Concepto de Estimador
Estimador es una función de las variables muestrales, valores experimentales. Un
estimador es una fórmula para generar estimaciones. Por ejemplo: la media de la
muestra como estimador de la media de la población.
Objetivo de la Inferencia Estadística: Obtención de un valor que pueda
asignarse a un parámetro desconocido
Estimaciones: son aproximaciones del parámetro desconocido.
Estimación puntual: es un valor que toma como resultado de la aplicación de una
función a una muestra concreta.
Error cuadrático medio del estimador: Es una medida que da una idea de que tan cerca
o lejos está el estimador del parámetro.
Otro procedimiento es generar un estimador desarrollando una fórmula que satisfaga
ciertas condiciones y asegurando así que se cumplan al menos algunas de las
propiedades que resultan deseables.
Propiedades de los estimadores
^ al estimador del parámetro Θ
Llamamos Θ
El estimador es una característica de la distribución de X. Se puede escribir que el
estimador se obtiene sustituyendo en una fórmula las observaciones muestrales de
X.
^
Θ=¿ ^ ( x1 , x 2 , … , x n)
Θ
^ )=E [ Θ−E
Var ( Θ ^ ^ ) ]2=E ( Θ
(Θ ^ ) ]2
^ 2 )-[ E ( Θ
^ √ Var ( Θ
Error estándar de Θ= ^)
^
Error muestral¿ Θ−Θ
^ )−Θ
Sesgo ¿ E ( Θ
Media del error al cuadrado ECM =E ( Θ−Θ^ )2 Es similar al concepto de varianza.
Mide la dispersión en torno al verdadero valor del parámetro.
Propiedades:
o Insesgamiento
Un estimador es insesgado cuando la media de su distribución en el muestreo coincide
con el parámetro. La ausencia de sesgo supone la no existencia del error sistemático.
^
Un estimador Θes asintóticamente insesgado si su posible sesgo tiende a cero al
aumentar el tamaño muetral.
^ )=
E (Θ
o Eficiencia
Un estimador es más eficiente que otro si tiene menor varianza siendo ambos
insesgados.
Var ( Θ
^1 )< Var ( Θ
^2 )
Eficiencia Relativa:
ECM ( Θ
^1)
^1, Θ
Ef(Θ ^2)=
^)
ECM ( Θ 2
Si son estimadores insesgados:
Var ( Θ
^1 )
^1, Θ
Ef (Θ ^2)=
^)
Var ( Θ 2
La eficiencia relativa es siempre mayor que cero, pues o son los errores cuadráticos
medios. Es menor que uno si ECM ( Θ^1 )< ECM ( Θ
^2 ), esto debemos elegir el estimador 1
frente al 2.
o Consistencia
Un estimador es consistente si converge en probabilidad al parámetro que intenta
estimar.
^)=
lim E ( Θ
n→∞
^ ) =0
lim V ( Θ
n→∞
Si el sesgo y varianza del estimador tienen a cero cuando el tamaño muestral es
infinito el estimador es consistente.
o Suficiencia
Un estimador es suficiente cuando resume el conjunto de información relevante
contenida en la muestra y ningún otro estadístico puede proporcionar información
adicional acerca del parámetro desconocido del a población.
o Invarianza
Los estimadores no son invariantes, sino el método de estimación que se utilice es el
que ha ser invariante ante cualquier transformación.
Si para estimar la varianza poblacional σ 2se utiliza como estimador la varianza muestral
s2n entonces para estimar la desviación estándar poblacional el método utilizado si es
invariante debería proporcionar como resultado que σ^ = s la desviación estándar
muestral.
o Robustez
Un estimador es robusto cuando vulneraciones de los supuestos de partida en que se
base el proceso de estimación no alteran de manera significativa los resultados que
proporciona.
