ESTADSTICA I

Unidad 5: Resumen de Contenidos Tericos.

Estimadores y Principios de Inferencia
1
DEA an!a "ariano
1. Teora de la Estimacin
Inferencia estadstica y Estimacin
Los problemas de inferencia estadstica pueden dividirse en problemas de contrastacin de
hiptesis y problemas de estimacin. Los primeros se basan en la idea de contrastar una
hiptesis referente a alguna caracterstica poblacional mediante la informacin recopilada a
partir de una muestra. Mientras que en los problemas de estimacin, se busca obtener el
mejor pronstico del parmetro poblacional a travs de los datos de una muestra.
su ve!, los problemas de estimacin pueden dividirse en " grandes ramas como# la
$estimacin puntual% y la $estimacin por intervalos de confian!a%.
La estimacin puntual busca calcular $un valor% que represente el mejor pronstico del
parmetro, utili!ando para ello informacin a priori y una muestra representativa de la
poblacin cuyo parmetro se desea estudiar.
&ara reali!ar las estimaciones, se utili!an estimadores 'estadsticos(, que no son mas que
frmulas que recopilar la informacin de la muestra. &ero para obtener estimaciones lo mas
robustas posibles, lgicamente los estimadores deben satisfacer algunas condiciones
'propiedades de los estimadores( tal que garanticen su fiabilidad.
2. Estimadores (estadsticos)
)stimador# son frmulas que recopilan informacin contenida en una muestra para obtener un
valor apro*imado del parmetro poblacional. +e esta forma, el estimador 'o estadstico( es
una caracterstica muestral y son ,ariables aleatorias que tienen asociada una distribucin. )s
posible construir distintos estimadores para estimar el mismo parmetro poblacional o
caracterstica poblacional.
+ado que los estimadores son ,.. con una distribucin asociada, podemos definir "
conceptos importantes.
2. A- Media de un estimador:
1
-ibliografa consultada#
Spiegel M. R y Stephens L. J. (2001): Estadstica. McGraw-Hill. Mic!.
Lin" #. $% Marachal &. G. y Mas!n R. #. (200'): Estadstica para Administracin y Economa. (".
$l)a!*ega. Mic!.
#e la H!rra +a,arr! J. (200-): Estadstica Aplicada. ("ici!nes #.a/ "e Sant!s. (spa0a.
M!!re #. S. ( 2000): Estadstica Aplicada Bsica. $nt!ni 1!sch ("it!r S.$. (spa0a.
+a,i"i &illia* (2002): Estadstica para Ingenieros y Cientficos. (". McGraw-Hil.
.abriela /urincic '0112(# $.ua 3erica de )stadstica .eneral%. 45). 6-.
1
)s el valor medio que puede tomar un estimador para las distintas muestras de igual tama7o
que pueden e*traerse de una poblacin.
8i denominamos a
3
como el estimador del parmetro poblacional

. )ntonces, la media
del estimadote se obtendr como#

n N
j
C
E

=

3
)
3
(
,
+onde
:
3
j

,alor que toma el estadstico en la muestra j. 9

n N
C
'combinatoria de : en n(,
que representa la cantidad total de muestras de tama7o n que se pueden obtener en una
poblacin de tama7o :.
2. B - arian!a de un estimador:
+a idea de la variacin entre los valores que puede tomar el estimador en las distintas
muestras respecto la esperan!a o media del estimador.
n N
j
C
E
Var


=
2
)4
3
(
3
5
)
3
(

)speran!a de la media muestral# es el valor medio de los valores que toma el estadstico
media muestral para las distintas muestras de n elementos que pueden e*traerse de una
poblacin de : elementos. 8i x es el estimador media muestral.
)ntonces# ) (x E representa la esperan!a de la media muestral.
,arian!a de la media muestral# 8i x es el estimador media muestral, entonces ) (x Var
representa la varian!a de la media muestral.
2." - #ro$iedades de los estimadores
)*iste mas de una formula '$estimador%( para estimar el parmetro

