Вы находитесь на странице: 1из 2

Caractersticas de los estimadores puntuales

Hay una serie de caractersticas deseables en los estimadores para que stos constituyan una
buena aproximacin a los respectivos parmetros. Se trata de rasgos que podran entenderse
como criterios de calidad de los estimadores.
1. Carencia de sesgo. Se dice que un estimador es insesgado si el valor esperado de su
distribucin de probabilidad es igual al parmetro. Es decir, si es igual a la media de
los valores calculados en cada una de las muestras aleatorias posibles del mismo
tamao. Si el estadstico es utilizado como estimador del parmetro , ese estimador
carece de sesgo cuando
E() =
Por ejemplo, la media [D] es un estimador insesgado de , puesto que se cumple, tal y
como vimos en el captulo anterior al estudiar la distribucin muestral del estadstico media,
que
E( [D]) =
En el caso de la varianza, suelen manejarse habitualmente dos estimadores:
[D] o bien, [D]. Para cada uno de ellos, el valor esperado resulta ser:
[D]
El segundo de los estimadores posee la caracterstica de ser un estimador insesgado de
2
,
razn por la que suele emplearse con ms frecuencia que el primero a la hora de estimar el
parmetro varianza poblacional.
Cuando E() , decimos que el estimador sesgado tiene un sesgo positivo si E() > , o
que tiene un sesgo negativo si E() < . Un estimador sesgado tender a ofrecer
sistemticamente valores que se alejan en un sentido u otro del parmetro, aunque la muestra
sea elegida aleatoriamente.
2. Consistencia. Un estimador es consistente si, adems de carecer de sesgo, se
aproxima cada vez ms al valor del parmetro a medida que aumenta el tamao de la
muestra. Si el tamao n se hace indefinidamente grande, los valores de se
concentran cada vez ms en torno al valor del parmetro, hasta que con un tamao
muestral infinito obtenemos una varianza del estimador nula. Por tanto, un estimador es
consistente si cuando n tiende a infinito se cumple
E() = ; var() = 0
La media es un estimador consistente del parmetro , puesto que se verifican las
condiciones anteriores. Es decir.
[D]
Tambin se comprueba que los dos estimadores de la varianza, presentados en el apartado
anterior, resultan ser estimadores consistentes de
2
.
3. Eficiencia. La eficiencia de un estimador est vinculada a su varianza muestral. As,
para un mismo parmetro , se dice que el estimador
1
es ms eficiente que el
estimador
2
si se cumple
var(
1
) < var(
2
)
Por tanto, si un estadstico es ms eficiente que otro, significa que vara menos de unas
muestras a otras. Se demuestra que la media es un estimador del parmetro ms eficiente
que la mediana. Del mismo modo, la varianza S
n-1
2
es un estimador de
2
ms eficiente que
S
n
2
.
4. Suficiencia. Un estimador es suficiente cuando en su clculo se emplea toda la
informacin de la muestra. Por ejemplo, al calcular el estimador [D] del
correspondiente parmetro poblacional, utilizamos la frmula:
[D]
para cuyo clculo se tienen en cuenta todas las puntuaciones X
i
. Otro tanto ocurre con los
estimadores S
n-1
2
y S
n
2
de la varianza. Todos ellos pueden ser considerados estimadores
suficientes de los respectivos parmetros.