Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTIMADORES
Para cada parámetro pueden existir varios estimadores diferentes. En general, se elige
el estimador que posea mejores propiedades que los restantes.
SESGO
E x i para i (1, 2, n)
1 n
1 n
1 n
E x n E x E x E x n n
1 1
E x E xi E xi i 1 2 n
n i 1 n i 1 n i 1
La varianza muestral de una muestra aleatoria simple es un estimador insesgado
de la varianza poblacional:
n
(x x)
i
2
s2x i 1
n 1
x
1
Sea el estimador ˆ i
n 1 i 1
1 n
n
n
n
E (x )
1 1 1
E (ˆ ) E xi E xi i (n )
n 1 i 1 n 1 i 1 n 1 i 1
n 1 n 1
n n n
b(ˆ ) E(ˆ ) n
0
n 1 n 1 n 1
insesgado
asintóticamente
EFICIENCIA
Un estimador es más eficiente o más preciso que otro estimador, si la varianza del
primero es menor que la del segundo.
Var (ˆ 1 )
La eficiencia relativa se mide por el ratio:
Var (ˆ )
2
CÁLCULO DE LA INSESGADEZ y EFICIENCIA DE LOS ESTIMADORES
1.- La variable aleatoria poblacional "renta de las familias" del municipio de Madrid se
distribuye siguiendo un modelo N( , 2 ) . Se extraen muestras aleatorias simples de
tamaño 4. Como estimadores del parámetro , se proponen los siguientes:
x1 2x 2 3 x3
ˆ 1
6
x3 4x2
ˆ 2
3
ˆ 3 x
Se pide:
Solución:
x1 2x 2 3 x3 1
E (ˆ 1 ) E E x 1 2 x 2 3 x 3
6 6
1 1
E ( x 1 ) 2E ( x 2 ) 3E ( x 3 ) 6
6 6
x1 4 x 2 1 1
E (ˆ 2 ) E E x 1 4 x 2 E ( x 1 ) 4E ( x 2 )
3 3 3
1
3
3
x1 x 2 x 3 x 4 1
E (ˆ 3 ) E E x 1 x 2 x 3 x 4
4 4
1 1
E ( x 1 ) E ( x 2 ) E ( x 3 ) E ( x 4 ) 4
4 4
x1 4 x 2 1 1
V ˆ 2 V V x 1 4 x 2 V ( x 1 ) 16 V ( x 2 )
3 9 9
1 17 2
17 2 1,89 2
9 9
x1 x 2 x3 x 4 1
V ˆ 3 V V x 1 x 2 x 3 x 4
4 16
1 1 4 2
V ( x 1 ) V ( x 2 ) V ( x 3 ) V ( x 4 ) 4 2 0,25 2
16 16 16
2
ECM(ˆ ) E (ˆ ) 2 V (ˆ ) E (ˆ ) sesgo b (ˆ ) E (ˆ )
sesgo
Si E (ˆ ) ECM(ˆ ) V (ˆ )
insesgado
ESTIMADORES SESGADOS:
CÁLCULO DEL SESGO Y ESTIMACIÓN PUNTUAL
2.- La variable aleatoria X representa los gastos mensuales de una empresa, cuya
función de densidad es f (, x) x 1 con 0 y 0 x 1. Se realiza una m.a.s. de
tamaño 3, y se proponen tres estimadores:
ˆ 1 x
x 12 2 x 22 3 x 32
ˆ 2
6
x 3 2x1 4 x 2
ˆ 3
6
a) Calcule los sesgos
b) Si la muestra que se obtiene es (0,7 ; 0,1 ; 0,3), calcule las estimaciones puntuales
c) ¿Cuáles son las funciones estimadas para las estimaciones anteriores?
Solución:
x x2 x3 1 1
ˆ 1 x E (ˆ 1 ) E 1 E x 1 x 2 x 3 (3 ) (media poblacional)
3 3 3
donde
1
1 1 1
x 1
x f (x, ) dx x x
1
x f (x, ) dx dx x dx
0 0 0 1 0 1
2
El sesgo: b (ˆ 1 ) E (ˆ 1 )
1 1
x 12 2 x 22 3 x 32
Sesgo del estimador ˆ 2
6
x 12 2 x 22 3 x 32 1 E (x 2 ) 2E (x 2 ) 3E (x 2 ) 1 (6 ) ()
E (ˆ 2 ) E
6
1 2 3 2 2
6 6
2 2 2
donde 2 es el momento de orden 2 respecto al origen.
