Inferencia Estadistica

UNIVERSIDAD
NACIONAL
DE COLOMBIA
Sede BogJtá
colección textos
J. HUMBERTO MAYORGA A.
Es estadístico con maestría en ciencias-estadística
en la Universidad Nacional de Colombia.
En la actualidad es profesor asociado, vinculado
al departamento de estadística de la Facultad de
Ciencias. Su labor docente, principalmente en las
áreas de teoría estadística, probabilidad y análisis
multivariado, ha estado acompañada por el
desempeño de labores de gestión académica como
director de la carrera de estadística y de actividades
de extensión universitaria en el servicio de
consultoría estadística que el departamento presta
a los sectores público y privado.

Inferencia estadística
J. Humberto Mayorga A.
Profesor del Departamento de Estadistica
Facultad de Ciencias
Inferencia
estadística
Universidad Nacional de Colombia

FACULTAD DE CIENCIAS
BOGOTÁ
© Universidad Nacional de Colombia
Facultad de Ciencias
Departamento de Estadística
© J. Humberto Mayorga A.
Primera edición, 2004

Bogotá, Colombia.
UNIBIBLOS
Director general
Francisco Montaña Ibáñez
Coordinaci6n editorial
Dora Inés Perilla Castillo
Revisi6n editorial
Fernando Carretero
Preparaci6n editorial e impresi6n

Universidad Nacional de Colombia, Unibiblos
dirunibiblo_bog@unal.edu.co
Carátula
Camilo Umaña
ISBN 958-701-374-3
ISBN 958-701-138-4
(obra completa)
Catalogación en la publicación Universidad Nacional de Colombia
Mayorga Alvarez, Jorge Humberto, 1951-

Inferencia estadística 1 J. Humberto Mayorga A. -- Bogotá: Universidad
Nacional de Colombia, 2004
XX,3 00 p.
ISBN: 958-701-374-3
l. Estadística matemática 2. Probabilidades I. Universidad Nacional de
Colombia. Facultad de Ciencias. Departamento de Estadística
CDD-21 519.541 M473i 1 2004

Al eterno recuerdo de mi padre,
Héctor Mayorga (1918-2003)
y al grato recuerdo de mi hermana,

Myriam Mayorga (1958-2004)
Contenido
Prólogo vii
Introducción ix
1 Distribuciones Muestrales 1
1.1 La inferencia estadística como un soporte epistemológico. 2
1.2 Preliminares de la inferencia estadística . . . . . . . 5
1.3 Preliminares de convergencia de variables aleatorias 12
1.4 Características generales de algunas estadísticas. 17
1.5 Estadísticas de orden. . . . . . . . . . . . . . . . . . 25
1. 5.1 Distribución de las estadísticas de orden . . . 27
1.5.2 Distribución del rango, semirrango y mediana de
la muestra. . . . . . . . . . . . . . . . . . . . . 29
1.5.3 Distribución de la función de distribución de la
muestra . . . . . . . . . . . 30
1.6 Momentos de estadísticas de orden 31
1.7 Demostración de los teoremas 34
1.8 Ejercicios . . . . . . . . . . . . . . 57
2 Estimación puntual de parámetros 65

2.1 Métodos clásicos para construir estimadores 67
2.1.1 El método de máxima verosimilitud 68
2.1.2 El método de los momentos 79
2.1.3 El método por analogía . . . 83
2.1.4 Estimación bayesiana 84
2.2 Criterios para examinar estimadores 89
2.2.1 Concentración, un requisito de precisión 90
III
iv CONTENIDO
2.2.2 Consistencia, un requisito ligado al tamaño de la

muestra . . . . . . . . . . . . . . . . . . . . . . .. 94
2.2.3 Suficiencia, un requisito de retención de información 96
2.2.4 Varianza mínima, un requisito de máxima precisión 108
2.2.5 Completez, un requisito de la distribución muestral116
2.2.6 Robustez, un requisito de estabilidad. 123
2.3 Demostración de los teoremas . . . . . . . . . . . . . . . . 126
2.4 Ejercicios . . . . . . . . . . . . . . . . . 135
3 Estimación por intervalo de parámetros 147

3.1 Conceptos preliminares. . . . . . . . . . 148
3.2 El método de la variable pivote . . . . . 149
3.3 Estimación de promedios bajo Normalidad. 157
3.3.1 Intervalos confidenciales para el promedio de una
población . . . . . . . . . . . . . . . . . . . . . . . 157
3.3.2 Estimación de la proporción poblacional . . . . . . 161
3.3.3 Intervalo confidencial para la diferencia de prome-
dios basado en una muestra pareada . . . . . . . . 162
3.3.4 Intervalos confidenciales para la diferencia de prome-
dios en poblaciones independientes . . . . . . . . . 163
3.4 Estimación de varianzas bajo Normalidad . . . . . . . . . 165
3.4.1 Intervalos confidenciales para la varianza de una
población . . . . . . . . . . . . . . . . . . 165
3.4.2 Intervalos confidenciales para el cociente de va-
rianzas de dos poblaciones independientes 169
3.5 Ejemplos numéricos de aplicación . . . . . . . . 173
3.6 Tamaño de la muestra simple bajo Normalidad 175
3.7 Estimación bayesiana por intervalo 177
3.8 Demostración de los teoremas . . . . . . . . . . 178
3.9 Ejercicios . . . . . . . . 182
4 Juzgamiento de hipótesis 187

4.1 Elementos básicos . . . . . . . . . . . . . . . . . . . 189
4.2 Tests más potentes . . . . . . . . . . . . . . . . . . . . . . 201
4.3 Juzgamiento de hipótesis sobre promedios bajo Normalidad218
4.3.1 Juzgamiento de la hipótesis nula Ho : j), = j),o ... 218
4.3.2 Juzgamiento de la hipótesis nula Ho : j),l - j),2 = 60 227
4.4 Juzgamiento de hipótesis sobre varianzas bajo Normalidad 237
4.4.1 Juzgamiento de la hipótesis nula Ho : (72 = (76. . . 237
CONTENIDO v
4.4.2 Juzgamiento de homoscedasticidad .240

