Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sea θ una característica o parámetro poblacional cuyo valor se desea conocer a partir de
una muestra. Sea X1,... Xn una muestra aleatoria y sea θ̂ = T(X1,... Xn) un estadígrafo
(función de la muestra) que utilizamos para estimar el valor de θ.
Obsérvese que el estadístico θ̂ es una función que depende de la muestra y se nombra
estimador. El valor concreto que toma θ̂ en una muestra determinada es la estimación.
Hay dos tipos básicos de estimación: estimación puntual y estimación por intervalo
(intervalo de confianza).
Estimador Insesgado
Se dice que un estimador puntual θ̂ es un estimador insesgado de θ si E( θ̂ ) = θ.
Por ejemplo:
1) la media muestral ( X ) es un estimador insesgado de la media poblacional μ.
2) la varianza muestral es un estimador sesgado de la varianza poblacional σ2.
3) la cuasivarianza muestral es un estimador insesgado de la varianza poblacional σ2.
4) la proporción muestral (p) es un estimador insesgado de la proporción poblacional
π.
Definición:
Un estimador θ̂ n se dice que es asintóticamente insesgado si lim E (θˆ n ) = θ
n →∞
Estimador Consistente
Se dice que un estimador θ̂ n es consistente con θ si se cumple que nlim
→∞
( )
P θ̂ n − θ > ε = 0
Propiedad
Si Var ( θ̂ n ) → 0 y E( θ̂ n )→ θ entonces θ̂ n es consistente.
Eficiencia
Para decidir cuál estimador seleccionar entre varios estimadores insesgados se puede
utilizar las varianzas de los mismos. La varianza de una variable aleatoria mide la
dispersión alrededor de la media. Menor varianza para una variable aleatoria significa
que, en promedio, sus valores fluctúan poco alrededor de la media comparados con los
valores de otra variable aleatoria con la misma media y mayor varianza. Menor varianza
implica mayor precisión y entonces el estimador que tenga menor varianza es
claramente más deseable porque, en promedio, está mas cerca del verdadero valor de q.
Estimador Eficiente
Si θ̂ es un estimador insesgado de θ, se dice que θ̂ es un estimador insesgado
eficiente o de varianza mínima para θ, si para cualquier otro estimador insesgado de θ,
~
digamos θ , se verifica que
() ()
~
Var θ̂ ≤ Var θ .
Sean θ̂1 y θ̂ 2 dos estimadores insesgados del parámetro θ. Si Var ( θ̂1 ) < Var ( θ̂ 2 )
decimos que θ̂1 es más eficiente que θ̂ 2 .