y entre las diferentes

frmulas 'estimadores( debemos elegir aquel que mejores propiedades presente. Las
propiedades de los estimadores no requieren el conocimiento de la muestra, sino la frmula
del estimador.
Error muestral: )s la diferencia e*istente entre el valor del estimador y el valor del
parmetro. &ara obtener dicho error se utili!a el concepto de )rror 5uadrtico Medio 'M)5( y
se define como#
2
)
3
( = E EC
Propiedades Para muestras finitas:
2
;acen referencia a las propiedades de la distribucin muestral de los estimadores basados en
muestras de tama7o fijo.
Inses%amiento: +ecimos que el estimador
3
es insesgado para estimar el parmetro

si
la esperan!a del estimador es igual al valor del parmetro poblacional.
= )
3
( E
Eficiencia: +ecimos que un estimador
1
3
es ms eficiente que
2
3
para estimar

si,
siendo ambos insesgados, la varian!a de
1
3
es menos que la del estimador
2
3
. &ara
calcular el concepto de eficiencia, se utili!a com<nmente el concepto de eficiencia relativa
)
3
(
)
3
(
2
1

Var
Var
Er =
Donde:
Er = 1 ambos estimadores son igualmente eficientes.
Er < 1 El estimador
1
3
es ms eficiente que el estimador
2
3
.
Er > 1 El estimador
1
3
es menos eficiente que el estimador
2
3
.
&uficiencia: 6n estimador
3
es suficiente si utili!a toda la informacin relativa al parmetro
contenida en la muestra.
#ro$iedades asintticas.
8e refieren a propiedades de los estimadores para el caso en que el tama7o de la muestra es
grande y tiende a infinito. )n estos casos, la distribucin de
3
es funcin del tama7o de la
muestra en cuanto a media, varian!a y forma matemtica.
Inses%ade! Asintica: 8e dice que el estimador
3
es asintticamente insesgado para
estimar el parmetro

cuando la esperan!a del estimador tiende al valor del parmetro

poblacional a medida que se incrementa el tama7o de la muestra.
=

)
3
( li* E
n
"onsistencia: 8e dice que el estimador
3
es consistente para estimar el parmetro

cuando se apro*ima al valor del parmetro con probabilidad tendiente a la unidad cuando el
tama7o de la muestra crece indefinidamente.
1 )
3
( < e !
, 5uando n tiende a infinito. 9 e es un n= real que tiende a cero.
Mtodo para estimar la 5onsistencia
a( >ue el estimador sea asitticamente insesgado#
=

)
3
( li* E
n
-
b(
0 )
3
( li* =

Var
n
Eficiencia asinttica: ;ace referencia a la dispersin del estimador
3
y est definida solo
para estimadores cuya media y varian!a asinttica e*istan.
6n estimador
3
es asintticamente eficiente para estimar

si se cumple#
a(
3
posee esperan!a y varian!a finita
b(
3
es consistente
c( :o e*iste otro estimador
6
consistente para estimar

cuya varian!a sea menor a la

de
3
.
'. Parmetros poblacionales ( no son Variables aleatorias):
Media poblacional#
N
x
m
N
i
i
x

=
=
1
o
N
fi x
m
N
i
i
x

=
=
1
, donde#
,arian!a &oblacional#
2
1 2
1
2
2
) (
x x
m m
N
f m x
N
i
i x i
x
=

=

=

N= nmero de individuos de la poblacin

(. Estimadores comnmente utilizados 'son variables aleatorias y tienen asociadas
alguna distribucin de probabilidades(#
&ara muestras simples al a!ar, donde cada individuo de la poblacin posee igual probabilidad
de ser escogido en la muestra y los individuos de la poblacin son independientes.
Media Muestral#
n
x
x
n
i
i
=
=
1
o
n
fi x
x
n
i
i
=
=
1
, donde#
n= nmero de elementos de la muestra.
,arian!a Muestral#
) 1 (
) (
1
2
2

