CASO PRACTICO UNIDAD 2

Ejercicio 1:

De una población en la que se analiza la variable aleatoria ζ, con función de

probabilidad f(x;θ), se extraen m.a.s de tamaño n. Se eligen dos estimadores del
parámetro θ, tales que:

E(θ*1) = 2θ y V(θ*1) = 3θ2

E(θ*2) = θ + 1 y V(θ*2) = 4θ2

Cuestiones:

a) ¿son insesgados?

Parámetros: son valores determinados de una población, tales como la media

y la desviación estándar.

Estimadores: son valores aproximados de cierto parámetro desconocido de

una población.

Se dice que un estimador es insesgado si la Media de la distribución del

estimador es igual al parámetro, o si la diferencia entre su esperanza matemática y
el valor numérico del parámetro que estima es nulo. Por lo tanto, no es insesgado.

Un estimador es más eficiente que otro si la Varianza de la distribución

muestral del estimador es menor a la del otro estimador. A menor eficiencia, menor
es la confianza de que el estadístico obtenido en la muestra aproxime al parámetro
poblacional. Para el parámetro θ no son insesgados, ya que su resultado presenta
como valor ≠ 0; para que cumpla la condición para ser insesgado debe cumplir 𝐸(𝜃̂)
= θ lo cual no aplica en este caso.

b) Proponer, a partir de los estimadores anteriores, otros dos que sean

insesgados compararlos según el criterio de eficiencia.

Sea θ*3 = (θ*1)/2 E[θ*3] =E[(θ*1)/2] = 2θ/2 = θ es insesgados

 Sea θ*4= (θ*2) -1 E[θ*4] = E[(θ*2) - 1] = E[θ*2] -1 = θ+1- 1 = θ es insesgados

V[θ*3] = V[(θ*1) /2] = V[θ*1]/4 = (3θ2)/4 V[θ*4] = V[(θ*2)-1] = V[θ*2] = 4θ2

Como los estimadores son insesgados, el más eficiente es el que tiene menor
varianza, luego θ*3 es más eficiente que θ*4.

EJERCICIO 2:

Una vez obtenido el intervalo: μ ε [10 -0’784; 10 + 0’784] = [9’216; 10’784]0’95

CUESTIONES

a) Aumentar la confianza de la estimación hasta el 99%, manteniendo constante la

precisión

Zα/2 = 1-0,95/2 = 0,025

Zα/2*σ/√n = 0,784

σ/√n = 0,784/2,81 = 0,279

Zα/2 = 1-0,99 = 0,01/2 = 0,005 = 2,58

2,58*0,784 = 2,02

(μ)99% = [10 -2,02; 10 +2,02]

b) Aumentar al doble la precisión de la estimación obtenida, manteniendo

constante la confianza de la estimación en el 95%.

2,81 *2σ/√n = 2,81*2*0,279 = 1,57

(μ)95% = [10 -1,57; 10 + 1,57]

Debate de MARTHA MILENA MARTINEZ PEDRAZA al Caso Practico de YENNY ELIZABETH ALVAREZ
GRANADOS.

Yenny buenas noches, muchas gracias por los videos que compartiste pues
aclaran mucho sobre el concepto de los estimadores y su aplicación de manera que
me ayudaron a mejorar el alcance en el desarrollo del ejercicio, quisiera
complementar estos videos con una definición de los estimadores que me parece
explican de una forma muy sencilla su aplicación.

Estimadores

Un estimador es un estadístico (una función de la muestra) utilizado para

estimar un parámetro desconocido de la población. Por ejemplo, si se desea
conocer el precio medio poblacional de un artículo (parámetro desconocido) se
recogen observaciones del precio de dicho artículo en diversos establecimientos
(muestra) pudiendo utilizarse la media aritmética de las observaciones para estimar
el precio medio poblacional. Para cada parámetro pueden existir varios estimadores
diferentes. En general, se elige el estimador que posea mejores propiedades que
los restantes, como insesgadez, eficiencia, convergencia y robustez (consistencia).

El valor de un estimador proporciona una estimación puntual del valor del

parámetro en estudio. En general, se realiza la estimación mediante un intervalo, es
decir, se obtiene un intervalo parámetro muestral error muestral   dentro del cual
se espera se encuentre el valor poblacional dentro de un cierto nivel de confianza.
El nivel de confianza es la probabilidad de que a priori el valor poblacional se
encuentre contenido en el intervalo

Estimadores: Universidad autónoma de Madrid: recuperado de

http://www.fuenterrebollo.com/Aeronautica2016/estimadores.pdf

Estimadores: Propiedades de Estimadores – José Felipe Duque Duarte:

recuperado de https://www.youtube.com/watch?v=Hd6rmhof_Iw