Sesgo: Es el error humano, intencional o no intencional que se comete al ejecutar elmuestreo y que generalmente es sistemtico.

Este error se minimiza atravs de programas de entrenamiento, capacitacin y motivacin deinspectores y recolectores de informacin estadstica Error cuadrticomedio En estadstica, el error cuadrtico medio (MSE o mean square error en ingls) es una forma de evaluar la diferencia entre un estimador y el valor real de la cantidad que se quiere calcular. El MSE mide el promedio del cuadrado del "error", siendo el error el valor en la que el estimador difiere de la cantidad a ser estimada. El error cuadrtico medio es una til herramienta para decidir qu tan apropiado es un modelo determinado para la informacin.

Consistencia de un estimador (estadstica) En estadstica, la consistencia es una propiedad de ciertos estimadores. Se dice que un estimador es consistente cuando ste converge a su valor verdadero cuando el nmero de datos de la muestra tiende a infinito. El concepto est relacionado con el del sesgo de los estimadores: un estimador puede presentar cierto sesgo pero si es consistente, dicho sesgo decrece conforme crece el tamao muestral.

Mtodo de los momentos Se trata de un mtodo de obtencin de estimadores muy intuitivo. Bsicamente, consiste en igualar los momentos poblacionales (que sean funcin del o los parmetros a estimar) con los momentos muestrales y despejar el parmetro a estimar. As, por ejemplo, la esperanza de una variable aleatoria se estimara por la media muestral; la varianza, por la varianza muestral; etc. La principal ventaja de este mtodo es su simplicidad. Sin embargo, aunque los estimadores as obtenidos son consistentes, en general, no son centrados ni eficientes. Adems, en ciertos casos puede proporcionar estimaciones absurdas, como veremos en el siguiente ejemplo: Supongamos que tenemos una variable con distribucin uniforme donde el lmite inferior es cero y el superior es desconocido. Naturalmente, estaremos interesados en estimar el lmite superior (al que llamaremos b) de nuestra distribucin uniforme. X sigue una distribucin uniforme (a = 0, b = ?) Recordemos que la esperanza de una distribucin uniforme comprendida entre dos valores a y b es el promedio de estos dos valores.

Para aplicar el mtodo de los momentos para estimar b, igualaremos dicho promedio a la media aritmtica:

Supongamos que hemos obtenido la siguiente muestra de diecisis observaciones procedente de nuestra poblacin uniforme: 1,12 /1,79 /0,77 /4,21 /3,47 /4,94 /0,56 /0,05 /2,35 /4,86 /1,46 /3,71 /2,21 /0,09 /1,72 /2,96 Segn acabamos de ver, el estimador por el mtodo de los momentos de b es la media aritmtica multiplicada por dos. En este ejemplo, la media aritmtica vale 2,27 y, por tanto, la estimacin de b sera: 2,27 x 2 = 4,53. Sin embargo, esta estimacin es incompatible con las observaciones en que se basa.