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

¡Te damos la bienvenida a Scribd!

  • 13 vistas

    Econometrics Slide 4 P

    Cargado por

    Alejandro Gomez Lopez
    Este documento habla sobre inferencia estadística. Explica que la inferencia consiste en establecer propiedades sobre parámetros desconocidos como α y β a partir de una muestra para estudiar la población. También introduce conceptos como estimadores, estadísticos, principio de analogía, y propiedades deseables de los estimadores como insesgadez y eficiencia.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Econometrics Slide 4 P

    Cargado por

    Alejandro Gomez Lopez
    13 vistas13 páginas
    Este documento habla sobre inferencia estadística. Explica que la inferencia consiste en establecer propiedades sobre parámetros desconocidos como α y β a partir de una muestra para estudiar la población. También introduce conceptos como estimadores, estadísticos, principio de analogía, y propiedades deseables de los estimadores como insesgadez y eficiencia.

    Título original

    Econometrics Slide 4 p

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento habla sobre inferencia estadística. Explica que la inferencia consiste en establecer propiedades sobre parámetros desconocidos como α y β a partir de una muestra para estudiar la población. También introduce conceptos como estimadores, estadísticos, principio de analogía, y propiedades deseables de los estimadores como insesgadez y eficiencia.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    13 vistas13 páginas

    Econometrics Slide 4 P

    Cargado por

    Alejandro Gomez Lopez
    Este documento habla sobre inferencia estadística. Explica que la inferencia consiste en establecer propiedades sobre parámetros desconocidos como α y β a partir de una muestra para estudiar la población. También introduce conceptos como estimadores, estadísticos, principio de analogía, y propiedades deseables de los estimadores como insesgadez y eficiencia.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 13

    Inferencia

    Mauricio Olivares

    ITAM

    19 de junio de 2015
    I Recuerda de nuestra clase anterior que m(x ) = α + βx .
    I Esta es una relación poblacional, no hay muestra hasta ahora.
    I Si conociéramos α y β podrı́amos conocer la CEF.
    I En este contexto, α y β son unas constantes desconocidas a
    las que llamaremos parámetros.
    I En esta clase vamos a establecer una serie de herramientas
    para conocer esta relación poblacional a partir de la muestra.
    I Como tales, α y β son desconocidas pero podemos extraer
    inferencia (estimación y pruebas de hipótesis) sobre ellos.
    I Inferencia (paramétrica) consiste en conocer establecer
    propiedades a partir de las cuales podemos estudiar la
    población a partir de la muestra en una forma inductiva.
    I En este curso vamos a trabajar con muestras aleatorias.
    I X1 , ·, Xn constituye una muestra aleatoria de tamaño n y
    provenientes de alguna distribución F si se cumple que:
    I Xi y Xj son independientes ∀ i 6= j.
    I Todas las Xi provienen de la misma distribución F .
    Estadı́sticos

    I Un estadı́stico es simplemente una función de la muestra.


    I Por ejemplo la media muestral:
    Pn
    i=1 Xi
    X=
    n
    es un estadı́stico dado que es una función de la muestra.
    I Como nuestro interés es conocer sobre la población a partir de
    la muestra en una forma inductiva, los estimadores jugarán un
    rol central.
    I Nota que como son funciones de la muestra, que consta de
    variables aleatorias, entonces los estadı́sticos también son
    variables aleatorias.
    Estadı́sticos

    I Surgen inmediatamente dos preguntas


    1. ¿Cómo obtenemos estimadores?
    2. ¿Cómo sabemos que estos estimadores son informativos sobre
    la población?
    I La primera pregunta está relacionada con los métodos de
    estimación.
    I Principio de analogı́a.
    I Máxima Verosimilitud.
    I La segunda, sobre las propiedades deseables de los
    estimadores.
    I Insesgadez, Eficiencia, Consistencia, etc.
    Principio de Analogı́a

