i += 1
return S2, X, i
if __name__ == "__main__":
"""
Calcular la varianza del estimador N̄ correspondiente a 1000 ejecuciones
de la simulación y dar una estimación de e mediante un intervalo de
confianza de 95%.
"""
ITER = 1000
S2, X, n = experiment(ITER)
# La varianza del estimador en este caso es S**2 / N
variance = S2 / n
print("Varianza del estimador: {}".format(variance))
print("Media muestral: {}".format(X))
print("Varianza {}".format(S2))
# ===================================================================== #
# Intervalo de confianza
# X(barra) = 1.96 * (S / sqrt(N))
cons = 1.96
S = sqrt(S2)
a, b = interval(X, cons, S, n)
print("Estimación de e mediante un intervalo")
print("Intervalo: [{}, {}] Confianza: 95\n".format(a, b))
print("Todos los intervalos:")
INTERVALS = all_interval(X, S, n)
n += 1
return(n)
def experiment(Iter):
sample, var = [M()], 0
mean_old = sample[0]
for n in range(1, Iter + 1):
sample.append(M())
mean_new = mean_old + (sample[n] - mean_old) / (n + 1)
var = (1 - 1 / n) * var + (n + 1) * ((mean_new - mean_old) ** 2)
mean_old = mean_new
return(mean_new, var, n)
if __name__ == '__main__':
"""
Enunciado: Utilizando la función 'M' para estimar e mediante 1000
ejecuciones de una simulación. Calcular la varianza del estimador y dar una
estimación de e mediante un intervalo de confianza de 95%.
"""
Iter = 1000
mean, var, n = experiment(Iter)
print("Varianza del estimador es: {}".format(var / n))
print("Varianza muestral es: {}".format(var))
print("\nEstimación de 'e': {}".format(mean))
interval(mean, var, n)