ESTIMADOR PUNTUAL Y ESTIMADOR POR INTERVALOS

ESTIMADOR PUNTUAL
Un estimador
puntual de un parmetro poblacional es una funcin que a partir de la
informacin muestral asigna un nico nmero en la poblacin.
Un estimador es insesgado del parmetro si la media de la distribucin muestral de es , es
decir que ( ) =
La media muestral, la proporcin muestral y la varianza muestral son estimadores insesgados de
sus correspondientes parmetros poblacionales
La desviacin estndar muestral no es un estimador insesgado de la desviacin estndar
poblacional

Sea un estimador de . El sesgo de es definido como la diferencia entre su media y . Es decir

que: () = ()
Sean 1 2 dos estimadores insesgados de , basados en el mismo nmero de observaciones
muestrales. Entonces:
i)
ii)

Se dice que 1 es ms eficiente que 2 si (1 ) < (2 )

La eficacia de un estimador 1 con respecto a otro 2 es la razn de sus varianzas, es
decir:

Eficacia relativa de 1 respecto a 2 =

(
2)
(
1)

Si es un estimador insesgado de y no existe otro estimador insesgado de menor varianza

que , entonces se dice que es el estimador de mxima eficiencia de
DISTRIBUCIN NORMAL ESTANDAR: Z
Sea Z una variable normal estandarizada y un nmero tal que 0 << 1. Se denota por el
nmero para el cual ( > ) = , y ( < ) = 1
Tambin se puede decir ( < < ) = 1
2

DISTRIBUCIN CHI-CUADRADO: con v= n-1 grados de libertad

Una variable aleatoria que tiene una distribucin chi-cuadrado con v=n-1 grados de libertad
2
2
puede ser simbolizada por 1
. Se define por 1,
, el nmero para el cual
2
2
2
2
(1 > 1, ) = o ( < 1, ) = 1
2
2
2
Tambin (1,1
< 1 <
) = 1
1,
2

DISTRIBUCIN t-student :

con v= n-1 grados de libertad

Dada una muestra aleatoria de n observaciones con media y varianza 2 , tomados de una
poblacin con media , la variable aleatoria =

sigue la distribucin t-student con n-1

grados de libertad
=

Una variable aleatoria que sigue tiene una distribucin t-student con v=n-1 grados de libertad
se simboliza . Se define por , el nmero para el cual ( > , ) =
Tambin se puede decir ( < < ) = 1
2

ESTIMADOR POR INTERVALOS O INTERVALOS DE CONFIANZA PARA LOS PARMETROS

POBLACIONALES
Un estimador por intervalo para un parmetro poblacional es una regla para determinar,
basado en la informacin muestral, un intervalo en el cual el parmetro puede caer. El
intervalo resultante se denomina intervalo estimado.
Sea un parmetro desconocido. Suponga que sobre la base de la informacin muestral,
podemos encontrar variables aleatorias A y B tales que ( < < ) = 1
Si las realizaciones muestrales especficas de A y B se simbolizan por a y b respectivamente,
entonces el intervalo de a hasta b es llamado intervalo de confianza al ( )% para .
La cantidad 1 es llamada el contenido probabilstico o nivel de confianza del intervalo.
PARA LA MEDIA POBLACIONAL
1. a. 2 CONOCIDA

.
2

< < + .

Si se utiliza a como una estimacin de , podemos tener una confianza del (1 )100% en que

el error no exceder .
2

 = .
2

LIC= .

LIC= + .

Eleccin del tamao de la muestra

Si es una estimacin de , podemos tener (1 )100% de confianza de que el error no exceder
. 2

una cantidad especfica e cuando el tamao de la muestra es = (

b.

2 DESCONOCIDA

< < + .
2

30

c. 2 DESCONOCIDA
1, .

= .
2

< < + 1, .

LIC= .

LIC= + .

2. PARA LA PROPORCIN POBLACIONAL

(1 )
(1 )
.
< < + .

