UNIVERSIDAD DE SANTIAGO DE CHILE FACULTAD DE CIENCIA DEPARTAMENTO MATEMTICA Y CIENCIA DE LA COMPUTACIN

Estimacin Puntual
Prof. Alma Placencia

Existen varios mtodos para obtener un estimador puntual de cierto parmetro desconocido, nosotros estudiaremos el Mtodo de Mxima Verosimilitud. Estimador Mximo Verosmil de . (E.M.V. ()) Def: Sea (X1, X2, X3,,Xn) una m.a.(n) de una poblacin X ~ f (x; ), donde representa uno o ms parmetros desconocidos. El Estimador Mximo Verosmil de , es el valor de que maximiza la funcin de verosimilitud L(), en que L( ) = f ( xi ; ) .
n i =1

Derivando L() o ln L() o Log L(), respecto a cada uno de los parmetros desconocidos, e igualando a cero dichas derivadas, se obtienen el o los EMV(). Los EMV(), tienen una propiedad llamada de Invarianza, tal que E.M.V.[f ()] = f[E.M.V.()] 1 EMV ( ) 1 Ej: E.M.V. = EMV ( ) Estimacin Mximo Verosmil de , es el valor numrico que se obtiene, cuando se evala el EMV() en base a los datos de una muestra aleatoria de X.
Propiedades de los Estimadores Puntuales:

1)

Insesgamiento: es un estimador insesgado, si E = . Sea un estimador de . Se dice que Cuando el estimador de no es insesgado E , se define como el sesgo del . estimador

()

()

2)

Varianza Menor y , dos estimadores de . Si V <V se dice que es un estimador Sean 1 2 1 2 1 de menor varianza. Entre varios estimadores insesgados de , es mejor o ms eficiente es el Estimador insesgado de menor varianza.

( ) ( )

3)

Error Cuadrtico Medio de (E.C.M.()) Este criterio se utiliza para decidir cual es mejor estimador, entre uno con sesgo y uno insesgado. = E 2 = V + (sesgo)2 Def: E.M.C.

() [

[]

y , dos estimadores de , entonces se define: Sean 1 2 ECM 1 con respecto a . como eficiencia relativa de 2 1 ECM 1

( ) ( )

respecto de es menor que uno, se concluye que Si la eficiencia relativa de 2 1 1 para estimar , ya que ECM < ECM . es ms eficiente que 2 1 2

( )

( )

Ejemplos: