Professional Documents
Culture Documents
Tema 2: Estimaci
on puntual
Propiedades de un estimador
Insesgadez
Eficiencia
Error cuadr
atico medio
Consistencia
Insesgadez asint
otica
Estadstica II
T (X1 , X2 , . . . , Xn ) 6= T (x1 , x2 , . . . , xn )
Estadstica II
Estimador Estimacion
Parametro
Media
S 2 (s 2 )
s2
Desviacion tpica
S (s)
Proporcion
Varianza
Propiedades de un estimador
Ejemplo 1.
Una camara de refrigeracion tiene una temperatura uniformemente distribuida
entre 0 grados y b grados sobre cero, regulada mediante un termostato. Para
estimar la temperatura maxima que se puede alcanzar (b), se eligen diez
momentos distintos durante el da obteniendose temperaturas X1 , X2 , . . . , X10 .
Definimos los estimadores:
T1 (X1 , X2 , . . . , X10 ) = 2 X
T2 (X1 , X2 , . . . , X10 ) = max{X1 , X2 , . . . , X10 }
Cual de los dos es preferible?
Cu
ales son las propiedades deseables para un estimador?
Ser INSESGADO, CONSISTENTE Y EFICIENTE
Estadstica II
Propiedades de un estimador
Definici
on 2.
Se dice que un estimador T (X1 , . . . , Xn ) de es insesgado (o centrado) si
E [T (X1 , . . . , Xn )] =
Es decir, si tomamos repetidas muestras, EN MEDIA, el valor del estadstico
estara cerca del verdadero valor del parametro.
Definici
on 3.
Se dice que un estimador T (X1 , . . . , Xn ) de es asint
oticamente insesgado si
lim E [T (X1 , . . . , Xn )] =
Propiedades de un estimador
Estimador Es Insesgado?
Parametro
Media
S 2 (s 2 )
Desviacion tpica
S (s)
No
Proporcion
Varianza
2
Pn
Observacion: La varianza muestral, V 2 = n1 i=1 Xi X , no es un
2
estimador insesgado de 2 E [V 2 ] = n1
es un estimador
n , pero s
2
asintoticamente insesgado .
Estadstica II
Propiedades de un estimador
Ejemplo 1 (cont.) Son T1 y T2 estimadores insesgados de b?
X = temperatura en la camara U(0, b):
fX (x)
E [X ]
=
=
1
b,
b
2,
FX (x)
Var [X ]
=
=
x
b
0x b
2
b
12
b
=b
2
SI
Propiedades de un estimador
Ejemplo 1 (cont.)
T2 (X1 , X2 , . . . , X10 ) es insesgado?
Para calcular la esperanza de T2 vamos a obtener primero su distribucion:
FT2 (x)
fT2 (x)
ind.
i.d.
FX (x)10
0
Por tanto:
x 9 1
x9
= 10 10
b b
b
Ahora podemos calcular la esperanza de T2 :
Rb
Rb
9
E [T2 ] = 0 x fT2 (x) dx = 0 x 10 bx10 dx =
fT2 (x) = 10
=
Estadstica II
10
11
NO ES INSESGADO
si 0 x b
10
b 10
Rb
0
x 10 dx =
10
b 10
x 11
11
ib
0
10 b 11
b 10 11
Propiedades de un estimador
Ejemplo 1 (cont.)
11
T2 = 1.1 max{X1 , . . . , X10 }:
10
11
11
11 10
E [T3 ] = E
T2 =
E [T2 ] =
b=b
10
10
10 11
Sea T3 =
ES INSESGADO
Estadstica II
10
Propiedades de un estimador
Definici
on 5.
Sean T1 (X1 , . . . , Xn ) y T2 (X1 , . . . , Xn ) dos estimadores insesgados de . Se
dice que T1 es mas eficiente que T2 si se verifica que
Var [T1 (X1 , . . . , Xn )] < Var [T2 (X1 , . . . , Xn )]
Es decir, un estimador mas eficiente que otro tiene menor dispersion.
Definici
on 6.
Sean T1 (X1 , . . . , Xn ) y T2 (X1 , . . . , Xn ) dos estimadores insesgados de . Se
define la eficiencia relativa de T1 respecto a T2 como
E .R.[T1 , T2 ] =
Var [T2 ]
Var [T1 ]
Var [T1 ]
. Da igual
Var [T2 ]
que definicion se use, lo importante es interpretar correctamente el resultado.
Algunos autores la definen al reves, es decir E .R.[T1 , T2 ] =
Estadstica II
11
Propiedades de un estimador
Ejemplo 1 (cont.)
