UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO

FACULTAD DE CIENCIAS
ESTADÍSTICA PARAMÉTRICA Segundo Parcial

ESTIMACIÓN PUNTUAL
Supongamos que tenemos una muestra aleatoria X1 , X2 , . . . , Xn de una población con fun-
ción de probabilidad f (x) conocida excepto el valor del parámetro o de los parámetros.
Para conocer información de los parámetros a partir de X1 , X2 , . . . , Xn usamos los estimadores.

Definición: Dada una muestra aleatoria X1 , X2 , . . . , Xn , un estadı́stico g es una variable

aleatoria definida sobre Rn y que toma valores en R.

g(X1 , X2 , . . . , Xn ) = g(x1 , x2 , . . . , xn )

Definición: Un estimador es un estadı́stico que utilizaremos para estimar algún parámetro

poblacional.

Para poder encontrar estimadores de parámetros desconocidos veremos dos métodos.

1. MÉTODO DE MOMENTOS

Definición: Para una muestra aleatoria X1 , . . . , Xn se define y se denota el k-ésimo mo-

mento muestral, como sigue:
n
1X k
mk = xi
n
i=1

NOTA: Observemos que el primer momento muestral es la media muestral, m1 = X.

Definición: Sea X1 , . . . , Xn una muestra aleatoria de una población con distribución de

probabilidad f (x) conocida. Definimos y denotamos el k-ésimo momento poblacional como
sigue:  P k
 x f (x) caso discreto
µk =
 R k
x f (x)dx caso continuo
siempre que la esperanza exista.

El método de momentos se basa en el hecho de que los momentos muestrales deben ser una
buena aproximación de los momentos poblacionales. Suponemos que la forma de f (x) es cono-
cida excepto por los valores de los r parámetros desconocidos θe = (θ1 , . . . , θr )

Definición: El estimador de momentos de θe denotado por θ̂m es la solución al siguiente

sistema de ecuaciones
µk = m k para k = 1, . . . , r

Por lo que el método de momentos (MM) puede quedar resumido en los siguientes tres pasos:

1. Considerar una muestra aleatoria de tamaño n de la población dada.

2. Si la población tiene r parámetros desconocidos entonces calcular los primeros r momentos

poblacionales.

1
 3. Resolver el sistema µk = mk , es decir, despejar los parámetros desconocidos en términos
de valores ya conocidos (medidas muestrales, parámetros conocidos).

Ejemplo 1. Hallar el estimador de momentos del parámetro θ de una distribución exponen-

cial.

Solución:
Para hallar el estimador de θ por el MM procedemos como sigue:
1. Consideremos una muestra X1 , X2 , . . . , Xn de una población con distribución exponencial.

X1 , X2 , . . . , Xn ∼ exp(θ)

2. Calcular los primeros r momentos poblacionales, en este caso, r = 1.

µ1 = E[X 1 ] = E[X] = θ.

3. Resolver el sistema
µ1 = m1
Recordando que µ1 = θ y m1 = X tenemos que θ = X, por lo que, θ̂m = X

Ejemplo 2. Hallar el estimador de momentos de los parámetros µ y σ 2 de una distribución

normal.

Solución:
Para hallar los estimadores de µ y σ 2 por el MM procedemos como sigue:
1.
X1 , . . . , Xn ∼ N (µ, σ 2 )
2. Hallar los primeros 2 momentos poblacionales, µ1 = E[X] y µ2 = E[X 2 ].

Sabemos que E[X] = µ y recordando que V ar(X) = E[X 2 ] − (E[X])2 tenemos que E[X 2 ] =
σ 2 + µ2 .

3. Resolvemos el sistema
µ 1 = m1 y µ2 = m2
De la primera ecuación tenemos que µ = X, entonces, µ̂m = X.

De la segunda ecuación tenemos que

n n
2 2 1X 2 2 1X 2
σ +µ = Xi ası́ σ = Xi − µ2
n n
i=1 i=1

Dado que el parámetro µ ya fue estimado lo podemos sustituir en la ecuación anterior, por lo
que
n
2 1X 2 2
σ̂m = Xi − X
n
i=1