1 1 1
2 E(x 2 )
x 2 f (x, ) dx
0
x 2 f (x, ) dx
0
x 2 x 1 dx
0
x 1 dx
1
x 2
2 0 2
entonces,
x 12 2 x 22 3 x 32 1
ˆ
E ( 2 ) E E (x 12 ) 2E (x 22 ) 3E (x 32 )
6 6 2
2
2 2 2
2
El sesgo: b (ˆ 2 ) E ˆ 2 2
2
x3 2x1 4 x 2
Sesgo del estimador ˆ 3
6
x3 2x1 4 x 2 1 1 1
E (ˆ 3 ) E E x 3 2 x 1 4 x 2 (3 )
6 6 6 2
1
1 1 1
x 1
x f (x, ) dx x x
1
x f (x, ) dx dx x dx
0 0 0 1 0 1
1 22
El sesgo: b (ˆ 3 ) E (ˆ 3 )
2 1 2( 1)
b) Si la muestra que se obtiene es (0,7 ; 0,1 ; 0,3), calcule las estimaciones puntuales.
x
1
ˆ 1 x ˆ 2 i
n 1 i 1
Solución:
a) Insesgadez
n n n
E (x )
1 1 1 1
E (ˆ 1 ) E (x) E ( x i) E( x i) i (n )
n i 1
n i 1
n i 1
n
b (ˆ 1 ) E (ˆ 1 ) 0
n n n
n
E (x )
1 1 1 1
E (ˆ 2 ) E ( x i) E( x i) i (n )
n 1 i 1
n 1 i 1
n 1 i 1
n 1 n 1
0 cuando ' n ' aumenta
n n n
b (ˆ 2 ) E (ˆ 2 )
n 1 n 1 n
1
sesgado
asin toticamente
Eficiencia
x ) V (x )
1 1 1 n
V (ˆ 2 ) V ( i i (n2) 2
n 1 i 1
(n 1) 2 i 1
(n 1) 2
(n 1) 2
Var (ˆ 1 ) 2 n (n 1) 2
eficiencia relativa 1 Var (ˆ 1 ) Var (ˆ 2 )
Var (ˆ 2 ) n 2 (n 1) 2 n2
Consistencia
1
nlim E (ˆ 2 ) lim
n
n 1
ˆ 2 es consistente
lim V (ˆ ) lim n
2 0
n 2
n (n 1) 2
2 2 2
ECM(ˆ 1 ) V (ˆ 1 ) b (ˆ 1 ) 0
n n
2
n 2 1 n2 2
ECM(ˆ 2 ) V (ˆ 2 ) b (ˆ 2 ) 2
n 1
(n 1) 2 (n 1) 2
(n 1) 2 2 n 2 2 2 (n 1) 2 n 2 2
2
n(n 1) 2
(n 1) 2
n
2n 1 2 2n 1 2
2
2
n n
2n 1 2
Si 2 ˆ 1 se elige antes que ˆ 2
n
Si 2n 1
2
ˆ 2 se elige antes que ˆ 1
n 2
4- Sea x1,x 2 , ,xn una muestra aleatoria simple de una variable aleatoria X con
E(X) y Var(X) 2 . Calcular el error cuadrático medio para los siguientes
estimadores de :
3x1 2x 2 x 3
ˆ 1 x1 ˆ 2
6
Solución:
a) Estudio de la insesgadez
3x 2x 2 x 3 1 1 2 1
E(ˆ 2 ) E 1 3E(x1 ) 2E(x 2 ) E(x3 ) 3 2
6 6 6 6 3
1 2
b(ˆ 2 ) E(ˆ 2 )
3 3
b) Estudio de la varianza
Var (1 ) 2
3x 2x 2 x 3 1 1
Var ( 2 ) Var 1 Var 3x1 2x 2 x 3 9 Var(x1 ) 4 Var(x 2 ) Var(x3 )
6 36 36
1 14 2 7 2
9 2 4 2 2
36 36 18
7 2
Respecto a la varianza es mejor el segundo estimador ̂1 por ser 2
18
El mejor estimador será el que presente menor Error Cuadrático Medio (ECM):
2
ECM(ˆ 1 ) V (ˆ 1 ) b(ˆ 1 ) 2 0 2
2
2 7 2 2 7 2 4 2
ECM(ˆ 2 ) V (ˆ 2 ) b(ˆ 2 )
18 3 18 9
7 2 4 2 11 2 4 2
El primer estimador 1 será mejor si 2
18 9 18 9
4 x 18 2 8 2
2 2
9 x 11 11
5- Sea x1,x2,x3,x4,x5 una muestra aleatoria simple de una variable aleatoria X con
distribución normal con media ( 5) y varianza 2 . Se proponen los siguientes
estimadores:
5
ˆ 1 x
i1
i ˆ 2 8x 2 3x 5
Solución:
a) Estudio de la insesgadez
5
E(ˆ 1 ) E
x E x x
i1
i 1 2 x3 x 4 x5 5( 5)
b) Estudio de la varianza
5
Var (1 ) Var
x 5 Var (x) 5
i1
i
2
Dado que los dos estimadores tienen el mismo sesgo y el primer estimador 1 tiene
menor varianza, será el estimador óptimo.
