Podcast
Questions and Answers
¿Cuál es el objetivo de la Inferencia Estadística?
¿Cuál es el objetivo de la Inferencia Estadística?
Obtener información sobre la distribución de probabilidad desconocida a partir de observaciones empíricas.
¿Qué es una muestra de tamaño n en estadística?
¿Qué es una muestra de tamaño n en estadística?
¿Qué característica deben tener las variables aleatorias en una muestra iid?
¿Qué característica deben tener las variables aleatorias en una muestra iid?
Independencia e igual distribución.
¿Qué es un espacio muestral?
¿Qué es un espacio muestral?
Signup and view all the answers
La muestra de tamaño n consiste en v.a. independientes e idénticamente distribuidas.
La muestra de tamaño n consiste en v.a. independientes e idénticamente distribuidas.
Signup and view all the answers
¿Qué es la tarea inicial de la Inferencia Estadística?
¿Qué es la tarea inicial de la Inferencia Estadística?
Signup and view all the answers
¿Qué es un estadístico en el contexto descrito?
¿Qué es un estadístico en el contexto descrito?
Signup and view all the answers
La esperanza de un estadístico real se denota como EP(T), y se calcula como la sumatoria en el caso discreto y la integral en el caso continuo de la __________ de T respecto a la distribución P.
La esperanza de un estadístico real se denota como EP(T), y se calcula como la sumatoria en el caso discreto y la integral en el caso continuo de la __________ de T respecto a la distribución P.
Signup and view all the answers
¿Qué se necesita para que un estadístico sea considerado sumable?
¿Qué se necesita para que un estadístico sea considerado sumable?
Signup and view all the answers
La misión de los estadísticos es extraer datos significativos de los datos iniciales para resolver problemas específicos.
La misión de los estadísticos es extraer datos significativos de los datos iniciales para resolver problemas específicos.
Signup and view all the answers
¿Qué es una estructura estadística en Inferencia Estadística?
¿Qué es una estructura estadística en Inferencia Estadística?
Signup and view all the answers
La Inferencia paramétrica tiene en cuenta un subconjunto de Rp como espacio de parámetros.
La Inferencia paramétrica tiene en cuenta un subconjunto de Rp como espacio de parámetros.
Signup and view all the answers
¿Qué representan los lanzamientos independientes de una moneda en el contexto de Inferencia Estadística?
¿Qué representan los lanzamientos independientes de una moneda en el contexto de Inferencia Estadística?
Signup and view all the answers
En el Modelo Binomial, bn (p) es la distribución binomial de parámetros ___ y ___.
En el Modelo Binomial, bn (p) es la distribución binomial de parámetros ___ y ___.
Signup and view all the answers
Relaciona los modelos con su descripción:
Relaciona los modelos con su descripción:
Signup and view all the answers
¿Qué es un estadístico en estadística?
¿Qué es un estadístico en estadística?
Signup and view all the answers
¿Qué es una función de distribución empírica?
¿Qué es una función de distribución empírica?
Signup and view all the answers
¿Qué significa que un suceso sea P-nulo en una e.e.?
¿Qué significa que un suceso sea P-nulo en una e.e.?
Signup and view all the answers
¿Qué describe el Teorema de Glivenko-Cantelli en estadística matemática?
¿Qué describe el Teorema de Glivenko-Cantelli en estadística matemática?
Signup and view all the answers
¿Cuál es el objetivo de los problemas de verificación de hipótesis en estadística?
¿Cuál es el objetivo de los problemas de verificación de hipótesis en estadística?
Signup and view all the answers
¿Cómo se define la esperanza condicional de Y respecto de X en el caso discreto?
¿Cómo se define la esperanza condicional de Y respecto de X en el caso discreto?
Signup and view all the answers
¿Cómo se define la probabilidad condicionada de A respecto de X?
¿Cómo se define la probabilidad condicionada de A respecto de X?
Signup and view all the answers
¿Qué significa que dos estadísticos sean P-equivalentes?
¿Qué significa que dos estadísticos sean P-equivalentes?
Signup and view all the answers
Un suceso A se dice libre si Pθ(A) depende de θ.
Un suceso A se dice libre si Pθ(A) depende de θ.
Signup and view all the answers
El estadístico T = ∑ (Xi - X)^2 se llama ________ y tiene distribución χ^2 (n - 1) respecto a N_n(µ, 1).
El estadístico T = ∑ (Xi - X)^2 se llama ________ y tiene distribución χ^2 (n - 1) respecto a N_n(µ, 1).
Signup and view all the answers
¿Qué se entiende por un estadístico suficiente en el contexto presentado?
