Estimaci on de Par ametros

Lecci on 07.1 Ing. Laura Cabrera Quir os

Escuela de Ingenier a Electr onica Tecnol ogico de Costa Rica

I Semestre 2013

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

1 / 23

Partes de la Estad stica (repaso) I

Estad stica Descriptiva
Consolidaci on, resumen y descripci on de datos recopilados.

Inferencia Estad stica

Utiliza los resultados obtenidos para tratar de obtener conclusiones v alidas.

C alculo de Probabilidades
Provee los conceptos y resultados para establecer las t ecnicas de inferencia.
Ing. Laura Cabrera (TEC) Estimaci on de Par ametros I Semestre 2013 2 / 23

Partes de la Estad stica (repaso) II

Inferencia Estad stica

Utiliza los resultados obtenidos para tratar de obtener conclusiones v alidas. La inferencia estad stica puede dividirse en dos areas principales: estimaci on de par ametros y prueba de hip otesis Par ametro: magnitud que caracteriza a una poblaci on.
Se distinguen por ser magnitudes constantes en un problema o situaci on particular, pero que cambian su valor cuando se trata de problemas diferentes o situaciones distintas. Ejemplos: media poblacional, varianza poblacional, etc.

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

3 / 23

Repaso de Conceptos
Poblaci on: conjunto TOTAL de elementos que se ven afectados por un f enomeno. Pueden ser nitas o innitas, tangilbes o intangibles. Tienen diferentes limitaciones:
Territorio Temporal . . .

Muestra: Cualquier subconjunto de elementos de la poblaci on, como representaci on de esta, sobre la que se realiza el experimento. Debe ser capaz de representar el comportamiento de la poblaci on en buena medida.

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

4 / 23

Muestreo aleatorio

Escogencia de muestras con datos preseleccionados o de f acil acceso suele producir sesgo en las muestras. Escogencia de una muestra se puede clasicar como un experimento aleatorio donde cada valor de la muestra es un valor observado de una variable aleatoria.

Muestreo Aleatorio
Las variables aleatorias X1 , X2 , , Xn son una muestra aleatoria de tama no n si: las Xi son variables independientes cada Xi tiene la misma distribuci on de probabilidad

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

5 / 23

Estimadores I
El objetivo principal al tomar la muestra en obtener informaci on importante acerca de los par ametros (media, varianza, proporci on, etc) desconocidos de la poblaci on. Al utilizarse un muestreo aleatorio, un par ametro muestral es diferente del par ametro poblacional. El valor de un par ametro muestral var a entre una muestra y otra, por lo que puede ser tratada como una variable aleatoria llamada estad stico.

Estad stico
Cualquier funci on de las observaciones de una muestra aleatoria

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

6 / 23

Estimadores II
Para una muestra aleatoria X1 , X2 , , Xn de tama no n son estad sticos:
media muestral (X ) varianza muestral (S 2 ) desviaci on est andar (S ) . . .

Un estad stico, al ser una Variable Aleatoria, posee una distribuci on de probabilidad llamada distribuci on de muestreo. Para problemas de inferencia, son necesarios los par ametros (poblaci on), no los estad sticos (muestra)

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

7 / 23

Estimador Puntual I
Estimador puntual de
Estad stico usado para aproximar o estimar un par ametro poblacional denotado como = h (X1 , X2 , , Xn )

Estimaci on puntual de
cuando se eval Valor num erico del estimador puntual ua para una muestra dada Por ejemplo: La media muestral es un estimador puntual de la media poblacional desconocida . =x
Ing. Laura Cabrera (TEC) Estimaci on de Par ametros I Semestre 2013 8 / 23

Estimador Puntual II
En ingenier a es com un estimar los par ametros:
Media de una poblaci on () Varianza o desviaci on est andar de una poblaci on ( 2 ) Proporcion de exitos de una poblaci on (p ) Diferencia en las medias de dos poblaciones (1 2 ) Diferencia en las proporciones de exitos de dos poblaciones (p1 p2 )

Puede existir m as de un estimador puntual para un par ametro

Media poblacional puede estimarse con media muestral, la mediana muestral, o el promedio del rango de la muestra.

Propiedades o criterios de estimadores permiten decidir cual de los estimadores para un par ametro es el m as adecuado y asegurar que tenga un valor cercano al real el valor estimado con

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

9 / 23

Propiedades de los estimadores I

Para un estimador puntual es recomendable que: sea insesgado para Estimador tenga varianza peque Estimador na para grandes muestras

Estimador insesgado
es un estimador insesgado de si el valor esperado de es Estimador igual al valor de real = E () Si el estimador no es insesgado, a la diferencia E () se le conoce como sesgo del estimador
Ing. Laura Cabrera (TEC) Estimaci on de Par ametros I Semestre 2013 10 / 23

Propiedades de los estimadores II

Ejemplo
Compruebe que la media X de una muestra aleatoria X1 , X2 , , Xn de tama no n corresponde a un estimador insesgado Para la media muestral: 1 E [X ] = E [ (X1 + X2 + + Xn )] n 1 = (E [X1 ] + E [X2 ] + E [Xn ]) n puesto que cada una de las variables tiene media . E [X ] = 1 ( + + + ) n n t erminos 1 n = n
I Semestre 2013 11 / 23