4.5 Juzgamiento de proporciones . . . .242
4.6 Ejemplos numéricos de aplicación. .246
4.7 Tamaño de la muestra . .249
4.8 Juzgamiento secuencial. . . . . . . . 252
4.9 Juzgamiento del ajuste. . . . . . . . 261
4.9.1 Juzgamiento del ajuste por medio del método de
Pearson . . . . . . . . . . . . . . . . . . . . . . . . 262
Kolmogorov-Smirnov . . 268
4.10 Demostración de los teoremas . 273
4.11 Ejercicios . 280
Bibliografía 289
Prólogo
La escritura de este libro siempre estuvo animada por el deseo obstinado

de secundar el trabajo que realiza el estudiante en el salón de clase y
fuera de éste, pues entiendo que, en definitiva, es el estudiante quien
aprehende los conceptos como fruto de sus quehaceres académicos, con-
ceptos inducidos más por sus dudas, por sus dificultades y por algunas
contradicciones con algunos de sus preconceptos, que por una exposición
frente al tablero. Según mi criterio, el profesor, como acompañante en la
formación profesional, se convierte solamente en orientador, animador y
crítico.
Con ese espíritu quise que este libro se constituyese en una juiciosa
preparación de clase de la asignatura inferencia estadística, preparación
que recopila las memorias de cada una de las oportunidades en las cuales
fui el encargado del curso a lo largo de mis años como docente en la U ni-
versidad Nacional de Colombia. De esa recopilación mucho se desechó y
corrigió, pues las preguntas de los estudiantes confundidos, las preguntas
inteligentes y las respuestas sobresalientes como las equivocadas en las
evaluaciones, generalmente suscitaron la reflexión acerca de las formas
y los contenidos de los guiones de la clase.
No pretendo publicar un texto más, pues los hay de una calidad
inmejorable, algunos clásicos cuya consulta es obligada y otros de re-
ciente edición que han incorporado nuevos desarrollos conceptuales. El
texto pretende apoyar el trabajo académico del curso, especialmente
con el propósito de optimizar el tiempo y la calidad de la exposición
de los temas, dando paso a la utilización del tablero acompañado de la
tecnología audiovisual como posibilidad para profundizar algunos de los
temas y como medio para tratar las preguntas e inquietudes estudiantiles
y no como instrumento transcriptor de frases y gráficas.
En este libro expreso mis apreciaciones personales, semánticas y con-
ceptuales promovidas por la percepción que tengo sobre la estadística y
vii
VIll PRÓLOGO
particularmente sobre la inferencia estadística, concepción que he madu-

rado y apropiado, a partir de las reflexiones con profesores del Depar-
tamento de Estadística, de discusiones informales y dentro de eventos
académicos. Su contenido y organización responden a la forma tradi-
cional como he realizado el curso, a las limitaciones de un semestre
académico para su desarrollo y a los requisitos curriculares exigidos a
los estudiantes en el mismo.
La circunstancia de mi año sabático, disfrutado durante el 2002, hi-
zo posible la redacción y digitación de este texto, pues fueron múltiples
las ocasiones fallidas de organizar en un libro el material de la clase,
debido a las ocupaciones derivadas de mis compromisos académicos, ad-
ministrativos y de servicios de asesoría estadística que la Universidad
Nacional me encargó. El texto inicialmente fue publicado por la Facul-
tad de Ciencias como notas de clase, versión que sirvió de guía del curso
de inferencia estadística dictado durante el primero y segundo semestres
de 2003 para las carreras de Matemáticas y Estadística.
La versión actual recoge sugerencias de profesores y de estudiantes
y las modificaciones fruto de las experiencias en el citado curso.
Finalmente, creo que debo agradecer a mis alumnos, pues ellos son
el motivo para organizar las ideas que presento en torno a la inferencia
estadística, y a la Universidad Nacional de Colombia que aceptó como
plan de actividades de mi año sabático, la elaboración de este texto.
Introducción
Este trabajo ha sido concebido como texto guía en el desarrollo de la

asignatura inferencia estadística, que cursan los estudiantes del pregrado
en Estadística y de la carrera de Matemáticas. Puede apoyar igualmente
algunos temas de la asignatura estadística matemática de la maestría en
Estadística. El requisito natural e inmediato para abordar los temas de
cada uno de los capítulos del libro es un curso de probabilidad, y por
supuesto los cursos de cálculo.
Se adaptaron términos de uso corriente en los textos de estadística
a formas idiomáticas que semánticamente sean más fieles al concepto.
Igualmente, se precisaron algunas expresiones comunes para mayor cla-
ridad conceptual.
El texto consta de cuatro capítulos que pueden desarrollarse durante
un semestre académico con seis horas semanales de clase tradicional.
Cada capítulo está estructurado en tres partes: exposición de los temas,
demostraciones de los teoremas y los ejercicios correspondientes. Esto
no significa que el manejo del texto deba llevarse en el orden propuesto.
El objetivo de esta organización es que la presentación de los temas
exhiba continuidad y que las demostraciones y los ejercicios tengan su
sitio especial. Los ejercicios no están ordenados por su complejidad ni
por el tema tratado, para no encasillarlos. El estudiante se acerca a
un ejercicio con información y trabajo previos; su organización de ideas
y búsqueda de caminos debe evaluar si con los elementos estudiados
hasta un cierto punto le es posible abordar el ejercicio particular. Sin
embargo, el profesor puede sugerir la realización de alguno o algunos
ejercicios cuando haya culminado un tema o parte de éste.
El primer capítulo, fundamento del texto, ubica sintéticamente a
la inferencia estadística dentro del problema filosófico secular de la in-
ducción. Retoma el tema de la convergencia de sucesiones de variables
aleatorias, y expone las ideas preliminares de la inferencia estadística.
ix
x INTRODUCCIÓN
El segundo capítulo presenta los métodos corrientes de construcción de

