07.07.2022 Views

Estadística Matemática con Aplicaciones, 6ta Edición - John E. Freund LEP

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Sección 10.2: Estimadores insesgados 323

estim aciones y los estimadores de intervalos y las estimaciones de intervalos, que p re ­

sentarem os en el capítulo 1 1 .

Puesto que los estim adores son variables aleatorias, uno de los problem as clave

de la estim ación puntual es estudiar las distribuciones m uéstrales. Por ejem plo, cuando

estim am os la varianza de una población con base en una m uestra aleatoria, difícilm ente

podem os esp erar que el valor de S 2 que obtenem os será realm ente igual a a 2, pero

nos tranquilizaría, al m enos, saber si podem os esperar que esté cerca. T am bién, deb e ­

m os decidir si usar una m edia de la m uestra o una m ediana de la m uestra para^estim ar

la m edia de una población, seria im portante saber, entre otras cosas, si X o X es más

probable que nos dé un valor que sea en realidad cercano.

Así, se pueden usar diversas propiedades estadísticas de los estim adores p ara d e ­

cidir qué estim ador es más apropiado en una situación dada, cuál nos expone a un riesgo

m ás pequeño, cuál nos d ará la m ayor inform ación al costo m ás bajo, y así sucesivam ente.

E n particular las propiedades de los estim adores que exam inarem os en las secciones

1 0 .2 a 10 .6 son insesgabilidad. varianza mínima, eficiencia, consistencia, suficiencia

y robustez.

10.2 ESTIMADORES INSESGADOS

C om o vim os en la página 315, no existen funciones de decisión perfectas, y en relación

con los problem as de estim ación esto significa q ue no hay estim adores perfectos que

siem pre den la respuesta correcta. Así, parecería razonable que un estim ador d eba h a­

cerlo al m enos en el prom edio; esto es, su valor esperado debe ser igual al parám etro

q ue se supone estim a. E n este caso, se dice que el estim ador es insesgado; de o tra m a­

nera, se dice que es sesgado. Form alm ente:

d e f i n i c i ó n 10.1

£ ( e ) = e.

U n a estadística 0 es un estimador insesgado del p arám etro

Los siguientes son algunos ejem plos de estim adores insesgados y sesgados.

EJEM PLO 10.1

Si X tiene la distribución binom ial con los parám etros n y 6. dem uestre que la propor-

ción m uestral, — , es un estim ador insesgado de 8.

Solución

Puesto que E{X) = n8, se sigue que

X

y por tan to que — es un estim ador insesgado de 6 .

A

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!