¿Qué se entiende por un estadístico suficiente en el contexto presentado?
Signup and view all the answers
¿Qué se requiere para que una estructura estadística sea considerada completa?
¿Qué se requiere para que una estructura estadística sea considerada completa?
Signup and view all the answers
Un estadístico T sobre una estructura estadística es completo si cada estadístico centrado que sea función medible de T es equivalente a 0.
Un estadístico T sobre una estructura estadística es completo si cada estadístico centrado que sea función medible de T es equivalente a 0.
Signup and view all the answers
¿Cuándo un estadístico T se considera libre?
¿Cuándo un estadístico T se considera libre?
Signup and view all the answers
¿En qué consiste la noción de suficiencia?
¿En qué consiste la noción de suficiencia?
Signup and view all the answers
Un estadístico que es suficiente para una familia P, también lo será para otra familia P'.
Un estadístico que es suficiente para una familia P, también lo será para otra familia P'.
Signup and view all the answers
Según el Teorema de Neyman-Halmos-Savage, un estadístico T es suficiente si pθ (ω) = gθ (T(ω))_____ .
Según el Teorema de Neyman-Halmos-Savage, un estadístico T es suficiente si pθ (ω) = gθ (T(ω))_____ .
Signup and view all the answers
Relaciona los siguientes conceptos con su definición: Suficiencia, Completitud y Libertad
Relaciona los siguientes conceptos con su definición: Suficiencia, Completitud y Libertad
Signup and view all the answers
Study Notes
Introducción a la Inferencia Estadística
- La Inferencia Estadística se enfoca en obtener información sobre una característica de una población a partir de una muestra representativa de la misma.
- La característica bajo estudio se considera una variable aleatoria (v.a.) real definida en un espacio de probabilidad (Ω′, A′, P).
- El objetivo principal de la Inferencia Estadística es obtener información sobre la distribución de probabilidad PX en (Ω, A), que es desconocida desde el punto de vista estadístico.
Fenómeno Aleatorio
- Un fenómeno aleatorio es un experimento en el que, a priori, es imposible predecir el resultado.
- Sus observaciones se pueden considerar como valores tomados por una cierta v.a.X definida en un espacio de probabilidad (Ω′, A′, P) y a valores en un cierto espacio medible (Ω, A).
Muestra
- Una muestra de tamaño n es una colección de n v.a.independientes e idénticamente distribuidas (iid) definidas en un mismo espacio de probabilidad.
- Una muestra (infinita) será una sucesión de v.a.iid.
Espacio Muestral
- El espacio muestral se denota como Ω y es el conjunto de todos los posibles valores que podemos observar.
- Generalmente, Ω es un subconjunto de R cuando tenemos una única observación de la v.a.X o bien un subconjunto de Rn, cuando observamos una muestra (X1, ..., Xn) de dicha v.a.
- Se supone provisto dicho espacio de su σ-álgebra de Borel (que denotaremos A).
Hipótesis Inicial
- Las condiciones de experimentación, junto con nuestra intuición y ciertos resultados probabilísticos nos llevan a admitir la hipótesis fundamental de que la distribución (desconocida) de la variable aleatoria que observamos es una de las de cierta familia de distribuciones que denotaremos P.### Introducción a la Inferencia Estadística
- La hipótesis fundamental es que la distribución desconocida de la variable aleatoriaobservada es una de cierta familia de distribuciones que se denotan como P.
- La familia de distribuciones P se puede describir mediante un índice o parámetro θ, es decir, P = {Pθ : θ ∈ Θ}.
- La estructura estadística se define como la terna (Ω, A, P) o bien (Ω, A, {Pθ : θ ∈ Θ}).
Inferencia Paramétrica y No Paramétrica
- La inferencia paramétrica se aplica cuando el espacio de parámetros Θ es un subconjunto de Rp, para algún p ∈ N.
- La inferencia no paramétrica se aplica en caso contrario, por ejemplo, cuando P es la familia de todas las distribuciones que poseen densidad en R.
Ejemplos de Estructuras Estadísticas
- Ejemplo 1 (Lanzamientos Independientes de una Moneda): la estructura estadística es ({0, 1}, P({0, 1}), {Pp : p ∈ [0, 1]}).
- Ejemplo 2 (Modelo Binomial): la estructura estadística es ({0, 1,..., n}, P({0, 1,..., n}), {bn (p) : p ∈ [0, 1]}).
- Ejemplo 3 (Modelo Normal): la estructura estadística es (R, R, {N(µ, σ²) : µ ∈ R, σ² > 0}).