estimadores y los criterios para examinar las estadísticas en su calidad
de estimadores.
En el tercer capítulo se aborda el método de la variable pivote para
construir intervalos confidenciales y se hace algún énfasis en los inter-
valos confidenciales bajo Normalidad. En el cuarto capítulo se adopta
la expresión juzgamiento de hipótesis a cambio de prueba, docimasia o
cotejo, porque esta acepción está más cerca del sentido de la toma de
decisiones estadísticas e igualmente se da un espacio importante en el
juzgamiento de hipótesis bajo Normalidad.
Capítulo 1
Distribuciones Muestrales
"El conocimiento que tenemos del mundo está basado en la

elaboración de un modelo de la realidad, modelo que puede
cotejarse con la experiencia tan sólo de manera parcial y oca-
sionalmente... Este modelo se construye teniendo en cuenta
la utilización que hacemos del mismo ... ".
Jerome S. Bruner (On Cognitive Growth).
Antes de entrar en materia, es preciso destinar unos párrafos para

introducir un bosquejo del contexto en el cual la inferencia estadística
puede ubicarse, más como exposición de ideas generales que una dis-
quisición filosófica al respecto. Ese contexto está contenido dentro de
un problema más general de carácter epistemológico, que el lector puede
profundizar con las copiosas publicaciones sobre el tema. Posteriormen-
te, por tratarse de uno de los fundamentos sobre el cual la inferencia
estadística erige algunos de sus conceptos, se incluye la sección 1.3 a
manera de un extracto de la convergencia de sucesiones de variables
aleatorias, tema que forma parte de un curso previo de probabilidad,
pero que se retoma por su carácter y por su utilidad próxima.
1
2 CAPÍTULO 1. DISTRIBUCIONES MUESTRA LES
1.1 La inferencia estadística como un soporte

epistemológico
La inferencia inductiva, procedimiento que utiliza la lógica para genera-

lizar a partir de hechos particulares o a partir de la observación de un
número finito de casos, es uno de los temas que ha ocupado a filósofos y
científicos de todos los tiempos, desde la época de Aristóteles, tres siglos
antes de Cristo, hasta la actualidad.
Varios filósofos antiguos formados en el empirismo gnoseológico, con-
vencidos de que la observación era la única fuente segura de conocimien-
to, fueron los primeros en proponer la inducción o inferencia inductiva
como método lógico. Tempranamente, la inducción se convierte en un
tema de mucha controversia que aún se mantiene; si para Aristóteles,
quien planteó inicialmente el procedimiento inductivo, la ciencia es "co-
nocimiento demostrativo" , por el contrario para Sexto Empírico, uno de
los filósofos del escepticismo, la ciencia es "comprensión segura, cierta
e inmutable fundada en la razón". Así, mientras Sexto Empírico recha-
za la validez de la inducción, Filodemo de Gadara, filósofo seguidor del
epicureísmo, defiende la inducción como método pertinente.
y la controversia, llamada el problema de la inducción o también
conocida como el problema de Hume, reside precisamente en que mien-
tras la inferencia deductiva avala la transferencia de la verdad de las
premisas a la conclusión, es decir, a partir de premisas verdaderas toda
deducción es cierta, a costa de no incorporar nada al contenido de las
premisas, la inducción por su parte que va más allá de las premisas,
por su carácter amplificador, puede dar lugar a conclusiones falsas. En
pocas palabras, la controversia se centra en la validez que puedan tener
los razonamientos inductivos, puesto que las conclusiones por medio de
la inducción no siempre serán verdaderas.
Algunos pensadores medievales también se preocuparon de la induc-
ción. El inglés Robert Grosseteste, al utilizar en su trabajo científico los
métodos aplicados por sus discípulos de Oxford en óptica y astronomía,
reabre en la Edad Media el tema de la inducción; si bien varios filósofos
de la época orientaron sus reflexiones hacia los métodos inductivos, los
ensayos y trabajos de Francis Bacon inspirados en la reorganización de
las ciencias naturales, constituyeron el apogeo del método inductivo.
No obstante, según Hume, las leyes científicas no tienen carácter
universal, es decir son válidas únicamente cuando la experiencia ha
1.1. LA INFERENCIA ESTADÍSTICA COMO UN SOPORTE EPISTEMOLÓGICO 3
mostrado su certidumbre y tampoco tienen la función de la previsibili-

dad. Popper, filósofo de la ciencia, conocido por su teoría del método
científico y por su crítica al determinismo histórico, en el mismo senti-
do de Hume, afirma que no puede existir ningún razonamiento válido a
partir de enunciados singulares a leyes universales o a teorías científicas.
Más recientemente, Bertrand Russell mantiene la posición de Hume de
la invalidez de la inducción, pero considera que ella es el camino para
incrementar la probabilidad, como grado racional de creencia, de las
generalizaciones.
La conocida Ley débil de los grandes números incluida en la cuarta
parte del trabajo más sobresaliente de Jacob Bernoulli, Ars Conjectandi,
publicado después de su muerte en 1713, y el también conocido teorema
de Bayes publicado cincuenta años más tarde, aportaron nuevos ele-
mentos a la discusión al constituirse en argumentos matemáticos que
--
sustentan la posibilidad de inferir probabilidades desconocidas a partir
de frecuencias relativas. Sin embargo, según Popper, sustituir la exigen-
cia de verdad por la validez probabilística para las inferencias inductivas
no lo hace un procedimiento legítimo.
Durante las primeras décadas del siglo pasado, a raíz de los impor-
tantes avances de la ciencia ocurridos a finales del siglo XIX y a prin-
cipios del siglo XX, avances que no podían pasar inadvertidos para los
pensadores, obligaron a los filósofos a revisar muchas de las ideas de los
clásicos y es así como un grupo de hombres de ciencia, matemáticos y
filósofos, se organizan en 1922 en torno al físico Moritz Schlick, profesor
de filosofía de la ciencia de la Universidad de Viena, convirtiéndose en
un movimiento filosófico internacional, principal promotor del positivis-
mo lógico (también llamado neopositivismo, neo empirismo o empirismo
lógico), movimiento conocido como Círculo de Viena, conformado entre
otros, además de Schlick, por Hahn, Frank, Neurath, Kraft, Feigl, Wais-
mann, Cadel, y Carnap; Einstein, Russell y Wittgenstein eran conside-
rados miembros honoríficos y Ramsey y Reinchenbach como miembros
simpatizantes del mismo.
Este movimiento filosófico se dedicó a muchos y variados temas de
la filosofía de la ciencia, y por supuesto al problema de la inducción. En
síntesis, puede afirmarse que el hilo conductor de las ideas del Círculo
de Viena fue la defensa de una visión científica del mundo a través de
una ciencia unificada ligado al empleo del análisis lógico en el sentido de
Russell.
Pero, respecto a la inducción, el Círculo no cerró la discusión; concre-

