Beruflich Dokumente
Kultur Dokumente
X Y
2
o
2
s
2
o
u
u
| | u u =
E
u
u
| | = =
X
X E | |
2 2
1
o =
n
s E
X
2
1 n
s
2
o
respectivamente. Sin embargo, si se usa para estimar la varianza de una
muestra, entonces . Esto se puede demostrar fcilmente como se ve
a continuacin
El sesgo en este caso es , el cual desaparecer cuando n tienda a
infinito.
ii) ii) Consistencia o exactitud: Por lo general un estimador no es idntico
al parmetro que se estima, existe una diferencia entre ellos que es
el error de muestreo, pero si se aumenta el tamao de la muestra
suficientemente, la probabilidad de que esta diferencia sea mayor que un
nmero fijo tender a cero. Esto es
cuando
Claramente, y Md son estimadores consistentes de , as como y
lo son de .
iii) iii) Eficiencia o precisin: Un estimador es ms eficiente que de u ,
si la varianza del primero es menor que la del segundo ( ).
Como se vio en el ejemplo 9.3 y Md son estimadores insesgados de y
tambin consistentes; sin embargo, , de donde es un estimador
ms eficiente que Md para estimar .
iv) iv) Suficiencia: Se dice de manera intuitiva que un estimador es suficiente,
si transmite tanta informacin de la muestra como sea posible acerca del
parmetro, de modo que se proporciona mayor informacin por cualquier
otro estimador calculado de la misma muestra: y si se obtiene el valor de un
estadstico suficiente los valores de muestra mismos no proporcionan ms
2
n
s
| |
2 2
o =
n
s E
| | | |
n n
n
s E
n
n
n
X X
n
n
E
n
X X
E s E
n
i i
n
2
2 2 2
1
2 2
2
1 1
1
) (
1
) (
o
o o =
=
(
(
=
(
(
=
n
2
o
u u
0 > c
| | 0
> c u u P
n
X
2
1 n
s
2
n
s
2
o
1
u
2
u
2
2 1
u u
o o <
X
2 2
Md X
o o <
X
X Y
2
o
2
s
2
o
u
u
| | u u =
E
u
u
Como se vio en el ejemplo 9.3, y , de donde se
concluye que y son estimadores insesgados de y ,
respectivamente. Sin embargo, si se usa para estimar la varianza de una
muestra, entonces . Esto se puede demostrar fcilmente como se ve
a continuacin
El sesgo en este caso es , el cual desaparecer cuando n tienda a
infinito.
vi) ii) Consistencia o exactitud: Por lo general un estimador no es idntico
al parmetro que se estima, existe una diferencia entre ellos que es
el error de muestreo, pero si se aumenta el tamao de la muestra
suficientemente, la probabilidad de que esta diferencia sea mayor que un
nmero fijo tender a cero. Esto es
cuando
Claramente, y Md son estimadores consistentes de , as como y
lo son de .
vii) iii) Eficiencia o precisin: Un estimador es ms eficiente que de u ,
si la varianza del primero es menor que la del segundo ( ).
Como se vio en el ejemplo 9.3 y Md son estimadores insesgados de y
tambin consistentes; sin embargo, , de donde es un estimador
ms eficiente que Md para estimar .
viii) iv) Suficiencia: Se dice de manera intuitiva que un estimador es
| | = =
X
X E | |
2 2
1
o =
n
s E
X
2
1 n
s
2
o
2
n
s
| |
2 2
o =
n
s E
| | | |
n n
n
s E
n
n
n
X X
n
n
E
n
X X
E s E
n
i i
n
2
2 2 2
1
2 2
2
1 1
1
) (
1
) (
o
o o =
=
(
(
=
(
(
=
n
2
o
u u
0 > c
| | 0
> c u u P
n
X
2
1 n
s
2
n
s
2
o
1
u
2
u
2
2 1
u u
o o <
X
2 2
Md X
o o <
X
ESTIMADOR
Enestadstica, un estimador es unestadstico(esto es, una funcin de la muestra)
usado para estimar un parmetro desconocido de la poblacin.Para cada
parmetro pueden existir varios estimadores diferentes. En
general,escogeremos el estimador que posea mejores propiedades
que los restantes, comoinsesgadez, eficiencia, convergencia y robustez
(consistencia).El val or de un est i mador pr opor ci ona l o que se
denomi na en est ad st i ca unaestimacin puntual del valor del
parmetro en estudio. En general, se suele preferir realizar una
estimacin mediante un intervalo, esto es, obtener un intervalo [a,b] Dentro del
cual se espera est el valor real del parmetro con un cierto nivel de
confianza.Utilizar un intervalo resulta ms informativo, al proporcionar
informacin sobre el posible error de estimacin, asociado con la
amplitud de dicho intervalo. El nivel deconfianza es la probabilidad de que
a priori el verdadero valor del parmetro quedecontenido en el intervalo.
ESTIMACIN
Se llama estimacin al conjunto de tcnicas que permiten dar un valor
aproximadode un parmetrode una poblacin a partir de los datos
proporcionados por unamuestra. Por ejemplo, una estimacin de
lamediade una determinada caracterstica de una poblacinde tamao N
podra ser la media de esa misma caracterstica para unamuestra de tamao n.
La est i maci n se di vi de en t r es gr andes bl oques, cada uno de
l os cual es t i enedistintos mtodos que se usan en funcin de las caractersticas y
propsitos del estudio:
Estimacin puntual:
- Mtodo de los momentos;
- Mtodo de la mxima verosimilitud;
- Mtodo de los mnimos cuadrados;
- Estimacin por intervalos.
- Estimacin bayesiana.
ESTIMACIN POR INTERVALOS
Consiste en la obtencin de un intervalo dentro del cual estar el valor del
parmetroest i mado con una ci er t a pr obabi l i dad.
.
Error de la estimacin
Es una medida de su precisin que se corresponde con la amplitud delintervalo
deconfianza. Cuant a ms pr eci si n se desee en l a est i maci n de un
par met r o, ms
Luego, la proporcin de hipertensas vara
entre (0,139 , 0,212) con una confianza
de 95%.
IV. Uso de Intervalos de Confianza para
verificar Hiptesis.
Los intervalos de confianza permiten
verificar hiptesis planteadas respecto
a parmetros poblacionales.
Por ejemplo, supongamos que se
plantea la hiptesis de que el
promedio de peso de nacimiento de
cierta poblacin es igual a la media
nacional de 3250 gramos.
Al tomar una muestra de 30 recin
nacidos de la poblacin en estudio, se
obtuvo:
= 2930
s= 450
n= 30
Al construir un intervalo de 95% de
confianza para la media poblacional,
se obtiene:
Luego, el peso de nacimiento vara
entre 2769 y 3091 gramos, con una
confianza de 95%.
Como el intervalo no incluye el valor
=3250 gramos planteado en la
hiptesis, entonces esta es rechazada
con confianza 95% (o un valor p
menor a 0,5).
1. La distribucin Normal estndar es
una distribucin normal con media
=0 y varianza, =1. Una variable
distribuida N(0,1) generalmente se
denota con la letra z.
En particular, si X~N ( , ),
entonces z = (X- )/ tiene
distribucin normal estndar.