Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2.1. Introdução:
𝜃: Parâmetro desconhecido
Definição 10 (Estimador para 𝑔(𝜃)): Qualquer estatística que assuma valores apenas no
conjunto dos possíveis valores de 𝑔(𝜃) é um estimador para 𝑔(𝜃).
Observações:
(ii) Dizemos que um estimador 𝜃̂ é não viciado para 𝜃 se 𝐸(𝜃̂) = 𝜃, para todo 𝜃 ∈ Θ,
ou seja, se 𝐵(𝜃̂) = 0, para todo 𝜃 ∈ Θ.
(iii) Se lim 𝐵(𝜃̂) = 0, para todo 𝜃 ∈ Θ, dizemos que 𝜃̂ é assintoticamente não viciado
𝑛→∞
para 𝜃.
Exemplo 1: Seja (𝑋1 , … , 𝑋𝑛 ) uma a.a. de uma população X, com 𝐸(𝑋) = 𝜇 e 𝑉𝑎𝑟(𝑋) =
𝜎 2.
𝜎2
Temos que 𝐸(𝑋̅) = 𝜇 e 𝑉𝑎𝑟(𝑋̅) = . Portanto,
𝑛
Comparação de estimadores
1) 𝜃̂1 é melhor que 𝜃̂2 se 𝐸𝑄𝑀(𝜃̂1 ) ≤ 𝐸𝑄𝑀(𝜃̂2 ) para todo 𝜃, com “≤”
substituindo por “<” pelo menos para um valor de 𝜃. Nesse caso, 𝜃̂2 é dito ser
inadmissível.
2) Se existir um estimador 𝜃̂ ∗ tal que para todo estimador 𝜃̂ de 𝜃, com 𝜃̂ ≠ 𝜃̂ ∗ , o
𝐸𝑄𝑀(𝜃̂ ∗ ) ≤ 𝐸𝑄𝑀(𝜃̂) para todo 𝜃, com ”≤” substituído por ”<” para pelo
menos um valor de 𝜃, então 𝜃̂ ∗ é dito ser ótimo para 𝜃.
3) Além disso, se em ”2)” os estimadores são não viciados, então 𝜃̂ ∗ é dito ser o
estimador não viciado de variância uniformemente mínima (ENVVUM), pois
teremos
𝑉𝑎𝑟(𝜃̂ ∗ ) ≤ 𝑉𝑎𝑟(𝜃̂)
para todo 𝜃, com ”≤” substituído por ”<” para pelo menos um valor de 𝜃.
2.3. Estimadores Consistentes
EXEMPLO 4:
𝐸(𝑋̅𝑛 ) = 𝜇 𝑉𝑎𝑟(𝑋̅𝑛 ) = 𝜎 2 ⁄𝑛
𝜃(1 − 𝜃)
𝐸(𝑝̂𝑛 ) = 𝜃 𝑉𝑎𝑟(𝑝̂𝑛 ) =
𝑛
Tabela 1: Estimadores para média, proporção e variância
𝐿𝐼(𝜃)
𝑒(𝜃̂ ) =
𝑉𝑎𝑟(𝜃̂)
com 𝐿𝐼(𝜃) representando o limite inferior da variância dos estimadores não viciados de
𝜃.
Observações:
(i) 𝜃̂ é dito ser um estimador eficiente se 𝑒(𝜃̂) = 1, ou seja, se 𝐿𝐼(𝜃) = 𝑉𝑎𝑟(𝜃̂);
2 −1
𝜕𝑙𝑜𝑔𝑓(𝑋|𝜃)
𝐿𝐼(𝜃) = {𝑛𝐸 [ ] } ;
𝜕𝜃
𝜕𝑙𝑜𝑔𝑓(𝑋 |𝜃 )
Definição 14 (Escore): A quantidade é chamada função escore.
𝜕𝜃