Marco teórico.

La inferencia estadística: es la metodología desarrollada para pasar de

observaciones de muestra a afirmaciones acerca de la población. Es decir
cuando se observa solo una muestra el extraer conclusiones sobre la población
a partir de ella involucra cierta incertidumbre la cual es inherente al proceso de
generalizar a partir de unos cuantos a muchos.

Parámetro: es una caracterización numérica de la distribución de la población

de manera que describe parcial o completamente la función de densidad de
probabilidad de la característica de interés.

Una estadística: es cualquier función de las variables aleatorias que se

observaron en la muestra de manera que ésta función no contiene cantidades
desconocidas.

Estimador: es una estadística que identifica el mecanismo funcional por

medio del cual, una vez que las observaciones en la muestra se realizan, se
obtiene una estimación. Es decir si se emplea una estadística para estimar un
parámetro desconocido entonces recibe el nombre de estimador.

Definición 1.1: Sea cualquier estimador de un parámetro desconocido de .

Se define el error cuadrático medio como el valor esperado del cuadrado de la
diferencia entre

Consideramos lo siguiente:

Sea

Para cualquier estadística , se denotará el error cuadrático medio por

de esta forma

Recordar lo siguiente
Para el valor esperado de una variable aleatoria X ( , sea discreta o
continua tenemos:

1. El valor esperado de una constante c es el valor de la constante.

2. El valor esperado de la cantidad , es el

producto de de a por el valor esperado de X mas b.
.

3. El valor esperado de la suma de 2 funciones , es la suma

de los valores esperados de .

Para la varianza de una variable aleatoria X , sea discreta o continua

tenemos:

1. La varianza de una variable aleatoria es invariable.

2. De manera mas general

Ejemplos.
Ejemplo 1.

Obtener el error cuadrático medio para

Solución.

Sea
 ,

= .

Es posible demostrar que

Que pendiente para ejercicio de clase.

Ejemplo 2

Solución.
Podemos ver que ambos estimadores son insesgados y su ECM(X)=Var(X) para
ambos estimadores, pero , por consiguiente es un
estimador mas eficiente de que (esto lo demostraremos en clase, el
objetivo es obtener el ECM y comprender lo que significa).

Es importante conceptualizar las definiciones que están en el marco teórico,

importante!