4.4.3 intervalo de confianza

Intervalos de confianza

La estimación puntual trata el problema de estimar mediante un número el valor de una característica poblacional o parámetro θ desconocido (por ejemplo, la estimación del IPC de un determinado periodo). 

La idea de Intervalo de Confianza, es proponer un rango de valores entre los que posiblemente se encuentre el verdadero valor del parámetro θ. 

La estimación por intervalos de confianza consiste en determinar un posible rango de valores o intervalo, en los que pueda precisarse –con una determinada probabilidad– que el valor de un parámetro se encuentra dentro de esos límites.

Dada una muestra aleatoria X1, . . . , Xn, se denomina Intervalo de Confianza para el parámetro θ con nivel 1 − α, a un intervalo aleatorio
(θ1, θ2) –cuyos límites dependen de la muestra– de manera que: P (θ1 (X1, . . . , Xn) ≤ θ ≤ θ2 (X1, . . . , Xn) = 1 − α, para cada θ ∈ Θ.


El concepto de “confianza” en el intervalo es muy importante. Supongamos que queremos con una confianza del 95% que el verdadero valor del parámetro θ est´e en un intervalo. Si en vez de considerar todas las muestras posibles consideramos 100 muestras. Entonces habrá más o menos 95 intervalos que contienen el valor del parámetro.

INTERVALO DE CONFIANZA PARA UNA MUESTRA

INTERVALO PARA LA MEDIA CON LA VARIANZA CONOCIDA

Supongamos una población cuya caracteóstica en estudio puede describirse mediante una variable aleatoria X con distribución N(µ, σ).

Sea X1, . . . , Xn una M.A.S. de X.

4.2 calculo del numero minimo de observaciones necesarias

Cálculo del número mínimo de observaciones necesarias 

El tamaño de la muestra o cálculo de número de observaciones es un proceso vital en la etapa de cronometraje, dado que de este depende en gran medida el nivel de confianza del estudio de tiempos. Este proceso tiene como objetivo determinar el valor del promedio representativo para cada elemento. Los métodos más utilizados para determinar el número de observaciones son:

•  Método estadístico
•   Método tradicional 

MÉTODO ESTADÍSTICO 

El método estadístico requiere que se efectuen cierto número de observaciones preliminares (n’), para luego poder aplicar la siguiente fórmula:

NIVEL DE CONFIANZA DEL 95,45% Y UN MÁRGEN DE ERROR DE ± 5%

Siendo:

n = Tamaño de la muestra que deseamos calcular (número de observaciones)

n’ = Número de observaciones del estudio preliminar

Σ = Suma de los valores

x = Valor de las observaciones.

40 = Constante para un nivel de confianza de 94,45%

Ejemplo:

Se realizan 5 observaciones preliminares, los valores de los respectivos tiempos transcurridos en centésimas de minuto son: 8, 7, 8, 8, 7. Ahora pasaremos a calcular los cuadrados que nos pide la fórmula:

n’ = 5

Sustituyendo estos valores en la fórmula anterior tendremos el valor de n:

Dado que el número de observaciones preliminares (5) es inferior al requerido (7), debe aumentarse el tamaño de las observaciones preliminares, luego recalcular n. Puede ser que en recálculo se determine que la cantidad de 7 observaciones sean suficientes.

Método tradicional

Este método consiste en seguir el siguiente procedimiento sistemático:

1. Realizar una muestra tomando 10 lecturas sí los ciclos son <= 2 minutos y 5 lecturas sí los ciclos son > 2 minutos, esto debido a que hay más confiabilidad en tiempos más grandes, que en tiempos muy pequeños donde la probabilidad de error puede aumentar.

2. Calcular el rango o intervalo de los tiempos de ciclo, es decir, restar del tiempo mayor el tiempo menor de la muestra:

R (Rango) = Xmax – Xmin

3. Calcular la media aritmética o promedio:

Siendo:

Σx = Sumatoria de los tiempos de muestra

n = Número de ciclos tomados

4.  Hallar el cociente entre rango y la media:

5. Buscar ese cociente en la siguiente tabla, en la columna (R/X), se ubica el valor correspondiente al número de muestras realizadas (5 o 10) y ahí se encuentra el número de observaciones a realizar para obtener un nivel de confianza del 95% y un nivel de precisión de ± 5%.

