$ se al menos un año mayor que la media de la muestra de la compañía $A_2$.


Resolución:
Denotemos por $X$ a la variable aleatoria que describe el tiempo de vida de la población de piezas producidas por la compañía A, que, según el enunciado, sigue una distribución $N(\mu_1,\sigma_1)$, y por $Y$ a la variable aleatoria que describe el tiempo de vida de la población de piezas producidas por la compañía B, que según el enunciado, sigue una distribución $N(\mu_2,\sigma_2)$

Sea $X_1,\ldots,X_{n_1}$ una muestra aleatoria simple procedente de la producción de la compañía A ( $n_1=34$ piezas ) e $Y_1,\ldots,Y_{n_2}$ ( $n_2=40$ piezas ) una muestra aleatoria simple procedente de la compañía B.

Como ambas muestras suponemos que son independientes y los parámetros de las variables aleatorias de las poblaciones $X$ e $Y$ son conocidos, hemos visto en clase que la variable aleatoria que describe el estimador de la diferencia de medias muestrales $\overline{x}_1-\overline{x}_2$ ( distribución en el muestreo ) sigue una distribución normal:
    $\overline{x}_1-\overline{x}_2 \sim N \Big(\;\mu_1-\mu_2\;,\;\sqrt{\dfrac{\sigma_{1}^2}{n_1}+\dfrac{\sigma_{2}^2}{n_2}}\;\Big)$

Tipificando la variable vemos que
    $Z \sim \dfrac{(\overline{x}_1-\overline{x}_2)-(\mu_1-\mu_2)}{\sqrt{\dfrac{\sigma_{1}^2}{n_1}+\dfrac{\sigma_{2}^2}{n_2}}} \sim N(0,1)$

Luego
    $P\{(\overline{x}_1-\overline{x}_2)\ge 1\}=$
        $=P\{Z \ge \dfrac{1-(\mu_1-\mu_2)}{\sqrt{\dfrac{\sigma_{1}^2}{n_1}+\dfrac{\sigma_{2}^2}{n_2}}}\} \underset{(1)}{=} P\{Z\ge 2,8364\}) \underset{(2)}{\approx} 0'0023$


        (1) Sustituyendo los datos del enunciado y consultando las tablas de la distribución normal tipificada $N(0,1)$
        (2) Consultando las tablas de la distribución normal tipificada $N(0,1)$

$\square$


Referencias:
  • Adaptación del Problema 13.11 del Libro Base

[nota del autor]