PROPIEDADES

ASINTTICAS DE
LOS ESTIMADORES

ESTIMADOR Y ESTIMACIONES:
Un estimador es el proceso por el
cual se obtiene la estimacin. Una
estimacin es el resultado numrico
de este estimador.
Insesgados
Consistentes
Eficientes
Suficientes

* Error cuadrtico medio

ESTIMADOR INSESGADO:

Un estimador es insesgado si la media de la

distribucin muestral es igual al parmetro
correspondiente. Es decir, sea el parmetro que
tratamos de estimar por medio de , que ser un
estimador insesgado si su media o valor esperado,
, es igual a . Es decir

Muestra de un
estimador
cuyo valor esperado
es igual al verdadero
del
parmetropoblacional
(T).

Estimador asintticamente insesgado:

Se dice que un estimador
asintticamente insesgado si:

O de manera equivalente:

es

ESTIMADOR CONSISTENTE:

Una estimacin es consistente si, a

medida que
aumenta, el valor
estadstico se aproxima al parmetro.
Para que un estimador sea consistente
tiene que ser insesgado y su varianza ha
de tender a cero a medida que aumenta.

Esta es la muestra
de un estimador
que incide en el
blanco a medida
que aumenta el
tamao muestral
(de modo que el
sesgo y la varianza
se aproximan a
cero a medida que
el
tamao
muestral
se
aproxima
a

ESTIMADOR EFICIENTE:
De varios estimadores insesgados, el ms
eficiente es el que tiene la varianza ms
pequea. Consideremos una distribucin
muestral con los estimadores :

Suponiendo que la varianza de la

distribucin muestral de
es menor que la
de
. Los valores posibles de
estn ms
dispersos. Toda estimacin de mediante
es probable que produzca un error muestral
mayor que si se estima por medio de .

Estimador asintticamente eficiente:

Cuando tenemos estimadores consistentes el rango de
valores de para el cual un estimador es ms eficiente que
otro disminuye a medida que n crece. En el lmite cuando n
tiende a infinito la distribucin de todos los estimadores
consistentes colapsa en el verdadero parmetro ,, entonces
deberamos preferir aquel cuya varianza converge ms
rpido a cero.

Este panel muestra que

entre varios estimadores
insesgados, el que tenga la
menor varianza es
eficiente.

ESTIMADOR SUFICIENTE:

Diremos que es un estimador suficiente

del parmetro si dicho estimador basta
por s solo para estimar. Si el
conocimiento
pormenorizado
de los
elementos la muestra no aade ninguna
informacin sobre .
Un estimador es suficiente si extrae de la
muestra toda la informacin de inters en
relacin con el parmetro. Si un estimador
es suficiente, no se gana nada con utilizar
cualquier otro estimador.


*ERROR CUADRATICO MEDIO:
Se define como
.
Esto es la esperanza de la desviacin al cuadrado
del estimador con respecto al parmetro de inters.
Si
son dos estimadores alternativos de
y
entonces
se dice que es eficiente en el sentido
del ECM, comparado con . Si los dos son insesgados,
entonces es ms eficiente
. Aquel que tenga el
menor ECM es el llamado estimador de mnimo error
cuadrtico medio.

Es decir que el ECM es igual a la suma de la varianza

ms el sesgo al cuadrado

BIBLIOGRAFIA
Brunk,

H. D., Introduccin a la estadstica matemtica, Mxico,

Ed. Trillos, 1979, pp. 231

Hildebrand

David, Ott Lyman, Estadstica aplicada a la

administracin y a la economa, University of Pennsylvania, Ed.
Addison-Wesley Iberoamericana, pp. 274

Kolher

Heinz, Estadstica para negocios y economa, Amherst

College, 1 edicin en espaol Compaa Editorial Continental
S. A. de C.V. Mxico, 1996, pp. 327

Mendenhall,

Sincich, Probabilidad y estadstica para ingeniera

y ciencias, University of Florida & South Florida, Traduccin M.
en C. Escalona Roberto, Ed. Prentice Hall, pp. 318

Webster

Allen L., Estadstica aplicada para administracin y

economa, Bradley University, Ed. McGraw Hill, Mxico, pp. 368