Estimadores eficientes (I) Una medida de la calidad de un estimador para @ no debe ser sélo que su media sea el parémetro, sino que haya una alta probabilidad de que los valores observados de § sean préximos a @ (varianza lo mds pequefia posible) Dado 6 insesgado para @, se dice que @ es insesgado de minima varianza para 0 si para cualquier otro estimador insesgado 6° de 0 se verifica v (a) < v(é) © dados dos estimadores insesgados, es preferible el que tiene menor varianza (los valores observados del estimador serdn més préximos a la media = 0). © no existen estimadores insesgados con varianza tan pequefia como quisiéramos (cota inferior para la varianza) Estimadores eficientes (I!) Teorema de Cramer-Rao: Sean (X;, .... Xq) una muestra aleatoria simple de una poblacién X con funcién de masa 0 densidad f(x; 0), siendo 0 el parémetro que queremos estimar, y 6 un estimador insesgado de 0. Entonces, la varianza de 6 satisface la desigualdad v (6) > x sy cota de Cramer-Rao nE Expresién equivalente, mis cémoda computacionalmente: v(8) > EyEstimadores eficientes (III) Dado un estimador 6 insesgado para 6, el cociente entre la cota de ‘Cramer-Rao y su varianza se denomina eficiencia de 6 @ [a eficiencia de un estimador insesgado es siempre menor o igual que 1 Un estimador insesgado con eficiencia igual a 1 se denomina eficiente J ‘@ los estimadores eficientes existen sélo bajo determinadas condiciones Ejemplo: Consideremos una poblacién Bernouilli de parametro 6 desconocido. ‘Supongamos que tenemos dos estimadores 4; y 62 dados por aX +1 6, =X, b= n+l n+2 y e (é:] = = es insesgado y 62 es sesgado Por otra parte: v(aaMicd 5 v(1)~ esp ~(n¥ 27 ee v (a) > v (é)Ejemplo (cont) Calculemos la cota de Cramer-Rao (CCR): como F(X; 0) = 0*(1 — 0)!-* : log F(X; 0) = xlog 0+ (1 — x) log(1 — 0) Oy es eficiente pero 62 tiene menor varianza Se llama error cuadratico medio del estimador 0 a ECM(H) = E[( - 6)"] Si llamamos sesgo del estimador 6 a 8(6) = E[o] -0 se tiene que ECM(d) = V(d) + (8)" Exigir un estimador con ECM pequefio implica minimizar simultneamente su sesgo y su vari «@ Para los estimadores insesgados, el criterio coincide con minimizar la varianza (acotada por CCR), es decir, se busca el estimador eficiente.