=

=
n
f x x
"
n
i
i i
x
Aclaracin de al%unos $rocedimientos )ue se reali!ar*n: 8upongamos que llamamos a ?
a la variable aleatoria que queremos estudiar 'caracterstica poblacional(. 9 que para ello
vamos a hacer n observaciones de la poblacin 'muestra de tama7o n(, donde ? posee una
distribucin de probabilidades.
Las observaciones que obtendremos sern datos concretos, aunque su valor ser aleatorio y
las denotaremos como % %
2 1
x x !."
.
n
x
5omo las
i
x
son representaciones de ?, entonces
cada
i
x
tendr la misma funcin de distribucin que ?. 8i adems las
i
x
son
'
independientes, tenemos los que se llama una muestra aleatoria simple. +e ello se deduce
que si cada valor de
i
x
proviene de la misma poblacin, la cual est asociada a una funcin
de distribucin, entonces cada
i
x
tendr la misma media y varian!a.
+. Distribuciones de los Estimadores comnmente utilizados
+.A -,istri-ucin de la media muestral x
a( m x E = ) (
Demostracin:
)4 ( ... ) ( ) ( 5
1
) ... (
1
) (
1
) ( ) (
2 1 2 1
1
1
n n
n
i
i
n
i
i
x E x E x E
n
x x x E
n
x E
n n
x
E x E + + + = + + + = = =

=
=
#omo
% ) ( ) ( m # E x E
i
= =
entonces
m
n
nm
m m m
n
x E x E x E
n
x E
n
= = + + + = + + + = )4 ... 5
1
)4 ( ... ) ( ) ( 5
1
) (
2 1
) ( ) ( # E m x E = = " estimador insesgado.
b(
n
x Var
#
x
2
2
) (

= =
Demostracin:
#omo:
n
x
x
n
i
i
=
=
1
, entonces#
) ... ( )
1
( ) ( )
1
( ) ( ) (
2 1
2
1
2 1 2
) (
n
n
i
i
n
i
i
x
x x x V
n
x V
n n
x
V x V + + + = = = =

=
=

5omo
% ) ( ) (
2
= = # V x V
i
entonces:
(
1
) ... ( )
1
(
2
2 1
2 2
) (
n
x x x V
n
n
x
= + + + =
= + + + ) ...
2 2 2


n n
n
2
2
2

=
s, la varian!a del estimador media muestral es directamente proporcional a
2
(,arian/a
p!7laci!nal) e in,ersa*ente pr!p!rci!nal al ta*a0! "e la *8estra (n). #e *anera 98e
c!ntr!lan"! el ta*a0! "e la *8estra p8e"e c!ntr!larse el ,al!r "e
2
) ( x

.
+istribucin de x en 8na p!7laci:n +!r*al c!n *e"ia y ,arian/a c!n!ci"a.
Resumiendo:
8i % %
2 1
x x !."
n
x
es una muestra aleatoria de la variable ? proveniente de una poblacin
donde# )% ; ( m N # entonces#
<

)% ; (
n
m N x


o
) 1 % 0 ( N
n
m x
$

&or aplicacin del 35L, si x es la media muestral aleatoria de tama7o n que se toma de una
poblacin con media
) ( x
m
y varian!a
2
) ( x

% ent!nces el esti*a"!r (la ,aria7le)

)% ; (
n
m N x


si n .
)s decir, a<n sin conocer la distribucin de la poblacin, es posible apro*imar a una
distribucin normal si se utili!a una muestra grande ' n (.
+.B- ,istri-ucin del estimador arian!a Muestral (&
2
):
8i % %
2 1
x x !."
n
x
es una muestra aleatoria de la variable ?, donde )% ; ( m N # entonces al
ser las
i
x
representaciones de ?, cada
i
x
posee la misma funcin de distribucin que ?.
)% ; ( m N x
i

8i a cada
i
x
le resto su media 'm( y se divide por su desvo , tendemos una variable
aleatoria que sigue una distribucin normal estndar#
) 1 ; 0 ( N
m x
i

.
8i cada normal estandari!ada 'correspondiente a cada elemento de la muestra( se la eleva al
cuadrado, se obtiene una distribucin @i.Acuadrado con 0 grado de libertad )% 1 (
) (
2
2
2

m x
i
9 si se tienen n ,.. independientes % %
2 1
x x !."
n
x
, cada una con una distribucin @iA
cuadrado con % %
2 1
% % !."
n
%
grados de libertad respectivamente, entonces#
n
x x x & + + + = ...
2 1
%
2
) ... (
2 1 n
% % %
&
+ + +

2
2
2
2
2
2
2
1 2
) (
) (
...
) ( ) (

m x m x m x
n
n

+ +

=
=!*! p!r l! general n! se c!n!ce m (*e"ia p!7laci!nal) p!r ser 8na caracter.stica p!7laci!nal%
"e7e*!s tra7a>ar c!n la *e"ia *8estral ( x ). #ich! ca*7i! trae c!*! alteraci:n l!s gra"!s "e
li7erta".
#e*!straci:n: partien"! "e
2
1
) ( m x
n
i
i

