

Propiedades de los
Estimadores Puntuales y
Distribuciones de
Muestrales
—

1 © Ast urias Corporación Universitaria

 Propiedades de los Estimadores Puntuales y Distribuciones de Muestrales

Índice

1 Propiedades de los Estimadores Puntuales ........................................................................................ 3

1.1 Insesgamiento ............................................................................................................................. 3
1.2 Consistencia ................................................................................................................................. 3
1.3 Suficiencia ..................................................................................................................................... 4
1.4 Eficiencia ........................................................................................................................................ 4
2 Distribuciones de Muestrales ....................................................................................................................... 4
2.1 Distribución de la Media Muestral ................................................................................... 4
2.2 Distribución de la Varianza Muestral ............................................................................. 5
2.3 Distribución de la Proporción Muestral ........................................................................ 5
3 Resumen ................................................................................................................................................................... 5
4 Referencias Bibliográficas ............................................................................................................................. 6

02 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Propiedades de los Estimadores Puntuales y Distribuciones de Muestrales

Objetivos
 Objetivo 1: Conocer las distintas propiedades de los estimadores puntuales.

 Objetivo 2: Conocer la distribución asintótica de las estadísticas muestrales.

1 Propiedades de los Estimadores Puntuales

1.1 Insesgamiento

Un escenario ideal en la estimación puntual es que su estimador en promedio sea muy

“En la estimación puntual el estimador en parecido al parámetro, luego un estimador se dice insesgado si y solo si se cumple que:
promedio debería ser muy parecido al
parámetro” 𝐸(𝜃̂) = 𝜃

Observación: Si el valor esperado del estimador no es el parámetro, es decir, 𝐸(𝜃̂) ≠ 𝜃,

el estimador no es insesgado o se dice que tiene sesgo.
El sesgo se define como sigue:

𝐵(𝜃̂) = 𝐸(𝜃̂) − 𝜃

De donde también se define una estadística de error muy importante, el error cuadrático
medio, notado como 𝑀𝑆𝐸𝜃 y escrito de la siguiente manera:
2
𝑀𝑆𝐸𝜃 = 𝑉(𝜃̂) + [𝐵(𝜃̂)]

Ejemplo 6: El promedio muestral es un estimador insesgado para la media poblacional

de cualquier distribución con media 𝜇. Entones veamos que 𝐸(𝑥̅ ) = 𝜇, en efecto:
𝑛 𝑛 𝑛
1 1 1 1
𝐸(𝑥̅ ) = 𝐸 [ ∑ 𝑥𝑖 ] = ∑ 𝐸(𝑥𝑖 ) = ∑ 𝜇 = 𝑛𝜇 = 𝜇
𝑛 𝑛 𝑛 𝑛
𝑖=1 𝑖=1 𝑖=1

1.2 Consistencia

Cuando el estimador no es insesgado en primera medida, lo que sería lo idóneo, se

requiere al menos que su valor oscile cerca del valor del parámetro para tamaños de
muestra grandes, es decir, un estimador es consistente cuando:
 lim𝑛→∞ 𝐸(𝜃̂) = 𝜃
 lim𝑛→∞ 𝑉(𝜃̂) = 0

Ejemplo 7: Sea 𝑥1 , 𝑥2 , … , 𝑥𝑛 una muestra aleatoria de una población 𝑁(𝜇, 𝜎 2 ), se define la

1
media muestral 𝑥̅ = ∑𝑛𝑖=1 𝑥𝑖 mostremos que este es un estimador consiste para la
𝑛
media 𝜇. Entonces veamos que lim𝑛→∞ 𝐸(𝑥̅ − 𝜇)2 = 0, en efecto:

𝐸(𝑥̅ − 𝜇)2 = 𝐸(𝑥̅ 2 − 2𝑥̅ 𝜇 + 𝜇2 ) = 𝐸(𝑥̅ 2 ) − 2𝜇𝐸(𝑥̅ ) + 𝜇2

Pero

03 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.