tamente para Popper y sus seguidores, la escuela del refutacionismo, el
método científico no utiliza razonamientos inductivos, sino razonamien-
tos hipotético-deductivos. Así se acopien datos y hechos particulares
dentro del procedimiento de evaluación de una hipótesis que dan paso a
una conclusión de carácter general, no existe como tal un razonamiento
inductivo. Para el refutacionismo, la ciencia se concibe como una suce-
sión de conjeturas y refutaciones: se proponen conjeturas para explicar
los hechos, que luego serán refutadas para promover nuevas conjeturas.
En síntesis, según Popper y su escuela, ninguna teoría científica puede
establecerse en forma concluyente.
Sin embargo, para Feyerabend y Kuhn, en otro momento de gran
controversia en este tema, las décadas del 60 y 70, la práctica científica
no está en correspondencia con este proceder racional ni tampoco puede
lograrlo, porque en gran medida existen supuestos relativos a la objetivi-
dad, a la verdad, al papel de la evidencia y a la invariabilidad semántica.
Según Feyerabend, no existen principios universales de racionalidad cien-
tífica; el crecimiento del conocimiento es siempre específico y diferente
como tampoco sigue un camino de antemano fijado.
Dentro de esta controversia, a la inferencia estadística no se le ha
eximido del problema de la inducción. Ronald Fisher, considerado por
muchos el padre de la estadística, defendió el papel inductivo que conlle-
va el juzgamiento de hipótesis 1. Sin embargo, un sector de científicos y
filósofos consideran que tanto la estimación de parámetros como el juz-
gamiento de hipótesis tienen dirección inductiva pero el razonamiento o
inferencia que se lleva a cabo es de carácter deductivo.
En fin, la historia y la filosofía de la ciencia tuvieron un enorme
auge a lo largo del siglo pasado, continúan acopiando y estructurando
reflexiones y argumentos sobre la inducción, pero al no ser el propósito
de esta sección tratar el proceso lógico de la inducción desde el punto
de vista filosófico, ni tampoco pretender su recuento histórico, ni mucho
menos asumir una posición respecto a ella, se omiten nombres de muy
destacados pensadores contemporáneos. Lo que realmente motiva incluir
los párrafos anteriores es poner de manifiesto de manera muy concisa que
el problema de la inducción es filosófico con 23 siglos de existencia, al
cual generaciones de filósofos y científicos se han dedicado.
y más allá del debate epistemológico y metafísico contemporáneo
1 La denominación juzgamiento de hipótesis se justificará en el capítulo 4.

1.2. PRELIMINARES DE LA INFERENCIA ESTADÍSTICA 5
dentro de la filosofía de la ciencia, gran parte de la ciencia actual frente

a una naturaleza entrelazada de azar concomitante con una variabilidad
inherente, reconoce de una u otra manera que el ensanche de su cuer-
po conceptual requiere la participación imprescindible de la estadística.
Mucho antes de la omnipresencia del computador, de los avances verti-
ginosos de la teoría y de los métodos estadísticos de los últimos tiempos,
Hempel en 1964, en su libro Aspectos de la explicación científica, se
refería a los dos modelos de explicación de tipo estadístico: "El modelo
estadístico deductivo, en el que las regularidades estadísticas son de-
ducidas de otras leyes estadísticas más amplias, y el modelo estadístico
inductivo, en el que los hechos singulares se explican subsumiéndolos
bajo leyes estadísticas".
En esta dirección, cuando en los quehaceres científicos, tecnológicos
o administrativos se recurre a la estadística para organizar y orientar sus
procesos y métodos, y cuando se recurre a ella para apoyar argumentos y
decisiones, ese recurso suele convertirse, desde uno de los puntos de vista,
en un proceso de inducción específicamente que puede clasificarse como
de inducción amplificadora, de manera análoga a como Francis Bacon
vio en la inducción el procedimiento esencial del método experimental,
o convertirse en una serie de actividades ligadas a un procedimiento
propio de la ciencia o la tecnología, en un procedimiento hipotético-
deductivo, como lo entiende la escuela popperiana. Para cualquiera de
los dos puntos de vista que se asuma, la estadística brinda un respaldo
exclusivo en la inferencia.
1.2 Preliminares de la inferencia estadística

Dentro del contexto del parágrafo anterior, cabe formularse varias pre-
guntas:
1. ¿Cuál es el objeto para el cual son válidos los enunciados generales

producto de la inducción, de la decisión o la estimación que realiza
una aplicación estadística?
2. ¿Cuáles son las unidades que permiten obtener la información de

casos particulares como punto inicial en el citado proceso?
3. ¿Cuáles son los principios que rigen este proceso tan particular de
inferencia?
6 CAPÍTULO 1. DISTRIBUCIONES MUESTRALES
La pregunta (1) indaga por el conjunto de todos los elementos que

