Hemos visto hasta ahora sobre estimadores puntuales.
Ahora: Intervalos de confianza clásicos.
Estimación por Intervalo
Una estimación por intervalo para un parámetro desconocido viene dada por un rango o intervalo que posee cierta probabilidad de contener a dicho parámetro.
Usualmente este concepto de confianza se interpreta diciendo que si obtenemos 100 intervalos entonces de ellos no van a incluir el valor del parámetro. Es decir, si tenemos 100 intervalos del de confianza entonces se espera que 5 de ellos no incluyan el valor del parámetro, o que de 20 intervalos haya uno que no lo incluya.
En el primer caso se tienen dos valores y que constituyen los límites inferior y superior del intervalo. Es decir, el intervalo contiene el valor de con una confianza del .
En el segundo caso, se determina solamente un límite, dependiendo del interés del estudio, que puede ser:
Intervalo unilateral inferior: de la forma
Intervalo unilateral superior: de la forma .
Nota: Los valores pueden ser sustituidos por el mínimo o máximo valor del dominio del parámetro de interés.
Técnica para estimaciones por intervalo
Existen varias técnicas para obtener estimaciones por intervalo.
En este curso nos enfocaremos en la técnica del pivote.
Técnica del pivote
Esta técnica consiste en definir una variable aleatoria, , que llamaremos pivote.
Definición 3.1: Sea una muestra aleatoria de una población que depende de un parámetro . Sea una variable aleatoria. es una variable pivote, si cumple las siguientes condiciones:
debe estar definido en términos de los elementos de la muestra aleatoria y del parámetro desconocido, donde el parámetro desconocido sea la única cantidad desconocida.
La distribución de probabilidad de U debe ser conocida y no depender de .
Ejemplo: Sea una muestra aleatoria tal que , donde es deconocido y es conocido. Obtenga una variable aleatoria que funcione como un pivote.
Solución: Debemos encontrar una variable aleatoria que esté definida en términos de la muestra y de .
Una forma de resumir toda la información de la muestra en una sola variable aleatoria. Lo ideal sería utilizar un estadístico suficiente: es suficiente para estimar , por lo que podriamos usar alguna función de este estadístico en el pivote.
resume la información de la muestra aleatoria, pues está en términos de un estadístico suficiente y además sabemos que se distribuye . Ahora debemos encontrar alguna transformación de que incluya a y cuya distribución no dependa de .
, se distribuye . cumple con las propiedades de un pivote pues está definida en términos de la muestra y del parámetro desconocido al igual que su distribución ya no depende de .
NOTA: no es la única opción de pivote. Por ejemplo, es otra variable aleatoria que también cumple las condiciones para ser un pivote. Existe una infinidad de variables aleatorias que cumplen esta condición, pero como veremos más adelante algunas son más útiles que otras.
Ejercicio: Proponga otra variable pivote (diferente a y a ).
Una vez encontrada la variable pivote, el siguiente paso es encontrar un intervalo de confianza por medio de la técnica del pivote. Hay dos caminos:
Caso bilaterial: se requiere encontrar valores y tales que y por lo tanto también se cumple que . Sin embargo, estas condiciones generan un número infinito de posibilidades para y por lo que se tiene que limitar de alguna manera. Para ello, se acostumbra utilizar la condición de cada una de las probabilidades de las “colas” sean iguales, es decir .
Caso unilaterial: podemos tener un límite inferior o superior. Dependiendo del que nos interese y de la forma del pivote debemos encontrar un valor o que cumpla o . Finalmente, como está en términos de la muestra aleatoria y del parámetro entonces despejamos dentro de la probabilidad y con esto obtenemos los límites inferiores y superiores.
Nota:
Para el caso bilateral:, y representan el percentil y , respectivamente, de la distribución de .
Para el caso unilateral: o , y representan el percentil y , respectivamente, de la distribución de .
Ejemplo: Sea una variable aleatoria con distribución Exponencial con media desconocida. Utilice este valor para construir un intervalo bilateral para con una confianza del .
Solución: En este caso podemos utilizar como pivote ya que está en términos de la variable aleatoria y de al igual que se puede demostrar que su distribución no depende de . En este caso .
