Estimación de parámetros

ESTIMAR: Proceso que consiste en encontrar una función de las variables aleatorias de una muestra, tal que al ser evaluada con los valores obtenidos en la “realización” de la muestra, da un valor que refleja adecuadamente el valor del parámetro. ESTIMADOR: Es una función de las variables aleatorias que componen la muestra aleatoria y representa una característica de la población. ESTIMACION: Es una función de las observaciones de la muestra, es decir que es una “realización” del estimador.

PROPIEDADES DE UN BUEN ESTIMADOR 1. Mínima varianza : Eficiente . ˆ E θ =θ ˆ lim r →∞ θ = θ () : Insesgado : Consistente 3. máxima información de la muestra :Suficiente 4. 2.

2 . 3.METODOS DE OBTENCIÓN DE ESTIMADORES 1. 800 ˆ p= = 0. 2. cuál es la P(A) y/o P(B) que hacen más verosímil el resultado observado? P(A)= 800/1000 Por lo tanto el estimador de máxima verosimilitud es aquella combinación lineal de las observaciones que hace máxima la probabilidad de ocurrencia de la muestra obtenida.8 1000 ˆ (1 − p ) = 0. Máxima verosimilitud: lanzo una moneda 103 verosimilitud veces y obtengo 800 A y por lo tanto 200 B ¿la moneda es honesta? Parece que no Entonces. Máxima verosimilitud Mínimos Cuadrados Momentos 1.

Método de mínimos cuadrados: Sea la variable aleatoria Y: rendimiento de maíz de la variedad C kg/parcela {Yi }i=1 r Yi N ( µ . r 2 Yi = µ + ε i r Q = ∑ ε i 2 = ∑ (Yi − µ ) i =1 i dQ µ i = 2∑ (Yi − µ )( −1) i 2∑ (Yi − µ )( −1) = 0 ∑Y − rµ = 0 i i ˆ µ= 1 ∑ Yi = Y r i Método de los momentos: el estimador es aquella momentos combinación lineal de las observaciones que resulta de igualar la media y la varianza muestral a la Esperanza y Varianza de la Variable aleatoria X = E(X ) S2 =V ( X ) .σ 2 ) i = 1.2. 2.K.

Sign up to vote on this title
UsefulNot useful