Professional Documents
Culture Documents
Estimacin puntual:2
Mtodo de los momentos;
Mtodo de la mxima verosimilitud;
Mtodo de los mnimos cuadrados;
Estimacin por intervalos.
Estimacin bayesiana.
Estimacin puntual[editar]
Consiste en la estimacin del valor del parmetro mediante un slo valor, obtenido de una
frmula determinada. Por ejemplo, si se pretende estimar la talla media de un determinado
grupo de individuos, puede extraerse una muestra y ofrecer como estimacin puntual la
talla media de los individuos. Lo ms importante de un estimador, es que sea un estimador
eficiente. Es decir, que sea insesgado(ausencia de sesgos) y estable en el muestreo o
eficiente (varianza mnima) Estimacin puntual. Sea X una variable poblacional con
distribucin F , siendo desconocido. 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)
A L(x1, ..., xn) se le llama funcin de verosimilitud.(credibilidad de la muestra observada).
Buscamos entonces el valor de que maximice la funcin de verosimilud, y al valor
obtenido se le llama estimacin por mxima verosimilitud de . Nota: si la variable X es
discreta, en lugar de f(xi ) consideramos la funcin masa de probabilidad p(xi).
Ejemplo 7.1: Sea X N(, ), con desconocido. Seleccionada una m.a.s. X1, ..., Xn,
con realizacin x1, ..., xn, estimamos el parmetro por ambos mtodos. Segn el mtodo
de los momentos: E(X) = Xn i=1 Xi n = X, y al ser = E(X) se obtiene que = x. Por
el mtodo de mxima verosimilitud: L(x1, ..., xn) = Yn i=1 f(xi ) = = Yn i=1 1 2 e
(xi) 2 2
Estimacin por Intervalos de conanza 109 y maximizamos en tal funcin; en este caso
resulta ms fcil maximizar su logaritmo: lnL(x1, ..., xn) = 1 2 2 Xn i=1 (xi ) 2 n ln(
2) lnL(x1, ..., xn) = 1 2 Xn i=1 (xi ) = n x n 2 = 0 =
Intervalo de confianza[editar]
El intervalo de confianza es una expresin del tipo [1, 2] 1 2, donde es el
parmetro a estimar. Este intervalo contiene al parmetro estimado con un determinado
nivel de confianza. Pero a veces puede cambiar este intervalo cuando la muestra no
garantiza un axioma o un equivalente circunstancial.
Solucin:
s 22 251,2 2
1,05 2 Por lo tanto, consideramos que 12 22
s12 245,1 2
(caso b1).
n1 1 s12 n2 1 s 22
Finalmente, s 2p ; operando se tiene
n1 n2 2
s p 248,507
I (128'424, 385'82)
I (0.049, 0.761)
Y=Sodio en X=Sodio en
Sujeto Leche plasma D =X-Y
1 93 147 54
2 104 157 53
3 95 142 47
4 81,5 141 59,5
5 95 142 47
6 95 147 52
7 76,5 148 71,5
8 80,5 144 63,5
9 79,5 144 64,5
10 87 146 59
Total: 887 1458 571