Introduccin a la

Inferencia Estadstica
TEMA 3: ESTIMACIN
Prof. Rosario Martnez Verd
TEMA 3: ESTIMACIN
1. Estimacin puntual: estimadores y estimaciones.
Propiedades de los estimadores.
2. Mtodos de obtencin de estimadores.
3. Estimacin por intervalos.
4. Determinacin del tamao muestral.
Bibliografa especfica Tema 3:
- NEWBOLD, P. (1997). Estadstica para los Negocios y la Economa. Madrid: Prentice Hall. 4 Edicin.
Captulos 7 y 8.
- NEWBOLD, P. y otros (2008). Estadstica para Administracin y Economa. Madrid: Pearson-Prentice Hall.
6 Edicin. Captulos 8 y 9.
- ESTEBAN GARCA, J. y otros: Curso Bsico de Inferencia Estadstica. Reproexpres Ediciones, Valencia,
2008. Tema 4 (sin anexos) y Tema 5.
- LIND D.A y otros. Estadstica Aplicada a los Negocios y la Economa. Ed. McGraw Hill, Mxico, (13 Edicin).
Captulo 9.
- MURGUI, J.S. y otros (2002). Ejercicios de Estadstica. Economa y Ciencias Sociales. Valencia: Tirant lo
Blanch. Captulo 7.
Consiste en la obtencin de valores aproximados
para las caractersticas desconocidas
(parmetros) de la distribucin de la poblacin.

Tipos de estimacin:
- Puntual: un valor. Apartado 1
- Por intervalos: un intervalo con garantas de
contener al parmetro. Apartado 3

TEMA 3: ESTIMACIN DE PARMETROS
Estadsticos
Estimadores
de u
Estrategias de bsqueda de estimadores de
un parmetro u:
- Proponer estimadores con buenas
propiedades (Apartado 1).
- Aplicar un mtodo de construccin de
estimadores: Estimadores Mximo-
Verosmiles (EMV) (Apartado 2).
1) ESTIMACIN PUNTUAL
Estimadores y Estimaciones:
PROPIEDADES DE LOS ESTIMADORES PARA TODO TIPO
DE MUESTRAS:
ESTIMADOR INSESGADO significa que su media o valor esperado
coincide con el parmetro u, esto es:

E = y por lo tanto, su sesgo=E - = 0
( (


Consecuencia: Si es insesgado, entonces ECM Var
( (
=

ESTIMADOR EFICIENTE: si para estimar un mismo parmetro,
disponemos de varios estimadores insesgados, el estimador eficiente ser
el de menor varianza.
1 2 1 2 1 2

y insesgados. Si Var Var entonces, es ms eficiente que
( (
<

Para elegir entre diferentes estimadores para estimar un mismo parmetro u
nos basaremos en una medida, el ERROR CUADRTICO MEDIO (ECM):
( )
2
2

ECM Var + E -
sesgo
( ( (
=

El criterio: elegir el estimador que
tenga el menor ECM.


,7
,6
,5
,4
,3
,2
,1
0,0
E[A]=u
f(A) f(B)
A estimador insesgado E[A]=u
B estimador sesgado E[B]=u
Var[A] = Var[B]
ECM[A] < ECM[B]
A mejor estimador que B
E[B]
1,4
1,2
1,0
,8
,6
,4
,2
0,0
u
f(A)
f(B)
A y B insesgados E[A]=E[B]=u
Var[A] > Var[B]
ECM[A] > ECM[B]
B mejor estimador que A
Caso 1: A y B misma varianza

Distribuciones de probabilidad de dos
estimadores A y B de un parmetro poblacional u
Caso 2: A y B estimadores insesgados
PROPIEDADES DE LOS ESTIMADORES PARA
MUESTRAS GRANDES:
ESTIMADOR ASINTTICAMENTE INSESGADO significa que
al aumentar el tamao de la muestra, su media tiende a
coincidir con el parmetro u, y por lo tanto, su sesgo tiende a
cero.
Esto es,
n

lim E =

(

ESTIMADOR CONSISTENTE significa que a medida que crece el
tamao de la muestra las estimaciones que nos proporciona el
estimador se aproximan cada vez ms al valor del parmetro u .
Si el estimador es insesgado o asintticamente insesgado, para
que sea consistente es suficiente que, cuando el tamao de la
muestra tiende a infinito (es decir, se hace muy grande), la
varianza del estimador se aproxime a cero. Esto es,
n

lim Var =0

(

1,4
1,2
1,0
,8
,6
,4
,2
0,0
u
)

100 = n
f(
)

1000 = n
f(
Ejemplo de estimador consistente
Al crecer el tamao de la muestra, las estimaciones
de se aproximan cada vez ms al verdadero
valor del parmetro.

CUADRO RESUMEN ESTIMADORES PUNTUALES

Distribucin
Poblacin
Parm-
etro a
estimar
Estima-
dor
Propiedades
estimador
Otras
propie-
dades
Poisson
X~Po()

insesgado, eficiente,
consistente
EMV
Bernoulli
X~Be(p)
p
insesgado, eficiente,
consistente
EMV
Normal
X~

insesgado, eficiente,
consistente
EMV
Normal
X~
o
2
S
2
asint. insesgado, menor
ECM que cuasi-var
EMV
Exponencial:
X~ Exp(1/ u)
u
insesgado, eficiente,
consistente
EMV
Sin
especificar

insesgado, consistente
Sin
especificar
o
2
S
2

asint. insesgado
insesgado
) , N(
2
o
) , N(
2
o
X
X
X
x = p

2
S

EMV= Estimador mximo-verosmil

2
S

X
EJEMPLO DE ESTIMACIN MXIMO-VEROSMIL
La Agencia Valenciana de Turismo va a realizar un estudio sobre las
preferencias de los habitantes de la ciudad de Valencia respecto al
lugar de vacaciones elegido. nicamente se quiere distinguir entre
montaa y playa. Realizada una encuesta a 100 personas elegidas al
azar se ha obtenido que 30 de ellas prefieren la montaa y las 70
restantes han mostrado preferencia por la playa.