    I El Principio de Analogı́a consiste en proponer estimadores que


    emulen el objeto de interés (parámetro) en la muestra.
    I Es decir, proponer como estimadores en análogo muestral.
    I Por ejemplo, si estamos interesados en la media poblacional
    E (x ), proponemos como estimador la media muestral
    Pn
    i=1 Xi
    X=
    n
    Principio de analogı́a: notación
    I En general, vamos a denotar los parámetros con letras griegas.
    I Por ejemplo, µy = E (y )
    I Dado que el principio de analogı́a busca mimetizar el objeto
    de la población en la muestra, vamos a preferir la siguiente
    notación:
    n
    1 X
    En (X ) ≡ ( Xi )
    n i=1
    I Entonces, si queremos proponer un estimador para la varianza
    poblacional, por principio de analogı́a, usamos su contraparte
    muestral
    n
    1X
    Vn (X ) = (Xi − µx )2
    n i=1
    I De manera muy general
    n
    1X
    En (g(x )) = g(Xi )
    n i=1
    I Siguiendo la misma lógica, si queremos estimar α y β que
    caracterizan a la CEF lineal, propondrı́amos
    I

    Cn (x , y )
    βn =
    Vn (x )
    αn = En (y ) − βn En (x )

    I donde Cn (x , y ) = En (xi yi ) − En (xi ) En (yi ).


    I Como te habrás dado cuenta, a su vez son funciones de la
    media muestral.
    La media muestral

    I La media muestral (esperanza empı́rica) satisface muchas


    propiedades que, en nuestro marco de muestra aleatoria,
    podremos aplicar extensivamente.
    I Como ya vimos, es un estadı́stico pues es una función de la
    muestra.
    I Por lo tanto, es también una variable aleatoria.
    I Ya vimos que también surge del principio de analogı́a.
    I Tenemos qué estudiar por qué es un estimador sensato.
    Propiedades de los estimadores

    I Decimos que un estimador θn es insesgado para θ si


    E(θn ) = θ.
    I De no ser ası́, definimos el sesgo como B(θn ) = E(θn ) − θ.
    I Podemos tener más de un estimador insesgado para θ, por ello
    necesitamos un segundo criterio para discernir entre ambos.
    I Un criterio sencillo es escoger el que tenga menor varianza.
    I Dados dos estimadores insesgazos, θn1 y θn2 , decimos que θn1 es
    más eficiente si
    V(θn1 ) < V(θn2 )
    I A veces este criterio de eficiencia no es la panacea dado que
    podemos tener situaciones como

    |B(θn1 ) |> |B(θn2 ) | y V(θn1 ) < V(θn2 )

    I Dichas situaciones pueden ser atacadas si combinamos ambos


    criterios en uno nuevo y definimos el error cuadrático medio
    de un estimador como

    ECM(θn ) = E(θn − θ)2


    = V(θn ) + [B(θn )]2

    I Entonces escogemos el estimador que tenga el menor error


    cuadrático medio.
    La media muestral

    I La media muestral, en nuestro marco de muestra aleatoria,


    satisface dos propiedades exactas (para cualquier tamaño de
    muestra) y dos propiedades asintóticas.
    I Propiedades exactas:
    1. E(En (x )) = µ (Insesgadez).
    2. V(En (x )) = n1 V(x ).
    I Propiedades asintóticas
    p
    1. En (x ) → E (x ) (Consistencia).
    2. Por el Teorema Central del Lı́mite para muestras aleatorias, la
    media muestral estandarizada converge en distribución a la
    normal estándar.
    √
     
    En (x ) − µx d
    n → N(0, 1)
    V(x )
    ¿Por qué nos interesa tanto?

    I Se escapa un poco al objetivo de este curso (introductorio),


    pero los anteriores resultados a la par de:
    I Teoremas de Slutsky
    I Teorema de representación continua (continuous mapping
    theorem)
    I Método Delta
    I Nos dejan en una posición muy ventajosa para estudiar las
    propiedades aproximadas de una vasta familia de estimadores,
    dado que en su mayorı́a son funciones de las medias
    muestrales.

    También podría gustarte