TEMA 1

CLASE # 4
PARAMETROS, ESTIMADORES Y ESTIMACIONES

Un parámetro: Es un valor numérico en la población, por ejemplo: La media (  ),

la varianza poblacional (  2 ) , la proporción ( P ).
Generalmente los parámetros son desconocidos pero se desea saber su valor.

Ejemplos: Se desea conocer el ingreso promedio de los estudiantes de la

universidad, o la edad promedio de los estudiantes hombres, etc.

Uno de los objetivos es estimar parámetros; para ello se necesita definir ciertas
funciones que se llaman estimadores. Los estimadores son funciones de variables
y como tales tienen esperanza y varianza y una distribución de probabilidad.

Por ejemplo:
1 n a A
X =  X i es estimador de  , p es estimador de P =
n i 1 n N

s    X i  X  es estimador de X i  X 2 es otro estimador

1 n 1 n
2
0
n i 1
 2 , s2  
n  1 i 1
de  2 .

En la práctica se usa más S n21 que S n2 . Los estimadores son funciones que al ser
calculados en los valores de una muestra aleatoria producen estimaciones del
respectivo parámetro.

Así x1 , x2 ,...., xn son los valores de una muestra entonces X (estimador) produce.

1 n
x =  xi
n i 1

Cada muestra produce una estimación diferente. En la vida real  ( y cualquier

otro parámetro) se estima con una sola muestra, x1 , x2 ,...., xn ,

Existen estimadores para otros parámetros como por ejemplo los momentos, la
correlación, Etc, pero, por ahora no se hablará más de ellos.

Como se dijo antes cada uno de los estimadores anteriores, por ser variables
aleatorias, tienen esperanza y varianza.
 PROPIEDADES DE LOS ESTIMADORES

Algunas propiedades que pueden tener los estimadores son las siguientes.

SER INSESGADO. Un estimador es insesgado cuando su esperanza es igual al

respectivo parámetro. Así por ejemplo, x , S 2 , P son estimadores insesgados.
S n2 no es insesgado (pero es de máxima verosimilitud), es decir su probabilidad
de aparición es máxima.

SER ROBUSTO. Un estimador es robusto cuando no se ve afectado por

condiciones adversas. Por ejemplo, la media es muy sensible a la presencia de
valores extremadamente grandes o extremadamente pequeños. En este sentido
NO ES ROBUSTA. En cambio la mediana sí es robusta en este aspecto.
SER EFICIENTE. Es el que tiene menos varianza.

SER CONSISTENTE. Es el que tiene menos sesgo cuando n crece.