Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimación de Parámetros 1
Estimación de Parámetros 1
n n
2 1
Esx = n ·E(xi- x-)2 = n ·E(xi- + - x-)2 =
1
i=1 i=1
n
1
= n ·E [(xi- ) + ( - x-)]2 =
i=1
n
1
= n ·E [(xi- )2 + ( - x-)2 + 2(xi- )( - x-)]=
i=1
n
1 n
= n ·E(xi- ) + n( - x) + 2 (xi- )( - x)
2 - 2 -
i=1 i=1
Ahora bien,
n
= ( xi - 2 - x-xi + x-) = xi - n2 - x-xi + nx- =
n n
= nx- - n2 - nx-2 + nx- = 2nx- - n2 - nx-2 = -n(2 + x-2 - 2x-) =
= -n( - x-)2
luego,
n
2 1 2
Esx = n ·E (xi- ) + n( - x) - 2 n( - x) =
2 - 2 -
i=1
1
Master en Metodología de las Ciencias del Comportamiento y de la Salud
1 n 1 n
2
= n ·E (xi- ) - n( - x) = n ·E(xi- )2 – E( - x-)2
2 -
i=1
i=1
pero,
1 n 1 2 2
n · E(xi- )2 = n ·n·x = x
i=1
2
N - n x
E( - x-)2 = E(x- - )2 = VAR(x-) = N - 1· n
luego,
2
2 2 N-n x
Esx = x - N - 1· n
2 N-n
b() = x·n(N - 1)
Suficiencia de un Estimador
Si, siendo b un estadístico suficiente para , definimos un nuevo estadístico z
función de b, z = (b), donde tiene una inversa única, h, podremos expresar b = h(z)
y, por tanto,
2
Master en Metodología de las Ciencias del Comportamiento y de la Salud
(x - )
n
i
2
·exp =
i=1
1
F(x;) =
2
-2x
x
2
-1 n 2 2 n
·exp 2xi + n - 2xi =
1
=
x 2
2x i=1
i=1
-1 n 2 -1 2 n
·exp 2xi ·exp
1 xi
x 2 2n - 2
i=1
2x i=1 2x
Sean x1, x2, ...., xn una muestra aleatoria simple de una población cuya función de
densidad de probabilidad es f(x; ). Si suponemos que cada uno de los valores x1, x2,
...., xn es la realización concreta de una serie de variables aleatorias X1, X2, ...., Xn
independientes entre sí, tendremos que la función de densidad de probabilidad conjunta,
llamada función de verosimilitud, vendrá dada por:
n
L(x1, x2, ...., xn; ) = (f(x1; )f(x2; )…f(xn; ) = f(xi; )
i=1
3
Master en Metodología de las Ciencias del Comportamiento y de la Salud
n
Log[L(x1, x2, ...., xn; )] = log[f(xi; )]
i=1
n
{Log[L(x1, x2, ...., xn; )]}
=
i=1
1 f(xi; )
· =0
f(xi; )
Son consistentes.
1 Para una demostración de estas propiedades puede consultarse, por ejemplo, Cramér (1968)
4
Master en Metodología de las Ciencias del Comportamiento y de la Salud
Supongamos que un investigador desea ajustar los parámetros de un modelo del tipo:
y = X +
para ello derivamos con respecto a , e igualamos a cero las derivadas, obteniendo las
llamadas “ecuaciones normales”:
[X’X] b = X’y
de donde:
b = [X’X]-1[X’y]
1. Insesgados:
2. De varianza mínima3:
2 Para obtener los estimadores b no se requiere la suposición de normalidad de , sin embargo, este supuesto
se suele incluir para hacer posibles los contrastes que dependan de dicha suposición, como t de Student o F, o la
determinación de intervalos de confianza basados en dichas distribuciones. (Draper y Smith, 1981)
5
Master en Metodología de las Ciencias del Comportamiento y de la Salud
b = [X’X]-1[X’y]
b = S-1X’y
Ahora bien,
E[] = 0
E[’] = 2I
tenemos
E[y] = X
E[y’] = ’X’
Por consiguiente,
b* = Ay = [S-1X’ + B]y
6
Master en Metodología de las Ciencias del Comportamiento y de la Salud
= + BX.
BX = 0
+ B - ]’} =
Puesto que los elementos de la diagonal principal de BB’ son sumas cuadráticas, serán
siempre positivos, con lo que los elementos de la diagonal principal de 2[S-1 + BB’],
que constituyen la varianza de b*, serán siempre mayores que los elementos de la
diagonal principal de 2S-1, que constituyen la varianza de b, salvo, naturalmente, que B
sea cero, en cuyo caso b* = b.
2
-i
n
-’
1 1
L(Y; ) = ·exp 2 = n n/2·exp 2
2 2 (2) 2
i=1
7
Master en Metodología de las Ciencias del Comportamiento y de la Salud
y, puesto que minimizar ’ equivale a maximizar L(Y; ), queda demostrada la propiedad.
h2
g(b;)db = 1 -
h1
o, alternativamente,
h1
g(b;)d b = 2
-
g(b;))db = 2
h2
8
Master en Metodología de las Ciencias del Comportamiento y de la Salud
es b1; por el punto de ordenada b1 trazamos una recta paralela al eje de abscisas que
cortará a h1() y h2() en los puntos P y Q. Proyectando estos puntos sobre el eje de
abscisas obtendremos unos valores [1 y 2] que delimitan el intervalo de confianza.
h2()
h1()
S
P Q
1 2
P[R’ < b < S’] = probabilidad de que la recta horizontal trazada por b corte a la vertical
trazada por entre las dos curvas = probabilidad de que el segmento horizontal
determinado por las dos curvas abarque a = 1 - .
Una vez obtenido el valor de b1 la recta horizontal cortará a la vertical que pasa por el
verdadero valor de , entre las dos curvas o fuera de las dos curvas, pero como antes de
realizar el experimento teníamos una probabilidad 1 - de que la cortara entre dos
curvas, ahora tenemos una confianza 1 - de que la habrá cortado y, por lo tanto, como
9
Master en Metodología de las Ciencias del Comportamiento y de la Salud
la recta horizontal determina el intervalo (1; 2) tendremos una confianza 1 - de que
ese intervalo abarque el verdadero valor de .
Ejemplo
x
h1() = x- + 1,96·
n
x
h2() = x- - 1,96·
n
Una vez seleccionada una muestra de tamaño n, calcularemos x-, valor que sustituiremos
en h1() y h2() (equivalente algebraico de la proyección geométrica), obteniendo los
límites del intervalo de confianza del 95%.
10