Ejemplo

Tomando como base los tiempos contemplados en el ejemplo del método estadístico, abordaremos el cálculo del número de observaciones según el método tradicional.

En primer lugar como el ciclo es inferior a los 2 minutos, se realizan 5 muestras adicionales (6, 8, 8, 7, 8) para cumplir con las 10 muestras para ciclos <= 2 minutos. Las observaciones son las siguientes:

Se calcula el rango:

R (Rango) = 8 – 6 = 2

Ahora se calcula la media aritmética:

Ahora calculamos el cociente entre el rango y la media:

Ahora buscamos ese cociente en la tabla y buscamos su intersección con la columna de 10 observaciones:

Tenemos entonces que el número de observaciones a realizar para tener un nivel de 

confianza del 95% según el método tradicional es: 11

Al adicionar los 5 tiempos y utilizar el método estadístico tenemos un número de observaciones igual a: 12.8 aproximadamente 13.

Por lo cual podemos concluir que ambos métodos arrojan resultados muy parecidos y que la elección del método se deja a criterio del especialista.

4.4.1. Establecimiento de la precisión

Establecimiento de la precisión 

Sea H un intervalo cualquiera definido sobre la recta real. Definiremos ahora una variable ficticia, XH , de la siguiente forma:

 De manera que cada observación de Xt Ileva asociada una observación -con valor o ó 1- de la variable XNr . La función de densidad teórica -desconocida- de Xt asigna una probabilidad pH al intervalo H. Esto significa que:

Producir T replicaciones del vector y, implica disponer de una muestra de T “observaciones" de la variable real X. Esta muestra lleva asociada, a su vez, una muestra de tamaño T de la variable Xy .Esta variable sigue una distribución binaria de parámetro pH , así que la suma de las T observaciones de XH , ZH = XH^ +. ,.+ X y T , sigue una distribución binomial b(pH ,^. Es oportuno aquí hacer una adaptación al presente contexto del concepto de estimación precisa de Finster{ 1987) Definición 1. ,ZH /T es una estimación precisa de pN con nivel de imprecisión A y confianza 1-a (can 0< cx < 1), si

EI conjunta de precisión [-A, A] es el conjunto de errores de simulación aceptables. En lo que sigue a continuación se intentará determinar cuál es el número de replicaciones mínimo para obtener una estimación de pH can nivel de imprecisión fijo A y confianza 1-a. EI teorema de Moivre (ver por ejemplo Fz. de Trocóniz 1993) prueba que la sucesión b(pH ,1), b(pH ,2),. ..,b(pH , 7^, es asintóticamente normal N{T pH ,T p^ [1- pH ]) de manera que si T pH > 1 S se suele tomar como válida la siguiente aproximación a la distribución de ZH :

entonces, para la frecuencia binomial, ZH IT, se tiene :

Si t^ es el cuantil aJ2 correspondiente a la cola derecha de la distribución N(0,1),

ALGORITMO CONGRUENCIAL MULTIPLICATIVO

https://app.box.com/s/u1as1bdkunnknqahgfxjg3yzpp3lwaf4

Algoritmo Congruencial Multiplicativo

Un algoritmo que se utiliza para generar números pseudo aleatorios, es el algoritmo congruencia multiplicativo. Tiene como base al algoritmo congruencia lineal pero conlleva una operación menos.

La operación principal es la siguiente:

$X_{i+1} = (aX_{i}) mod (m)$

Es decir, se toma una semilla a la que llamaremos $X_{0}$. Se multiplica por un número a y al resultado de la multiplicación se divide por m recuperando solo el residuo o módulo de la división. Este valor será X1, y así sucesivamente.

Esta operación nos da un valor entero. Si deseamos un número pseudo aleatorio en el intervalo (0,1), debemos realizar la siguiente operación sobre el número anteriormente obtenido.

$R_{i} = X_{i} / (m-1)$

Es decir, al número que produjo la primera operación, se le divide entre m-1. Nos dará un valor entre 0 y 1.

Para mejorar la eficiencia del algoritmo se deben seguir ciertas condiciones para los valores $a, m, X_{0}$. (Banks, Carson, Nelson y Nicol, citados por García, García y Cárdenas (2006).