- Ejemplo 4 (Modelos no Paramétricos): la estructura estadística es (R, R, P), donde P es la familia de todas las distribuciones absolutamente continuas en R.
Ejemplos de Aplicaciones
- Ejemplo 5 (Comparación de Tratamientos): la estructura estadística es (Rm+n, Rm+n, {N m (µ, σ²) × N n (ν, σ²) : µ, ν ∈ R, σ² > 0}).
- Ejemplo 6 (Verificación de Hipótesis): existen métodos para contrastar las hipótesis de independencia, normalidad, etc.
Función de Distribución Empírica
- La función de distribución empírica Fn se define como la aplicación Fn(x, ω) = (1/n) ∑[I]−∞,x](Xi(ω)).
Observaciones
-
Para cada ω ∈ Ω, Fn(·, ω) es la función de distribución de una v.a. discreta Zω que toma los valores X1(ω),..., Xn(ω) con probabilidades 1/n,..., 1/n.
-
Para cada x ∈ R, Fn(x, ·) es la v.a. (1/n) ∑I.
-
La ley fuerte de los grandes números asegura que, para cada x ∈ R, Fn(x, ·) converge P-c.s. a F(x).### Estructuras Estadísticas y Estadísticos
-
Un estadístico es una variable aleatoria (v.a.) real o m-dimensional definida en un espacio de probabilidad (Ω, A, P).
-
El conjunto de llegada de un estadístico es un subconjunto de Rm, para algún m ≥ 1.
-
La misión de los estadísticos es extraer de los datos iniciales (a menudo numerosos) ciertos datos significativos para el problema en cuestión.
Observaciones
- La noción de estadístico no depende de la familia P; no existe diferencia formal entre las nociones de estadístico y v.a.
- La misión de los estadísticos consiste en extraer de los datos iniciales (a menudo numerosos) ciertos datos significativos para el problema en cuestión.
- El estadístico T nos sugiere pasar a la e.e. imagen por T.
Teorema fundamental de la estadística matemática (Glivenko-Cantelli)
- Sea (Xn)n una sucesión de v.a. iid definidas en un espacio de probabilidad (Ω, A, P) con función de distribución común F.
- Entonces, para casi todo ω, sup |Fn(x, ω) - F(x)| -> 0, x∈R.
Definiciones
- Un suceso A ∈ A se dice P-nulo si P(A) = 0, para cada P ∈ P.
- Una propiedad de puntos de Ω se dice que ocurre P-c.s. si el conjunto de puntos de Ω que no verifican esa propiedad es subconjunto de un suceso P-nulo.
- Un estadístico sobre (Ω, A, {Pθ : θ ∈ Θ}) es una v.a. real o m-dimensional definida en (Ω, A).
Estructura Estadística Imagen por un Estadístico
- Llamaremos estructura estadística imagen por T a la e.e. (Ω', A', {PTθ : θ ∈ Θ}), donde PTθ denota la distribución (en (Ω', A')) de T respecto a Pθ.
Esperanza de un Estadístico Real
- Consideremos un estadístico real T sobre (Ω, A, P) (Ω ⊂ Rn).
- Para cada probabilidad P ∈ P, denotaremos EP(T) o bien Ω TdP a la esperanza de T respecto a la distribución P.
- EP(T) = X mk PT(mk) = mk P(T = mk), en el caso de que T sea un estadístico discreto.
- EP(T) = ∫ xfPT(x)dx, en el caso de que T sea continua.
Esperanza de un Estadístico m-dimensional
- Si T es un estadístico m-dimensional (i.e., toma valores en Rm), T = (T1, ..., Tm).
- EP(T) = (EP(T1), ..., EP(Tm)).
Estadístico Sumable
- Un estadístico real T sobre (Ω, A, P) se dice sumable si EP(T) existe y es finito, para cada distribución P ∈ P.
- Un estadístico T = (T1, ..., Tm), m-dimensional, se dice sumable si lo son cada una de sus coordenadas.
Esperanza y Probabilidad Condicionales
- La esperanza condicional de Y respecto de X se define como una v.a. E(Y|X) : (Ω', A') -> R.
- E(Y|X)(x) = ∑ yP(Y = y|X = x), en el caso de que (X, Y) sea de tipo discreto.
- E(Y|X)(x) = ∫ yfY|X=x(y)dy, en el caso de que (X, Y) sea de tipo continuo.
Studying That Suits You
Use AI to generate personalized quizzes and flashcards to suit your learning preferences.
Description
Este cuestionario evalúa los conocimientos sobre la introducción a la inferencia estadística, parte del currículum del Grado en Estadística. ¡Comprueba tus habilidades!
