MA175 Estadística para Economistas

UNIDAD 2: Inferencia Estadística

Semana 5 – Sesión 2

Inferencia Estadística
Es el conjunto de métodos y técnicas que permiten
inducir, a partir de la información proporcionada por una
muestra, cual es el comportamiento de una determinada
población con un riesgo de error medible en términos de
probabilidad.
Los métodos paramétricos de la inferencia estadística se
pueden dividir, en métodos de estimación de parámetros
y métodos de contraste de hipótesis. Ambos métodos se
basan en el conocimiento teórico de la distribución de
probabilidad del estadístico que se utiliza como estimador de un parámetro.

Estimación Puntual

Es la estimación del valor del parámetro por medio de

un único valor obtenido mediante el cálculo o
evaluación de un estimador para una muestra
específica. Por ejemplo, la media muestral es un posible
estimador puntual de la media poblacional µ.

Propiedades de los estimadores

Estimador Insesgado

Supongamos que X tiene distribución N(µ,2) extraemos una muestra aleatoria X1X2X3 …. Xn
𝟏 𝟏 𝟏 𝒏∗𝝁
Donde: E(Xi)= µ  E(𝒙
̅) = 𝑬[∑𝒏𝒊=𝟏 𝐱 𝒊 ] = ∑𝒏𝟏 𝑬(𝐱 𝒊 ) = ∑𝒏𝟏 𝝁 = =𝝁
𝒏 𝒏 𝒏 𝒏

1
 MA175 Estadística para Economistas
UNIDAD 2: Inferencia Estadística

Ejercicio 1:

Ejercicio 2:

Sean X1, X2, …,Xn y Y1, Y2, …, Ym dos muestras aleatorias independientes extraídas de
una población normal N(µ, 2) con media muestrales 𝑋̅ y 𝑌̅. Un investigador desea
𝑛 𝑋̅ + 𝑚 𝑌̅
estimar la media µ y afirma que el estimador es insesgado. ¿Tendrá razón el
𝑛 +𝑚
investigador?

Ejercicio 3:

Sean X1, X2, …, Xn y Y1, Y2, …, Ym dos muestras aleatorias independientes extraídas de
una población Normal con parámetros  y 2, con medias muestrales 𝑋̅ 𝑦 𝑌̅
respectivamente. Se pretende estimar la media poblacional  y se propone como
1 𝑛 𝑋̅ +𝑚 𝑌̅
estimadores las siguientes dos alternativas: 𝜇̂ 1 = [𝑋̅ + 𝑌̅] y 𝜇̂ 2 =
2 𝑛+𝑚
Demuestre que 𝜇̂ 1 y 𝜇̂ 2 son estimadores insesgados de la media poblacional.

Ejercicio 4:
Consideremos dos estimadores para estimar la media  de la distribución N(,2=4).
Basados en la muestra aleatoria X1 , X2 ,X3, …….X25 (n=25)
∑25
𝑖=1 𝑥𝑖
𝜃̂1 = 𝑋̅ , 𝜃̂2 =
24
¿Existirá sesgo en algún estimador? Si lo hubiese ¿cuál es?

Ejercicio 5:
Suponga que se tiene la siguiente población cuya función de densidad está dada por:

2(𝛼 − 𝑥)
𝑓(𝑥) = { ; 𝑠𝑖 0 < 𝑥 < 𝛼
𝛼2
0 ; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Entonces, 𝛼̂ es un estimador insesgado del parámetro , donde 𝛼̂ = 5𝑥̅ , sino fuera
insesgado, ¿cuál es el sesgo?