Indicaciones de la actividad 1.

Después de revisar el material del curso

(Estimadores puntuales) escribe tu propio concepto (es decir, después de leer vas a
compartir con tus propias palabras el concepto que acabas de comprender) de:
a. Estimador puntual.
Si tenemos un parámetro θ de una población, y no se conoce su valor esta puede
ser en contrada por una estimación puntual que es un número único que puede
ser considerado como valor sensible de θ. Se obtiene un estimación puntual
seleccionando una muestra o estadístico de la población y calculado su valor con
los datos muestrales dados. El valor que da el estadístico seleccionado se llama
estimador puntual de θ.
b. Estimador imparcial.
Un estimador puntual Θ̂ es un estimador insesgado imparcial de θsi E(Θ̂ ) – θ=0 o
^ )=θ con todo valor posible de θ . Si el estimador Θ̂ no es insesgado o imparcial,
E (Θ

la diferencia E(Θ̂ ) – θ se conoce como sesgo del estimador.

c. Varianza de un estimador puntual.
Entre todos los estimadores de θ insesgados o imparciales se selecciona el de
varianza mínima. El estimador resultante se llama ´´estimador insesgado con
varianza mínima (EIVM) el cual puede resultar en un estimado más cercano a
valor de θ.
d. Error cuadrado promedio de un estimador.
Cuando se usa un estimador no imparcial es correcto usar el error cuadrado
promedio (MSE). El error cuadrado promedio de un estimador Θ̂ es el valor
esperado del cuadrado de la diferencia entre Θ^ y θ .
MSE ( Θ
^ ) =E ( Θ
^ −θ )

El error cuadrado promedio se puede usar escribir de la siguiente manera:

^ ) =E [ Θ−E
MSE ( Θ ^ ^ ) ] + [ θ−E ( Θ
(Θ
2
^ ) ] =V ( Θ
2
^ ) +(sesgo )
2

El error cuadro del estimador Θ^ es la varianza del estimador más el cuadrado del
sesgo del estimador. Si el estimador Θ^ es imparcial de θ, el error cuadrado del
estimador es la varianza de Θ^ .

En la figura anterior se ve que el estimador no

imparcial Θ^ tiene menor varianza que el estimador imparcial Θ^ .
1 2

El error cuadrado promedio se usa para comparar dos estimadores. Sea Θ^ y Θ^ dos 1 2

estimadores del parámetro θ y MSE (Θ^ ) y MSE (Θ^ ) la eficiencia relativa de Θ^ y Θ^ esta
1 2 1 2

dado por:
^ 1)
MSE ( Θ
^ 2)
MSE ( Θ
Si el eficacia relativa es menor que 1, concluimos que Θ^ es un estimador más 1

eficiente de θ que Θ^ . En ocasiones un estimador no imparcial es preferible debido a

2

que tiene un menor error cuadrado promedio, esto implica que se puede reducir la
varianza del estimador considerablemente.

2. Calcula el estimador puntual de µ de una variable aleatoria 𝑋 con una distribución

normal con la muestra de las alturas de los integrantes de tu familia (registradas en
centímetros).
Sea la muestra x 1=173 cm , x 2=159 cm , x 3=110 cm , x 4=85 cm

μ̂ =x
173 cm+ 159 cm+110 cm+85 cm 527
x= = =131.75
4 4
527
μ̂ =
4

3. Comparte un ejemplo para calcular 2 estimadores imparciales y desarróllalo paso

a paso.
En ciertas circunstancias contaminantes, orgánicos se adhieren con facilidad a las
superficies de obleas y deterioran los dispositivos de fabricación de
semiconductores. El artículo ´´ceramic Chemical Filter for Removal of Organic
Contaminants´´, discutió una alternativa recientemente desarrollada de filtros de
carbón convencionales para eliminar contaminación molecular transportada por el
aire en aplicaciones de cuartos limpios. Un aspecto de la investigación del
desempeño de filtros implico estudiar cómo se relacionan la concentración de
contaminantes en aire con la concentración en las superficies de obleas después
de una exposición prolongada. Considere los siguientes datos representativos de
x=concentración de DBP en aire y y=concentración de DBP en la superficie de obleas luego de 4 horas de

exposición (ambas en μg/ m , donde DBP=ftalato de dibutilo). (DEVORE, 2008)

3

Los autores comentan que la ´´adhesión de DBP en la superficie de obleas fue

aproximadamente proporcional a la concentración de DBP en el aire´´. La figura
muestra una gráfica de y contra x , es decir, los pares ( x , y ) .
Ahora se desea estimar el parámetro de la pendiente β . Considere los siguientes
dos estimadores. (DEVORE, 2008)

^ ∑ i
1 Yi Y
¿ 1: ^β= ∑ , ¿ 2: β=
n xi ∑ xi
Y
[ ]
^β= 1 ∑ i = 1 0.6 + 1.1 + 4.5 + 3.5 + 14.4 + 29.1 =1.3496
n x i 6 0.8 1.3 1.5 3.0 11.6 26.6

^β= ∑ Y i = 0.6+1.1+4.5+3.5+ 14.4+29.1 =1.1875

∑ x i 0.8+1.3+1.5+3.0+11.6+ 26.6
Las dos estimaciones son insesgadas, el argumento se apoya en el hecho de que
cada uno es una función lineal de las Y (aquí se supone que las x son fijas, no
i i

aleatorias): (DEVORE, 2008)

^β ∑
Yi 1 E (Y i ) 1 β xi 1 nβ
= ∑ = ∑ = ∑ β= =β
∑ xi n xi n xi n n

E
( )
∑ Y i = 1 E (∑ Y )= 1 (∑ β x )= 1 β (∑ x )=β
∑ xi ∑ x i i
∑ xi i
∑ xi i

4. Responde a la siguiente pregunta ¿cómo consideras que el uso de estimadores

pueda ayudar en algún aspecto de tu vida laboral o personal?
Si en una gasolinera cada bomba de los dos lados tiene un ingreso diario y si hay 3
bombas funcionando y tenemos las siguientes muestra que se recogió en
pertenecientes a una semana.
la primera bomba 25,000, 30,000, 20,000, 39,000, 40,000, 18,000, 23,000.
segunda bomba 29,000, 35,000, 37,000, 22,000, 40,000, 42,000, 31,000
y la tercera bomba 43,000, 46,000, 27,000, 36,000, 45,000, 47,000, 49,000.

La muestra nos dará el valor de la media poblacional podemos decir de cuanto

ingresa en promedio cada 6 meses.
¿Cuál es promedio de la población? Como sabemos el estimado puntual de la
media población es la media muestral μ= x estimamos las media muestral.
25,000+30,000+20,000+39,000+ 40,000+18,000+23,000+29,000+35,000+37,000+22,000+ 40,000+ 42,000+ 31,000+43,000+ 46,000+27,000+36,000+
x=
21
μ=3 4476.19048

Este es promedio de la media de la población de ingresos por semana calculados a

para de la gasolinera en donde yo trabajo.

Bibliografía
DEVORE, J. L. (2008). Algunos conceptos de estimación puntual. En J. L. DEVORE,
PROBABILIDAD Y ESTADÍSTICA PARA INGENIERÍA Y CIENCIAS (págs. 228-234). Av Santa
Fe num.505, piso 12, Col. Cruz Manca, Santa Fe, Mexico D.F.: CENGAGE LEARNING.