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.

TEMA 3: ESTIMACIN DE PARMETRO

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

1) ESTIMACIN PUNTUAL

Estimadores y Estimaciones:

Estadsticos
Estimadores
de

Estrategias de bsqueda de
estimadores de un parmetro :
- Proponer estimadores con buenas
propiedades .
- Aplicar un mtodo de construccin de
estimadores: Estimadores MximoVerosmiles (EMV) .

Para elegir entre diferentes estimadores para estimar un mismo

parmetro nos basaremos en una medida, el ERROR
CUADRTICO MEDIO (ECM):
2

El criterio: elegir el estimador

ECM Var + E -
1 42 43
que tenga el menor ECM.
sesgo2

PROPIEDADES DE LOS ESTIMADORES PARA TODO

TIPO DE MUESTRAS:
ESTIMADOR INSESGADO significa que su media o valor
esperado coincide con el parmetro , 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 y 2 insesgados. Si Var

1 Var

2 entonces, 1 es ms eficiente que 2

,7

Distribuciones de probabilidad de dos

estimadores A y B de un parmetro poblacional
Caso 1: A y B misma varianza
Caso 2: A y B estimadores insesgados
1,4

,6

1,2

,5

1,0

,4

,8

f(B)

f(A)

,3

,6

,2

,4

f(B)

f(A)
,1

,2

0,0

0,0

E[B] E[A]=
A estimador insesgado E[A]=
B estimador sesgado E[B]
Var[A] = Var[B]
ECM[A] < ECM[B]
A mejor estimador que B

A y B insesgados E[A]=E[B]=
Var[A] > Var[B]
ECM[A] > ECM[B]
B mejor estimador que A

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 , y por lo
tanto, su sesgo tiende a cero.
E =
Esto es, lim
n
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 .
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
=0
cero.
lim Esto
Var es,
n

Ejemplo de estimador consistente

1,4

1,2

1,0

f( n 1000)

,8

,6

,4

f( n 100)

,2

0,0

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

Parmetro a
estimar

Estimador

Propiedades
estimador

Otras
propiedades

Poisson
XPo()

insesgado, eficiente,
consistente

EMV

Bernoulli
XBe(p)

p = x

insesgado, eficiente,
consistente

EMV

Normal
X N(, 2 )

insesgado, eficiente,
consistente

EMV

Normal
X N(, 2 )

S2

asint. insesgado, menor

ECM que cuasi-var S 2

EMV

Exponencial:
X Exp(1/ )

insesgado, eficiente,
consistente

EMV

Sin
especificar

insesgado, consistente

Sin
especificar

S2
S 2

asint. insesgado
insesgado

EMV= Estimador mximo-verosmil

2. Mtodos de obtencin de estimadores.

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.

p
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
0.8
0.9
1

1-p
1
0.95
0.9
0.85
0.8
0.75
0.7
0.65
0.6
0.55
0.5
0.45
0.4
0.35
0.3
0.2
0.1
0

l(p)
0
2.56893E-41
6.26579E-34
2.19818E-30
1.76685E-28
1.55772E-27
2.95461E-27
1.68258E-27
3.40712E-28
2.64097E-29
7.88861E-31
8.62495E-33
3.08132E-35
2.96595E-38
5.64195E-42
1.4615E-52
4.23912E-72
0

l(p) =p30 (1-p)70

l(p)
3.5E-27
3E-27
2.5E-27
2E-27
1.5E-27
1E-27
5E-28
0
0

0.1 0.2

0.3 0.4

0.5

0.6 0.7

0.8 0.9

3. Estimacin por intervalos

o Intervalos de confianza
Objetivos de este Apartado:
Concepto de Intervalo de Estimacin
Concepto de nivel de confianza 1-
Precisin de una estimacin por intervalo,
depende de:
Nivel de confianza 1-
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 X : N( , ) con conocida
muestra: (x1, x2, ,xn) m.a.s. tamao n cualquiera.
2

X-
Estadstico Z =
: N(0,1)
/ n

Se fija nivel de confianza 1-

P -z /2

X-
Z=
z /2 =1-
/ n

Se despeja :

P X - z /2
X + z /2
n

0,99

= 0,95
0,9

n =1-

Se sustituye X por el valor obtenido para la muestra,x , y se obtiene el intervalo:

x - z / 2

, x + z / 2 = x error de estimacin
n
n

EJEMPLO INTERVALOS DE ESTIMACIN

Sea Poblacin X: peso de los paquetes de cereal, en gramos.
X~N( , 2=100)
Muestra: (x1, x2,...., xn) m.a.s. n=16
x 503,75
s 11,3
Intervalos de confianza para :
Intervalo de confianza del 90%
499,64

x 503,75

507,86

Intervalo de confianza del 95%

498,85

x 503,75

Intervalo de confianza del 99%

497,32

x 503,75

Error =4,11 gr

Error =4,90 gr
508,65
Error =6,43 gr
510,18

Intervalos para la estimacin de la media de una poblacin

Caso 2: Poblacin X : N( , ) con desconocida
muestra: (x1, x2, ,xn) m.a.s. tamao n cualquiera.
2

X-
Estadstico T =
: t n-1
S/ n -1

Se fija nivel de confianza 1-:

X-
P -t n-1, /2 T =
t n-1, /2 =1-
S/ n -1

Se despeja :

P X - t n-1, /2

Se sustituyen
intervalo:

S
S
X + t n-1, /2
=1-

n -1
n -1

X y S por los valores obtenidos para la muestra y se obtiene el

x - t n-1, / 2

s
s = x error de estimacin

, x + t n-1, / 2

n -1
n -1

Intervalo para la estimacin de la varianza 2 de una poblacin Normal

Caso 6: Poblacin X : N( , ) con desconocida

muestra: (x1, x2, ,xn) m.a.s. tamao n cualquiera.
2

n 2
2
Estadstico Y= 2 S : n-1

Se fija nivel de confianza 1-:

n 2
2

2
P n-1,1
Y=
S

=1-
/2
n-1, /2
2

Se despeja 2:
n S2
n S2
2
P 2
=1-2

n-1, /2
n-1,1- /2

Se sustituye S2 por el valor obtenido para la muestra y se obtiene el intervalo:

2
2

n
s
n
s
2 2
, 2
con una confianza de 1-
n-1, /2 n-1,1- /2