Nuestro siguiente paso es buscar los valores y tales que:
Recordemos que en el caso de una variable aleatoria continua . Podemos usar nuestro conocimiento de la función de distribución de la exponencial para encontrar el valor de :
Podemos hacer lo mismo para encontrar el valor de :
.
Nuestro último paso ahora es despejar el valor de de la probabilidad que acumula :
Por lo tanto tenemos que y por lo que podemos concluir que con una confianza del el intervalo incluye el valor de .
set.seed(100)beta =5(y =rexp(1 , rate =1/beta))
[1] 4.621058
Si observamos 4.6211 de una distribución exponencial con , se obtiene el intervalo como sigue.
Ejemplo: Sea una variable aleatoria uniformemente distribuida en el intervalo , con desconocido. Determine un intervalo de confianza unilateral inferior para del .
Solución: Primero debemos encontrar una cantidad pivote satisfactoria. En este caso podemos utilizar como pivote ya que cumple ambas condiciones. Se puede demostrar que por medio de la segunda técnica de transformaciones:
Sea , por lo tanto
Aplicando la técnica tenemos:
Al ser el dominio original al sustituir por obtenemos el nuevo dominio: . Por lo tanto concluimos que .
Ahora podemos usar esto para encontrar el valor de tal que :
Con este valor podemos proceder a despejar el valor de de esta probabilidad y obtener así el límite inferior de nuestro intervalo:
Por lo tanto podemos concluir que con un de confianza el intervalo incluye el valor de .
set.seed(100)theta =50(x =runif(1 , min=0, max =50))
[1] 15.38831
Si observamos 15.3883 de una distribución uniforme con , se obtiene el intervalo como sigue.
limite_inf = x/0.95c(limite_inf,Inf)
[1] 16.19822 Inf
Ejemplo: Sea una muestra aleatoria tal que . Determine un intervalo de confianza bilateral para con una confianza del . Utilice como pivote una función de .
Solución: Sabemos de antemano que .
no sirve como pivote pues su definición no depende de y su función de distribución todavía depende de . Debemos encontrar alguna transformación de que haga que se cumplan las dos condiciones.
Primera opción:
Recordemos que la función generadora de momentos de una Gamma es . Por lo tanto, si entonces,
Esto quiere decir que y por lo tanto se puede emplear como un pivote pues cumple las dos condiciones.
Ahora procedemos a encontrar los valores y tales que . Como la Gamma no tiene una función de distribución en forma cerrada debemos proceder a integrar la función de densidad:
Esta integral es posible de calular a mano, pero su desarrollo necesita de 19 veces de “por partes” que hacen su cálculo extremadamente largo y tedioso.
Otra posibilidad es aprovechar algún software, si se sabe el valor de . Por ejemplo, si ,
Luego, proceder con Pero esta opción es tediosa y se necesita generar los percentiles para cada y todos los tamaños de muestra,.
La forma tradicional y elegante es hacer uso de tablas estadísticas que nos dan cuartiles para ciertas probabilidades. En este caso no tenemos una tabla para una Gamma con estos parámetros, pero sí tenemos para otra Gamma: la .
Segunda opción:
Afortunadamente existe una forma para pasar de cualquier Gamma a una :
Sea entonces,
Esta es la función generadora de momentos de una con 40 grados de libertad, de la cuál sí tenemos tablas para encontrar cuantiles. Ahora si podemos proceder a encontrar los valores de y , sabiendo que gráficamente lucen de la siguiente manera:
Cuantiles de una con 40gl.
Denotando como el cuantil de una distribución con grados de libertad, es decir, tenemos los valores y .
Podemos proceder a despejar de la probabilidad que acumula :
Por lo tanto, con una confianza de el intervalo incluye el valor de .
Nota:
En la práctica, si usamos algún software, se debe tomar en cuenta cuál cola se usa. En R, si
Algunos libros, tablas estadísticas o softwares utilizan la notación de las probabilidades acumuladas de la cola derecha. Por ejemplo, utiliza como el cuantil de una distribución con grados de libertad, es decir,
Estimación por intervalo 1 XS3310 Teoría Estadística - I Semestre 2025 Shu Wei Chou Chen shuwei.chou@ucr.ac.cr Escuela de Estadística, Universidad de Costa Rica