III.

ESTIMACION (ESTADISTICA INFERENCIAL)

Dentro de una situación de interés donde no es posible realizar censo, para determinar el valor
del parámetro en la población (µ, σ², P), se hace necesario recurrir a la alternativa de recopilar
información de los parámetros por medio de una muestra. Este procedimiento es conocido que
se pueden obtener dos tipos de estimaciones de los parámetros poblacionales de interés, que
se denominan estimadores puntuales y/ó por intervalo.
Entonces la inferencia estadística es una afirmación que se hace acerca de la población con
base en la información de una muestra aleatoria. Como consecuencia de la aleatoriedad de
los datos muestrales, existe un riesgo en la certeza de la afirmación propuesta y es necesario
determinar el valor dicho riesgo como indicador de la estimación.
DEFINICION: ESTIMADOR, es una variable aleatoria cuyas propiedades permiten estimar el
valor del parámetro de interés en la población.
III.1 ESTIMACION PUNTUAL
Un estimador puntual es un procedimiento que permite calcular una estimación numérica de
un parámetro poblacional desconocido, a partir de los datos de una muestra aleatoria. El valor
obtenido en una muestra aleatoria del parámetro de interés, se le llama ESTIMADOR
PUNTUAL.
Se definen la siguiente nomenclatura:
Θ ∶ 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑜 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟𝑒𝑠 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜(µ, 𝜎 2 , 𝑃)
̅ 𝑠𝑥2 , . . )
𝜃: 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 ( 𝑋, 𝜃̂: 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 𝑝𝑢𝑛𝑡𝑢𝑎𝑙 𝑑𝑒 Θ

III.1.A PROPIEDADES DE LOS ESTIMADORES PUNTUALES

III.1.A.1 INSESGAMIENTO
Se dice que un estimador puntual 𝜃̂ de un parámetro poblacional desconocido Θ , se dice
insesgado sí 𝐸[𝜃̂] = Θ .
En otras palabras, el promedio de todas las medias muestrales será igual a la media
poblacional.
Adicionalmente se denomina SESGO, a la diferencia entre el valor esperado del estimador
puntual 𝜃̂ y el verdadero valor del parámetro en la población Θ.
𝑆𝐸𝑆𝐺𝑂(𝜃̂ ) = 𝐸[𝜃̂ ] − Θ.

III.1.1.2 EFICIENCIA
Se dice que un estimador 𝜃1 es más eficiente que otro estimador 𝜃2 , sí ambos son insesgados
2 2
y además 𝜎𝜃1 < 𝜎𝜃2 .
Entonces se debe suponer que una muestra aleatoria de n elementos se puede obtener dos
estimaciones puntuales del mismo parámetro poblacional. Se debe preferir el estimador
puntual con la menor desviación estándar (error estándar), porque tiende a proporcionar
estimados más cercanos del parámetro poblacional de interés.
Una medida de comparación entre dos estimadores es la eficiencia relativa
𝜎𝜃22 > 1 ∶ 𝜃1 𝑒𝑠 𝑚𝑒𝑗𝑜𝑟 𝑞𝑢𝑒 𝜃2
𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 𝑅𝑒𝑙𝑎𝑡𝑖𝑣𝑎 = {
𝜎𝜃21 < 1 ∶ 𝜃2 𝑒𝑠 𝑚𝑒𝑗𝑜𝑟 𝑞𝑢𝑒 𝜃1

III.1.1.3 CONSISTENCIA
Un estimador es consistente si sus valores tienden a acercarse al parámetro Θ en la población
cuando se incrementa el tamaño muestral.
𝜎𝜃̂ = 𝑘 ∈ ℤ, 𝑐𝑢𝑎𝑛𝑑𝑜 𝑛 → ∞ 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝜎𝜃̂ → 0

o sea 𝑃[∣ 𝜃̂ − Θ ∣< ϵ] → 1 ó 𝑃[∣ 𝜃̂ − Θ ∣> ε] → 0 con ε ∈ ℝ

Es decir lim 𝐸(𝜃̂ ) = Θ ; lim 𝜎𝜃̂2 = 0 ; lim 𝜎𝜃̂ = 0

𝑛→∞ 𝑛→∞ 𝑛→∞

Una medida aproximada del sesgo (𝜃̂) , es el ERROR CUADRATICO MEDIO (ECM),

2
𝐸𝐶𝑀(𝜃̂) = 𝐸(𝜃̂ − Θ) = 𝜎𝜃̂2 + [ sesgo (𝜃̂)]²

EJERCICOS
1.- Se selecciona una muestra de 2 elementos de una población que sigue una NORMAL, y se requiere
estimar la media poblacional a partir del siguiente estimador
3 2
µ̂ = 𝑋1 + 𝑋2
8 8
Determine si el estimador es insesgado y determine el sesgo si es del caso.
2.- Las observaciones de x1, x2, x3 componen una muestra aleatoria (positivos) de una
NORMAL(µ;σ²=36), y se busca estimar la media poblacional a partir del estimador y su ECM(µ1,µ2).
1 1 1
𝜇
̂1 = (𝑥1 + 𝑥2 + 𝑥3 ) ; 𝜇
̂2 = (𝑥1 + 𝑥2 ) + 𝑥3
3 2 3
Determine insesgamiento, eficiencia y ECM.
3.- Demostrar que sx2 (poblacional) es un estimador sesgado de σ2.
4.- Sea x1, x2, x3 una muestra simple de una población normal. A partir de los siguientes
ESTIMADORES del promedio poblacional.
(𝑥1 +𝑥2 +𝑥3 ) 1 1
𝜇
̂1 = ; 𝜇
̂2 = 𝑥1 − 𝑥2 + 𝑥3
3 2 2
a.- Determine insesgamiento y sesgo de ser posible. b.- Determine eficiencia
̂3 = (𝑎 + 1)𝜃
5.- Considere 𝜃 ̂1 − 𝑎𝜃̂2 , suponiendo que E[θ̂1 ] = E[θ
̂2 ] = θ ; σ2θ = σ12 ; σ2θ = σ22
1 2
2
a.- Sabiendo que 𝜃1 y 𝜃2 , son independientes. Calcule a para que 𝜎𝜃̂ sea mínima.
3
̂1 , 𝜃
b.- En referencia al punto (a.-) bajo el supuesto que 𝐶𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎(𝜃 ̂2 ) ≠ 0 (dependientes).