Métodos de estimación

puntual en una muestra.

Universidad: Santo Tomas
Profesor: Leyla Sufan Escobar
Unidad |
Índice

 Introducción.
 Parámetro
 Estimadores
 Criterio de selección de parámetros:
▪ Propiedad de insesgamiento
▪ Eficiencia
▪ Consistencia
▪ Error cuadrado medio
Introducción

 En este tema pretendemos inferir sobre una población a partir de la

información contenida en las muestras aleatorias simples de tamaño “n”.

 Una de nuestras primeras necesidades es la de simplificar la información

contenida en los datos muestrales.

 Debemos tener en consideración que habrán muchos caminos para simplificar

la información, pero no siempre el camino es el apropiado.
Parámetro

▪ Un parámetro es una característica numérica de la población que tiene un valor fijo pero
que desconocemos.
▪ La determinación de un parámetro es uno de los objetivos del proceso estadístico. Para
determinar el valor del parámetro, se elige una muestra aleatoria simple y a partir de su
análisis se estima el valor del parámetro que interesa.
▪ Es importante establecer la diferencia entre lo que un parámetro y un estadístico.
▪ Los parámetros son magnitudes constantes inherentes a la población y no se ven
afectados por las muestras extraídas de la población.
▪ Por ejemplo: La media poblacional 𝜇 es un parámetro.
▪ Un estadístico es una magnitud que corresponde a una muestra aleatoria particular
extraída de la población, y si se cambia la muestra, entonces cambiara el valor del
estadístico.
▪ Por ejemplo: La media muestral 𝑋ത es un estadístico (no es un valor fijo, sino que hay
tantas como muestras).
Estadístico

Sea 𝑋1 , 𝑋2 , … 𝑋𝑛 una muestra aleatoria de tamaño n.

Algunos de los estadísticos asociados y más utilizados son:
i. La media muestral:
𝑛
1
𝑋ത = ෍ 𝑋𝑖
𝑛
𝑖=1

ii. Varianza (Cuasi - varianza) muestral:

𝑛
1
𝑆2 = ത 2
෍(𝑋𝑖 − 𝑋)
𝑛−1
𝑖=1
𝑛
1 2 𝑛
𝑆2 = ෍ 𝑋𝑖 − 𝑋ത 2
𝑛−1 𝑛−1
𝑖=1
Estadístico

NOTA

 Dado que un estadístico es una v.a (ya que es una función de variables
aleatorias) podemos hablar de su función de probabilidad, que denominaremos
“distribución muestral o distribución en el muestreo”
Ejemplo 1
Parámetro y estadístico.
 Tome en consideración la siguiente tabla:

Numero Partidos a) Calcula la media, mediana, moda y centil

de goles 35
0 12 b) Calcula la varianza desviación típica

1 16
2 20
3 22
4 21
5 5
6 4
7 1
Ejemplo 2
Parámetro y estadístico.
 Dibuja el polígono de frecuencias acumuladas, y calcula media, moda,
mediana y cuartiles para la tabla:

Intervalo Frecuencia
(0,10] 6
(10,20] 7
(20,30] 10
(30,40] 9
(40,50] 5
ESTIMADOR Y ESTIMACIÓN

 Consideramos una población en la que observamos una variable aleatoria X

que tiene asociada una distribución 𝑓𝜃 (𝑋) , donde 𝜃 es un parámetro
desconocido, y pretendemos, con la ayuda de una m.a.s (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) ,
determinar 𝜃. Este valor se denominará estimador puntual del parámetro.
 Un estimador de un parámetro es cualquier estadístico que calculamos con la
finalidad de estimar el valor de un parámetro (es decir, une estadístico que nos
permite obtener un valor aproximado de alguna característica de la población).
 Un estimador es una v.a. con su correspondiente distribución de probabilidad.
 Su valor varía de una muestra a otra.
 Una estimación es el valor del estimador para una muestra particular
Criterios de selección de un estimado.

 Para decidir cuál es el mejor estimador puntual que puede usarse de un

parámetro particular, necesitamos desarrollar algunos criterios:

a). Estimadores insesgados o centrados:

Una propiedad deseable de un estimadores que debe estar cerca en cierto sentido al
valor verdadero del parámetro desconocido.

𝜃መ 𝑒𝑠 𝑖𝑛𝑠𝑒𝑠𝑔𝑎𝑑𝑜 𝑝𝑎𝑟𝑎 𝜃 ↔ 𝐸 𝜃መ = 𝜃

𝑆𝑖 𝐸 𝜃መ ≠ 𝜃 𝑠𝑒 𝑑𝑖𝑐𝑒 𝑞𝑢𝑒 𝜃መ 𝑒𝑠 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 𝑠𝑒𝑠𝑔𝑎𝑑𝑜 𝑝𝑎𝑟𝑎 𝜃.

𝐸 𝜃መ − 𝜃 𝑠𝑒 𝑙𝑙𝑎𝑚𝑎 𝑠𝑒𝑠𝑔𝑜 𝑑𝑒𝑙 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟.

Ejercicio 3

a) Demostrar que la media muestral es un estimador insesgado para la media

poblacional.
1
b) ¿es 𝜃መ = 𝑛 σ𝑛𝑖=1(𝑋𝑖 − 𝑋ത )2 un estimador sesgado?
Criterios de selección de un estimado.

b). CONSISTENCIA:
Si no es posible emplear estimadores de mínima varianza, el requisito mínimo
deseable para un estimador es que a medida que el tamaño de la muestra crece,
el valor del estimador tienda a ser el valor del parámetro poblacional, propiedad
que se denomina consistencia.
Un estimador 𝜃መ consistente es un estimador asintóticamente insesgado cuya
varianza tiende a cero al aumentar el tamaño muestral. El estimador 𝜃መ es
consistente cuando:

lim 𝐸 𝜃መ = 𝜃 𝑦 lim 𝑉 𝜃መ = 0
𝑛→∞ 𝑛→∞
Criterios de selección de un estimado.

c). Eficiencia.
Un estimador es más eficiente que otro si su varianza es menor.
Sean 𝜃 ෢1 y 𝜃෢2 dos estimadores insesgados, se dice que 𝜃
෢1 es más eficiente que 𝜃
෢2
෢1 ) < Var (𝜃
si se verifica que Var (𝜃 ෢2 ) .

Var (𝜃෢1 )
La eficiencia relativa se mide por el ratio:
Var (𝜃෢2 )
Criterios de selección de un estimador.

d). Error cuadrado medio de un estimador 𝜃መ es:

𝐸𝐶𝑀 𝜃መ = 𝐸(𝜃መ − 𝜃)2

𝐸𝐶𝑀 𝜃መ = 𝑉 𝜃መ + [𝜃 − E 𝜃መ ]
El problema es encontrar una función T = u(X1, ..., Xn) que sólo dependa de la
muestra y que entregue la “mejor” estimación de θ. Para buscar dicho estimador,
se utilizará el llamado error cuadrático medio. Sin embargo, dicho criterio presenta
una dificultad crucial, que es que el error cuadrático medio puede variar
dependiendo de los valores que tome θ
Ejercicio 4

 Sea una población con media 𝜇 de la que se extraen m.a.s de tamaño n.

Considere los siguientes estimadores de la media.

ෞ1 = 𝑋ത
𝜇

𝑛
1
𝜇
ෞ2 = ෍ 𝑋𝑖
𝑛−1
𝑖=1

a) Estudiar el sesgo si hubiera, consistencia y eficiena de los estimadores.

b) Elegir el mejor estimador