ESTIMADORES Y PARMETROS.

En una poblacin cuya distribucin es conocida pero desconocemos algn parmetro,

podemos estimar dicho parmetro a partir de una muestra representativa.
Un estimador es un valor que puede calcularse a partir de los datos muestrales y que
proporciona informacin sobre el valor del parmetro. Por ejemplo la media muestral es
un estimador de la media poblacional, la proporcin observada en la muestra es un
estimador de la proporcin en la poblacin.
Una estimacin es puntual cuando se obtiene un slo valor para el parmetro. Los
estimadores ms probables en este caso son los estadsticos obtenidos en la muestra,
aunque es necesario cuantificar el riesgo que se asume al considerarlos. Recordemos
que la distribucin muestral indica la distribucin de los valores que tomar el estimador
al seleccionar distintas muestras de la poblacin. Las dos medidas fundamentales de
esta distribucin son la media que indica el valor promedio del estimador y la
desviacin tpica, tambin denominada error tpico de estimacin, que indica la
desviacin promedio que podemos esperar entre el estimador y el valor del parmetro.
Ms til es la estimacin por intervalos en la que calculamos dos valores entre los que
se encontrar el parmetro, con un nivel de confianza fijado de antemano.
Llamamos Intervalo de confianza al intervalo que con un cierto nivel de confianza,
contiene al parmetro que se est estimando.
Nivel de confianza es la "probabilidad" de que el intervalo calculado contenga al
verdadero valor del parmetro. Se indica por 1-a y habitualmente se da en porcentaje
(1-a)100%. Hablamos de nivel de confianza y no de probabilidad ya que una vez
extrada la muestra, el intervalo de confianza contendr al verdadero valor del
parmetro o no, lo que sabemos es que si repitisemos el proceso con muchas
muestras podramos afirmar que el (1-a)% de los intervalos as construidos contendra
al verdadero valor del parmetro.
Los dos problemas fundamentales que estudia la inferencia estadstica son el
"Problema de la estimacin" y el "Problema del contraste de hiptesis". Cuando se
conoce la forma funcional de la funcin de distribucin que sigue la variable aleatoria
objeto de estudio y slo tenemos que estimar los parmetros que la determinan,

estamos en un problema de inferencia estadstica paramtrica; por el contrario, cuando

no se conoce la forma funcional de la distribucin que sigue la variable aleatoria objeto
de estudio, estamos ante un problema de inferencia estadstica no paramtrica.
Nosotros nos vamos a limitar a problemas de inferencia estadstica paramtrica, donde
la variable aleatoria objeto de estudio sigue una distribucin normal, y slo se
estimarn los parmetros que la determinan, la media y la desviacin tpica.
Estadstico
: Son los datos o medidas que se obtienen sobre una muestra y por lo tanto una
estimacin de los parmetros.
Parmetro
Se llama parmetros poblacionales a cantidades que se obtienen a partir de las
observaciones de la variable y sus probabilidades y que determinan perfectamente la
distribucin de esta, as como las caractersticas de la poblacin, por ejemplo: La
media, , la varianza
Los Parmetros poblacionales son nmeros reales, constantes y nicos.
: Son las medidas o datos que se obtienen de la poblacin, es decir, simplemente es el
valor poblacional de las caractersticas de una poblacin. 2, la proporcin de
determinados sucesos, P.
Parmetros mustrales
Los Parmetros mustrales son resmenes de la informacin de la muestra que nos
"determinan" la estructura de la muestra. Los Parmetros mustrales no son
constantes sino variables aleatorias pues sus valores dependen de la
estructura de la muestra que no es siempre la misma como consecuencia del muestreo
aleatorio. A estas variables se les suele llamar estadsticos.
Los estadsticos se transforman en dos tipos: estadsticos de centralidad y estadsticos
de dispersin.

ESTIMADOR:
Es un estadstico (es decir, 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, eficiencia, convergencia y robustez (consistencia).
SESGO:
Se denomina sesgo de un estimador a la diferencia entre la esperanza (o valor
esperado) del estimador y el verdadero valor del parmetro a estimar. Es deseable que
un estimador sea insesgado o centrado, es decir, que su sesgo sea nulo por ser su
esperanza igual al parmetro que se desea estimar.
Por ejemplo, si se desea estimar la media de una poblacin, la media aritmtica de la
muestra es un estimador insesgado de la misma, ya que su esperanza (valor esperado)
es igual a la media de la poblacin.
EFICIENCIA:
Un estimador es ms eficiente o preciso que otro, si la varianza del primero es menor
que la del segundo.
CONVERGENCIA:
Para estudiar las caractersticas de un estimador no solo basta con saber el sesgo y la
varianza, sino que adems es til hacer un anlisis de su comportamiento y estabilidad
en el largo plazo, esto es, su comportamiento asinttico. Cuando hablamos de
estabilidad en largo plazo, se viene a la mente el concepto de convergencia. Luego,

podemos construir sucesiones de estimadores y estudiar el fenmeno de la

convergencia.

Comportamiento Asinttico: En el caso de las variables aleatorias, existen diversos

tipos de convergencia, dentro de las cuales podemos distinguir:
-Convergencia en probabilidad (o dbil).
-Convergencia casi segura (o fuerte).
-Convergencia en media cuadrtica.
-Convergencia en distribucin.
CONSISTENCIA:
Tambin llamada robustez, se utilizan cuando no es posible emplear estimadores de
mnima varianza, el requisito mnimo deseable para un estimador es que a medida que
el tamao de la muestra crece, el valor del estimador tiende a ser el valor del
parmetro, propiedad que se denomina consistencia.