Ciencia · 2024
Inferencia estadística : curso intermedio
La inferencia estadística es, en la actualidad, un elemento esencial de los conocimientos estadísticos necesarios para estadísticos y científicos de datos. Además, la comprensión de las temáticas abordadas en inferencia (métodos de estimación, intervalos de confianza y pruebas de hipótesis) son apropiadas para estadísticos, economistas, físicos y profesionales que necesitan realizar pronósticos. Pese a las diversas utilidades de inferencia estadística, la mayoría de los textos de inferencia no introducen algunos temas; por eso, en muchos casos, no se encuentra un libro que se ajuste a los requerimientos y necesidades de ciertas materias. Este material está basado en los cursos de inferencia estadística y estadística matemática de los programas académicos en estadística de la Universidad Nacional, sede Bogotá; y se redactó usando diferentes textos, se resaltan, principalmente, los libros referenciados en la bibliografía: [12], [20], [48], [65], [67], [77] y [82], entre otros. Este texto sirve de ayuda para aquellos estudiantes que toman diversas asignaturas en las cuales deben tener o les serían útiles las metodologías de inferencia. Aunque es recomendable tomar un curso de probabilidad antes de comenzar un curso de inferencia, este material le permitirá al lector adquirir la práctica necesaria en el manejo de métodos de estimación y pruebas de hipótesis. El objetivo principal de este material es el de capacitar al lector para que adquiera la habilidad de usar herramientas de estadística inferencial en diferentes ámbitos, proporcionándole conceptos como la estimación puntual y por intervalo, para que pueda realizar pruebas de hipótesis de una manera óptima; durante su desarrollo, se plantean ejemplos y ejercicios relacionados con la teoría. Algunos ejemplos se pueden replicar siguiendo las instrucciones del paquete estadístico R (se empleó [73] versión 4.3.1). Se incluyeron dos capítulos a manera de recopilación de conceptos, procedimientos y resultados básicos que, por lo general, forman parte del curso de probabilidad, con el propósito de que el material sea autocontenido. Si el lector tiene amplios conocimientos de probabilidad, puede pasar de inmediato al capítulo 3. Este material está escrito de forma secuencial, pues los contenidos previos son importantes para tener una mejor comprensión del desarrollo de cada sección posterior, lo cual ayudará al lector a alcanzar su principal objetivo. Asimismo, proporciona un medio individual para estudiar el tema expuesto y es muy práctico como texto autodidáctico. Además, permitirá que el lector avance a su propio ritmo. Por este motivo, pueden usarlo los estudiantes con diferentes aptitudes, conocimientos y velocidades de lectura. Agradecemos la colaboración de la Facultad de Ciencias, que por medio de su oficina de publicaciones nos permitió la divulgación de este material. También queremos dar las gracias tanto a los colegas que evaluaron este manuscrito, como a nuestros estudiantes del curso de inferencia de la carrera de Estadística, por sus sugerencias y comentarios, los cuales fueron muy útiles en la redacción de este libro. Además, queremos agradecer al equipo editorial de la Universidad Nacional de Colombia, sede Bogotá, por la corrección de estilo. (Texto tomado de la fuente)
