Inferencia

Estadstica
Contraste
de
Hiptesis
Puntual
No Paramtrico
(Tema 6)
Tipos:
Estimacin
(tema 3)
Por Intervalos
Paramtrico
(Temas 4 y 5)
Problemas:
TEMA 3: ESTIMACIN DE
PARMETROS

Consiste en la obtencin de valores
aproximados para las caractersticas
desconocidas (parmetros) de la distribucin
poblacional.

Tipos de estimacin:
-

Puntual: un valor. Apartado 1
-

Por intervalos: un intervalo con garantas
de contener al parmetro. Apartado 2
Estadsticos
Estimadores
de

Estrategias de bsqueda de estimadores de
un parmetro :
-

Proponer

estimadores con buenas
propiedades (sub-apartado a).
-

Aplicar un mtodo de construccin de
estimadores: Estimadores Mximo-

Verosmiles (EMV) (sub-apartado b).
1) ESTIMACIN PUNTUAL
Estimadores y Estimaciones:
PROPIEDADES DE LOS ESTIMADORES PARA TODO TIPO
DE MUESTRAS:
ESTIMADOR INSESGADO significa que su media o valor esperado
coincide con el parmetro , esto es:

E = y por lo tanto, su sesgo=E - = 0



Consecuencia: Si es insesgado, entonces ECM Var

=

ESTIMADOR EFICIENTE: si para estimar un mismo parmetro,
disponemos de varios estimadores insesgados, el estimador eficiente ser

el de menor varianza.
1 2 1 2 1 2

y insesgados. Si Var Var entonces, es ms eficiente que

<

Para elegir entre diferentes estimadores para estimar un mismo parmetro

nos basaremos en una medida, el ERROR CUADRTICO MEDIO (ECM):
( )
2
2

ECM Var + E -
sesgo

=

El criterio: elegir el estimador que

tenga el menor ECM.
,7
,6
,5
,4
,3
,2
,1
0,0
E[A]=
f(A) f(B)
A estimador insesgado

E[A]=
B estimador sesgado E[B]
Var[A] = Var[B]
ECM[A] < ECM[B]
A mejor estimador que B
E[B]
1,4
1,2
1,0
,8
,6
,4
,2
0,0

f(A)
f(B)
A y B insesgados

E[A]=E[B]=
Var[A] > Var[B]
ECM[A] > ECM[B]
B mejor estimador que A
Caso 1: A y B misma varianza
Distribuciones de probabilidad de dos
estimadores A y B de un parmetro poblacional
Caso 2: A y B estimadores insesgados
PROPIEDADES DE LOS ESTIMADORES PARA
MUESTRAS GRANDES:
ESTIMADOR ASINTTICAMENTE INSESGADO significa que
al aumentar el tamao de la muestra, su media tiende a
coincidir con el parmetro , y por lo tanto, su sesgo tiende a
cero.
Esto es,
n

lim E =

ESTIMADOR CONSISTENTE significa que a medida que crece el
tamao de la muestra las estimaciones que nos proporciona el
estimador se aproximan cada vez ms al valor del parmetro

.
Si el estimador es insesgado

o asintticamente

insesgado, para
que sea consistente es suficiente que, cuando el tamao de la
muestra tiende a infinito (es decir, se hace muy grande), la
varianza del estimador se aproxime a cero. Esto es,
n

lim Var =0

1,4
1,2
1,0
,8
,6
,4
,2
0,0

100 = n
f(
)

1000 = n
f(
Ejemplo de estimador consistente
Al crecer el tamao de la muestra, las estimaciones
de se aproximan cada vez ms al verdadero
valor del parmetro.

CUADRO RESUMEN ESTIMADORES PUNTUALES

Distribucin
Poblacin
Parm-

etro

a
estimar
Estima-

dor
Propiedades
estimador
Otras
propie-

dades
Poisson
XPo()

insesgado, eficiente,
consistente
EMV
Bernouilli

XBe(p)
p
insesgado, eficiente,
consistente
EMV
Normal
X

insesgado, eficiente,
consistente
EMV
Normal
X

2
S
2
asint. insesgado, menor
ECM que cuasi-var
EMV
Sin
especificar

insesgado, consistente
Sin
especificar

2
S
2
asint. insesgado
insesgado
) , N(
2

) , N(
2

X
X
X
x = p

2
S

EMV= Estimador mximo-verosmil

2
S