en un determinado momento interesan a un investigador, a un gestor
o a un tomador de decisiones. Elementos diferentes entre sí pero que
tienen una o varias características comunes que los hacen miembros del
conjunto en consideración. Al respecto, en algunas disciplinas cientí-
ficas esas características comunes se denominan criterios de inclusión,
complementados con los criterios de exclusión, para definir concisamente
la pertenencia de un elemento al conjunto y para precisar igualmente la
pérdida de la calidad de pertenencia del elemento.
Para referirse a ese conjunto mencionado, el lenguaje corriente de la
estadística utiliza el término población; ese agregado o colección de las
unidades de interés es, en últimas, el objeto receptor del producto del
proceso de inducción, de la decisión o de la estimación.
La segunda pregunta parece confundirse con la primera. Aunque
la pregunta se refiere a esas entidades que corresponden a los hechos
particulares, a los casos singulares, a ese conjunto finito de casos, que
son examinados durante la primera etapa de la inferencia, la reunión de
todas las unidades posibles constituye ese conjunto que se ha llamado
población. Pero su estricta determinación radica en que cada una de
esas unidades será, en sentido metafórico, un interlocutor con el inves-
tigador. Interlocutor, porque la investigación puede entenderse, de ma-
nera análoga, como un proceso comunicativo: el investigador pregunta,
la naturaleza responde. Esas unidades pueden denominarse unidades
estadísticas de manera genérica para subsumir en esa denominación
otras como unidad experimental, unidad de análisis, sujeto o caso.
Como en casi todas las oportunidades, de hecho no existe la posibi-
lidad de "dialogar" con todas las unidades estadísticas, debido a impera-
tivos que lo impiden, asociados a varios aspectos. Por ejemplo, cuando
el tamaño de la población, es decir, el cardinal del conjunto que reúne
a todas las unidades estadísticas, es ingente; o cuando la respuesta de
la unidad implica su desnaturalización o deterioro; igualmente, cuando
ese "diálogo" es oneroso, o cuando los resultados de la investigación se
requieren con apremio.
A ese subconjunto de unidades que se aludía como el conjunto finito
de casos examinados durante la primera etapa del proceso de inferencia,
circunscrito al subconjunto de unidades estadísticas elegidas por medio
de procedimientos estadísticos formales, por supuesto, se le designa co-
rrientemente como muestra.
A diferencia de las dos preguntas anteriores, cuyas respuestas son

en últimas acuerdos semánticos, la tercera requiere respuestas a partir
de elaboraciones conceptuales, las cuales se darán gradualmente con el
desarrollo de los capítulos objeto de este texto; pero aquí, de una manera
sucinta, se esboza el fundamento de las respuestas.
La estadística facultada para sustentar y conducir procesos de induc-
ción, decisión y estimación muy característicos, cuenta con la inferencia
estadística como la fuente conceptual que nutre, avala y licencia la es-
tructura y el funcionamiento de métodos y procedimientos estadísticos.
Para el desarrollo de cada una de sus dos componentes, relativos a la
estimación de parámetros y el juzgamiento de hipótesis, la inferencia
estadística tiene como punto de partida la referencia o el establecimien-
to de modelos para representar variables observables o no observables,
modelos que pueden ser explícitos o generales.
Semánticamente, el vocablo modelo responde a varias acepciones,
particularmente dentro del lenguaje científico y tecnológico. Sin em-
bargo, el sentido que la estadística le confiere al término consiste en
una traducción de un aspecto de la realidad a un lenguaje simbólico,
como uno de los recursos para representar de manera simplificada su
comportamiento, que habilite procesos de generalización que incluyan
sus aspectos fundamentales y que faciliten su descripción o permitan la
toma de decisiones.
La factibilidad de representar variables muy disímiles asociadas con
fenómenos de distintos campos del saber a través de un mismo modelo
de probabilidad, le permite a la inferencia estadística detenerse en el
modelo mismo para convertirlo en su objeto de estudio. A partir de
su estructura, de las expresiones matemáticas asociadas a su naturaleza
y con ellas de la presencia y papel que desempeñan los parámetros, se
construyen y evalúan posibles estimadores de estos últimos, y de igual
manera se derivan y evalúan procedimientos que permitan juzgar afir-
maciones sobre el modelo.
En consecuencia, los principios que avalan procesos de carácter es-
tadístico, tratados por la inferencia estadística y motivo de la tercera
pregunta, consisten en métodos y criterios relacionados con la construc-
ción de estimadores y test y con el examen de la aptitud e idoneidad de
los mismos, y que tal como se anunció, la descripción y el desarrollo de
los citados principios son en definitiva el contenido mismo de este texto.
Definición 1.2.1. Una muestra aleatoria es una sucesión finita de

variables aleatorias Xl, X 2 , . .. ,Xn independientes e idénticamente dis-

tribuidas. De manera más general, una sucesión de variables aleatorias
Xl, X2, ... , independientes y con idéntica distribución, también se de-
nomina muestra aleatoria. En el caso de una sucesión finita, el valor n
recibe el nombre de tamaño de la muestra o tamaño muestral.
La definición anterior revela que en el contexto estadístico el término

muestra presenta dos acepciones: ser un subconjunto de unidades es-
tadísticas elegidas por métodos estadísticos formales y la adjetivada co-
mo aleatoria expuesta en la definición anterior, ésta referida a una suce-
sión de variables aleatorias. Lo mismo le ocurre al término población:
denota al conjunto completo de unidades estadísticas objeto de estudio
y ahora se le concibe como una variable aleatoria, en el sentido que se
expone a continuación.
El acceso al estudio de ese conjunto de unidades estadísticas se lleva
a cabo mediante el examen de las características o respuestas de sus in-
tegrantes, interpretadas como variables; el discernimiento de la esencia
ya no individual sino colectiva de las unidades es en suma el motivo
de la investigación o estudio. Por ello, el comportamiento de las varia-
bles se convierte entonces en un elemento revelador de características y
propiedades que sustentan la descripción de la colectividad, las explica-
ciones o las decisiones a que haya lugar.
El comportamiento real de una o varias variables es un compor-
tamiento reflejo de la naturaleza de la población, que no siempre es
posible conocer. Por tanto, acudir a modelos de probabilidad para emu-
lar el comportamiento poblacional es un recurso legítimo que reduce
carencias, permite aprovechar las virtudes propias del modelo y hace
posible la utilización de un lenguaje universal, por supuesto sobre la
base de una escogencia juiciosa del modelo.
Entonces, un aspecto de las unidades estadísticas observado, medido
o cuantificado en una variable (o varios aspectos utilizando un vector
para disponer las variables) se le abstrae como una variable aleatoria
(o un vector aleatorio) que tiene asociado un modelo particular. Es-
ta variable aleatoria que representa una variable en la población suele
denominársele igualmente población.
Según estas consideraciones, la sucesión X I ,X2 , ... ,Xn de la defini-
ción anterior denominada muestra aleatoria, además de ser un elemento
del ámbito conceptual de la teoría estadística, puede vincularse con la
información específica acopiada de un subconjunto de n unidades es-
tadísticas de las cuales se dispone de los valores Xl, X2, . .. ,Xn , corres-
pondientes a una variable denotada por X. En otros términos, el valor
Xi puede entenderse como una realización de la correspondiente variable
aleatoria Xi, i = 1,2, ... , n; por eso es habitual encontrar recurrente-
mente la expresión "sea Xl, X 2 , ... ,Xn una muestra aleatoria de una
población con función de densidad ... ". El contexto en el cual se en-
cuentre el vocablo población delimita la acepción en uso: un conjunto
o una variable aleatoria. Las constantes constitutivas del modelo pro-
babilístico elegido para representar una población, llamadas usualmente
parámetros, se disponen en un vector de k componentes, k = 1,2, ... ,
que puede denotarse como () al cual se le designa como parámetro del
modelo.
Definición 1.2.2. Sea Xl, X2, ... ,Xn , una muestra aleatoria de una
población cuya función de densidad o función de probabilidad depende
de un parámetro (), vector de k componentes, y sea además t una función
de dominio ~n y recorrido ~q con q :s; n, tal que t(X l , X 2 , ..• , X n ) es
un vector aleatorio de q componentes, q = 1,2, ... ,n, función que no de-
pende de ningún componente del vector (), ni de constantes desconocidas,
también llamadas parámetros que cuantifican rasgos generales en la po-
blación cuando no se asume un modelo específico. En estas condiciones,
el vector aleatorio t(X l , X2, ... ,Xn ) recibe el nombre de estadística.
La dimensión de la estadística estará dada por el valor de q; una