Texto completo 529 páginas con texto de 551
Leer la tesis completa Ficha en el repositorio
Contenido
- 1.3. Probabilidad condicionalp. 43
- 1.4. Regla de multiplicaciónp. 44
- 1.5. Independenciap. 46
- 1.6. Regla de Bayesp. 51
- 1.7. Variable aleatoriap. 54
- 1.8. Distribuciones de probabilidadp. 61
- 1.8.1. Algunas distribuciones discretasp. 61
- 1.8.2. Algunas distribuciones continuasp. 71
- 1.9. Aproximaciones de distribuciones de probabilidadp. 92
- 1.10.Desigualdad de Chebyshevp. 95
- 1.11.Funciones generadorasp. 98
- 1.11.1.Función generadora de probabilidadp. 98
- 1.11.2.Función generadora de momentosp. 101
- 1.11.3.Función característicap. 110
- 1.12.Ejerciciosp. 117
- 2.1. Distribución de probabilidad conjuntap. 128
- 2.2. Función de distribución conjuntap. 130
- 2.3. Valores esperados y momentosp. 132
- 2.4. Valor esperado condicionalp. 133
- 2.5. Varianza condicionalp. 135
- 2.6. Correlación entre variablesp. 137
- 2.8. Transformaciones de variables aleatoriasp. 144
- 2.9. Normal bivariadap. 145
- 2.9.1. Distribución normal bivariada estándarp. 146
- 2.9.2. Distribución normal bivariadap. 146
- 2.10.Familia exponencial linealp. 150
- 2.10.1.Familia exponencial lineal (uniparamétrica)p. 151
- 2.11.Probabilidad y estadística multivariadap. 153
- 2.11.1.Función de distribución acumulada conjuntap. 154
- 2.12.Valor esperado y matriz de covarianzasp. 155
- 2.13.Funciones generadoras multidimensionalesp. 157
- 2.13.1.Función generadora de momentos multidimensionalp. 157
- 2.13.2.Función característica multidimensionalp. 160
- 2.15.Transformaciones de dos o más variables aleatoriasp. 164
- 2.16.Normal multivariadap. 171
- 2.17.Ejerciciosp. 173
- 3.1. Conceptos básicos de muestra aleatoriap. 177
- 3.2. Estadísticos de ordenp. 179
- 3.3. Órdenes de magnitudp. 189
- y vectoresp. 189
- 3.3.2. Órdenes de magnitud de funcionesp. 195
- estocásticasp. 197
- 3.4. Convergencia estocásticap. 202
- 3.4.1. Tipos de convergencia estocásticap. 202
- 3.4.2. Convergencia en distribución o convergencia en leyp. 208
- 3.4.3. Teoremas límitesp. 217
- 3.5. Ejerciciosp. 117
- 4.1. Principio de sustituciónp. 233
- 4.1.1. Estimación por sustitución de frecuenciasp. 233
- 4.1.2. Estimación por método de momentosp. 235
- 4.2. Estimación por máxima verosimilitudp. 239
- 4.3. Estimación bayesianap. 253
- 4.3.1. Distribuciones a priori y a posteriorip. 253
- 4.3.2. Estimación puntual bayesianap. 260
- 4.4. Estimación por el método de mínimos cuadradosp. 262
- 4.4.1. Mínimos cuadrados ordinariosp. 262
- 4.4.2. Mínimos cuadrados ponderadosp. 272
- 4.5. Conceptos básicos para estimación minimaxp. 276
- 4.6. Ejerciciosp. 117
- 5.1. Suficienciap. 289
- 5.2. Estadística suficiente minimalp. 295
- 5.3. Completezp. 298
- 5.4. Error cuadrático medio e insesgamientop. 300
- 5.5. Estimador insesgado de mínima varianza (UMVUE)p. 303
- 5.6. Cota inferior de Cramér-Raop. 308
- 5.7. Consistenciap. 319
- 5.8. Eficienciap. 323
- 5.9. Invarianza para estimadores de máxima verosimilitudp. 324
- 5.10.Familia exponencialp. 326
- exponencialp. 109
