Introduccin a la Inferencia Estadstica

TEMA 3: ESTIMACIN

Prof. Rosario Martnez Verd

TEMA 3: ESTIMACIN
1. Estimacin puntual: estimadores y estimaciones. Propiedades de los estimadores. 2. Mtodos de obtencin de estimadores. 3. Estimacin por intervalos. 4. Determinacin del tamao muestral.
Bibliografa especfica Tema 3: - NEWBOLD, P. (1997). Estadstica para los Negocios y la Economa. Madrid: Prentice Hall. 4 Edicin. Captulos 7 y 8. - NEWBOLD, P. y otros (2008). Estadstica para Administracin y Economa. Madrid: Pearson-Prentice Hall. 6 Edicin. Captulos 8 y 9. - ESTEBAN GARCA, J. y otros: Curso Bsico de Inferencia Estadstica. Reproexpres Ediciones, Valencia, 2008. Tema 4 (sin anexos) y Tema 5. - LIND D.A y otros. Estadstica Aplicada a los Negocios y la Economa. Ed. McGraw Hill, Mxico, (13 Edicin). Captulo 9. - MURGUI, J.S. y otros (2002). Ejercicios de Estadstica. Economa y Ciencias Sociales. Valencia: Tirant lo Blanch. Captulo 7.

TEMA 3: ESTIMACIN DE PARMETROS

Consiste en la obtencin de valores aproximados para las caractersticas desconocidas (parmetros) de la distribucin de la poblacin. Tipos de estimacin: - Puntual: un valor. Apartado 1 - Por intervalos: un intervalo con garantas de contener al parmetro. Apartado 3

 Estimadores y Estimaciones:

1) ESTIMACIN PUNTUAL
Estadsticos Estimadores de

Estrategias de bsqueda de estimadores de un parmetro : - Proponer estimadores con buenas propiedades (Apartado 1). - Aplicar un mtodo de construccin de estimadores: Estimadores MximoVerosmiles (EMV) (Apartado 2).

Para elegir entre diferentes estimadores para estimar un mismo parmetro nos basaremos en una medida, el ERROR CUADRTICO MEDIO (ECM): 2 El criterio: elegir el estimador que ECM = Var + E - tenga el menor ECM. sesgo2

PROPIEDADES DE LOS ESTIMADORES PARA TODO TIPO DE MUESTRAS:

ESTIMADOR INSESGADO significa que su media o valor esperado coincide con el parmetro , esto es:

= y por lo tanto, su sesgo=E - = 0 E

es insesgado, entonces ECM = Var Consecuencia: Si
ESTIMADOR EFICIENTE: si para estimar un mismo parmetro, disponemos de varios estimadores insesgados, el estimador eficiente ser el de menor varianza.

y insesgados. Si Var < Var entonces, es ms eficiente que 1 2 1 2 1 2

,7

Distribuciones de probabilidad de dos estimadores A y B de un parmetro poblacional Caso 1: A y B misma varianza Caso 2: A y B estimadores insesgados
1,4 1,2

,6

,5

1,0

,4

,8

f(B)
,3

f(A)
,6

f(B)

,2

,4

f(A)
,1 ,2 0,0 0,0

E[B] E[A]= A estimador insesgado E[A]= B estimador sesgado E[B] Var[A] = Var[B] ECM[A] < ECM[B] A mejor estimador que B

A y B insesgados E[A]=E[B]= Var[A] > Var[B] ECM[A] > ECM[B] B mejor estimador que A

PROPIEDADES DE LOS ESTIMADORES PARA MUESTRAS GRANDES: ESTIMADOR ASINTTICAMENTE INSESGADO significa que al aumentar el tamao de la muestra, su media tiende a coincidir con el parmetro , y por lo tanto, su sesgo tiende a cero. = Esto es, lim E
n

ESTIMADOR CONSISTENTE significa que a medida que crece el tamao de la muestra las estimaciones que nos proporciona el estimador se aproximan cada vez ms al valor del parmetro . Si el estimador es insesgado o asintticamente insesgado, para que sea consistente es suficiente que, cuando el tamao de la muestra tiende a infinito (es decir, se hace muy grande), la varianza del estimador se aproxime a cero. Esto es,

=0 lim Var n

Ejemplo de estimador consistente

1,4 1,2

1,0

,8

f( n =1000 )

,6

,4

,2

f( n =100 )

0,0

Al crecer el tamao de la muestra, las estimaciones se aproximan cada vez ms al verdadero de valor del parmetro.

