Volver a la portadaEstadística aplicada y bioestadística · Nivelación univ. · Cambiar asignaturaEmpezar gratis
Nivelación · Estadística aplicada y bioestadística
Probabilidad e introducción a la inferencia · Estimación y contraste

Estimación puntual y propiedades

Un estudio con 80 participantes observa que 28 completan una actividad: el 35 %. Con otra muestra de 80 personas saldría otro porcentaje. ¿Qué significa entonces ese 35 %, cómo se distingue de la proporción real de toda la población y con qué criterios decides que una fórmula para estimar es mejor que otra?

Parámetro, estimador y estimación

La notación separa tres niveles. $\mu$ es el valor real, desconocido y fijo. $\bar X$ es la receta (promediar), que varía de muestra en muestra. Un valor como $\bar x = 15$ es lo que ha salido en tu muestra.

Esquema de tres niveles: el parámetro fijo de la población, el estimador como variable aleatoria sobre muestras y la estimación como un valor concreto. μ parámetro (fijo) X̄ estimador (aleatorio) 15 estimación (dato) población → muestra → número
Practica★☆☆Sin empezar
Una muestra de puntuaciones es 4, 6, 8 y 10. Estima la media poblacional mediante la media muestral.

Una muestra de puntuaciones es 4, 6, 8 y 10. Estima la media poblacional mediante la media muestral.

Resolver
Practica★☆☆Sin empezar
En 80 participantes, 28 completan una actividad. Estima la proporción poblacional de finalización.

En 80 participantes, 28 completan una actividad. Estima la proporción poblacional de finalización.

Resolver
Practica★☆☆Sin empezar
Distingue el parámetro $\mu$, el estimador $\bar X$ y la estimación 15 obtenida en una muestra.

Distingue el parámetro $\mu$, el estimador $\bar X$ y la estimación 15 obtenida en una muestra.

Resolver

Sesgo e insesgadez

La insesgadez habla del comportamiento medio al repetir el muestreo, no de una muestra concreta. Un estimador insesgado se equivoca en cada muestra, pero sin tendencia a quedarse por encima o por debajo.

Dos distribuciones muestrales: una centrada en el parámetro verdadero 10 y otra desplazada, centrada en 12, que muestra el sesgo. θ = 10 E = 12 (sesgo +2) E = 10
Practica★☆☆Sin empezar
Dos estimadores de un parámetro $\theta=10$ tienen distribuciones muestrales centradas en 10 y 12. ¿Cuál es insesgado? Explica usando el concepto de esperanza. El…

Dos estimadores de un parámetro $\theta=10$ tienen distribuciones muestrales centradas en 10 y 12. ¿Cuál es insesgado? Explica usando el concepto de esperanza.

El siguiente esquema representa los datos del ejercicio.

6 8 10 12 14 16 θ = 10 Curva A Curva B
Resolver
Practica★☆☆Sin empezar
Un estimador tiene esperanza 23 cuando el parámetro verdadero es 20. Calcula su sesgo.

Un estimador tiene esperanza 23 cuando el parámetro verdadero es 20. Calcula su sesgo.

Resolver
Practica★★☆Sin empezar
Para los datos 2, 4 y 6, calcula la varianza con divisor n y la cuasivarianza con divisor $n-1$. Indica cuál es insesgada bajo muestreo independiente con varianza finita.

Para los datos 2, 4 y 6, calcula la varianza con divisor n y la cuasivarianza con divisor $n-1$. Indica cuál es insesgada bajo muestreo independiente con varianza finita.

Resolver

Varianza y error cuadrático medio

Entre dos estimadores insesgados es mejor el que varía menos de muestra en muestra. Pero a veces conviene aceptar algo de sesgo si a cambio baja mucho la varianza. El error cuadrático medio resume ambos efectos.

Dos dianas: la de la izquierda con disparos dispersos alrededor del centro (sesgo cero, varianza alta) y la de la derecha con disparos agrupados pero desplazados (sesgo, varianza baja). sesgo 0, varianza alta sesgo, varianza baja
Practica★★☆Sin empezar
Dos estimadores insesgados tienen varianzas 4 y 9. ¿Cuál tiene menor error cuadrático medio y por qué?

Dos estimadores insesgados tienen varianzas 4 y 9. ¿Cuál tiene menor error cuadrático medio y por qué?

Resolver
Practica★★☆Sin empezar
Un estimador tiene sesgo 2 y varianza 3. Calcula su error cuadrático medio usando $\operatorname{ECM}=\operatorname{Var}+\operatorname{sesgo}^2$.

