Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estim Adores
Estim Adores
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
=
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.
2
S