PROPIEDADES DE UN BUEN ESTIMADOR PUNTUAL

NATALY ORREGO GAVIRIA

Informe de clase

FERNANDO HINCAPI CUERVO Docente control estadstico de procesos

INSTITUCIN UNIVERSITARIA ITM INGENIERA EN PRODUCCIN MEDELLN 2010

INTRODUCCIN Todo el mundo hace estimaciones. Cuando esta por cruzar la calle, hace una estimacin de la velocidad del automvil que se acerca, de la distancia que hay entre usted y el auto de su propia velocidad. Habiendo hecho rpidamente todas estas estimaciones, usted decide si espera, camina o corre. Los administradores tambin deben hacer estimaciones rpidas. El resultado de estas estimaciones puede afectar sus organizaciones de manera tan seria como el resultado de su decisin de cruzar la calle. Los jefes de departamento de una universidad hacen estimaciones acerca de las inscripciones para el semestre siguiente en las materias. Los directores de crdito estiman si un cliente pagar o no sus dbitos. Los futuros compradores de casa hacen estimaciones concernientes al comportamiento de las tasas de inters de los prstamos hipotecarios. Todas estas personas hacen estimaciones sin preocuparse de si son cientficas o no, pero con la esperanza de que las estimaciones tengan una semejanza razonable con el resultado. La inferencia estadstica es el proceso de utilizar los resultados de una muestra para estimar o sacar conclusiones en cuanto a caractersticas o parmetros de la poblacin valindose de observaciones empricas de la muestra. Hay dos tipos de estimaciones concernientes a una poblacin: una estimacin puntual y una estimacin de intervalo. En este escrito se examinara el procedimiento para estimacin puntual que intenta medir caractersticas particulares de una poblacin, como la media o la proporcin. Segn lo mencionado con anterioridad, podemos iniciar con la investigacin de una de las principales herramientas empleadas para en control estadstico de procesos como lo es un estimador puntual donde conoceremos las propiedades que lo convierten es una herramienta eficaz de control.

1. OBJETIVOS 1.1 OBJETIVO GENERAL Aplicar los conocimientos adquiridos en la asignatura inferencial. 1.2 OBJETIVOS ESPECFICOS Conocer la definicin de un estimador puntual. Investigar las propiedades que conforman un buen estimador puntual. Analizar la aplicacin de un estimador puntual en el control estadstico de procesos. estadstica

2. QUE ES UN ESTIMADOR PUNTUAL? En estadstica, un estimador es un estadstico (esto es, una funcin de la muestra) usado para estimar un parmetro desconocido de la poblacin. Por ejemplo, si se desea conocer el precio medio de un artculo (el parmetro desconocido) se recogern observaciones del precio de dicho artculo en diversos establecimientos (la muestra) y la media aritmtica de las observaciones puede utilizarse como estimador del precio medio. Para cada parmetro pueden existir varios estimadores diferentes. En general, escogeremos el estimador que posea mejores propiedades que los restantes, como insesgadez, eficiencia, convergencia y robustez (consistencia). 3. PROPIEDADES DE LOS ESTIMADORES 3.1 SESGO Se denomina sesgo de un estimador a la diferencia entre el valor esperado del estimador y el verdadero valor del parmetro a estimar. Es deseable que un estimador sea insesgado o centrado, es decir, que su sesgo sea nulo por ser su esperanza igual al parmetro que se desea estimar. Por ejemplo, si se desea estimar la media de una poblacin, la media aritmtica de la muestra es un estimador insesgado de la misma, ya que su valor esperado es igual a la media de la poblacin. En efecto, si una muestra X=(X1,X2,...,Xn)t procede de una poblacin de media , quiere decir que: E[Xi] = para cualquier i=1...n La media aritmtica o media muestral,

, con lo que, al aplicar las propiedades de linealidad el valor esperado e tenemos que:

3.2 EFICIENCIA Diremos que un estimador es ms eficiente o ms preciso que otro estimador, si la varianza del primero es menor que la del segundo. Por ejemplo, si son ambos estimadores de y y