2
2
( 1)

= .
2

( 1)

= .
2

( 1)

= + .
2

Si p es desconocido, utiliza = ,

Si se utiliza como una estimacin de p, podemos tener una confianza del (1 )100% de
que el error no exceder
= .
2

(1 )

Eleccin del tamao de la muestra

Si se utiliza como una estimacin de p, podemos tener (1 )100% de confianza de que el
error ser menor que una cantidad especfica e cuando el tamao de la muestra
2

( ) (1)
aproximadamente es

( ) .0,25
Si p es desconocida, se toma p=0.5,

( )

4 2

3. INTERVALO DE CONFIANZA PARA LA VARIANZA POBLACIONAL

( 1) 2
2
1,2

( 1) 2
2

1,1 2

NOTA: Un intervalo de confianza al (1 )100% para se obtiene al tomar la raz cuadrada

de cada extremo del intervalo para 2
4. INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS POBLACIONALES
a. Varianzas poblacionales conocidas
2 2
2 2
(

) . 1 + 2 < < (

) + . 1 + 2
1 2
1 2

b. Varianzas poblacionales desconocidas e iguales

(

) , .
+
< < (

) + , .
+
1
2
1
2

2 =

( 11) 21 +(21)22
(11)+(21)

= (1 1) + (2 1)

c. Varianzas poblacionales desconocidas y diferentes

2 2
2 2
(

) , . 1 + 2 < < (

) + , . 1 + 2
1 2
1 2

2 2
[ 1 + 2]
1 2
=
2
2 2

2
[ 1]
[ 1]
1

+ 2
1 1 2 1
d. Muestras aleatorias dependientes (muestras pareadas)

.
< < + .
2
2
=
2

=1( )

=1(( ) )
1

5. INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE PROPORCIONES POBLACIONALES

Si desconocidos
( 1 1) 2( 1 2)
1( 1 1) 2 ( 1 2)
( 1 2) . 1
+
< 1 2 < ( 1 2) + .
+
1
2
1
2
2
2

6. INTERVALO DE CONFIANZA PARA LA IGUALDAD (O PARA EL COCIENTE) DE VARIANZAS

POBLACIONALES
12
1
21
12
1
.
<
<
.
2
2
2
2 1 (1 , 2 ) 2 2 (1 , 2 )
2

1 2

Intervalo

Varianza

< < + .
2
2

,1 .
< < + ,1 .
2

. < < + .
2
2

2
(
)
=

( 1 2 )
= =1

2
=1 (( 1 2 ) )
2
=
1

( 1 )
( 1 )
.
< < + .

2
2

( 1 2) =

< ( 1 2) + . ( 1 2)
2

2 2
(

) . 1 + 2 <
1 2

observaciones
conocida

N t

desconocida

N t

Observaciones pareadas

B N

Si p es desconocido, utiliza = ,

1( 1 1)
1
2( 1 2 )
+
2

B N

Si son desconocidos, se utilizan

12 22
+
1 2

N N

conocidas

( ) =

( 1 2) . ( 1 2) < 1 2

distr
(X)

Z Z

( ) =

1 2

( 1 )

( 1 2) =

2 2
< (

) + . 1 + 2
1 2

(

) ,.

( 1 2) =

+
<
1
2

+
1
2

< (

) + ,.
+
1
2

(

) ,.

12
1

22
2

( 1 2) =
<

21 22
+
1 2

= (1 1) + (2 1)
desconocidas y
= ,

( ) + ( )
=
( ) + ( )
desconocidas y

[
=

21

< (

) + ,.

22
2

12
+
1
2

2
[ 1]
1
+
1 1

2
12
22

( 1) 2
( 1) 2
2<
<

2
2

1,1
2

12
1
<
2.
2 1 (1 , 2 )
2

1,
2

12
1
<
2.
2
2
2 (1 , 2 )
21

N 2
N F