estadística es unidimensional cuando q = 1, bidimensional cuando q = 2,
Y así sucesivamente.
Como el aspecto determinante en la naturaleza de una estadística es
su no dependencia funcional de parámetros, se le resalta por medio del
siguiente ejemplo.
Ejemplo 1.2.3. Asumiendo el modelo gaussiano para representar una

variable en la población, y si Xl, X 2 , . .. ,Xn es una muestra aleatoria
de la población así modelada, son estadísticas entre otras
• Xl + X 2 + ... + X n = X n
n
• (X n , S~)
• (X 1 ,X2 , ... ,Xn )
Las tres primeras estadísticas son unidimensionales, la cuarta bidimen-

sional y la última de dimensión q = n.
Puesto que los parámetros p, y (j son las constantes características del
modelo gaussiano, particularmente las dos siguientes variables aleatorias
no son estadísticas:
n
¿
t
z=l
(Xi -Xn)2
(j
y
i=l
(Xi - p,)2
n-1
El contenido semántico que se les da en estadística tanto al término

estimar como al término estimación, para referirse a su acción o efec-
to, proviene de una de las acepciones corrientes que tiene el segundo
vocablo. El significado en mención de aprecio o valor que se da y en
que se tasa o considera algo 2 , no sugiere un cálculo aproximado de un
valor como equivocadamente se entiende, porque no hay referentes para
calificar su aproximación, pero sí los hay para el proceso que genera las
estimaciones, tampoco sugiere un proceso adivinatorio. Debe entender-
se como la realización formal de un avalúo, es decir, en llevar a cabo un
proceso que exige de manera imprescindible el contar con información
de ese algo del cual se quiere fijar su valor. Por tanto, la calidad de la
estimación depende directamente de la calidad original y de la cantidad
de información que se posea. Consecuentemente, una cantidad insufi-
ciente de información genera estimaciones no fiables, como las genera
una gran cantidad de información de calidad exigua.
A manera de sinopsis, considerando simultáneamente tanto la can-
tidad de información como su calidad y utilizando el plano cartesiano
para su representación, en la figura 1.1 se adjetivan distintas circunstan-
cias en calidad y cantidad de información que constituye el insumo en
el proceso de estimación.
El proceso de inferencia sería inigualable si se contara con toda la in-
formación de excelente calidad, circunstancia prácticamente no factible.
Esta situación ideal, antagónica con la peor cualificación de la informa-
ción (una escasa cantidad de información de pésima calidad) no es la
2Real Academia Española (2001). Diccionario de la lengua española. Vigesimase-
gunda edición. Madrid: Espasa Calpe S.A.
.-~~~_-_-_-_-_-] ~./ 1
100%¡,.,.,.,........
~u I I
~Q), I I
I I
o Calidad 100%
Figura 1.1: Diagrama de calidad y cantidad de información.
única que debe censurarse dentro del proceso de estimación. Igualmente

censurable es contar con una acumulación exorbitante de información
de deficiente calidad que no propicia un buen resultado, ni tampoco
mantener el mejor nivel de calidad de la información en una cantidad
minúscula de la misma.
La calidad de la información, de la cual este texto no se ocupa porque
se pretenden propósitos de otro tipo, debe asegurarse a partir del diseño,
construcción y calibración de instrumentos para el registro de la informa-
ción, dentro de la organización y ejecución de las actividades de acopio
de información y durante el proceso de almacenamiento y guarda de la
información.
Definición 1.2.4. Una estadística con dimensión igual al número total

de componentes k del vector e o al número de componentes descono-
cidos, estadística cuyas realizaciones son utilizadas para llevar a cabo
estimaciones del parámetro del modelo probabilístico asumido, o de sus
componentes, se denomina estimador y a las citadas realizaciones o
valores particulares se les conoce como estimaciones.
Definición 1.2.5. El modelo probabilístico que rige el comportamiento
de una estadística o de un estimador se denomina distribución mues-
tral de la respectiva estadística o del respectivo estimador.
Algunos autores se refieren a la distribución de la variable aleato-