Condiciones

$M = 2^g$

$A = 3+8k$ o bien $a = 5+8k$

K = 0,1,2,3,…

$X_{0}$ debe ser impar

algoritmo lineal

https://app.box.com/s/os2mcy0pczgomsj24kcqe57b46crpgei



que es algoritmo lienal?

Algoritmo Lineal 

Este algoritmo congruencial fue propuesto por D. H. Lehmer en 1955. Según Law y Kelton, este algoritmo ha sido el más utilizado. El algoritmo congruencial lineal genera una secuencia de números enteros por medio de la siguiente ecuación recursiva: 

( )mod( ) Xi+1 = a Xi + c m Con i = 1, 2, 3,...,n 

Donde X0 es la semilla, a es la constante multiplicativa, c es una constante aditiva y m es el módulo: X0 > 0 , a > 0 , c > 0 y m > 0 deben ser números enteros. La operación “mod m ” significa multiplicar Xi por a , sumar c y dividir el resultado entre m para obtener el residuo Xi+1 . Es importante señalar que la ecuación recursiva del algoritmo congruencial lineal genera una secuencia de números enteros y que para obtener números pseudo aleatorios en el intervalo (0, 1) se requiere de la siguiente ecuación: 

−1 = m X r i i 

Con i = 1,2,3,...,n 

Para que el algoritmo sea capaz de lograr el máximo período de vida n , es preciso que los parámetros X0 , a , y m cumplan con ciertas condiciones. Banks, Carson, Nelson y Nicol sugieren lo siguiente: m debe ser múltiplo de g 2 , donde g debe ser entero, a = 1+ 4k , donde k debe ser entero y c debe ser relativamente primo a m . Bajo estas condiciones se obtiene un período de vida máximo: g N = m = 2 . 

productos medios

https://app.box.com/s/04m5nam2vy0r0n5k9tmwdkhwg0o2qdkv

Algoritmo de productos medios

Este algoritmo es similar al anterior, la diferencia entre los dos es que este algoritmo requiere de dos semillas; ambas con D dígitos; además de elevarlas al cuadrado, las semillas se multiplican y del producto resultante se seleccionan los D dígitos del centro, los cuales formaran el primer número de D dígitos. Después se elimina una semilla y la otra se multiplica por el primer número de D dígitos, para luego seleccionar del producto los D dígitos que conformaran un segundo número ri. Entonces se elimina la segunda semilla, y se multiplica el primer número de los D dígitos por el segundo número de los D dígitos; del producto se obtiene el tercer número de ri. Siempre se ira eliminando el número más antiguo y el procedimiento se repetirá hasta generar los n números pseudo aleatorios.

Pasos para generar números con el algoritmo de producto medios:

1.- Seleccionar una semilla (X0) con D dígitos (D>3).

2.- Seleccionar una semilla (X0) con D dígitos (D>3).

3.- Sea Y0 = X0 * X1; sea X2 = los D dígitos del centro, y sea ri = 0. D dígitos del centro.

4.- Sea Yi = X1 * Xi+1; sea Xi+2 = los D dígitos del centro, y sea ri+1 = 0. D dígitos del centro para toda i= 1, 2, 3,…, n.

5.- Repetir el paso 4 hasta obtener los n números ri deseados.

Si no es posible obtener los D dígitos del centro del número Yi, agregue ceros a la izquierda del numero Yi.

multiplicador constante

https://app.box.com/s/h0bkp8bbaveaofmrkqevba3u62k98rzg



Algoritmo de multiplicador constante

Este algoritmo no congruencial es similar al algoritmo de productos medios. 

Los siguientes son los pasos necesarios para generar números pseudo aleatorios con el algoritmo de multiplicador constante. 

1. Selecciona una semilla ( ) X0 con D dígitos (D > 3). 

2. Seleccionar una constante (a) con D dígitos (D > 3). 

3. Sea Y0 = a * X0 ; sea X1 = los D dígitos del centro y sea r1 = 0.D dígitos del centro. 

4. Sea Yi = a * Xi ; sea Xi+1 = los D dígitos del centro y sea ri+1 = 0.D dígitos del centro para toda i = 1, 2, 3,...,n . 

5. Repetir el paso 4 hasta obtener los n números ir deseados.