Estimacin puntual.

(a) Problemas en los que la distribucion de la variable se conoce,

pero los parametros (todos o parte) que la caracterizan son
desconocidos. El problema es, en este caso, como obtener un
valor o valores numericos, a partir de los datos, que sea un pron
ostico o estimacion razonable de ese parametro. Cuando la
solucion proporcionada es un solo valor numerico, hablaremos
de procedimientos de estimacion puntual. Cuando la solucion
proporcionada es un intervalo de valores en el que
probablemente estara el parametro, hablaremos de
procedimientos de estimacion por intervalos.

 (b) Problemas en los que se trata de constatar que una armacion

acerca de la distribucion de probabilidades del fenomeno
estudiado es o no cierta. En este caso, hablaremos de
procedimientos de contraste de hipotesis.

 Ejemplo
1:Supongamosqueestamosestudiandoeltiempohastaelfallodeundete
rminadocomponente electronico. Se ha seleccionado una muestra
representativa de este tipo de componente y se han mantenido en
funcionamiento hasta fallar, anotandose la duracion de cada
uno. Nos podemos plantear los siguientes interrogantes:

 (a) Si sabemos ya que el tiempo hasta el fallo sigue una distribuci

on exponencial, cual es el tiempo medio hasta el fallo para
este tipo de componentes? (Corresponde a un problema de
estimacion puntual).

 (b) En las mismas condiciones que antes (sabiendo que la

distribucion es exponencial), que rango de valores para la
duracion media parece razonable?. (Correspondera a un problema
de estimacion por intervalos).

Introduccin

gabriel

Matemticamente, podemos pensar que estamos interesados en el

estudio de una variable aleatoria X, cuya distribucin, F, es en
mayor o menor grado desconocida.
Para tratar de disminuir el desconocimiento de la distribucin
terica F de la variable aleatoria X en estudio, tomamos una
muestra.

Muestra aleatoria simple

Una muestra aleatoria simple, de tamao n, de una variable
aleatoria X, con distribucin terica F, son n variables aleatorias,
X1,X2,...,Xn, independientes e igualmente distribuidas, con
distribucin comn F.
Una realizacion de la muestra son los valores particulares,
x1,x2,...,xn, observados para las variables X1,X2,...,Xn. Como
consecuencia, la funcin de distribucin conjunta de X1,X2,...,Xn
es: F (x1,x2,...,xn) = F(x1)F(x2)F(xn)

Otros conceptos witjair

Llamaremos espacio muestral al conjunto de muestras posibles, de
tamao determinado, que pueden obtenerse al seleccionar una
muestra aleatoria de una poblacin. Llamaremos estadstico a
cualquier funcin T de la muestra. Un estadstico T (X1,X2,...,Xn),
como funcin de variables aleatorias, es tambin una variable
aleatoria. Tiene, por tanto, una distribucin de probabilidad,
llamada distribucin en el muestreo de T. Los estadsticos
independientes del parmetro (que son funcin nicamente de la
muestra) se denominan estimadores

Ejemplos de estadsticos

Ejemplo
Supongamos que pretendemos estimar la altura media de los
alumnos de la Facultad de Informtica de La Corua. Para ello
seleccionamos una muestra de 20 alumnos, los medimos y
tomamos la media muestral como estimador de la media
desconocida (mas adelante veremos que la eleccin de la media
muestral es razonable). Si este trabajo lo realizan 4 personas
diferentes, los resultados obtenidos podran ser los siguientes (en
centmetros):

Ejemplo josue
Cada una de las muestras obtenidas es una realizacion de un vector
aleatorio (en este caso de dimensin 20). Al estudiar los problemas de
inferencia, consideraremos la muestra como el vector aleatorio en s
(con cierta distribucin de probabilidad que depender de la
distribucin de la poblacin y del tamao de la muestra). En cuanto a
la media muestral, al ser una funcin de variables aleatorias, tambin
es una variable aleatoria. En la tabla anterior disponemos de cuatro
valores de dicha variable. Si dispusisemos de un gran numero de
ellos, podramos aproximar con precisin su distribucin en el
muestreo (que depender de nuevo de la distribucin de la poblacin y
del tamao de la muestra).

Propiedades deseables de los estimadores

Se denomina sesgo del estimadorb como estimador de a

Si

para cada , el estimador se dice

centrado o insesgado para .

Pueden existir muchos estimadores centrados para un parametro.
Por ejemplo, para estimar la media de una distribucion
cualquiera, todos los estimadores del tipo

Ejemplo carpio
Obtener un estimador centrado para el parmetro p de una
distribucin binomial. Sea X B(m,p) y sea X1,X2,...,Xn una
muestra aleatoria simple de X. Un estimador insesgado para p es

Ya que su media coincide con p:

ejemplo

Error cuadrtico medio