=
(1)
S8*an"! y restan"! x en (1)% tene*!s:
2
2
1
2
1
)4 ( ) 5( ) ( m x x x m x
n
i
i
n
i
i
+ =

= =
(2)
#esc!*p!nien"! el 7in!*i! en (2) llega*!s a:
4 ) ( ) )( ( 2 ) 5(
2 2
1
m x m x x x x x
i
n
i
i
+

=
(-)
#istri78yen"! la s8*at!ria en (-) tene*!s:

= = = =
+ =
n
i
n
i
i
n
i
i
n
i
i
m x m x x x x x m x
1
2
1
2
1
2
1
) ( ) )( ( 2 ) ( ) (
(')
=!*! ) ( m x es 8na c!nstante y
% 0 ) (
1
=

=
n
i
i
x x

(nt!nces%
0 ) ( ) ( 2
1
=

=
n
i
i
x x m x
(<)
Ree*pla/an"! (<) en (')
2 2
1 1
2 2
1
2
1
) ( ) ( ) ( ) ( ) ( m x n x x m x x x m x
n
i
i
n
i
n
i
i
n
i
i
+ = + =

= = = =
(2)
Si "i,i"i*!s a (2) p!r
2

2
2
2
2
1
2
2
1
) (
) ( ) (

m x n
x x m x
n
i
i
n
i
i

= =
(?)
Sa7e*!s 98e
2
) (
2
2
1
) (
%
n
i
i
m x

=
@!r !tr! la"!% si
)% ; ( m N #
entonces#
)% ; (
n
m N x


con lo cual
) 1 % 0 ( N
n
m x
$

=
, entonces
2
) 1 (
2
2
2
) (

=
n
m x
$
o
2
) 1 (
2
2
2
) (

=
n m x
$
)l segundo trmino del lado derecho de '2( sigue una distribucin @iA5uadrado con un grado
de libertad. &or lo tanto, necesariamente el primer trmino del lado derecho de la ecuacin 2
seguir una distribucin @iAcuadrado con 'nA0( grados de libertad.
?
2
) 1 (
2
2
1
) (

n
n
i
i
x x

(A)
8i el estimador de la varian!a muestral es
2
1
2 1
2
2
) 1 ( ) (
) 1 (
) (
" n x x
n
x x
"
n
i
i
n
i
i
=

=
=
'1(
Beempla!ando '1( en 'C( llegamos a#
2
) 1 (
2
2
) 1 (

n
" n

(10)
s, cuando se trata de probabilidades 'inferencia( relacionadas con la varian!a se utili!a el
estimador 'estadstico( 8
"
y mediante operaciones aritmticas lo transformamos a la e*presin
2
2
) 1 (

" n
, sabiendo que#
2
) 1 (
2
2
) 1 (

n
" n

Propiedades del estimador S

2
Bnsesga"!:
2 2
) ( = " E
'emostracin( !artiendo de la ec)acin *+,
2 2
1
2
1
) ( ) ( ) ( m x n x x m x
n
i
i
n
i
i
+ =

= =
(<)
8i dividimos a 'D( por nA0
) 1 (
) (
) 1 (
) (
) 1 (
) (
2
2
1
2
1

= =
n
m x n
n
x x
n
m x
n
i
i
n
i
i
(11)
plicando )speran!a a '00( y reordenando
=

= =
)
) 1 (
) (
) 1 (
) (
( )
) 1 (
) (
(
2
2
1
2
1
n
m x n
n
x x
E
n
m x
E
n
i
i
n
i
i
=

= =
)
) 1 (
) (
( )
) 1 (
) (
( )
) 1 (
) (
(
2
2
1
2
1
n
m x n
E
n
x x
E
n
m x
E
n
i
i
n
i
i
A
4 ) 5(
) 1 (
) ( ) ( 5
) 1 (
1
2 2 2
1
m x E
n
n
" E m x E
n
i
n
i

+ =

=
(12)
+espejando S
2
(12)
4 ) 5(
) 1 (
) ( 5
) 1 (
1
) (
2 2
1
2
m x E
n
n
m x E
n
" E
i
n
i

