consistencia

En cuanto a la media muestral como estimador de la duracin media de las

bombillas,
, el comentario anterior ya indica que el error cuadrtico medio tiende
hacia cero. Por tanto hay consistencia en media cuadrtica y, en consecuencia, en
probabilidad.
En cuanto al estimador
cuadrtico medio vala

, que era tambin insesgado, su error

error que no tiende a cero. No hay, pues, consistencia en media cuadrtica. Ello no quiere
decir que no haya consistencia (en probabilidad), pero obliga a comprobarlo (o descartarlo)
directamente. En este caso, al menos la comprobacin es posible. El mnimo era una
exponencial negativa de parmetro
negativa de parmetro
consecuencia, si - > 0,

, luego su producto por n es una exponencial

, con funcin de distribucin

para x>0. En

y si - es menor o igual que cero,

En cualquier caso, dicha probabilidad no tiende hacia la unidad, y por tanto, no se cumple

El estimador

no es, por tanto, consistente.

Obsrvese que la comprobacin directa de la consistencia o inconsistencia de un

estimador es laboriosa.

En el ejemplo 2, con
el primero,

, hemos estudiado hasta ahora varios estimadores. Para

que es insesgado, su posible consistencia se estudia con sencillez, ya

que al ser
,
tamao de la muestra, n, tiende a infinito.

, con lo que tiende a cero cuando el

En cuanto al segundo estimador propuesto,

calculado anteriormente su error cuadrtico medio,

, hemos

que tiende a cero cuando el tamao muestral tiende a infinito. Existe, pues, consistencia
en media cuadrtica y, por tanto, consistencia (en probabilidad). Esta consistencia hubiera
podido comprobarse viendo que tanto sesgo como varianza tienden hacia cero.

Sin dificultades se comprueba que el estimador insesgado

derivado de

con correccin del sesgo, es tambin consistente.