- 5.10.3.Familia exponencial de k parámetrosp. 334
- exponencial de k parámetrosp. 335
- 5.11.Ejerciciosp. 338
- 6.1. Conceptos básicos de intervalos de confianzap. 343
- 6.2. Intervalos de confianza basados en una única estadísticap. 348
- 6.3. Intervalos de confianza basados en la FVRp. 359
- 6.4. Método pivotalp. 364
- 6.5. Algunos casos particularesp. 373
- 6.5.1. Intervalo de confianza para una proporciónp. 373
- dos poblaciones independientesp. 375
- dos poblaciones no independientesp. 386
- de dos poblaciones independientesp. 440
- 6.6. Estimación bayesiana por intervalop. 389
- 6.7. Tamaño de muestra simple bajo normalidadp. 397
- conocidap. 397
- 6.8. Ejerciciosp. 117
- 7.1. Elementos básicos de pruebas de hipótesisp. 405
- 7.2. Evaluación de testsp. 406
- 7.3. Test uniformemente más potentep. 409
- 7.3.1. Test de razón de verosimilitudp. 409
- 7.3.2. Lema de Neyman-Pearsonp. 417
- 7.4. Algunos casos particularesp. 373
- una constante desconocidap. 437
- poblaciones independientesp. 440
- 7.4.3. Pruebas de hipótesis para la igualdad de varianzasp. 447
- poblaciones no independientesp. 448
- ciones poblacionales, muestras independientesp. 451
- 7.5. Bondad de ajustep. 453
- 7.5.1. Test de Pearson para bondad de ajustep. 453
- 7.5.2. Test de Kolmogorov para bondad de ajustep. 461
- 7.6. Ejerciciosp. 117
- 8.1. Función de estimación. Caso uniparamétricop. 471
- 8.1.1. Propiedades de una función de estimaciónp. 472
- 8.2. Función de estimación. Caso multiparamétrico y vectorialp. 477
- 8.3. Estadísticas de pruebap. 485
- 8.4. Ejerciciosp. 117
- A.1. Expansiones de Taylorp. 497
- A.1.1. Fórmula de Taylor con restop. 500
- A.2. Ejerciciosp. 505
- B.1. Tópicos de álgebra matricialp. 509
- B.1.1. Transformación ortogonalp. 510
- B.1.2. Forma cuadráticap. 513
- B.1.3. Inversa generalizadap. 513
- B.2. Tópicos de cálculop. 516
- B.2.1. Máximo o mínimo localp. 518
- B.2.2. Desigualdad de Jensenp. 520
- B.3. Distribuciones de algunas formas cuadráticasp. 522
- B.4. Otros tópicosp. 526
- B.4.1. Condiciones de regularidadp. 526
- B.4.2. Ejemplo numérico de máxima verosimilitudp. 527
- B.5. Ejerciciosp. 530
- fmp uniforme discreta. (a) n = 5 y (b) n = 10p. 62
- fda uniforme discreta. (a) n = 5 y (b) n = 10p. 62
- fmp binomial, m = 10. (a) p = 0,2 y (b) p = 0,5p. 64
- fda binomial, m = 10. (a) p = 0,2 y (b) p = 0,5p. 64
- fmp y fda Poisson. (a) 𝜆= 2,93 y (b) 𝜆= 19,90p. 67
- fmp y fda geométrica. (a) p = 0,19 y (b) p = 0,41p. 69
- fdp uniforme sobre [a, b]. (a) [1,8] y (b) [4,7; 7,8]p. 72
- fda uniforme sobre [a, b]. (a) [1,8] y (b) [4,7; 7,8]p. 72
- fdp y fda normal con 𝜎2 = 4. (a) 𝜇= 4 y (b) 𝜇= −3p. 74
- 1.10. fdp y fda normal con 𝜇= 2. (a) 𝜎2 = 22 y (b) 𝜎2 = 0.72p. 75
- 1.11. fdp y fda normal estándarp. 75
- 1.12. fdp y la fda exponencial. (a) 𝜆= 0,2 y (b) 𝜆= 0,1p. 78
- (k = 15)p. 79
- 𝜆= 0,8p. 79
- r = 277,78 y 𝜆= 27,78p. 80
- 1.16. fmp binomial con m = 20 y p = 0,5p. 94
- Coeficiente de correlaciónp. 138
- fdp de la normal bivariada en 3Dp. 150
- fdp t-Student para diferentes grados de libertadp. 169
- Ejemplos de sucesiones de números anp. 190
- Ejemplos de sucesiones de normas de vectores en ℝ3p. 193
- considerando diferentes valores de x(n)p. 249
- B(6,0,2) (3.a fila)p. 256
