Apuntes 15/Agosto/2022

iii) Suficiente

Def. intuitiva: θ^ es suficiente para un parámetro θ si toda la información acerca de

θ está contenido de la muestra.

1
p.e. Si θ^1¿
X 1 + X 2 +…+ X n

θ^1 es suficiente para θ?

Si la muestra es X1 + X2 + … + Xn

Formalizando:
θ^ es suficiente para θ basado en una muestra aleatoria (m.a.)
{ X1 ,…, Xn } de una población con Fx (X, θ)

Si la distribución condicional de las X1 ,…, Xn son θ^ no depende de θ si y solo si

Fx (X1 , …, Xn|θ^=θ)
Donde g(x^)=( X1 ,…, Xn)

iv) Eficiente:

Un estimador es más eficiente o más preciso que otro estimador si

V(θ^1) < V(θ^2)
Por lo tanto si θ^1 y θ^2 son 2 estimadores insesgados, se dice que θ^1 es más
eficiente si y solo si
V(θ^1) < V(θ^2)
Más preciso quien tiene menor v

 Eficiencia relativa

V ¿ ¿ = E.R.

 Si E.R. > 1 entonces θ^2 es más eficiente que θ^1

 Si E.R. < 1 entonces θ^1 es más eficiente que θ^2
 Si E.R. = 1 entonces θ^1 ~ θ^2
Nota: La eficiencia de los estimadores está limitada por las características de la
distribución de la Función de probabilidad de la muestra de la que proviene

Por lo tanto un estimador es más eficiente si se verifica:

 Es insesgado
 Posee V(-) min

La cuestión es buscar estimadores de varias a mínima

Queda resuelta mediante la cota de CRAMER – RAO

 La V(θ^) > C-R (Verifica siempre)

Un estimador será más eficiente cuando V(θ^)=C.C.R.

C.C.R. = Cota de Cramer Rao

La C.C.R. Queda resulta

V(θ^) > C.C.R. = ¿ ¿ ¿

 Si θ^ es insesgado
b(θ^)=0

1
Entonces V(θ^) > C.C.R. =
nE ¿ ¿

y m.a.s.

V(θ^) > C.C.R. = ¿ ¿ ¿

Nota: La C.C.R. no tiene por qué tomar siempre un valor muy pequeño (cercano al
cero)

Por lo tanto un estimador es asintomáticamente eficiente si y solo si

lim V ¿ ¿ ¿=C.C.R.
n→∞

 El estimador puntual

-Es el menos intuitivo de los requisitos

-Puede clasificarse como un requisito referente a la familia de densidades
correspondiente a la ~ muestra de la estadística en examen (estudio)

Def. La familia de densidades F (X, θ): θ ∈ ϕ , se dice que es una familia de

densidades completa si para todo θ F la condición
E[Z(x)]=0
Implica que
P[E(x) = 0] = 1 Para todo x ;
F (X, θ) > 0

Definición

La familia de densidades f(x; θ)

Entonces Sea X1 , X2 ,…, Xn una muestra aleatoria de una población con función de
densidad f(x; θ) y T=t(X1 ,…, Xn) es un estimador T(x) Se dice que es un estimador
completo para θ si F(-) de densidad f T(x) (t) pertenece a una familia de densidades
completa