Documentos de Académico
Documentos de Profesional
Documentos de Cultura
- Ser derivable
- Continua
- Solo un valor del estimador
- El estimador debe estar en el dominio donde las probabilidades existen, y este
dominio debe ser compacto1
- Concavidad de la funcin
Dice que para una variable independiente e idnticamente distribuida IID que cuenta con
un gran numero de datos (mayor a 30) su MEDIA MUESTRAL tiende a una
distribucin normal, con mediaE(Y) =yvarianzaV(Y)=(^2)/n ( y la distribucin
normal se puede estndarizar).
Sesgo y consistencia:
Se llama sesgo a la diferencia entre la esperanza del estimador menos el valor numrico
de su parmetro (valor esperado igual al real)
- A mayor informacin o mayor numero de datos, menor sesgo
- El sesgo puede ser por:
- Seleccin
- Informacin
- Confusin
Se dice que un estimador o estadstico muestral es consistente cuando este tiende a su
valor verdadero (poblacional), cuando el numero de datos de la muestra tiende a infinito.
- La consistencia del estimador no determina el sesgo, solo nos dice si este es
asintotico
Eficiencia:
Se dice que el estimador con menor varianza es ms eficiente.