María Teresa González Valencia

Luis Alejandro Villacorta Devoto

• Momentos muestral y poblacional: Se toma como
supuesto que los momentos muestrales pueden proveer
buenos estimados de los correspondientes poblacionales.

• La muestra como punto de partida: Similar al caso

de MV, la muestra es la que brindará la información.

• Ley de grandes números: Es fundamento del método

de momentos. n -> 
• Planteamiento: Considerar que los datos (y) se
generan por una distribución de probabilidad relacionada
a un vector de parámetros  de k elementos.

• Procedimiento de estimación:  se estima mediante

el cálculo de k momentos muestrales de y, igualándolos
a los momentos poblacionales de la distribución de
probabilidad supuesta.

σ𝑛𝑖=0(𝑋𝑖 )𝑘
𝑀𝑘 =
𝑛
• Ejemplo: Distribución Pareto.

𝛽
𝑓𝑥(𝑥|𝛽) = , 𝑥>1
𝑥 𝛽+1

• Parámetros a estimar: Un parámetro: . Se requiere

el primer momento (el esperado de X).

𝛽
𝜇=
𝛽−1
• Proceso: Se despeja el parámetro:

𝜇
𝛽 = 𝑔1 𝜇 =
𝜇−1

• Reemplazo por el promedio muestral:

𝑋ത
𝛽መ =
𝑋ത − 1
• Ejemplo: Distribución Normal.

𝑋1 , 𝑋2 , … 𝑋𝑛 𝑖𝑖𝑑~𝑁(𝜏, 𝜎 2 )

• Parámetros a estimar: Dos parámetros:  y ². Se

requieren los dos primeros momentos.

𝜇1 = 𝐸 𝑋 = 𝜏 ; 𝜇2 = 𝐸 𝑋 2 = 𝜏 2 + 𝜎 2

𝜏 = 𝑋ത
𝑛
1
𝜏 2 + 𝜎 2 = ( ) ෍ 𝑋𝑖2
𝑛
𝑖=1
• Resultado:

𝜏Ƹ = 𝑋ത

𝑛
1
𝜎ො = ( ) ෍ 𝑋𝑖2 − 𝑋ത 2
2
𝑛
𝑖=1
• Consideraciones:

– El estimador del método de momentos puede ser fácil de

calcular. Provee al investigador de estimadores cuando otros
métodos no pueden efectuarlo.
– Es consistente.
– No suelen ser los mejores estimadores disponibles (entendido
como eficiencia).
– Pueden brindar resultados absurdos.
• Casos complejos: Muestra de valores 3, 5, 6, 18
provenientes de una distribución uniforme entre 0 y b.

– Se sabe que…

𝐸 𝑋 = 𝜃/2

3 + 5 + 6 + 18
2𝑥ҧ = 2 ∗ = 16
4

Resulta absurdo pues se tiene la observación 18

• Antecedente: En el método de momentos, se tenían
tantos parámetros como momentos. La resolución era de
k ecuaciones con k incógnitas.

• Consideración: Si se tienen más momentos que

parámetros, serían m ecuaciones con k incógnitas,
siendo m > k. ¿Se puede obtener un «óptimo»?

• Solución propuesta: Se minimiza la suma de

cuadrados de las diferencias entre los momentos
poblacional y muestral. El de mínima varianza será el
estimador MGM.