Comparto mi dibujo del ejercicio planteado. 😃
Teoría
Qué aprenderás y qué es Estadística Inferencial
Valor esperado condicional
Muestras y poblaciones
Muestreo
Estimadores y parámetros
Casos paramétricos y no paramétricos
El espacio de parámetros
Estimación puntual
Estimación por intervalo
Tamaño muestral
Sesgo y varianza
Teoría no paramétrica
Estimación funcional: una sola variable
Estimación funcional: valor esperado condicional
Bootstrapping
Validación cruzada
Introducción a las pruebas de hipótesis
Pruebas de hipótesis
Simulación
Teorías formales
Instalación de R
Explorando datos simulados
Simulando estimadores puntuales
Simulando intervalos de confianza
Observando el comportamiento del tamaño muestral
Estimando distribuciones simuladas
Red neuronal vs. regresión lineal
Examinando el sesgo y la varianza
Haciendo un bootstrapping a un modelo
Hagamos la validación cruzada
Revisemos la potencia de una prueba
Proyecto
Estimación de parámetros con datos reales
Estimación por intervalo de parámetros con datos reales
Red neuronal de pronóstico con datos reales
Validación cruzada de nuestra red neuronal
Calculando el tamaño óptimo de la muestra
Contextualización de la red neuronal
Conclusiones
¿Qué más sigue?
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Si ya tienes una cuenta,
No se trata de lo que quieres comprar, sino de quién quieres ser. Aprovecha el precio especial.
Antes: $249
$209
Paga en 4 cuotas sin intereses
Termina en:
12 Días
20 Hrs
44 Min
35 Seg
Estimación por intervalo
9/37Recursos
Aportes 12
Preguntas 0
Ordenar por:
La estimación por intervalos consiste en establecer el intervalo de valores donde es más probable se encuentre el parámetro. La obtención del intervalo se basa en las siguientes consideraciones:
a) Si conocemos la distribución muestral del estimador podemos obtener las probabilidades de ocurrencia de los estadísticos muestrales.
b) Si conociéramos el valor del parámetro poblacional, podríamos establecer la probabilidad de que el estimador se halle dentro de los intervalos de la distribución muestral.
c) El problema es que el parámetro poblacional es desconocido, y por ello el intervalo se establece alrededor del estimador. Si repetimos el muestreo un gran número de veces y definimos un intervalo alrededor de cada valor del estadístico muestral, el parámetro se sitúa dentro de cada intervalo en un porcentaje conocido de ocasiones. Este intervalo es denominado “intervalo de confianza”.
https://www.uv.es/webgid/Inferencial/5_estimacin_por_intervalos.html#:~:text=La estimación por intervalos consiste,probable se encuentre el parámetro.&text=b)%20Si%20conoci%C3%A9ramos%20el%20valor,intervalos%20de%20la%20distribuci%C3%B3n%20muestral.
Los intervalos de
confianza son variables
aleatorias
La **estimación por intervalo** es un enfoque en estadística que, a diferencia de la estimación puntual, proporciona un rango de valores (intervalo) dentro del cual se espera que se encuentre el parámetro desconocido de la población con una cierta probabilidad o nivel de confianza. Este método ayuda a cuantificar la incertidumbre de la estimación y proporciona más información que un solo valor puntual.
Si no quedo muy claro, otra forma de verlo es la siguiente.
Observa como las 2 distribuciones comparten regiones.
Esto es básicamente lo que sucede, si por ejemplo tenemos dos intervalos donde su intersección es
(4,7) n (5,8)=(5,7)
esto implica que el pedazo de recta y=x con 5<x<7 va a intersecar o va a estar contenida en la región el rectángulo de la grafica.
Si son disjuntos, la intersección es vacía y no va haber ningún pedazo de la recta y=x contenida.
● Calculados a partir de la muestra.
● Tiene fórmulas (sumatorias).
● Están programados en el software.
● Usualmente convergen al parámetro cuando
la muestra aumenta.
● Tienen densidad, valor esperado y varianza.
Si alguien sabe como hacer la gráfica de intervalos de confianza que hizo el profesor, sería de mucha ayuda.
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?