Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 16 vistas

    Inf Clase 06

    Cargado por

    naxo_r99
    Este documento describe conceptos estadísticos como estimación, estimadores, propiedades de los estimadores como ser insesgado y sesgado, y criterios para seleccionar el mejor estimador como mínima varianza y menor error cuadrático medio.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd

    Inf Clase 06

    Cargado por

    naxo_r99
    16 vistas2 páginas
    Este documento describe conceptos estadísticos como estimación, estimadores, propiedades de los estimadores como ser insesgado y sesgado, y criterios para seleccionar el mejor estimador como mínima varianza y menor error cuadrático medio.

    Título original

    inf-clase-06

    Derechos de autor

    © Attribution Non-Commercial (BY-NC)

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe conceptos estadísticos como estimación, estimadores, propiedades de los estimadores como ser insesgado y sesgado, y criterios para seleccionar el mejor estimador como mínima varianza y menor error cuadrático medio.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    16 vistas2 páginas

    Inf Clase 06

    Cargado por

    naxo_r99
    Este documento describe conceptos estadísticos como estimación, estimadores, propiedades de los estimadores como ser insesgado y sesgado, y criterios para seleccionar el mejor estimador como mínima varianza y menor error cuadrático medio.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 2

    ESTIMACIN

    Se definen, la varianza muestral : S 2 =

    i =1

    (X X )
    n
    n i =1

    (que es una medida de tendencia

    central) y la cuasivarianza muestral : s 2 =

    , que proporcionan un resultado n 1 importante , cuando las muestras se extraen de poblaciones normales: Teorema : Sean X 1 , X 2 ,... X n variables aleatorias independientes extrada de una m.a.s proveniente de una poblacin normal N ( , 2 ) , entonces: (n 1) s
    2 n i =1

    (X

    (X

    2 2 n 1 ;

    nS

    n i =1

    (X

    2 2 n 1

    Notar que, de acuerdo a la definicin de cuasivarianza y este teorema, podemos resolver el problema propuesto de la seccin anterior:

    x 2 / n = x t , ya que x N (0,1) , y (n 1) s 2 n 1 n 1 2 s/ n / n (n 1) s 2 2 (n 1)

    Definicin: Un estadstico , es una funcin que depende de las observaciones muestrales, ejemplo, la media muestral, la varianza muestral, etc. Inferir consiste en estimar parmetros a partir de una muestra extrada de una poblacin con una ley dada, y los estimadores son los estadsticos. Cuando decidimos asignar a un parmetro desconocido el valor numrico que toma un determinado estadstico muestral, decimos que dicho estadstico es un estimador del parmetro poblacional. El valor numrico del estimador en una muestra concreta constituye una estimacin del parmetro.
    Propiedades de un estimador

    i) Estimador insesgado. Sea { X i }i =1,...,n una m.a.s. extrada de una poblacin que posee una ley que contiene un parmetro desconocido que deseamos estimar. Diremos que el estimador , es un

    estimador insesgado , si: E = . En caso contrario el estimador es sesgado, y el sesgo se define como: Sesgo( ) = E ( )
    Ejemplo: La media muestral x es un estimador insesgado para . En efecto, para la
    n

    ()

    muestra { X i }i =1,...,n , sabemos que E ( x) = E

    i =1

    xi

    1 n

    n i =1

    E ( xi ) = .

    Ejemplo: La cuasivarianza muestral en una poblacin normal, es un estimador insesgado para la varianza .

    Si se dispone de varios estimadores insesgados para un parmetro desconocido, el mejor estimador ser aquel de mnima varianza, (por qu?) En el caso de disponer de estimadores insesgados o sesgados, el criterio para escoger el mejor estimador se realiza por medio del menor error cuadrtico medio, en donde, el error cuadrtico medio se define como:

    ECM ( ) = V ( ) + ( Sesgo( ))2

    También podría gustarte