Escolar Documentos
Profissional Documentos
Cultura Documentos
1) INSESGADEZ O CENTRADO Un estimador es insesgado cuando para cualquier tamao muestral se cumple que su valor esperado es igual al parmetro que se desea estimar
()
Sesgo de un estimador
sesgo = E
() ()
Propiedades de un estimador
2) EFICIENCIA Se define precisin o eficiencia de un estimador al inverso de su varianza
()
var
()
( )
Diremos que un estimador insesgado 1 es ms eficiente (preciso) que otro estimador insesgado si n se cumple que precision 1 > precision 2 o lo que es lo mismo var 1 < var 2
( )
( )
( )
Propiedades de un estimador
EFICIENCIA RELATIVA
Se denomina Eficiencia Relativa de un estimador insesgado 1 respecto de otro estimador insesgado al cociente entre sus varianzas
2
Eficienciarelativa 1 , 2 = ER 1 , 2 =
( ) ) var ( )
var 2
1
ESTIMADOR INSESGADO UNIFORMEMENTE DE VARIANZA MINIMA Un estimador insesgado es insesgado uniformemente de varianza mnima si cualquier otro estimador insesgado tiene mayor o igual varianza para cualquier valor que tome el parmetro a estimar
()
( )
Propiedades de un estimador
ESTIMADOR EFICIENTE Un estimador insesgado de varianza mnima cuya varianza sea igual a a la Cota de Cramer-Rao (CCR) se denomina ESTIMADOR EFICIENTE
()
CCR =
1 ln f ( X , ) 2 n E
Propiedades de un estimador
PASOS PARA OBTENER LA COTA DE CRAMER-RAO (CCR) 1) Se debe conocer la funcin de densidad de probabilidad de la poblacin X 2) Se obtiene el logaritmo neperiano de la funcin de densidad 3) Se obtiene la derivada parcial del logaritmo neperiano de la funcin de densidad de X respecto al parmetro a estimar 4) Se obtiene el Valor Esperado de la derivada obtenida en el paso 3) al cuadrado. 5) obtencin de la CCR
Propiedades de un estimador
EJEMPLO 3 (hoja de ejercicios)
2 ( X ) 1 e 2 1) f ( X , ) = 2 1 2 2) ln f ( X , ) = 2 ( X ) ln 2 2 ln f ( X , ) (X ) 1 = 2 2 ( X )( 1) = 3) 2 2
2
2 2 ln f ( X , ) 2 (X ) E(X ) 2 1 = E = = = 2 4) E 2 2 2 2) 2) ( (
5)CCR = CCR =
1 ln f ( X , ) n E
2
1 n 1
2
n
Propiedades de un estimador
ERROR CUADRATICO MEDIO Cuando un estimador es insesgado se compara con otro sesgado, cul de los dos es mejor estimador? Cuando dos estimadores sesgados se comparan entre s, cul de los dos es mejor estimador? Para estos casos se elige el estimador con menor error de prediccin o menor ERROR CUADRATICO MEDIO (ECM)
ECM = E
() (
()
() (
( ))
Propiedades de un estimador
Demostracin de que el error cuadratico medio de un estimador es igual a la suma de su varianza ms su sesgo al cuadrado
( ( )) + E ( E ( ) ) + 2 ( E ( ) ) E ( E ( )) = E ( E ( ) ) + ( E ( ) ) = var ( ) + ( sesgo ( ) )
E E
2 2 2 2 2
() ( ) ( E ( E ( ) ) + ( E ( ) )
ECM = E
2 2
= E + E E
2
( ) ( )) ( ( )) ( ( ) ) + 2 ( E ( ) ) ( E ( ) ) =
2
= E E + E =
Propiedades de un estimador
3) CONSISTENCIA Un estimador es consistente si al crecer el tamao muestral se cumple que el estimador se aproxima al valor del parmetro
() var ( ) 0
E n
n
() lim var ( ) = 0
lim E =
n n
es consistente si
lim P = 1
n
Propiedades de un estimador
4) INSESGADEZ ASINTOTICA Un estimador es insesgado asintticamente si al crecer el tamao muestral su sesgo tiende a cero
()
sesgo 0 n
()
Propiedades de un estimador
4) NORMALIDAD ASINTOTICA Un estimador es asintticamente normal si al crecer el tamao muestral su distribucin de probabilidad tiende a la normal
()
( )