Beruflich Dokumente
Kultur Dokumente
Facilitadora:
Participante:
Reyes Zullymar
Velsquez Jos
Seccin A
C.I:21.348.895
Maturn, julio de 2016
ndice
Contenido
Pagina
Introduccin
Desarrollo
Conclusin
Bibliografa
10
INTRODUCCION
Se analizan, a continuacin, las formas adecuadas para el
establecimiento del conocimiento numrico o abstracto de un parmetro
de una poblacin, y que evidentemente nos es desconocido, partiendo,
claro est, de la informacin suministrada por la muestra. LA TEORIA DE
LA ESTIMACION se ocupar, dentro del marco de la perspectiva clsica,
de
estudiar
las
caractersticas
deseables
de
los
estimadores
DESARROLLO
Definicin de Estimador
En estadstica, un estimador es un estadstico (esto es, una funcin
de la muestra) usado para estimar un parmetro desconocido de
la poblacin. Por ejemplo, si se desea conocer el precio medio de un
artculo (el parmetro desconocido) se recogern observaciones del
precio de dicho artculo en diversos establecimientos (la muestra) y
la media aritmtica de las observaciones puede utilizarse como estimador
del precio medio.
Para cada parmetro pueden existir varios estimadores diferentes.
En general, escogeremos el estimador que posea mejores propiedades
que
los
restantes,
como insesgadez,
a) Estimacin puntual:
La Media de las Varianzas muestrales es igual a 9.5, esto es, coincide con
la Varianza de la poblacin ya que la Cuasivarianza es un estimador
insesgado.
resultados:
puntuales.
Mtodos disponibles para la estimacin de intervalos de confianza
de un parmetro poblacional.
Determinacin del tamao de la muestra para que la estimacin
presente una determinada precisin.
estudio.
EJEMPLO
La Varianza de la distribucin muestral de la Media en un muestreo
aleatorio (nmero de muestras: 1000, n=25) ha resultado igual a 0.4. La
Varianza de la distribucin de Medianas ha resultado, en el mismo
muestreo, igual a 1.12, (este resultado muestra que la Media es un
estimador ms eficiente que la Mediana).
El
problema
de
estimacin
puntual
consiste
en,
seleccionada una muestra X1,..., Xn, encontrar el estadstico T(X1, ..., Xn)
que mejor estime el parmetro . Una vez observada o realizada la
muestra, con valores x1, ..., xn, se obtiene la estimacin puntual de ,
T(x1, ..., xn) = .
Vemos a continuacin dos mtodos para obtener la estimacin puntual de
un parmetro: mtodo de los momentos y mtodo de mxima
verosimilitud.
Mtodo de los momentos: consiste en igualar momentos
poblacionales a momentos muestrales. Deberemos tener tantas
igualdades como parmetros a estimar. Momento poblacional de
orden r r = E(Xr) Momento muestral de orden r ar = Xn i=1 Xr i n
Mtodo de mxima verosimilitud: consiste en tomar como valor
del parmetro aquel que maximice la probabilidad de que ocurra la
muestra observada. Si X1, ..., Xn es una muestra seleccionada de
una poblacin con distribucin F o densidad f(x), la probabilidad
de que ocurra una realizacin x1, ..., xn viene dada por: L(x1, ...,
xn) = Yn i=1 f(xi)
CONCLUSION
El objetivo principal de la estadstica inferencial es la estimacin,
esto es que mediante el estudio de una muestra de una poblacin se
requiere generalizar las conclusiones al total de la misma. Los
estadsticos varan mucho dentro de sus distribuciones muestrales, y
mientras menor sea el error estndar de un estadstico, ms cercanos
sern unos de otros sus valores. Existen dos tipos de estimaciones para
parmetros: puntuales y por intervalo. Una estimacin puntual es un nico
valor estadstico y se usa para estimar un parmetro. El estadstico usado
se denomina estimador.
BIBLIOGRAFIA
https://es.wikipedia.org/wiki/Estimador
http://www.uv.es/webgid/Inferencial/42_caractersticas_estimadores.htm
l
https://www2.ulpgc.es/hege/almacen/download/4/4762/Tema_4.pdf