ria que representa a la población, como la distribución original de las
observaciones o modelo original, y a la distribución muestral de una
estadística como la distribución reducida o modelo reducido.
Definición 1.2.6. Sea Xl, X 2 , ... , X n una muestra aleatoria de una po-
blación con momentos ordinarios y centrales /-l~ y /-lr respectivamente.
Los momentos muestrales, ordinarios y centrales de orden r,
r = 1,2, ... , cumplen en la muestra funciones análogas a los momentos
poblacionales /-l~ y /-lr, se denotan y definen como
1 n
M: ,n = -
n~" Xi
i=l
1 n _
Mr,n =;; ¿(Xi - Xnf·
i=l
El caso particular cuando r = 1, esto es, el primer momento ordinario

muestral, M{ ,n = X n , es llamado de manera más corriente promedio
muestral o promedio de la muestra. Por otra parte, se prefiere
como varianza muestral en cambio del segundo momento muestral,
por razones que posteriormente se justificarán, a la expresión
1 n
n _ 1 ¿(Xi - Xn)2.
t=l
1.3 Preliminares de convergencia de variables

aleatorias
Para aprestar los elementos que se requieren en la inferencia estadística,
es preciso abordar de una manera sucinta los tipos de convergencia de
variables aleatorias en razón de que posteriormente el crecimiento del
tamaño de muestra permite derivar propiedades interesantes de algunas
estadísticas, y por tanto el propósito de esta sección es presentar los
tipos más corrientes de convergencia de variables aleatorias.
Por medio de {Xn }, n = 1,2, ... , se describe una sucesión de varia-
bles aleatorias Xl, X 2 , .. . , la cual es una sucesión de funciones medibles
1.3. PRELIMINARES DE CONVERGENCIA DE VARIABLES ALEATORIAS 13
{X n (w)} definida en un espacio muestral O, Y teniendo en cuenta que

todas las variables aleatorias constituyentes de la sucesión están consi-
deradas en el mismo espacio de probabilidad (O, A, P).
En primer lugar, siendo {Xn } una sucesión de variables aleatorias y
c un número real, el conjunto {wIXn(w) = c} E A, de manera que
P [lim X n
n-->oo
= c] = 1
esté siempre definido.
Se dice que la sucesión de variables aleatorias {Xn } converge casi
seguro a cero o converge a cero con probabilidad uno si:
P [lim X n =
n-->oo
o] = 1.
Además, si las variables aleatorias Xl, X 2 , . .. , y la variable aleatoria

particular X están definidas en el mismo espacio de probabilidad, se
afirma que la sucesión de variables aleatorias {Xn } converge casi se-
guro a la variable aleatoria X, si la sucesión de variables aleatorias
{Xn - X} converge casi seguro a cero; este tipo de convergencia también
se conoce como convergencia fuerte y se simboliza como
Ejemplo 1.3.1. Si el comportamiento probabilístico de cada una de las

variables aleatorias de la sucesión {Xn } se modela por medio de la dis-
tribución de Bernoulli de manera que X n "" Ber((!)n), entonces
En efecto,
P [ lim X n
n-->oo
= O] = 1
puesto que P[Xn = O] = 1 - (!r·Como V [Xn ] = ar [1- (!rJ,
puede notarse el decrecimiento de dicha varianza en cuanto n se incre-
menta, es decir, X n va perdiendo el carácter de variable aleatoria porque
su varianza va tendiendo a cero, esto es, la variable va asumiendo rasgos
de una constante.
En segundo lugar, se dice que la suceSlOn de variables aleatorias
{Xn } converge en probabilidad a la variable aleatoria X, hecho
simbolizado como
si lim P [lXn - XI < E] = 1, para E > O. Para referirse a la convergen-

n->oo
cia en probabilidad también puede utilizarse convergencia estocástica,
convergencia en medida o convergencia débil.
Específicamente dentro de la convergencia en probabilidad y debido
al uso principal que tendrá en la construcción de estimadores por el
llamado método de los momentos, se enuncia el siguiente teorema.
Teorema 1.3.2. Siendo las variables aleatorias X~j) , Xj, j = 1,2, ... , k,
Y la función 9 : IR. k -----7 IR. continua, tal que tanto g(X~l), X~2), ... ,X~k))
como g(X1 , X2, . .. ,Xn ) sean variables aleatorias, entonces si X:.p ~ X j
implica que
g(X~l), X~2), ... , X~k)) ~ g(X1 , X 2, . .. , X n ).
Corolario 1.3.3. Si X n ~ X Y W n ~ W, entonces
1. X n + Wn ~X + W.
p
2. X n W n ---+ XW.
3. aXn + bWn ~ aX + bW; a, b constantes.
4· ~ ~ ~; P[Wn =1= O] = P[W =1= O] = 1.
5. X~ ~ X2.
6. ln ~ 1-; P[Xn =1= O] = P[X =1= O] = 1.
Un tercer tipo de convergencia se conoce como convergencia en

momento de orden r . En este caso cada variable de la sucesión de
variables aleatorias {Xn } y X poseen el momento ordinario de orden r.
En estas circunstancias se afirma que la sucesión de variables aleatorias
converge en momento de orden r a la variable aleatoria X, lo
cual se representa como
Xn~X
si lim E [(IX n - XIY] = O. Particularmente, si r = 1 suele decirse que
n->oo
la sucesión de variables aleatorias {Xn } converge en valor esperado
a la variable aleatoria X. De manera similar, cuando r = 2, la
convergencia se conoce como convergencia en media cuadrática.
1.3. PRELIMINARES DE CONVERGENCIA DE VARIABLES ALEATORIAS 15
Un cuarto y último tipo de convergencia de variables aleatorias se

refiere a una sucesión de variables aleatorias {Xn }, cuya correspondien-
te sucesión de funciones de distribución Fl (x), F 2 (x), ... , se considera.
De esta manera, la sucesión de variables aleatorias {Xn } converge en
distribución a la variable aleatoria X, cuya función de distribución
es F(x), hecho denotado
d
Xn ---+ X
si lim Fn(x) = F(x) para todo x, donde F(x) es continua.

