MUESTREO

ALEATORIO
PROFESOR RODOLFO ABANTO CANTO
UNIVERSIDAD ADOLFO IBEZ
REA DE ESTADSTICA

PARMETRO
UNA CANTIDAD NICA QUE CARACTERIZA EL COMPORTAMIENTO DE UNA
ES
POBLACIN.

SE ACOSTUMBRA A REPRESENTAR, EN GENERAL, UN PARMETRO CON LA LETRA

THETA:

EJEMPLOS:
1. MEDIA POBLACIONAL
2. VARIANZA POBLACIONAL
3. PROPORCIN POBLACIONAL

QU POBLACIONES CONOCES?
EN ESTADSTICA 1 SE PRESENT:

LA DISTRIBUCIN NORMAL

LA DISTRIBUCIN EXPONENCIAL

LA DISTRIBUCIN UNIFORME

LA DISTRIBUCIN POISSON

LA DISTRIBUCIN BINOMIAL

LA DISTRIBUCIN HIPERGEOMTRICA

(SON LAS NICAS)

NO!

CULES SON LOS PARMETROS DE ESTAS

POBLACIONES?

MUESTRA ALEATORIA

TCNICAMENTE

UNA MUESTRA ALEATORIA ES UN CONJUNTO DE

VARIABLES SELECCIONADAS DE UNA POBLACIN QUE:

1. Son independientes entre si.

2. Son todas idnticamente
distribuidas.

ES DECIR, SON UN SISTEMA IID (iid)

EXPLICACIONES
Cul

es la diferencia entre y tcnicamente?

Qu

implica que sean independientes entre si?

Qu

significa que sean idnticamente distribuidas?

dentro de la realidad que significa que una

muestra tenga estas dos supuestos estadsticos
(iid)?

ESTADSTICO (ESTIMADOR)
ESTADSTICO ES CUALQUIER FUNCIN DE OBSERVACIONES MUESTRALES.
UN

SI UN ESTADSTICO SE USA PARA ESTIMAR UN PARMETRO SE DICE QUE DICHO

ESTADISTICO ES UN ESTIMADOR DEL RESPECTIVO PARMETRO. UNESTIMADOR SE
REPRESENTA:

POR EJEMPLO:

PARMETRO
PARMETRO
PROMEDIO POBLACIONAL

COMO EL PROMEDIO
ESTIMADOR DE
MUESTRAL, TAMBIN SE
PROMEDIO MUESTRAL, ES PUEDE DESARROLLAR
UNA FUNCIN DE
OTROS ESTADSTICOS
OBSERVACIONES
QUE SON FUNCIONES DE
MUESTRALES
OBSERVACIONES
MUESTRALES

EN GENERAL

CON QUE LETRA REPRESENTAMOS UN PARMETRO?

CON QUE LETRA REPRESENTAMOS UN ESTIMADOR DE UN PARMETRO?

CMO REPRESENTAMOS UNA ESTIMACIN? PORQU?

CMO REPRESENTAMOS UNA VARIABLE ALEATORIA Y UN VALOR FIJO?

QU RELACIN HAY ENTRE ESTIMADOR Y VARIABLE RELACIN?

UN PARMETRO ES UNA VARIABLE ALEATORIA?

Alguna
duda?

REFLEXIONE POR FAVOR EN LOS

TEMAS:

BUSCANDO EXPLICAR VARIABLE ALEATORIA

EXPLIQUE EN TERMINOS SENCILLOS PARMETRO

DIFERENCIANDO ENTRE PARMETRO, ESTIMADOR Y ESTIMACIN

USTED DEBE COMPRENDER CONCEPTUALMENTE PARMETRO, ESTIMADOR Y ESTIMACIN, AS

COMO SU DIFERENCIAS. (Veamos un caso)
PARAMETRO

ESTIMADOR

ESTIMACIN

PROPIEDADES DE
ESTIMADORES

INSESGAMIENTO**
2. EFICIENCIA**
3. CONSISTENCIA*
4. SUFICIENCIA
1.

INSESGAMIENTO

Un estimador es insesgado del

parmetro si:

Grficamente el
insesgamiento

SESGO
Se define:

Este puede ser positivo o negativo, por eso

se puede considerar en valor absoluto.

