Академический Документы
Профессиональный Документы
Культура Документы
Estimacin Puntual
1 n
Xi
n i =1
1 n
( X i X )2
n 1 i =1
NOTA
Dado que un estadstico es una v.a. (ya que
es una funcin de variables aleatorias)
podemos hablar de su funcin de
probabilidad, que denominaremos
distribucin muestral o distribucin en el
muestreo.
1 n 2
n
X i n 1 X 2
n 1 i =1
DISTRIBUCIONES MUESTRALES
V X =
X N ,
) cuando n +
n 30
Si la poblacin de partida NO es
Normal, cualquiera que sea la
distribucin de la poblacin de partida,
la distribucin de las medias
muestrales tiende a la Normal, a
medida que el tamao de la muestra
crece.
(n 1) S 2
2. La variable aleatoria
tiene una
n21
( n 1) S 2
n21
X
t n 1
S
n
X
N (0,1)
n
p (1 p )
.
n
12 22
n1
n2
prximo a 0 ni a 1)
P N p,
p (1 p )
n grande
2 2
X Y N 1 2 , 1 + 2
n1 n2
n1 y n2 grandes
1 y 2 por S1 y S 2 , respectivamente.
entonces la v.a.
S12 12
tiene una distribucin
S22 22
DEFINICIN: PARMETRO
Un parmetro es una caracterstica numrica
de la poblacin que tiene un valor fijo pero
que desconocemos.
La determinacin de un parmetro es uno de
los objetivos del proceso estadstico. Para
determinar el valor del parmetro, se elige
una m.a.s. y a partir de su anlisis se estima
el valor del parmetro que interesa.
ESTIMADOR Y ESTIMACIN
Consideramos una poblacin en la que
observamos una v.a. X que tiene asociada
una distribucin f(x) donde es un
parmetro desconocido, y pretendemos, con
la ayuda de una m.a.s. (X1 , X2 , , Xn )
determinar . Este valor se denominar
estimador puntual del parmetro.
CRITERIOS DE SELECCIN DE UN
ESTIMADOR
Para decidir cul es el mejor estimador
puntual que puede usarse de un parmetro
particular, necesitamos desarrollar algunos
criterios.
es insesgado para E =
si V 1 < V 2
a E
c) Estimadores consistentes
Un estimador es consistente si la probabilidad
de que el valor del estimador sea cercano al
del parmetro poblacional, se aproxima a la
unidad conforme aumenta el tamao muestral
lim P n < = 1
n
>0
Estimacin de parmetros
X=
1 n
Xi
n i =1
X N ,
Nota
S2 =
1 n
( Xi X )
n 1 i =1
(n 1) S 2
n21
X
t n 1
S
n
Si consideramos el estadstico
2 =
1 n
( Xi X )
n i =1
se verifica que
E 2 2 2 es estimador sesgado para 2
k
P =
n
P es estimador insesgado, consistente y
eficiente para p
Para n grande
P N p,
p(1 p)