Propiedades de los Estimadores

Estadística II

Dr. Eliseo Gallo Albarracín

Estimar Parámetros
Se refiera a inferir el valor de la correspondiente medida de la
población (parámetro) mediante una medida de una muestra (un
estadístico).

Estimar parámetros es utilizar una medida de una muestra (un

estadístico) para inferir el valor de la correspondiente medida de la
población (parámetro); en este proceso, el estadístico se convierte
en estimador.
Estimación por Punto y Estimación por Intervalo
Es posible hacer estimaciones de parámetros de 2 maneras: por
punto y por intervalo. La estimación por punto consiste en utilizar
un solo valor para estimar el parámetro, mientras que en la
estimación por intervalo se utiliza un rango de valores o interval

Ejemplo
Una estimación por punto podría ser: “se estima que el promedio
mensual de los ingresos de las familias de la zona metropolitana de
California es de $4.500”. Una estimación por intervalo podría ser:
“se estima, con una confianza de 95% de estar en lo correcto, que
el promedio de los ingresos de las familias de la zona
metropolitana de la ciudad de California está entre $4.500 y
$4.550”.
Estimación por Punto y Estimación por Intervalo
Ejemplo
Una estimación por punto podría ser: “se estima que el promedio
mensual de los ingresos de las familias de la zona metropolitana de
California es de $4.500”. Una estimación por intervalo podría ser:
“se estima, con una confianza de 95% de estar en lo correcto, que
el promedio de los ingresos de las familias de la zona
metropolitana de la ciudad de California está entre $4.500 y
$4.550”.

• El tipo de estimación que más se utiliza es la estimación por

intervalo porque, como se aprecia en los ejemplos del párrafo
anterior, se le pueden asociar criterios de probabilidad (“...con
una confianza de 95%...”) que no es posible asociar con las
estimaciones puntuales.
Estimación por Punto y Estimación por Intervalo
En el ejemplo de una estimación por intervalo se pueden identificar
3 elementos:

1. El nivel de confianza: “...con una confianza de 95% de estar en

lo correcto...”. A este nivel de confianza se le denomina tambi.n
el coeficiente de confianza.

2. El intervalo: “...entre $4 500 y $4 550.” A los intervalos como

éste se les suele llamar, precisamente, intervalos de confianza y
se definen por el límite superior del intervalo y el límite inferior
del intervalo.

3. La mención de que se trata de la estimación de un parámetro:

“se estima...que el PROMEDIO de los ingresos de las familias
de la zona metropolitana de la ciudad de California...”
Propiedades de los Estimadores Puntuales
• Algunos estadísticos muestrales, como la media muestral , la
desviación estándar muestral s y la proporción muestral sirven
como estimadores puntuales de sus correspondientes parámetros
poblacionales, µ, σ y p .

• Cada uno de estos estadísticos muestrales sean los estimadores

puntuales de sus correspondientes parámetros poblacionales.

• Sin embargo, antes de usar un estadístico muestral como

estimador puntual, se verifica si el estimador puntual tiene ciertas
propiedades que corresponden a un buen estimador puntual.
Propiedades de los Estimadores Puntuales
Como hay distintos estadísticos muestrales que se usan como
estimadores puntuales de sus correspondientes parámetros
poblacionales, en esta sección se usará la notación general siguiente:

• θ = el parámetro poblacional de interés

! el estadístico muestral o estimador puntu al de θ
• "=

θ es la letra griega theta y la notación se lee “theta s”. En general, θ

representa cualquier parámetro poblacional como, por ejemplo, la
media poblacional, la desvia ción estándar poblacional, la proporción
poblacional, etc.; "! representa el correspondiente estadístico
muestral, por ejemplo, la media muestral, la desviación estándar
muestral y la proporción muestral.
Insesgadez
Insesgadez o Ausencia de sesgo. Si el valor esperado del estadístico
muestral es igual al parámetro poblacional que se estudia, se dice que
el estadístico muestral es un estimador insesgado del parámetro
poblacional.
Insesgadez
Insesgadez o Ausencia de sesgo. Si el valor esperado del estadístico
muestral es igual al parámetro poblacional que se estudia, se dice que
el estadístico muestral es un estimador insesgado del parámetro
poblacional.
Insesgadez
Eficiencia
La eficiencia se mide en términos comparativos. Se dice que, si se
utilizan 2 estadísticos para estimar un parámetro, el estimador más
eficiente es el que tiene el menor error muestral, es decir, es aquel
con la menor desviación estándar de su distribución muestral.

Se da una mayor eficiencia porque el menor error estándar hace

que sea más probable que el valor del estimador sea más cercano
al valor del parámetro.

Suponga que se usa una muestra aleatoria simple de n elementos

para obtener dos estimadores puntuales insesgados de un mismo
parámetro poblacional.

En estas circunstancias preferirá usar el estimador puntual que

tenga el menor error estándar, ya que dicho estimador tenderá a
dar estimaciones más cercanas al parámetro poblacional
Eficiencia
Consistencia
La tercera propiedad relacionada con un buen estimador puntual
es la consistencia.

Dicho de manera sencilla, un estimador puntual es consistente si

el valor del estimador puntual tiende a estar más cerca del
parámetro poblacional a medida que el tamaño de la muestra
aumenta.

En otras palabras, una muestra grande tiende a proporcionar

mejor estimación puntual que una pequeña.
Consistencia
En el caso de la media muestral ",̅ el error estándar de "̅ está dado
por #$̅ = #/ '.

Puesto que #$̅ está vinculado con el tamaño de la muestra, de

manera que muestras mayores dan valores menores de #$̅ ,
entonces muestras de tamaño grande tienden a proporcionar
estimadores puntuales más cercanos a la media poblacional µ .

Mediante un razonamiento similar, concluya que la proporción

muestral (̅ es un estimador consistente de la proporción
poblacional p .