- B(6,0,2) (3.a fila)p. 256
- línea ajustadap. 266
- Matriz de scatter plot para los datos del ejemplo 4.25p. 270
- 3D y plano ajustadop. 271
- uniforme (0,𝜃)p. 347
- siderando diferentes valores de 𝜇p. 349
- considerando diferentes valores de 𝜆p. 350
- (b). Familia estocásticamente crecientep. 350
- (b). Familia estocásticamente decrecientep. 351
- camente decrecientep. 351
- mente crecientep. 352
- 𝛼1 = 𝛼2 = 0,10p. 352
- (b). Familia estocásticamente crecientep. 355
- Familia estocásticamente decrecientep. 351
- (b). Familia estocásticamente crecientep. 356
- tros n = 10 y 𝜃0 = p0 = 0,75 para 𝛼1 = 𝛼2 = 0,10p. 357
- Función de potencia 𝛽(𝜃), ejemplo 7.1p. 407
- Función de potencia 𝛽(𝜃)p. 408
- ejemplo 7.4p. 414
- Ejemplo 7.4p. 414
- Zona de rechazo y P-valor, ejemplo 7.14, ítem 1p. 434
- Zona de rechazo y P-valor, ejemplo 7.14, ítem 2p. 436
- Zona de rechazo y P-valor, ejemplo 7.16p. 440
- 7.10. Distribución empírica, dieta A, ejemplo 7.23p. 461
- intermitente), dieta A, ejemplo 7.23p. 463
- una fdp normalp. 464
- fdp normal con media 274,7 y varianza 124,9p. 466
- B.1. Rotación de ejes en ℝ2p. 511
- B.2. Ilustración de función cóncava y convexap. 520
- Clasificación de los pacientes según su nivel de HIAp. 37
- N.o de compradores de VCR por marca y N.o de cabezasp. 38
- Mutaciones en una especie animalp. 42
- Número de personas según tratamiento y curap. 44
- Tabla de contingencia problemas auditivos vs. visualesp. 49
- Distribución de pelotas de acuerdo a color y cajap. 53
- 1.10. Método de integración tabularp. 88
- 1.11. Corrección por continuidadp. 94
- 1.13. Resumen mX (t) y 𝜓X (t) para algunas distribucionesp. 115
- 1.14. Admitidos en pregrado por Facultad, 2007p. 118
- de la familia exponencial (con T (x) = x)p. 152
- de siete meses de plantadosp. 177
- Función de frecuencia, P(10)p. 181
- Muestra aleatoria de tamaño 20, ejemplo 3.6p. 181
- Función de frecuencia, P(10)p. 183
- tro 𝜆= 10p. 184
- tro 𝜆= 10, datos ordenadosp. 184
- Ejemplo de sucesiones de números anp. 189
- 3.10. Ejemplo de sucesiones de vectores en ℝ3p. 192
- 3.12. Órdenes de magnitud de números an jp. 204
- EMM de los parámetros de algunas distribucionesp. 238
- EMV de los parámetros de algunas distribucionesp. 251
- Algunas distribuciones conjugadasp. 260
- reclamaciones y valor pagado para diferentes ramosp. 265
- Puntajes de las 4 canciones en el festival de músicap. 277
- Puntajes de las 3 canciones en el festival de músicap. 277
- Ingresos ($) del evento de acuerdo al climap. 278
- póliza contra la lluviap. 278
- 4.10. Lo que dejarían de ganarp. 278
- 4.11. Ingresos y pérdidas (entre paréntesis) para las 4 opcionesp. 279
- 4.12. Ingreso y monto del seguro de vida del jefe de familiap. 285
- 4.13. Datos sobre el valor unitario, tasa de producción y costosp. 286
- Pesos en gramos de ratas bajo dos dietasp. 369
- cosechas del año 1989p. 379
- Contenido de cobre en tomatesp. 402
- Casos posibles para probar una hipótesis estadísticap. 406
- Datos codificados, ejemplo 7.19p. 449
- centaje de disminución en su precio de ventap. 457
- Distribución empírica, dieta A, ejemplo 7.23p. 461
- 7.23p. 462
- Datos dieta A ordenados, ejemplo 6.17p. 464
- simulacionesp. 465
- hospital Ap. 468