Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTIMACIÓN
ESTIMACIÓN
FACULTAD DE INGENIERIA
PROGRAMA DE ING. CIVIL
ESTIMACIÓN
Grupo 1
Lic. Wilfrido Gutiérrez
Estadística inferencial
27/09/2023
Santa Marta – Magdalena
2. ESTIMACIÓN
Donde:
𝑆𝑒𝑠𝑔𝑜 (𝜃̂) es la diferencia entre el estimador y el parámetro.
𝐸(𝜃̂) es el estimador.
𝜃 es el parámetro.
𝑉(𝜃̂2 ) 𝑉(𝑚𝑒𝑑𝑖𝑎𝑛𝑎)
𝐸𝑅 = =
𝑉(𝜃̂1 ) 𝑉(𝑋̅)
Donde
𝜃̂1 𝑦 𝜃̂2 son estimadores insesgados de 𝜃 y 𝑉(𝜃̂1 ) < 𝑉(𝜃̂2 )
3. Consistencia: Es una propiedad fundamental de los estimadores en estadísticas que
se refiere a su comportamiento a medida que el tamaño de la muestra aumenta. Un
estimador se considera consistente si, a medida que la muestra se vuelve más grande
(es decir, cuando el tamaño de la muestra tiende hacia el infinito), el estimador
converge en probabilidad al valor verdadero del parámetro que se está tratando de
estimar.
1. Método de Momentos: Este método se basa en igualar los momentos teóricos de una
distribución con los momentos muéstrales observados. Los momentos son valores
estadísticos que resumen ciertas características de una distribución, como la media,
la varianza, etc. Para usar el método de momentos, se siguen estos pasos:
∑𝑛𝑖=1 𝑋𝑖𝑘
𝑀𝑘 =
𝑛
2. Método de Máxima Verosimilitud (MLE): Este método busca encontrar los valores
de los parámetros que maximizan la verosimilitud de los datos observados bajo un
modelo estadístico dado. La verosimilitud es una medida de qué tan probable es que
los datos observados sean generados por el modelo estadístico. Los pasos para aplicar
el MLE son los siguientes:
𝐿(𝜃1 , 𝜃2 , . . . , 𝜃𝑛 ) = 𝑓(𝑥1 , 𝑥2 , . . . , 𝑥𝑛 ; 𝜃1 , 𝜃2 , . . . , 𝜃𝑛 ).
para toda 𝜃1 , 𝜃2 , . . . , 𝜃𝑛 . As´ı, cuando las xi son sustituidas por las 𝑋𝑖 , resultan
los estimadores de máxima ´ verosimilitud. Este procedimiento se conoce
como método ´ de máxima verosimilitud.
Ambos métodos tienen ventajas y desventajas y pueden ser más apropiados en diferentes
situaciones. La elección del método de estimación puntual depende de la naturaleza de los
datos, las suposiciones subyacentes y los objetivos de la estimación. Además, es importante
realizar análisis de sensibilidad y evaluar la calidad de la estimación en función de la elección
del método.
Sea 𝜃 un parámetro desconocido. Supongamos que, con ayuda de la infor maci´on muestral,
podemos encontrar dos variables aleatorias, U y V , con U menor que V , tales que
𝑃(𝑈 < 𝜃 < 𝑉 ) = 1 − 𝛼, para un 𝛼 ∈ (0, 1). Entonces,
(a) La fracción 1 − 𝛼 recibe el nombre de grado de confianza, 𝛼 se llama nivel de
significancia y el intervalo de U hasta V es un estimador por intervalos de 𝜃 del
(1 − 𝛼)100%.