Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones Teoricas Resumen
Distribuciones Teoricas Resumen
INSESGADO.
Se dice que un estimador es insesgado del parámetro si se cumple que:
E( ) = , La esperanza del estimador es igual al parámetro.
Si el estimador no es insesgado, o sea E () se dice, que es sesgado, y se llamará sesgo
a la cantidad en que difiere el estimador del parámetro.
Sesgo = E( ) -
CONSISTENTE.
Se dice que un estimador es consistente si al hacer "n" cada vez más grande de manera que
n N, el estimador tiende a estar más cerca del parámetro. En términos rigurosos debe
decirse:
lim P (| ˆ | ) = 1 para todos los valores de y
n
Este límite, constituye lo que se denomina convergencia en probabilidad. Es decir, si un
estimador es consistente, converge en probabilidad al valor del parámetro que está
intentando estimar, conforme el tamaño de la muestra crece, implica que la varianza
de un estimador consistente disminuyen a medida que “n” crece y la media del
estimador tiende hacia donde “n” crece. La x y s2 son estimadores consistente.
EFICIENTE.
Se llama así a aquel estimador insesgado de cita que en comparación con otros estimadores
insesgados de cita tiene la menor varianza, o sea, es el estimador insesgado de menor
varianza entre los estimadores insesgados del parámetro cita.
- si X ?( ) y n X N( n )
- si X N( ?) y n 30 entonces:
( X - )/ s/ n t(t - 1)
- si X ?( ?) y n 30
X N( , s/ n )
x
p , entonces se puede decir que: x/n N (P, pq / n )
n
Sea una población normal con media y desviación típica , entonces la expresión
(n-1)s2/ 2 →2 , con n-1 grados de libertad.