Вы находитесь на странице: 1из 7

126

CAPTULO 5
5. CONCLUSIONES Y RECOMENDACIONES
5.1. Conclusiones
1.

Analizando el estimador de la media muestral se concluye que para

las distribuciones continuas y discretas los dos mtodos de estimacin


trabajados proporcionan las mismas medidas descriptivas con una
precisin de tres dgitos como lo son: la media, la varianza, el error
promedio de estimacin, coeficiente de kurtosis, coeficiente de asimetra,
mnimo y mximo valor observados de los estimadores, lmite superior e
inferior de los intervalos de confianza al 95% para la media poblacional,
longitud promedio de los intervalos de confianza y sesgo de estimacin,
sin embargo para tamaos muestrales menores a 30 la longitud
promedio de los intervalos de confianza es menor al utilizar el mtodo de
estimacin Jacknife frente al mtodo convencional de estimacin para la
media poblacional.
2. Al utilizar el estimador de mxima verosimilitud para la varianza tanto
para distribuciones continuas como para distribuciones discretas en la

127

mayora de los casos, la estimacin Jacknife proporciona valores de


mayor magnitud para la varianza, error de estimacin promedio, longitud
promedio de los intervalos de confianza al 95%, y sesgo de estimacin;
y a medida que aumenta el tamao muestral todas las medidas
descriptivas para la distribucin de los estimadores son similares en
magnitud al utilizar los dos mtodos de estimacin.

Con la distribucin

discreta Poisson para >7, el sesgo de estimacin se reduce en la


mayora de los casos mediante la estimacin Jacknife frente a la
estimacin convencional.
3. El estimador insesgado para la varianza obtenido con los mtodos de
estimacin trabajados proporcionan con tres dgitos de precisin las
mismas medidas descriptivas para los estimadores, tanto para
distribuciones discretas como para distribuciones continuas, al igual que
en el caso del estimador para la media, la longitud de los intervalos de
confianza para tamaos muestrales menores a 30 es menor mediante la
estimacin Jacknife frente a la estimacin convencional.
4. El estimador insesgado de la varianza y el estimador de la media
poblacional que tambin es insesgado para distintos valores de los
parmetros poblacionales en distribuciones continuas y discretas,
mediante el mtodo de estimacin Jacknife y el mtodo de estimacin
convencional presentan la misma situacin, es decir, proporcionan los

128

mismos valores para los estimadores y por tanto las mismas medidas
descriptivas, a excepcin de la longitud promedio de los intervalos de
confianza al 95% para tamaos muestrales menores a 30, que logra
reducirse mediante el mtodo de estimacin Jacknife frente al mtodo de
estimacin convencional.
5. Con el estimador de la mediana poblacional obtenida para
distribuciones continuas como son la Beta y Uniforme y para distintos
valores de los parmetros poblacionales de las mismas, podemos
concluir que para tamaos muestrales impares el mtodo de estimacin
Jacknife obtiene valores del estimador que no se encuentran en los
dominios de las funciones de densidad respectivas.

Sin embargo para

tamaos muestrales pares el mtodo de estimacin Jacknife y el mtodo


de estimacin convencional proporcionan las medidas descriptivas
coincidentes con tres dgitos de precisin, adems para tamaos
muestrales menores a 30 se logra reducir la longitud promedio de los
intervalos de confianza al 95%. Para la distribucin Normal se concluye
que el mtodo Jacknife funciona, puesto que, la funcin de densidad
Normal est definida en el intervalo (-, +).
6.

Para el primer estadstico de orden para distintos valores de los

parmetros poblaciones de las distribuciones Uniforme y Exponencial el


mtodo de estimacin Jacknife no funciona puesto que obtiene valores

129

de los estimadores que no se encuentran en los dominios de las


funciones de densidad.

En la distribucin Beta para el parmetro

poblacional >20 y >0 el mtodo de estimacin Jacknife logra reducir el


error promedio de estimacin y el sesgo de estimacin.

7. El primer estadstico de orden mediante el mtodo de estimacin


Jacknife para distintos valores de los parmetros poblacionales de la
distribucin Hipergeomtrica proporciona valores para los estimadores
que no se encuentran en el dominio de la funcin de probabilidad. Con
la distribucin Poisson el mtodo de estimacin Jacknife para >20
funciona y adems logra reducir el sesgo de estimacin y el error de
estimacin promedio.