=

=
(1-)
5omo#
2 2
) ( = m x E
i
(1')
n
x V m x E
2
2
) ( 4 ) 5(

= = (1<)
S8stit8yen"! en (1-) las relaci!nes (1') y (1<) se !7tiene
4
) 1 ( ) 1 (
1
) (
2
1
2 2
n n
n
n
" E
n
i

=

=
) 1 ( ) 1 (
) (
2 2
2

=
n n
n
" E

)
) 1 (
1
) 1 (
( ) (
2 2

=
n n
n
" E
% ent!nces
2 2
) ( = " E (12)
5.# $ Distri%ucin de& estimador proporcin muestra& 'para muestras (randes)
(n *8ch!s cas!s% el inters "el est8"i! p8e"e estar !rienta"! al c!*p!rta*ient! "e 8na
pr!p!rci:n ((>.: pr!p!rci:n "e art.c8l!s "e)ect8!s!s).
Teorema: Sea
p
la pr!p!rci:n *8estral as!cia"a a 8na caracter.stica% la c8al se presenta en la
p!7laci:n en 8na pr!p!rci:n

(pr!p!rci:n p!7laci!nal). (nt!nces% si el ta*a0! "e la *8estra

tien"e a in)init!% tene*!s 98e:
)
) 1 ( C
; (
n
N p

! alternati,a*ente:
) 1 % 0 (
) 1 ( C
N
n
p
$

.. Distribucin de otros estimadores

*.A $ Distri%ucin de& estimador media muestra& cuando:
@!7laci:n n!r*al
#es,.! p!7laci!nal "esc!n!ci"!
*8estras chicas (nD-0)
E
8i % %
2 1
x x !."
n
x
es una muestra aleatoria de la variable ? proveniente de una poblacin
normal, donde el tama7o de la muestra es menor que EF 'nGEF( y el desvo poblacional es
desconocido, entonces ya no es posible calcular probabilidades respecto el valor x mediante
la distribucin
)% ; (
n
m N x


o
) 1 % 0 ( N
n
m x
$

=
, dado que no conocemos

.
5uando ello ocurre se sustituye el desvo poblacional
) (
, por el desvo muestral
correspondiente '8(, lo cual altera la distribucin antes utili!ada, obteniendo ahora la siguiente
distribucin#
.. . ) 1 ( l g n t
n
"
m x

Demostracin:
8i a la e*presin
) 1 % 0 ( N
n
m x
$

=
la dividimos por #
) 1 (
C ) 1 (
2
2

n
" n

donde
2
) 1 (
2
2
) 1 (

n
" n

% lo que obtenemos es un cociente entre una normal 'F,0( y la ra! cuadrada

de una
2
) 1 ( n

"i,i"i"a p!r s8s gra"!s "e li7erta"% 98e es >8sta*ente la "e)inici:n "e 8na t "e
st8"ent c!n (n-1) gra"!s "e li7erta"#
l g n t
n
N
n
" n
n
m x
gl n
. ) 1 (
) 1 (
) 1 % 0 (
) 1 (
C ) 1 (
2
) 1 (
2
2
=

Beordenando el primer miembro de la ecuacin anterior, nos queda la siguiente e*presin#

.. . ) 1 ( C
2
2
2
2
l g n t
n
"
m x
"
n
m x
"
n
m x
"
n
m x
"
n
m x
=

*.# $ Diferencias de medias:

@!7laci:n n!r*al ( ! nF-0)
#es,.! p!7laci!nales c!n!ci"!s
10
) 1 % 0 (
) ( ) (
N
n n
m m y x
y
y
x
x
y x

+

*.C $ Diferencias de medias:

@!7laci:n n!r*al
#es,.! p!7laci!nales "esc!n!ci"!s% per! ig8ales
) (
y x
=
gl n n t
n n n n
" n " n
m m y x
y x
y x y x
y y x x
y x
) 2 (
)
1 1
( C
) 2 (
) 1 ( C ) 1 (
) ( ) (
2 2
+
+
+
+

*.D $ Diferencias de proporciones
nF-0
) 1 % 0 (
) 1 (
) 1 (
) ( ) (
N
n n
! !
y
y y
x
x x
y x y x

*.E $ Diferencias de +arian!as *para po-laciones normales,
gl n n .
"
"
y x
x y
y x
) 1 ; 1 (
C
C
2 2
2 2

11