“Un estimador es suficiente si la información
acerca del parámetro está contenida en la
muestra”
“El estimador más preciso será aquel que
tenga menor varianza”
“Permiten estimaciones con mayor calidad
y precisión”
04
Propiedades de los Estimadores Puntuales y Distribuciones de Muestrales
𝑉(𝑥̅ ) = 𝐸 2 (𝑥̅ ) − 𝐸(𝑥̅ 2 ) ⇒ 𝐸(𝑥̅ − 𝜇)2 = 𝑉(𝑥̅ ) + 𝐸 2 (𝑥̅ ) − 2𝜇𝐸(𝑥̅ ) + 𝜇2
Luego
𝜎2 𝜎2
𝐸(𝑥̅ − 𝜇)2 = 𝑉(𝑥̅ ) + 𝐸 2 (𝑥̅ ) − 2𝜇𝐸(𝑥̅ ) + 𝜇2 = + 𝜇2 − 2𝜇2 + 𝜇2 =
𝑛 𝑛
Ahora bien
𝜎2
lim 𝐸(𝑥̅ − 𝜇)2 = lim =0
𝑛→∞ 𝑛→∞ 𝑛
1.3 Suficiencia
Intuitivamente hablando un estimador es suficiente para un parámetro si toda la
información acerca del parámetro está contenida en la muestra.
Formalmente sería: una estadística 𝜃̂ se dice suficiente para 𝜃 basada en una muestra
aleatoria 𝑥1 , 𝑥2 , … , 𝑥𝑛 de una población con función masa o de densidad de probabilidad
𝑓𝑥 (𝑥, 𝜃). Si la distribución condicional de las variables aleatorias 𝑥1 , 𝑥2 , … , 𝑥𝑛 dado 𝜃̂ no
depende del parámetro 𝜃, es decir, 𝜃̂ es un estimador suficiente de 𝜃 si:
𝑓𝑥 (𝑥1 , 𝑥2 , … , 𝑥𝑛 |𝜃̂ = 𝜃) = 𝑔(𝑥̂);
Donde 𝑔(𝑥̂) = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ).
1.4 Eficiencia
La eficiencia es un requisito de precisión, esto es, es más preciso aquel estimador que
tenga menor varianza ya que tiene la capacidad de producir estimaciones más
centradas.
Así sean 𝜃̂ y 𝜃̂′ dos estimadores insesgados para 𝜃, estimadores basados en una
muestra aleatoria 𝑥1 , 𝑥2 , … , 𝑥𝑛 de una población con función masa o de densidad de
probabilidad 𝑓𝑥 (𝑥, 𝜃), se dice que 𝜃̂ es estimador uniformemente mejor que 𝜃̂′ si:
𝑉(𝜃̂) ≤ 𝑉(𝜃̂ ′ )
2 Distribuciones de Muestrales
Es de interés conocer la distribución asintótica de las estadísticas muéstrales para fines de
estimaciones de mayor calidad y precisión.
A continuación se muestran algunas de estas, las más comunes e importantes.
2.1 Distribución de la Media Muestral
Sea 𝑥̅ la media muestral proveniente de una muestra aleatoria 𝑥1 , 𝑥2 , … , 𝑥𝑛 de tamaño 𝑛
entonces para tamaños de muestra grandes:
ASTURIAS CORPORACIÓN UNIVERSITARIA®
Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Propiedades de los Estimadores Puntuales y Distribuciones de Muestrales

𝑋~𝑁(𝜇, 𝜎 2 /√𝑛).

Este resultado se deduce del teorema del límite central, además de que por ser
combinaciones lineales de normales se hereda la normalidad.

2.2 Distribución de la Varianza Muestral

Sea 𝑥̅ y 𝑆 2 la media y varianza muestral respectivamente, provenientes de una muestra

aleatoria 𝑥1 , 𝑥2 , … , 𝑥𝑛 de tamaño 𝑛, entonces para tamaños de muestra grandes:
𝑛−1 2 2(𝑛 − 1) 4
𝐸(𝑆 2 ) = 𝜎 ; 𝑉(𝑆 2 ) = 𝜎
𝑛 𝑛2

De donde se deduce que (omitiendo las demostraciones no pertinentes a este curso):

(𝑛 − 1)𝑆 2 2
~𝜒(𝑛−1)
𝜎2

2.3 Distribución de la Proporción Muestral

Utilizando las mismas conclusiones a partir del teorema del límite central, como es de
saber para tamaños de muestra considerados grandes, para una población con función
de densidad masa 𝐵𝑒𝑟(𝑝), se tiene que la distribución de la proporción muestral se
puede aproximar mediante una normal, tal que:
𝑝𝑞
𝑝̂ ~𝑁 (𝑝, √ )
𝑛

3 Resumen
 Las propiedades de los estimadores puntuales son: el insesgamiento, la
consistencia, la suficiencia y la eficiencia.

 La distribución asintótica permite realizar estimaciones de mayor calidad y

precisión.

 Las distribuciones de muestrales más comunes son: la distribución de la media

muestral, la distribución de la varianza muestral y la distribución de la
proporción muestral.

05 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Propiedades de los Estimadores Puntuales y Distribuciones de Muestrales

4 Referencias Bibliográficas
 Miranda, I. E., Palacín, F., Sánchez, M. L., Márquez, M., Chía, A. R., Navas, A. S., y
otros. (3ra. Edición 2006). Estadística Descriptiva y Probabilidad. Cádiz: Servicio de
Publicaciones de la Universidad de Cádiz.

 Montgomery, D., & R., R. (2da. Edición 2008). Probabilidad y Estadística Aplicada a la
Ingeniería. México: Limusa Wiley.

 Walpole, R., Myers, R., & Myers, S. y. (2007). Probabilidad y Estadística para
Ingeniería y Ciencias. México: Pearson.

06 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.