Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTIMACION
La estadística es la parte de las matemáticas que estudia los métodos científicos para
recoger, organizar, resumir y analizar datos, así como para sacar conclusiones validas y
tomar decisiones apropiadas basadas en el análisis de tipo científico.
Estimación puntual
Existen dos tipos de estimadores; puntual si sólo se presenta un número como posible
valor del parámetro , y por intervalo si se presenta un conjunto de números dentro
del cual puede estar el valor de .
Nota.
̂ 2 .
Definición._
̂ es un estimador insesgado de si E( ˆ ) .
El error cuadrático medio del estimador está dado por ECM ( ˆ ) E( ˆ )2 .
ECM ( ˆ1 )
La eficiencia relativa de ̂ 2 a ̂ 1 se define como Er .
ECM ( ˆ 2 )
Observaciones:
a) El error cuadrático medio es un medio para comparar estimadores, así si
ECM ( ˆ1 ) ECM ( ˆ 2 ) decimos que ̂ 1 es “mejor” que ̂ 2 .
b) Si Er<1, se dice que ̂ 1 es más eficiente que ̂ 2 .
c) Sesgo(ˆ) E(ˆ)
d) ECM ( ˆ ) V ( ˆ ) Sesgo2 ( ˆ )
e) Si el estimador es insesgado, entonces ECM ( ˆ ) V ( ˆ ) .
1
UNIDAD 5
1
V ( ˆ )
nE ln f X ( x; )
2
1
Si V (ˆ) se dice que se tiene el estimador insesgado de varianza
nE ln f X ( x; )
2
Ejemplos:
2. Supón que se tiene una m.a. de tamaño 2n de una población denotada por X con
1 2n 1 n
media y varianza 2 y que ̂1 i
2n i 1
x y ̂ 2 xi son dos estimadores
n i 1
para la media poblacional . ¿Cuál estimador recomendarías? ¿Por qué?
ˆ2 12 (2 x1 x6 x4 )
2
UNIDAD 5
Definición._
i) Se dice que ̂ * es un estimador óptimo de si ECM ( ˆ * ) ECM ( ˆ ) ˆ .
ii) Se dice que ̂ n (estimador de basado en una muestra de tamaño n) es consistente
para si lim P(| ˆ n | ) 1 o equivalentemente cuando lim ECM ( ˆ n ) 0 .
n n
Ejemplos:
2) Sean Y1 , Y2 ,..., Yn una muestra aleatoria de una población con media y varianza 2.
Considera los siguientes estimadores para :
1 1 Y ... Yn 1 1
ˆ 1 (Y1 Y2 ) , ˆ 2 Y1 2 Yn , ̂ 3 Y , , .
2 4 2(n 2) 4
a) ¿son insesgados?
b) Determinar la Er de ̂3 con respecto a ̂ 2 y ̂1
c) ¿cuál es consistente?
3
UNIDAD 5
Este método da por hecho que los momentos muéstrale son una buena aproximación de
los momentos poblacionales, por lo tanto se igualan ambos momentos y de ahí se espeja
el estimador del parámetro de interés.
1 n
mk
k
Xi k-ésimo momento muestral de la v.a X.
n i 1
Ejemplos:
1. Sea X ~ N( x; , 2 ) estima ( , 2 ) en base a una muestra aleatoria de
tamaño n usando el método de los momentos.
( 1) y 0 y 1; 1
f ( y)
0, en cualquier otro punto
Obtenen un estimador para por el método de los momentos.
4
UNIDAD 5
n
1) Encontrar la función de verosimilitud L( ) f xi ( xi , )
i 1
2) Encuentra ln L( ) (la función ln L( ) tienen los mismos puntos críticos)
3) Deriva respecto a , iguala a cero y despeja .
Ejemplos:
( 1) y 0 y 1; 1
f ( y)
0, en cualquier otro punto
Encuentra el estimador de máxima verosimilitud de .
5
UNIDAD 5
Tomamos 100 m.a y para cada una construimos un intervalo Li , U i i=1,...,n pero
queremos que PLi U i 1 con pequeño. Li , U i es un intervalo de
confianza del (1- )100% para entonces (1- )100 de las veces es atrapado por el
intervalo y sólo 100 de tales intervalos no contienen a .
Tamaño de muestra.
La precisión de la estimación por intervalo esta dada por la longitud del intervalo,
mientras más angosto sea el I.C se considera más precisa la estimación.
Si el intervalo es simétrico a medida que la confianza aumenta la precisión disminuye.
n
Ejemplos:
3. Durante varios años, se había aplicado una prueba de nivel de matemáticas a todos
los alumnos de primer ingreso de cierta universidad. Si 64 estudiantes,
seleccionados al azar en este periodo, tardaron en promedio 28.5 minutos en
resolver ka prueba con una varianza de 9.3 minutos, construye un intervalo de
confianza de 99% del tiempo promedio verdadero que tardó un alumno de primer
ingreso en resolver el examen.
6
UNIDAD 5
MEDICAMENTO 1 MEDICAMENTO 2
n = 14 n = 16
x = 17 x = 19
S2 = 1.6 S2 = 1.8
5. Un fabricante de baterías par automóvil segura que sus baterías duran, en promedio,
3 años con una varianza de 1 año. Si 5 de éstas baterías tienen duraciones de 1.9,
2.4, 3.0, 3.5 y 4.2 años, determina un intervalo de confianza de 95% para la
varianza e indica si es válida la afirmación del fabricante de que la varianza es igual
a 1. Supón que la población de la duración de las baterías se distribuye
aproximadamente en forma normal.
7. Una muestra aleatoria de tamaño 15 de una población normal tiene media x 550
y S2=49. Determina:
a) Un intervalo de confianza de dos lados de 95% con respecto a
b) Un intervalo de confianza inferior de 95% con respecto a
c) Un intervalo de confianza superior de 95% con respecto a
7
UNIDAD 5
INTERVALOS DE CONFIANZA MAS COMUNES.
x1 x 2 Z / 2 1 2 , x1 x 2 Z / 2 1 2
S S S
1 2 grandes (n > 30) x1 x 2
independientes de n1 n2 n1 n2
poblaciones normales
con varianzas diferentes
y desconocidas.
Para dos muestras 2 2 2
S2
2
Con:
2
S12 S 22
n1 n2 (n1 1) S12 (n2 1) S 22
2 y Sp
S12 / n1
2
S 22 / n2
2
n1 n2 2
n1 1 n2 1