=
Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

Propiedades de los estimadores III

Varianza de un estimador puntual
Para estimadores insesgados de , el estimador con menor varianza es llamado estimador insesgado de varianza m nima (MVUE)

1 tiene una varianza menor que estimador 1 por lo que Estimador posee mayores posibilidades de producir una estimaci on m as pr oxima al valor real
Ing. Laura Cabrera (TEC) Estimaci on de Par ametros I Semestre 2013 12 / 23

Propiedades de los estimadores IV

Teorema 1
Si X1 , X2 , , Xn es una muestra aleatoria de tama no n de una 2 distribuci on normal con media y varianza , la media muestral X es el MVUE de . Incluso si no se sabe si existe un MVUE, puede usarse la varianza m nima para elegir posibles estimadores. Para estimar una media de una muestra aleatoria X1 , X2 , , Xn se pueden escoger como estimadores la media muestral X y una muestra particular Xi .

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

13 / 23

Propiedades de los estimadores V

E [X ] = V [X ] = /n
2

E [Xi ] = V [Xi ] = 2

para cualquier muestra n > 2, la media muestral siempre ser a una mejor aproximaci on. Al realizar una estimaci on puntual de un par ametro, es conveniente dar que tan preciso fue la estimaci on. Esta medida de precisi on est a dada por el error est andar del estimador.

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

14 / 23

Propiedades de los estimadores VI

Error est andar de
Corresponde a su desviaci on est andar dada por = V ()

Si error est andar incluye par ametros desconocidos que se pueden estimar, entonces la sustituci on de dichos valores en produce un error est andar estimado, denotado como Para una distribuci on de X normal con media y varianza 2 /n se tiene un error est andar X = n

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

15 / 23

Propiedades de los estimadores VII

si no se conoce , es posible sustituirlo por la desviaci on est andar de la muestra S X = n

Para un estimador insesgado, la estimaci on del par ametro estar a dentro de un rango de 4 veces el error est andar un 94% de las veces, por lo que se puede armar (con cierta incertiumbre) que el valor real del par ametro diere de la estimaci on puntual a lo sumo en 4

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

16 / 23

Propiedades de los estimadores VIII

Estimaci on bootstrap del error est andar s
La estimaci on bootstrap (carga inicial) calcula el error est andar del estimador a partir de la desviaci on est andar de diferentes estimaciones . de i Para un muestreo de una poblaci on que puede modelarse con la distribuci on de probabilidad f (x ; ) se obtienen valores num ericos de xi con lo que se puede estimar puntualmente . Muestra 1 2 . . . B
Ing. Laura Cabrera (TEC)

Estimaci on bootstrap 1 2 . . . B
Estimaci on de Par ametros I Semestre 2013 17 / 23

Propiedades de los estimadores IX

generadas con f (x ; ) y A partir de las estimaciones puntuales i obtenidas generalmente por medio de una computadora, se estima el error est andar como:
B i =1 (i

s = donde

)2 B 1
B

1 = B

i
i =1

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

18 / 23

Propiedades de los estimadores X

En ocaciones es necesario utilizar un estimador sesgado. En estos casos es importante conocer el error entre el valor calculado y el real

Error cuadrado medio de un estimador

del par El error cuadrado medio de un estimador ametro se dene como = E ( )2 MSE ()

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

19 / 23

Propiedades de los estimadores XI

Se puede comprobar que: = E ( )2 MSE () E ()] 2 + [ E ()] 2 = E [ + (sesgo)2 = V () es igual a la varianza m es decir, el error cuadrado medio de as el cuadrado del sesgo del estimador.

1 y 2 Eciencia relativa de dos estimadores

1) MSE( 2) MSE(

1 es un estimador m Si eciencia relativa es menor que uno, as 2 eciente de que

Ing. Laura Cabrera (TEC) Estimaci on de Par ametros I Semestre 2013 20 / 23

Propiedades de los estimadores XII

Ejercicio
Suponga que se tiene una muestra aleatoria de tama no 2n de una poblaci on denotada por X , con E (X ) = y V (X ) = 2 . Sean los estimadores de : X1 = 1 2n
2n

Xi
i =1

X2 =

1 n

Xi
i =1

C ual es el mejor estimador de ? Explique.

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

21 / 23

Resumen
1

Repaso de Conceptos Partes de la Estad stica Muestreo aleatorio Estimadores Estimador Puntual Propiedades de los estimadores

2 3

En la pr oxima presentaci on: Estimaci on de par ametros

M etodo de m axima verosimilitud Distribuciones de muestreo

Inferencia Estad stica

Ing. Laura Cabrera (TEC) Estimaci on de Par ametros I Semestre 2013 22 / 23

Referencias

D. Montgomery and G. Runger. Probabilidad y estad stica aplicadas a la ingenier a. Limusa Wiley, second edition, 2006. S. Milton and J. Arnold. Probabilidad y estad stica con aplicaciones para ingenier a y ciencias computacionales. McGrawHill, fourth edition, 2003. Carlos Quintana. Elementos de Inferencia Estad sitica. Editorial de Universidad de Costa Rica, 1989.

Ing. Laura Cabrera (TEC)

Estimaci on de Par ametros

I Semestre 2013

23 / 23