Diremos que es ms eficiente que . Un estimador es ms eficiente (ms preciso), por tanto, cuanto menor es su varianza. La eficiencia de los estimadores est limitada por las caractersticas de la distribucin de probabilidad de la muestra de la que proceden. El teorema de Cramr-Rao determina que la varianza de un estimador insesgado de un parmetro es, como mnimo,

Donde f(X;) es

la funcin

de

densidad

de

probabilidad de

la

muestra en funcin del parmetro , (denominada funcin de verosimilitud). Si un estimador alcanza esta cota mnima, entonces se dice que el estimador es de mnima varianza. 3.3 CONSISTENCIA Si no es posible emplear estimadores de mnima varianza, el requisito mnimo deseable para un estimador es que a medida que el tamao de la muestra crece, el valor del estimador tienda a ser el valor del parmetro, propiedad que se denomina consistencia. Existen diversas definiciones de consistencia, ms o menos restrictivas, pero la ms utilizada es la denominada consistencia en media cuadrtica que exige que: 1. 2. cuando cuando

3.4 ROBUSTEZ El estimador ser un estimador robusto del parmetro si la vulneracin de los supuestos de partida en los que se basa la estimacin (normalmente, atribuir a la poblacin un determinado tipo de funcin de distribucin que, en realidad, no es la correcta), no altera de manera significativa los resultados que ste proporciona. 3.5 SUFICIENCIA Se dice que un estimador es suficiente cuando resume toda la informacin relevante contenida en la muestra, de forma que ningn otro estimador pueda proporcionar informacin adicional sobre el parmetro desconocido de la poblacin. 3.6 INVARIANZA Se dice que un estimador es invariante cuando el estimador de la funcin del parmetro coincide con la funcin del estimador del parmetro, . Ejemplo.- Si para estimar la varianza poblacional utilizamos la varianza muestral, entonces para estimar la desviacin tpica poblacional ser razonable utilizar la desviacin tpica muestral.

4. CONCLUSIONES Cuando no se conoce alguna caracterstica de la poblacin, el estadstico correspondiente de la muestra puede ser utilizado como estimador del parmetro poblacional. Es lo que se conoce como estimacin puntual, que se aplica cuando un estadstico de la muestra es usado para estimar un parmetro poblacional. Al ser un estimador puntual una variable aleatoria cuya distribucin en el muestreo depende del parmetro desconocido, se utilizan dos criterios para evaluar la bondad del estimador, que son que sea insesgado respecto al parmetro a estimar y que tenga varianza mnima. Los estimadores puntuales ms usuales son la distribucin binomial, la distribucin de Poisson de parmetro y la distribucin normal, con sus tipificaciones asociadas. El objetivo bsico de la inferencia estadstica es hacer inferencias o sacar conclusiones sobre la poblacin a partir de la informacin contenida en una muestra aleatoria de la poblacin. Ms especficamente, podemos decir que la inferencia estadstica consiste en el proceso de seleccin y utilizacin de un estadstico muestral, mediante el cual, utilizando la informacin que nos proporciona una muestra aleatoria, nos permite sacar conclusiones sobre caractersticas poblacionales. Cualquier inferencia o conclusin obtenida de la poblacin, necesariamente, estar basada en un estadstico muestral, es decir, en la informacin proporcionada por la muestra (formalmente definimos un estadstico como una funcin de las observaciones muestrales). La eleccin del estadstico apropiado depender de cul sea el parmetro poblacional que nos interese. El valor verdadero del parmetro ser desconocido y un objetivo sera estimar su valor, por lo que tal estadstico se denomina estimador. Las inferencias sobre el valor de un parmetro poblacional se pueden obtener bsicamente de dos maneras: a partir de estimacin o bien a partir del contraste de hiptesis. En la estimacin, basta seleccionar un estadstico muestral cuyo valor se utilizar como estimador del valor del parmetro poblacional.

5. BIBLIOGRAFA http://www.buenastareas.com/my-account.php http://es.wikipedia.org/wiki/Estimador http://www.buenastareas.com/ensayos/Estimadores/579620.html http://www.monografias.com Matemticas Estadstica