EJEMPLO

Sea
una muestra aleatoria de una poblacin normal con
media y varianza .

1.

Pruebe si el promedio muestral es un estimador

insesgado del parmetro

2.

Pruebe si la varianza muestral es un estimador

insesgado de la varianza poblacional

Varianza de un Estimador

Se
define la varianza de un estimador , como :

La raz cuadrada de la varianza del estimador sera la

desviacin estndar del estimador , es decir:

Que se conoce como ERROR

ESTNDAR o ERROR TPICO del
estimador

Eficiencia Relativa

Se dice que un estimador es ms

eficiente que un estimador si:

Grficamente Eficiencia

EJEMPLO

Sea
una muestra aleatoria de una poblacin normal con media
y varianza . Se dan dos estimadores para :

Qu estimador es ms eficiente de ?

ERROR CUADRTICO MEDIO

Se define

como:

El ECM de un estimador es una funcin de riesgo correspondiente

al valor esperado de la prdida de error cuadrtico. Mide la
calidad
de
un
estimador en
trminos de
eficiencia y
insesgamiento en conjunto. Para comparar la calidad de un
estimador insesgado y otro sesgado se puede calcular el ECM.

ADICIONALMENTE

CONSISTENCIA

Un estimador es consistente del parmetro en

Error Cuadrtico Medio si:

MTODOS DE BSQUEDA
DE ESTIMADORES
Mtodos de estimacin hay muchos. Nosotros
trataremos dos de todos ellos:
1. Mtodos de Mxima Verosimilitud (Objetivo)
2. BOOTSTRAP (intuitivo)

Mtodos de Mxima
Verosimilitud

El
mtodo de mxima verosimilitud es un procedimiento
que permite estimar los parmetros de un modelo
probabilstico, o los coeficientes de un modelo matemtico,
de tal manera que sean los ms probables a partir de los
datos obtenidos.

Tcnicamente se obtiene maximizando la funcin de

verosimilitud definida as:
Si es una muestra aleatoria entonces:

Pasos recomendados para

obtener EMV
1. Obtener

la funcin de verosimilitud

2.

Calcular el logaritmo natural de la funcin de verosimilitud

3.

Derivar parcialmente respecto al parmetro de inters e

igualar a cero

4.

Despejar el valor del parmetro

5.

Asignar el gorro al valor encontrado (despejado), Este es

entonces el EMV.

Ejemplo para encontrar

EMV de parmetros de la
normal

1. Sea una muestra aleatoria de una poblacin normal con

media y varianza . Encuentre los estimadores de MV de los
parmetros de esta distribucin.

Tambin (tarea):
2. Haga lo mismo para el caso de la Exponencial, Binomial,
Poisson, Bernoulli, Uniforme,
3. Averige otras distribuciones y encuentre los EMV de sus
respectivos parmetros.

Mtodo BOOTSTRAP
Bsicamente es un mtodo intuitivo, que en base al
remuestreo propuesto porBradley Efronen1979 se
intenta aproximar la distribucin de muestreo de un
estadstico, esto para encontrar una medicin del
sesgo y varianza del estimador que permita finalmente
realizar inferencias sobre el parmetro.
La enorme potencia de clculo de los ordenadores
actuales facilita considerablemente la aplicabilidad de
este mtodo tan costoso computacionalmente.

PORQUE USAR BOOTSTRAP

FUNDAMENTALMENTE

1.DESCONOCIMIENTO

DE LA DISTRIBUCIN

POBLACIONAL.
2.DIFICULTAD PARA OBTENER ESTIMADORES DE
MTODOS TRADICIONALES COMO ES EL
MTODO DE MAXIMA VEROSIMILITUD.

Implementacin del mtodo

Bootstrap

1.

Se selecciona una muestra, de tamao de la poblacin cuyo parmetro

2.

De esta muestra se selecciona con reposicin (re muestreo) muestras

BOOTSTRAP.

3.

Definido el estimador de cada una de las muestras BOOSTRAP se obtiene

una estimacin del parmetro.

4.

Finalmente con el conjunto de estimaciones, obtenemos el promedio de

estas al que se llama promedio BOOTSTRAP y la respectiva desviacin
estndar de estas estimaciones la que se llama ERROR ESTANDAR
BOOTSTRAP

desconocido es