Escolar Documentos
Profissional Documentos
Cultura Documentos
es un estimador insesgado de .
Si es una muestra aleatoria de una distribución con media , entonces es un estimador insesgado de
. Si además la distribución es continua y simétrica, entonces y cualquier medida recortada son también
estimadores insesgados de .
o Estimadores con varianza mínima:
Principio de estimación insesgada de varianza minima:
Entre los estimadores de que están insesgados, elija uno que tiene una varianza mínima. La resultante
se llama estimador insesgado de varianza mínima (EIVM) de .
Sea una muestra aleatoria de una distribución con parámetros y varianza . Entonces el estimador
es el EIVM para .
El error estándar de un estimador es su desviación estándar . Si por sí mismo el error estándar tiene
que ver con parámetros desconocidos cuyos valores se pueden estimar, la substitución de estas estimaciones en
produce el error estándar estimado (desviación estándar estimada) del estimador. El error estándar estimado se puede
denotar ya sea con ó con .
MÉTODOS DE ESTIMACIÓN PUNTUAL:
o Método de momentos:
Sea una muestra aleatoria de una fmp o fdp . Para el k-ésimo momento
poblacional, o k.ésimo momento de la distribución , es .
El k-ésimo momento muestral es .
Sea una muestra aleatoria de una distribución con fmp o fdp , donde son
parámetros cuyos valores se desconocen. Entonces los estimadores de momento se obtienen igualando los
primeros momentos muestrales con los primeros momentos poblacionales correspondientes y resolviendo para
.
o Estimación de probabilidad máxima:
Sea tiene fmp o fdp conjunta
donde los parámetros tienen valores desconocidos. Cuando son los valores muestrales
observados y la función arriba definida es considerada como una función de , se llama función de
verosimilitud. Las estimaciones de máxima verosimilitud (emv) son los valores de las que maximizan
la función de verosimilitud, así que
para toda
Cuando las se sustituyen en lugar de las , resultan los estimadores de máxima verosimilitud.
o Como estimar funciones de parámetros:
Principio de invariancia:
Sean los emv de los parámetros . Entonces la emv de cualquier función
de estos parámetros es la función de las emv.
o Comportamiento de las emv con muestra grande:
En condiciones muy generales en la distribución conjunta de la muestra, cuando el tamaño de muestra es grande, el
emv de cualquier parámetro es aproximadamente insesgado y tiene varianza que es casi tan pequeña
como se pueda lograr mediante cualquier estimador. Expresado de otra manera, la emv de es aproximadamente el
EIVM de