Puede observarse que presenta el menor Error Cuadrático Medio:
2
ECM(ˆ 1 ) V (ˆ 1 ) b(ˆ 1 ) 5 2 4 25
2
x1 x 2 x3 x1 x 2
ˆ 1 ˆ 2
4 2
Solución:
La v.a X i 'peso en kg de los jamones ' sigue una distribución normal de varianza 4
x x2 x3 1 3
E(ˆ 1 ) E 1 E(x 1 ) E(x 2 ) E(x 3 )
4 4 4
3 1
El sesgo del estimador ̂ 1 será: b(ˆ 1 ) E(ˆ 1 )
4 4
x x2 1 2
E(ˆ 2 ) E 1 E(x 1 ) E(x 2 )
2 2 2
Para analizar la eficiencia relativa de los dos estimadores se calculan las respectivas
varianzas
x1 x 2 x3 1 1
ˆ
V ( 1 ) V V (x 1 x 2 x 3 ) V (x 1 ) V (x 2 ) V (X 3 )
4 16 16
las observaciones
son independientes
V (Xi ) 4
1 12 3
12
16 16 4
x1 x 2
1 V (Xi )4
V (ˆ 2 ) V V (x x ) 1 V (x 1 ) V (x 2 )
1
8 2
4
1 2
2 4 las 4
observaciones
son independientes
3
2
2 12
ECM(ˆ 1 )
4 4
16
ECM Varianza (sesgo) 2
ˆ
ECM( 2 ) 2 0 2
2 12
2 2 20 20 4, 47
16
Se conoce que el peso medio de los jamones es superior a 5 kg, no queda duda que el
estimador a elegir (con menor error cuadrático medio) es ̂ 2 .
8.- La distribución del peso de las manzanas de una determinada cosecha sigue una
distribución normal, cuyo peso medio es desconocido y cuya desviación típica es 7
gramos. Se pide:
a) Analizar cuál de los estimadores ̂ 1 , ̂ 2 del peso medio es mejor respecto del sesgo
y de la eficiencia, para una muestra aleatoria simple de tamaño cinco.
5
X i
b) Si ˆ 1 y ˆ 2 x 1 2 x 2 3 x 3 4 x 4 x 5 , obtener los pesos medios
i 1
5
estimados a partir de la siguiente muestra (125, 135, 130, 137, 142).
Solución:
E(x i )
5
1
5
5
E x
1 1
E(ˆ 1 ) E x i / 5 E xi i (5 )
i1 5 i1 5 i1
5
V (Xi ) 7 2
5
5
5
V x
1 1 1 49
V (ˆ 1 ) V x i / 5 V xi i (5. 49)
i1 25 i1 25 i1
25 5
V (ˆ 2 ) V (x 1 2 x 2 3 x 3 4 x 4 x 5 ) V (x 1 ) 4 V ( x 2 ) 9 V ( x 3 ) 16 V ( x 4 ) V ( x 5 )
(49) 4 (49) 9 (49) 16 (49) (49) 31 (49) 1519
Como los dos estimadores son insesgados y V (ˆ 1 ) V (ˆ 2 ) se elige como mejor el
estimador ̂ 1 , el peso medio de la muestra de las cinco manzanas.
9.- Supongamos que la distribución de ingresos de una cierta población es una variable
aleatoria con media desconocida y varianza 2 también desconocida. Si queremos
estimar el ingreso medio de la población mediante una m.a.s. de tamaño n, respecto de
la insesgadez y de la eficiencia. ¿Cuál de los dos estimadores elegiríamos?.
¿Son consistentes?
n n
x i x i
ˆ 1 i1
ˆ 2 i1
n 1 n
Solución:
La v.a x i 'ingresos de cierta población' sigue una distribución normal N(, )
n
n
n
1 1 1 n
E(ˆ 1 ) E x i (n 1) E xi E(x i ) (n )
i1 n 1 i1 n 1 i1
n 1 n 1
n 1
El sesgo del estimador ̂ 1 será: b(ˆ 1 ) E(ˆ 1 )
n 1 n 1
n
1 n
1 n
E(x ) n (n )
1
E(ˆ 2 ) E x i n E xi i
i 1 n i 1 n i 1
n
n
n
n 2
1 1 1
V (ˆ 1 ) V x i (n 1) V xi V (x i ) (n 2
)
(n 1) (n 1) (n 1) 2 (n 1) 2
2 2
i1 i1 i 1
n
1 n
1 n
2
1
V (ˆ 2 ) V x i n 2 V xi V (x i ) (n 2
)
i1 n i1 n i1
n2 n
El estimador más eficiente será el de menor varianza. Comparando las varianzas de los
estimadores:
2 n2
V (ˆ 2 ) V (ˆ 1 ) puesto que (n 1) 2 n 2
n (n 1) 2
n 2
lim
n E(
ˆ 1 ) y lim V (
ˆ 1 ) lim 0
n n (n 1) 2
Los dos estimadores son consistentes:
lim E(ˆ ) y lim V (ˆ ) lim 0
2
n 2
n
2
n n