Analizando la distribucin Binomial el mtodo de

estimacin Jacknife funciona para p>0.7 adems logra reducir el sesgo


de estimacin y error de estimacin promedio.

En cuanto a la

distribucin Binomial Negativa el mtodo de estimacin Jacknife funciona


para r>50 y p<0.7, logra reducir el sesgo de estimacin, error promedio
de estimacin y la longitud promedio de los intervalos de confianza al
95%.
8. El ltimo estadstico de orden para la distribucin uniforme y con
distintos valores de los parmetros poblacionales mediante el mtodo de
estimacin Jacknife en todos los casos proporciona valores que no se
encuentran en el dominio de la funcin de densidad, para la poblacin

130

Beta para los parmetros poblacionales >20 y >0, el mtodo de


estimacin Jacknife funciona y las medidas descriptivas como el error
promedio de estimacin, sesgo de estimacin y longitud promedio de los
intervalos de confianza al 95% logra reducirse.
9. Analizando el ltimo estadstico de orden para distintos valores de los
parmetros poblacionales de la distribucin Hipergeomtrica el mtodo
de estimacin Jacknife no funciona en ningn caso;

con la distribucin

Binomial para el parmetro poblacional p<0.4 el sesgo de estimacin, el


error de estimacin promedio y la longitud promedio de los intervalos de
confianza al 95% logra reducirse mediante la estimacin Jacknife frente
a la estimacin convencional.
10. Para el estimador del coeficiente de correlacin de un vector Normal
Bivariado y para distintos valores de los parmetros poblacionales, el
mtodo de estimacin convencional logr reducir la longitud promedio de
los intervalos de confianza, el sesgo de estimacin y el error de
estimacin promedio, las restantes medidas descriptivas tendan a ser
similares en magnitud a medida que aumentaba el tamao muestral
mediante los dos mtodos de estimacin.
11.

Para todos los estimadores trabajados las medidas descriptivas

obtenidas eran similares en magnitud a medida que aumentaba el


tamao muestral.

131

5.2. Recomendaciones
1. Cuando deseamos en algn trabajo de investigacin realizar
inferencias acerca de la media o de la varianza poblacional de variables
aleatorias continuas o discretas, y adems trabajamos con estimadores
insesgados para los parmetros poblacionales y tamaos muestrales
mayores a 30; en estos casos resulta til utilizar el mtodo
convencional, ya que si bien es cierto ambos mtodos proporcionan los
mismos resultados, el mtodo Jacknife es un proceso intensivo o de
remuestreo. Si trabajamos con tamaos muestrales menores a 30 y
deseamos que la longitud del intervalo sea pequea es mejor utilizar la
estimacin Jacknife.
2. Si tratamos de estimar la mediana poblacional es mejor utilizar la
estimacin convencional, ya que para tamaos muestrales impares el
metodo Jacknife no funciona y para tamaos muestrales pares funciona
pero proporciona los mismos resultados que el mtodo de estimacin
convencional, recordando que el mtodo Jacknife es un mtodo
intensivo.
3.

Si tratamos de estimar el primer estadstico de orden, ltimo

estadstico de orden, varianza utilizando el estimador de mxima


verosimilitud y coeficiente de correlacin, es mejor utilizar el mtodo de
estimacin convencional, puesto que si en algunos casos expuestos en

132

este trabajo se logra reducir ciertas medidas de inters como el sesgo


de estimacin, error de estimacin promedio y longitud promedio de los
intervalos de confianza, est magnitud no es considerable como para
justificar un mtodo intensivo por computador o de remuestreo, siempre
y cuando trabajemos con tamaos muestrales grandes.
4. Si el investigador se enfrenta con algn caso de los estudiados en la
presente investigacin para los cuales el mtodo de estimacin Jacknife
funciona y le es imperioso reducir algunas de las medidas descriptivas
para las cuales el mtodo Jacknife proporciona buenos resultados, es
conveniente utilizar el mtodo de estimacin Jacknife, cabe recalcar
que a mayor tamao muestral el nmero de operaciones que realiza el
algoritmo para la obtencin del estimador Jacknife ser mayor y por
tanto el tiempo de ejecucin del algoritmo tambin lo ser.

Вам также может понравиться