CUADRO RESUMEN ESTIMADORES PUNTUALES

Distribucin Poblacin Poisson XPo() Bernoulli XBe(p) Normal X N(, 2 ) Normal X N(, 2 ) Exponencial: X Exp(1/ ) Sin especificar Sin especificar Parmetro a estimar Estimador Propiedades estimador
insesgado, eficiente, consistente insesgado, eficiente, consistente insesgado, eficiente, consistente asint. insesgado, menor ECM que cuasi-var S 2 insesgado, eficiente, consistente insesgado, consistente

Otras propiedades EMV EMV EMV EMV EMV

p 2 2

=x p
X

S2
X X
S2 S2

asint. insesgado insesgado

EMV= Estimador mximo-verosmil

2. Mtodos de obtencin de estimadores. EJEMPLO DE ESTIMACIN MXIMO-VEROSMIL

La Agencia Valenciana de Turismo va a realizar un estudio sobre las preferencias de los habitantes de la ciudad de Valencia respecto al lugar de vacaciones elegido. nicamente se quiere distinguir entre montaa y playa. Realizada una encuesta a 100 personas elegidas al azar se ha obtenido que 30 de ellas prefieren la montaa y las 70 restantes han mostrado preferencia por la playa. Con la informacin de la encuesta, cul de los siguientes posibles valores para la proporcin de ciudadanos que prefieren la montaa tiene una mayor verosimilitud o es ms compatible con los datos obtenidos de la encuesta: 25%, 30% o 35%?

Fuente: MURGUI, J.S. y otros (2002). Ejercicios de Estadstica. Economa y Ciencias Sociales. Valencia: Tirant lo Blanch, p.265.

p 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.8 0.9 1

1-p 1 0.95 0.9 0.85 0.8 0.75 0.7 0.65 0.6 0.55 0.5 0.45 0.4 0.35 0.3 0.2 0.1 0

l(p) 0 2.56893E-41 6.26579E-34 2.19818E-30 1.76685E-28 1.55772E-27 2.95461E-27 1.68258E-27 3.40712E-28 2.64097E-29 7.88861E-31 8.62495E-33 3.08132E-35 2.96595E-38 5.64195E-42 1.4615E-52 4.23912E-72 0

l(p)
3.5E-27 3E-27 2.5E-27 2E-27 1.5E-27 1E-27 5E-28 0
0

l(p) =p30 (1-p)70

0.1 0.2

0.3 0.4

0.5

0.6 0.7

0.8 0.9

3. Estimacin por intervalos o Intervalos de confianza

Objetivos de este Apartado: Concepto de Intervalo de Estimacin Concepto de nivel de confianza 1- Precisin de una estimacin por intervalo, depende de:
Nivel de confianza 1- Amplitud del intervalo (error de estimacin)

Construccin de intervalos de estimacin para los principales parmetros poblacionales.

Intervalos para la estimacin de la media de una poblacin Caso 1 a) Poblacin X N( , ) con conocida muestra: (x1, x2, ,xn) m.a.s. tamao n cualquiera.
2 2

X- Estadstico Z = N(0,1) / n

Se fija nivel de confianza 1- X- P -z /2 Z = z /2 =1- / n Se despeja : P X - z /2 X + z /2 =1-

n n

0,99 = 0,95 0,9

Se sustituye X por el valor obtenido para la muestra, x , y se obtiene el intervalo:

x - z / 2 , x + z / 2 = [ x error de estimacin = ] n n

EJEMPLO INTERVALOS DE ESTIMACIN Sea Poblacin X: peso de los paquetes de cereal, en gramos. X~N( , 2=100) Muestra: (x1, x2,...., xn) m.a.s. n=16 x = 503,75 s = 11,3 Intervalos de confianza para : Intervalo de confianza del 90%
499,64
x = 503,75

Error =4,11 gr

507,86 Error =4,90 gr 508,65 Error =6,43 gr 510,18

Intervalo de confianza del 95%

498,85
x = 503,75

Intervalo de confianza del 99%

497,32
x = 503,75

Intervalos para la estimacin de la media de una poblacin Caso 2: Poblacin X N( , ) con desconocida muestra: (x1, x2, ,xn) m.a.s. tamao n cualquiera.
2 2

X- Estadstico T = t n-1 S/ n -1

P -t n-1, /2 T = t n-1, /2 =1- S/ n -1

Se fija nivel de confianza 1-: X- Se despeja :

S S X + t n-1, /2 P X - t n-1, /2 =1- n -1 n -1

Se sustituyen intervalo:

X y S por los valores obtenidos para la muestra y se obtiene el

s s = x error de estimacin = [ ] x - t n-1, / 2 , x + t n-1, / 2 n -1 n -1

Intervalo para la estimacin de la varianza 2 de una poblacin Normal

Caso 6: Poblacin X N( , ) con desconocida muestra: (x1, x2, ,xn) m.a.s. tamao n cualquiera.
2

n 2 2 Estadstico Y= 2 S n-1

Se fija nivel de confianza 1-:

n 2 2 2 P n-1,1Y= S /2 n-1, /2 =1- 2

Se despeja 2: 2 n S2 n S 2 P 2 2 =1- n-1,1- /2 n-1, /2

Se sustituye S2 por el valor obtenido para la muestra y se obtiene el intervalo:
2 2 n s n s 2 2 , 2 con una confianza de 1- n-1, /2 n-1,1- /2