Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Una estimación será buena cuando su distancia con el parámetro estimado 𝜃𝜃 − 𝜃𝜃̂ sea
pequeña. Pero 𝜃𝜃 es desconocido y por tanto nunca sabremos si su estimación 𝜃𝜃̂ está o no
cerca de 𝜃𝜃.
Por tanto, lo que valoraremos no será directamente si la estimación es buena o no, sino si lo
es el método con el que se ha obtenido dicha estimación.
2
𝐸𝐸𝐸𝐸𝐸𝐸 𝜃𝜃� = 𝐸𝐸 𝜃𝜃� − 𝜃𝜃
Si un estimador es bueno, también lo serán sus estimaciones, a pesar de que podría ocurrir lo
contrario, pero nunca lo sabremos. En estadística siempre nos apoyamos en el principio de que
ocurrirá lo más probable.
En general, entre dos estimadores 𝜃𝜃̂1 y 𝜃𝜃̂2 elegiremos el que tenga menor ECM:
Estimadores insesgados:
Por tanto, si un estimador es insesgado, su error cuadrático medio coincide con su varianza:
Por ejemplo, si queremos estimar la media poblacional 𝜇𝜇𝑋𝑋 parece razonable utilizar como
� Un resultado muy conocido de este
estimador la media de la muestra, la media muestral 𝑋𝑋.
estimador es que su esperanza, su media, coincide con la media poblacional:
𝐸𝐸 𝑋𝑋� = 𝜇𝜇𝑋𝑋
Lo que significa que el estimador media muestral es un estimador insesgado de la media
poblacional, y por tanto, su error cuadrático medio coincidirá con su varianza, al no tener sesgo,
y su varianza también es un resultado conocido:
2
𝜎𝜎𝑋𝑋
ECM 𝑋𝑋� = V 𝑋𝑋� = en un contexto no finito
𝑛𝑛
2
𝜎𝜎𝑋𝑋 𝑁𝑁−𝑛𝑛
ECM 𝑋𝑋� = V 𝑋𝑋� = en un contexto finito
𝑛𝑛 𝑁𝑁−1
¿Qué significa que la media de la media muestral coincida con la media poblacional?:
𝐸𝐸 𝑋𝑋� = 𝜇𝜇𝑋𝑋
�
Si queremos estimar la media poblacional 𝜇𝜇𝑋𝑋 y utilizamos para ello la media muestral 𝑋𝑋,
sabemos que 𝐸𝐸 𝑋𝑋� = 𝜇𝜇𝑋𝑋 por tanto, la media muestral es un estimador insesgado de la
media poblacional
2
𝜎𝜎𝑋𝑋 2
∑𝑖𝑖 𝑋𝑋𝑖𝑖 − 𝑋𝑋� 2
2
∑𝑖𝑖 𝑥𝑥𝑖𝑖 − 𝑥𝑥̅ 2
𝑆𝑆𝑋𝑋 = 𝑠𝑠𝑋𝑋 =
𝑛𝑛 𝑛𝑛
parámetro estimador estimación
2
𝜎𝜎𝑋𝑋 ∑𝑖𝑖 𝑋𝑋𝑖𝑖 − 𝑋𝑋� 2 ∑𝑖𝑖 𝑥𝑥𝑖𝑖 − 𝑥𝑥̅ 2
𝑆𝑆𝑋𝑋̇ =
2 2
𝑠𝑠̇𝑋𝑋 =
𝑛𝑛 − 1 𝑛𝑛 − 1
parámetro estimador estimación
𝜎𝜎𝑋𝑋2
lim 𝐸𝐸𝐸𝐸𝐸𝐸 𝑋𝑋� = lim 𝑉𝑉 𝑋𝑋� = lim =0
𝑛𝑛→∞ 𝑛𝑛→∞ 𝑛𝑛→∞ 𝑛𝑛
−1 2
lim 𝑏𝑏 𝑆𝑆𝑋𝑋2 = lim 𝜎𝜎𝑋𝑋 = 0
𝑛𝑛→∞ 𝑛𝑛→∞ 𝑛𝑛
ESTIMADOR
ESTIMADOR
ESTIMADOR ASINTÓTICAMENTE
ESTIMADOR INSESGADO:
CONSISTENTE: INSESGADO:
ÓPTIMO: su esperanza coincide
a mayor tamaño de a mayor tamaño de
el mejor de todos con el parámetro a
muestra, mejor muestra menos
estimar
sesgo
𝜎𝜎𝑋𝑋2
𝐸𝐸𝐸𝐸𝐸𝐸 𝑋𝑋� = 𝑉𝑉 𝑋𝑋� = 𝑏𝑏 𝑋𝑋� = 0
𝑛𝑛 −1 2
2
−1 2 𝑏𝑏 𝑆𝑆𝑋𝑋2 = 𝜎𝜎
2 2
𝐸𝐸𝐸𝐸𝐸𝐸 𝑆𝑆𝑋𝑋 = 𝑉𝑉 𝑆𝑆𝑋𝑋 + 𝜎𝜎 𝑛𝑛 𝑋𝑋
𝑛𝑛 𝑋𝑋