Vamos a ver cual de los dos estimadores insesgados de b es mas eficiente:
T1 (X1 , X2 , . . . , X10 ) = 2 X
T3 (X1 , X2 , . . . , X10 ) = 1.1 max{X1 , X2 , . . . , X10 }
Calculo de la varianza de T1 :
Var [T1 ] = Var [2 X ] = 22 Var [X ] = 4
Calculo de la varianza de T3 :
Rb
Rb
9
E [T22 ] = 0 x 2 fT2 (x) dx = 0 x 2 10 bx10 dx =
Var [X ]
b 2 /12
b2
=4
=
n
10
30
10
b 10
Rb
0
x 11 dx =
10
b 10
10 2
b=
E [T32 ] = E [(1.1 T2 )2 ] = E [1.12 T22 ] = 1.12 E [T22 ] = 1.12 12
121
120
b2 b2 =
b2
120
x 12
12
ib
121 10
100 12
b 2=
10
12
b2
121
120
b2
12
Propiedades de un estimador
Ejemplo 1 (cont.)
Var [T3 ] =
b2
b2
<
= Var [T1 ]
120
30
T3 es m
as eficiente que T1 .
Podemos calcular la eficiencia relativa de estos dos estimadores:
E .R.[T1 , T3 ] =
b 2 /120
1
Var [T3 ]
= 2
=
Var [T1 ]
b /30
4
T3 es 4 veces m
as eficiente que T1 .
Para la estimacion de la temperatura maxima (b) que se alcanza en la camara
de refrigeracion preferiremos el estimador
T3 (X1 , X2 , . . . , X10 ) = 1.1 max{X1 , X2 , . . . , X10 } al estimador
T1 (X1 , X2 , . . . , X10 ) = 2 X .
Estadstica II
13
Propiedades de un estimador
Ejemplo 2.
En un centro de ingeniera se dispone de un aparato de medicion de longitudes
que produce mediciones centradas con una varianza 2. Se quieren medir las
longitudes de dos barras de metal, pero debido al costo que supone el uso del
aparato, solo se pueden hacer dos mediciones.
Se proponen los siguientes metodos:
i) medir cada una de las dos barras por separado.
ii) poner una barra a continuaci
on de la otra y medir la distancia total, y
luego poner una barra al lado de la otra y medir la diferencia de
longitudes. Usar estas dos medidas para estimar las longitudes de las
barras.
Cual de los dos procedimientos es preferible?
Estadstica II
14
Propiedades de un estimador
C
omo comparamos un estimador insesgado con un estimador sesgado?
Definici
on 7.
Sea T (X1 , . . . , Xn ) un estimador de . Se define el error cuadratico medio de
T como
ECM(T ) = E (T )2
Estadstica II
15
Propiedades de un estimador
Proposici
on 1.
Sea T (X1 , . . . , Xn ) un estimador de . Se cumple que:
ECM(T ) = Var [T ] + bT ()2
El ECM involucra las dos propiedades anteriormente vistas: insesgadez y
eficiencia. Cuanto mas cerca este la esperanza de un estimador del parametro,
y cuanto mas peque
na sea su varianza, menor sera su ECM.
En el caso de dos estimadores insesgados, comparar sus ECM es lo mismo que
comparar sus varianzas (Ejemplo 1).
Dem.:
ECM(T )
= E (T )2 = E T 2 + 2 2 T = E T 2 + 2 2 E [T ]
= E T 2 E [T ]2 + E [T ]2 + 2 2 E [T ]
= E T 2 E [T ]2 + E [T ]2 + 2 2 E [T ]
2
16
Propiedades de un estimador
Ejemplo 3.
Sea X1 , . . . , Xn una muestra aleatoria simple de una variable aleatoria X con
E [X ] = y Var [X ] = 2 . Calcular el error cuadratico medio para los
siguientes estimadores del parametro :
T1 = X1
(3X1 2X2 + X 3)
T2 =
6
Estadstica II
bT1 () = 0
E [T1 ]
= E [X1 ] =
Var [T1 ]
ECM(T1 )
Var [X1 ] = 2
17
Propiedades de un estimador
Ejemplo 3 (cont.)
Error cuadratico medio de T2 :
1
1
1
1
(3X1 2X2 + X3 )
= E [X1 ] E [X2 ] + E [X3 ] =
E [T2 ]
= E
6
2
3
6
3
2
1
bT2 () = =
3
3
(3X1 2X2 + X3 ) ind. 1
1
1
Var [T2 ]
= Var
= Var [X1 ] + Var [X2 ] + Var [X3 ]
6
4
9
36
7 2
=
18
2
7 2
7 2 4 2
2
ECM(T2 ) = Var [T2 ] + bT2 ()2 =
+
=
+
18
3
18
9
Estadstica II
18
Propiedades de un estimador
Definici
on 8.
Se dice que un estimador T (X1 , . . . , Xn ) de es consistente si T converge en
probabilidad a cuando el tama
no de muestra tiende a infinito, es decir, si
lim P(|T (X1 , . . . , Xn ) | < ) = 1 > 0
n
n
(Asint
oticamente Insesgado)
19
Propiedades de un estimador
Ejemplo 4.
Sea X1 , . . . , Xn una m.a.s. de X N(, ) X N(, n ).
Cuando n tiende a infinito la varianza de X tiende a 0.
Por tanto X es un estimador consistente de .
Funciones de densidad
Estadstica II
Funciones de distribucion