ESTIMACION PUNTUAL

Método de Inferencia
Permite calcular un valor especifico de
nuestros estimadores
El verdadero valor real del parámetro
nunca lo conoceremos
Determina el valor que mejor se aproxima
al parámetro
PROPIEDADES
 Supongamos que tomamos una muestra de cierta variable 𝑥 con parámetro 𝜃
 Tenemos un estimador 𝜃(𝑥
መ 1 , 𝑥2 … 𝑥𝑛 )
 El estimador esta formado por la manera que se utilizan los valores de la muestra
 El objetivo es buscar una función que provea la mejor estimación
 𝜃መ es una Variable Aleatoria
 Un estimador es aceptable si su distribución muestral se concentra alrededor del
parámetro
 EMC(Error Medio Cuadrático)
 EMC mide la dispersión alrededor del parámetro
2
 El EMC esta relacionado con la varianza→ 𝑉 𝜃መ = 𝐸 𝜃መ − 𝐸 𝜃መ
𝐸𝑀𝐶 𝜃መ = 𝐸 𝜃መ 2 − 2𝜃𝜃
መ + 𝜃2
𝐸𝑀𝐶 𝜃መ = 𝐸(𝜃መ 2) − 𝐸 2𝜃𝜃
መ + 𝐸(𝜃 2)
𝐸𝑀𝐶 𝜃መ = 𝐸(𝜃መ 2) − 2𝜃𝐸 𝜃መ + 𝐸(𝜃 2 )
2
𝐸𝑀𝐶 𝜃መ = 𝐸(𝜃መ 2) − 2𝜃𝐸 𝜃መ + 𝐸 𝜃 2 + 𝐸 𝜃መ መ 2
− [𝐸(𝜃)]
𝐸𝑀𝐶 𝜃መ መ 2 − 2𝜃𝐸 𝜃መ + 𝐸 𝜃 2 + 𝐸 𝜃መ 2
= 𝐸(𝜃መ 2) − [𝐸(𝜃)]
መ 2 − 2𝜃𝐸 𝜃መ + 𝜃 2 + 𝐸 𝜃መ 2
𝐸𝑀𝐶 𝜃መ = 𝐸(𝜃መ 2) − [𝐸(𝜃)]
መ 2 + 𝐸 𝜃መ 2 − 2𝜃𝐸 𝜃መ + 𝜃 2
𝐸𝑀𝐶 𝜃መ = 𝐸(𝜃መ 2) − [𝐸(𝜃)]
2
𝐸𝑀𝐶 𝜃መ = 𝑉 𝜃መ + 𝐸 𝜃መ − 𝜃
𝐸𝑀𝐶 𝜃መ = 𝑉 𝜃መ + 𝑆𝑒𝑠𝑔𝑜 2
 El mejor Estimador es aquel que tenga el mínimo EMC
 PROBLEMA→ ningún estimador puede minimizar el EMC para todos
 Algunos pueden minimizar el error para algunos valores de 𝜃
 INSESGADEZ
• Un estimador es insesgado cuando sus datos
están cercanos al parámetro

• Ejemplo 𝑋ത → 𝜇, es decir 𝐸 𝑋ത = 𝜇
 EFICIENCIA RELATIVA
 Un
Estimador es eficiente en sentido relativo
con otro estimador cuando posee la varianza
mas chica

𝑉 𝜃෠ = 0 → 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑀𝑖𝑛𝑖𝑚𝑎
CONSISTENCIA

 Un estimador es consistente si su distribución se concentra

alrededor del verdadero valor del parámetro a medida que la
muestra es mas completa
 𝑛→∞
 lim 𝐸𝑀𝐶 𝜃መ = 0
𝑛→∞

 lim 𝑉 𝜃መ = 0
𝑛→∞

 Es condición suficiente pero no necesaria

ROBUSTEZ
 Un estimador es robusto cuando es insensible ante
la violación de algunos de sus supuestos

 Ejemplo→ Una función de distribución incorrecta

 Los resultados no varían ante la presencia de

irregularidades
SUFICIENCIA

 Un estimador es suficiente cuando

utiliza toda la información
BIBLIOGRAFÍA

Bachini, D.; Vázquez, L.; Bianco, M. J.; García Fronti, J. (2018), Introducción a la probabilidad y
estadística, Buenos Aires, CMA-FCE-UBA

Canavos, G. (1984), Probabilidad y estadística, aplicaciones y métodos, México, Mc Graw-Hill

MUCHAS GRACIAS!!!!!!!