Estimacin Puntual

En el presente informe se dar a conocer las propiedades

de la estimacin puntual.
Esteban Gonzlez, Marta Guevara.
27/09/2012

Estimador Puntual
Definicin
La inferencia estadstica se relaciona con los mtodos para obtener
informacin general de una poblacin a travs de una muestra, la cual
debe ser lo ms representativa posible.
La inferencia estadstica se divide en dos: la estimacin de los
parmetros y la prueba de hiptesis. En la estimacin se trata de elegir
el valor de un parmetro de la poblacin. La estimacin a su vez se
subdivide en dos reas: la estimacin puntual y por intervalos de
confianza.
En prueba de hiptesis se trata de aceptar o rechazar un valor
especfico. Al igual que en estimacin la prueba de hiptesis se divide en
dos reas: prueba de hiptesis sobre parmetros y prueba de bondad de
ajuste.
En el presente informe solo se definir estimacin en especfico
estimador puntual y sus propiedades.
Se trata de utilizar un valor estadstico para estimar el parmetro de
una poblacin.
Un estimador puntual para un parmetro es una funcin de variables
aleatorias que forman la muestra, cuyos valores son vlidos como
valores para ese parmetro.

Propiedades
Estimador Insesgado.
Se dice que un estimador es Insesgado o centrado si la media o esperanza
matemtica del estimador coincide con el verdadero valor del parmetro. Es decir:
E(^) = .
Por el contrario a modo de contra definicin, Sesgo estadstico es un error
que se detecta en los resultados de un estudio y que se debe a factores
en la recoleccin, anlisis, interpretacin o revisin de los datos.
Ejemplo:
Los siguientes datos corresponden a la longitud (en milmetros) de
piezas fabricadas por una mquina
104
86
91
104
79

109
80
103
98
87

111
119
99
98
94

109
88
108
83
92

87
122
96
107
97

a) Calcular un estimador insesgado para la media de la poblacin.

b) Calcular un estimador insesgado para la varianza de la poblacin.

Eficiencia
Sea 1, 2 estimadores insesgados de un parmetro desconocido .
Decimos que 1 es ms eficiente que 2 es decir, un estimador es
ms eficiente o ms preciso que otro estimador, si la varianza del
primero es menor que la del segundo.
Un estimador es ms eficiente (ms preciso), por tanto, cuanto menor
es su varianza.
La eficiencia de los estimadores est limitada por las caractersticas de
la distribucin de probabilidad de la muestra de la que proceden.
El teorema de Cramr-Rao determina que la varianza de un estimador
insesgado
la funcin

de un parmetro es, como mnimo, donde

de
densidad
de
probabilidad de

es
la

muestra
en
funcin
del
parmetro ,
(denominada funcin de verosimilitud). Si un estimador alcanza esta
cota mnima, entonces se dice que el estimador es de mnima varianza.

Var 2 > Var 1

1 y 2 misma medida si es insesgado y de mnima varianza.

Consistencia
Cuando el tamao de una muestra es muy grande los estimadores por
general, valores muy prximos a los parmetros respectivos. Por
tanto un estimador es consistente se cumple que a medida que
tamaos de la muestra crece, el valor estimado se aproxima
parmetro desconocido.
Un estimador asintticamente insesgado, cuya varianza tiene a cero
aumentar el tamao muestral es consistente.

lo
lo
el
al
al

Aplicaciones: La media muestral es un estimador consistente de la

media poblacional.

Suficiencia
El estimador debera aprovechar toda la informacin existente en la
muestra. Un estimador T es suficiente si se utiliza toda la informacin
relevante de la muestra para estimar el parmetro de la poblacin. Es
decir, un estimador T es suficiente si todo el conocimiento que se
obtiene acerca del parmetro es mediante la especificacin real de
todos los valores de la muestra.