Con la informacin de la encuesta, cul de los siguientes posibles
valores para la proporcin de ciudadanos que prefieren la montaa
tiene una mayor verosimilitud o es ms compatible con los datos
obtenidos de la encuesta: 25%, 30% o 35%?


Fuente: MURGUI, J.S. y otros (2002). Ejercicios de Estadstica. Economa y Ciencias Sociales.
Valencia: Tirant lo Blanch, p.265.
2. Mtodos de obtencin de estimadores.
l(p) =p
30
(1-p)
70

0
5E-28
1E-27
1.5E-27
2E-27
2.5E-27
3E-27
3.5E-27
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
p 1-p l(p)
0 1 0
0.05 0.95 2.56893E-41
0.1 0.9 6.26579E-34
0.15 0.85 2.19818E-30
0.2 0.8 1.76685E-28
0.25 0.75 1.55772E-27
0.3 0.7 2.95461E-27
0.35 0.65 1.68258E-27
0.4 0.6 3.40712E-28
0.45 0.55 2.64097E-29
0.5 0.5 7.88861E-31
0.55 0.45 8.62495E-33
0.6 0.4 3.08132E-35
0.65 0.35 2.96595E-38
0.7 0.3 5.64195E-42
0.8 0.2 1.4615E-52
0.9 0.1 4.23912E-72
1 0 0
p
l(p)
3. Estimacin por intervalos
o Intervalos de confianza
Objetivos de este Apartado:
Concepto de Intervalo de Estimacin
Concepto de nivel de confianza 1-o
Precisin de una estimacin por intervalo,
depende de:
Nivel de confianza 1-o
Amplitud del intervalo (error de estimacin)
Construccin de intervalos de estimacin para
los principales parmetros poblacionales.

Intervalos para la estimacin de la media de una poblacin
Caso 1 a) Poblacin
muestra: (x
1
, x
2
, ,x
n
) m.a.s. tamao n cualquiera.
2 2
X N( , ) con conocida o o
Estadstico N(0,1)

o
X-
Z =
/ n
Se fija nivel de confianza 1-o
0,99
= 0,95
0,9

/2 /2
P -z z =1-
o o

o
o
(
s s
(

X-
Z =
/ n
Se sustituye por el valor obtenido para la muestra, , y se obtiene el intervalo:
X
x
| |
/ 2 / 2
x x = x error de estimacin
o o
o o
c
(
e =
(

- z , +z
n n
/2 /2
P z z =1-
o o
o o
o
(
s s
(

X- X+
n n
Se despeja :
EJEMPLO INTERVALOS DE ESTIMACIN
Sea Poblacin X: peso de los paquetes de cereal, en gramos.
X~N( , o
2
=100)
Muestra: (x
1
, x
2
,...., x
n
) m.a.s. n=16
Intervalos de confianza para :
x 503,75 s 11,3 = =
503,75 x =
Intervalo de confianza del 90%
498,85
507,86
Error c=4,11 gr
503,75 x =
499,64
508,65
Intervalo de confianza del 95%
Error c=4,90 gr
Intervalo de confianza del 99%
503,75 x = 497,32 510,18
Error c=6,43 gr
Intervalos para la estimacin de la media de una poblacin
Caso 2: Poblacin
muestra: (x
1
, x
2
, ,x
n
) m.a.s. tamao n cualquiera.
2 2
X N( , ) con desconocida o o
n-1
Estadstico T t
X-
=
S/ n-1
Se fija nivel de confianza 1-o:
n-1, /2 n-1, /2
P -t T t =1-
o o

o
(
s s
(

X-
=
S/ n-1
Se sustituyen por los valores obtenidos para la muestra y se obtiene el
intervalo:
X y S
n-1, / 2 n-1, / 2
s s
x t x t
o o

(
e
(

- , +
n-1 n-1
n-1, /2 n-1, /2
S S
P t t =1-
o o
o
(
s s
(

X- X+
n-1 n-1
Se despeja :
| |
= x error de estimacin c =
Intervalo para la estimacin de la varianza o
2
de una poblacin Normal
Caso 6: Poblacin
muestra: (x
1
, x
2
, ,x
n
) m.a.s. tamao n cualquiera.
2
X N( , ) con desconocida o
n-1
2 2
2
n
Estadstico Y= S

_
Se fija nivel de confianza 1-o:
2 2 2
n-1,1- /2 n-1, /2
2
n
P Y= S =1-

o o
_ _ o
(
s s
(

Se sustituye S
2
por el valor obtenido para la muestra y se obtiene el intervalo:
Se despeja o
2
:
2 2
2
2 2
n-1, /2 n-1,1- /2
n S n S
P =1-
o o
o
_ _
(
s s
(
(

2 2
2
2 2
n-1, /2 n-1,1- /2
n s n s
, con una confianza de 1-
o o
o
_ _
(
e
(
(