Un estimador tiene sesgo 2 y varianza 3. Calcula su error cuadrático medio usando $\operatorname{ECM}=\operatorname{Var}+\operatorname{sesgo}^2$.

Resolver
Practica★★★Sin empezar
Dos estimadores A y B tienen, respectivamente, sesgo 0 y varianza 5, y sesgo 1 y varianza 2. Compara su ECM y comenta el intercambio sesgo-varianza.

Dos estimadores A y B tienen, respectivamente, sesgo 0 y varianza 5, y sesgo 1 y varianza 2. Compara su ECM y comenta el intercambio sesgo-varianza.

Resolver

Comparar estimadores insesgados

Hay muchas formas de combinar observaciones sin sesgo. Con $X_1,X_2$ independientes, de media $\mu$ y varianza $\sigma^2$, cualquier combinación $aX_1+bX_2$ con $a+b=1$ es insesgada, porque $E=(a+b)\mu=\mu$. Pero no todas varían igual.

La curva muestra $a^2+(1-a)^2$, el factor que multiplica a $\sigma^2$. Su mínimo está en $a=0{,}5$, es decir, la media simple.

Practica★★☆Sin empezar
Una población tiene media $\mu$. Dos observaciones independientes tienen la misma distribución. Compara la esperanza de $T=(X_1+3X_2)/4$ con la de la media simple.

Una población tiene media $\mu$. Dos observaciones independientes tienen la misma distribución. Compara la esperanza de $T=(X_1+3X_2)/4$ con la de la media simple.

Resolver
Practica★★☆Sin empezar
Se afirma «un estimador insesgado coincide con el parámetro en cada muestra». Corrige la afirmación.

Se afirma «un estimador insesgado coincide con el parámetro en cada muestra». Corrige la afirmación.

Resolver
Practica★★★Sin empezar
Dos observaciones independientes de varianza $\sigma^2$ forman $T=(X_1+3X_2)/4$. Calcula su varianza y compárala con la media de ambas.

Dos observaciones independientes de varianza $\sigma^2$ forman $T=(X_1+3X_2)/4$. Calcula su varianza y compárala con la media de ambas.

Resolver

Consistencia y muestras que representan mal

Animación de la consistencia: las tres curvas de referencia se atenúan y una campana rosa centrada en el parámetro se va estrechando y alzando poco a poco al crecer el tamaño muestral, de la más ancha a la más estrecha. n pequeña → n mayor → n muy grande, alrededor de θ
Practica★★☆Sin empezar
Una secuencia de estimadores insesgados tiene varianza $9/n$. Usa Chebyshev para explicar por qué es consistente.

Una secuencia de estimadores insesgados tiene varianza $9/n$. Usa Chebyshev para explicar por qué es consistente.

Resolver
Practica★★★Sin empezar
Una muestra tiene 90 % de personas del estrato A y 10 % de B, mientras la población tiene 40 % y 60 %. Las medias estratales observadas son 20 y 30. Calcula la media sin…

Una muestra tiene 90 % de personas del estrato A y 10 % de B, mientras la población tiene 40 % y 60 %. Las medias estratales observadas son 20 y 30. Calcula la media sin ponderar y la estandarizada a la composición poblacional.

Resolver
Practica★★★Sin empezar
Para una Bernoulli con parámetro p, se observan 7 éxitos y 3 fracasos independientes. La verosimilitud es proporcional a $p^7(1-p)^3$. Sin derivar, identifica su máximo…

Para una Bernoulli con parámetro p, se observan 7 éxitos y 3 fracasos independientes. La verosimilitud es proporcional a $p^7(1-p)^3$. Sin derivar, identifica su máximo y explica qué estima.

Resolver
Practica★★★Sin empezar
Una media estimada tiene sesgo constante 1 y varianza $4/n$. ¿Se vuelve insesgada al aumentar n? ¿Qué ocurre con el ECM?

Una media estimada tiene sesgo constante 1 y varianza $4/n$. ¿Se vuelve insesgada al aumentar n? ¿Qué ocurre con el ECM?

Resolver

Vuelve al principio: el 35 % es una estimación de $p$ obtenida con el estimador $\hat p=X/n$, que es insesgado y consistente; otra muestra de 80 daría otra estimación, y por eso hace falta cuantificar su variabilidad (error estándar e intervalos, en los siguientes apartados).

Resumen

Ver todos los ejercicios de este apartado