n-too
Teorema 1.3.4 (Teorema de Lévy). Considerando la variable aleato-

ria particular X y la sucesión de variables aleatorias {Xn }, definidas
sobre el mismo espacio de probabilidad, y siendo {ljJn (t)} la sucesión de
funciones características correspondientes a las variables de la sucesión
{Xn },
X n .!!... X si y sólo si lim IjJn(t)
n-too
= ljJ(t)
para t E IR Y 1jJ( t) la función característica de la variable aleatoria X,
continua en cero.
Teorema 1.3.5 (Teorema de Lévy). Versión para funciones genera-

trices de momentos. Considerando la variable aleatoria particular X y la
sucesión de variables aleatorias {X n }, definidas sobre el mismo espacio
de probabilidad, y siendo {Mn(t)} la sucesión de funciones generatrices
de momentos correspondientes a las variables de la sucesión {X n }, las
cuales existen para t real en algún intervalo alrededor de cero,
X n .!!... X si y sólo si lim Mn(t)

n-too
= M(t)
para t real en algún intervalo alrededor de cero y M(t) la función gene-

ratriz de momentos de la variable aleatoria X.
Ejemplo 1.3.6. En los cursos generales de probabilidad y estadística,

se demuestra que cuando es apropiada la utilización del modelo Bino-
mial, pero el número de repeticiones n es grande y simultáneamente la
probabilidad de éxito 7r es muy pequeña, es decir n ---+ 00 y 7r ---+ 0, es
lícito utilizar el modelo de Poisson con ,\ = n7r. La legitimidad de este
proceder es respaldada por motivos de convergencia en distribución. Si
Xl, X 2, ... , X n , ... , representa una sucesión de variables aleatorias tales
que X n rv Bin(n,7r), condicionado el producto n7r a permanecer cons-

tante en el valor A, y como Mxn(t) = (1- 7r + 7rett, entonces
lim Mxn(t) =
n~oo
lim [1 - 7r (1 - et)t =
n~oo
lim
n~oo
[1 - ~n (1- et)]n
= eA(et-l) ,
A = n7r, límite reconocido como la función generatriz de una varia-

ble aleatoria con distribución de Poisson con parámetro A. Es decir,
Xn ~ X rv Poiss(A).
Teorema 1.3.7. Sea {Xn } una sucesión de variables aleatorias.
X n ~ c si y sólo si lim Fn(x) = F(x)

n-too
siendo c una constante, Fn(x) la función de distribución de X n y F(x)

una función de distribución tal que F (x) = O para x < c y F (x) = 1
para x :2: c.
Ejemplo 1.3.8. Si Xl, X 2 , ... ,Xn es una sucesión de variables alea-

torias tales que X n rv x2 (n), la sucesión de variables aleatorias {Yn },
con Yn = ~, converge en probabilidad al valor 1. El examen del
lim MYn (t) permite concluir la convergencia enunciada de la suce-
n~oo
sión, a la luz del teorema 1.3.7. En efecto, como X n rv x2 (n), luego

M Xn (t) = (1 - 2t)-~, M Yn (t) = (1 - ~) -~. Entonces
lim
n~oo
(1 - 2t)
n
-~ lim
h~O
(1 - ht)-* = et siendo h
2
= -h .
Esto significa que Fx(x) es una función tal que Fx(x) = O para x < 1 Y
Fx(x) = 1 para x :2: 1; es decir, se trata de una constante igual a t. En
consecuencia, el teorema anterior permite concluir que Y n ~ 1.
Entre los diferentes tipos de convergencia existen relaciones que es

necesario destacar. El siguiente teorema las reúne.
Teorema 1.3.9. Estando las variables aleatorias Xl, X2, ... y la va-
riable particular X definidas sobre el mismo espacio de probabilidad
(D,A,P):
1.4. CARACTERÍSTICAS GENERALES DE ALGUNAS ESTADÍSTICAS 17
1. Si {X n } converge casi seguro a la variable aleatoria X con proba-

bilidad 1, implica que {Xn } converge en probabilidad a la variable
aleatoria X.
2. Si {Xn } converge en valor esperado a la variable aleatoria X, im-

plica que {Xn } converge en probabilidad a la variable aleatoria X.
3. Si {Xn } converge en probabilidad a la variable aleatoria X implica

que {Xn } converge en distribución a la variable aleatoria X.
4. Siendo r > s, la convergencia de una sucesión de variables alea-

torias {Xn } en momento de orden r implica la convergencia de la
sucesión en momento de orden s.
De manera gráfica las relaciones que enuncia el teorema 1.3.9 se
pueden recapitular en la figura 1.2.
Convergencia
casi segura
, ~~---~-.,
Convergencia en
}
Convergencia en
probabilidad distribución
~~/
Convergencia en
valor esperado
Figura 1.2: Relaciones entre algunos tipos de convergencia de variables

aleatorias.
1.4 Características generales de algunas esta-

dísticas
Los momentos muestrales, además de cumplir funciones análogas a los
momentos poblacionales como se incorporó en la definición 1.2.6, son es-
tadísticas de uso frecuente que con la garantía de la existencia de deter-

minados momentos poblacionales, sus distribuciones muestrales poseen
propiedades generales respecto a su posición y a su dispersión en la forma
como el siguiente teorema lo indica.
Teorema 1.4.1. Si X l ,X2, ... ,Xn es una muestra aleatoria de una po-
blación representada por la variable aleatoria X con varianza a 2 y con
momento ordinario J-l~r' r = 1,2, ... , entonces el valor esperado y la
varianza del momento muestral ordinario son, respectivamente:
E[Mr,n
I l-
- J-lrI
V[M:,nl = ~ [E[x2rl - (E[X r ])2]
= ~ [J-l~r - (J-l~)2] .
Corolario 1.4.2. Según las hipótesis del teorema 1.4.1,
E[Xnl = J-l~ = J-l

_ a2
V[Xnl = - .
n
Teorema 1.4.3. Si Xl, X2, .. . , X n es una muestra aleatoria de una po-
blación con valor esperado, también llamado promedio poblacional,
J-l y varianza a 2, conocida como varianza poblacional, y existiendo
además el momento central de orden cuatro J-l4, entonces
E[Snl2= E [1 n_ 1~
~(Xi - X n) - 2] = a2
V[Snl 2 = -1 ( J-l4 - n -- a
- 3 4) ,n > 1.
n n-1
El tamaño de la muestra es un elemento sustancial tanto para las
disquisiciones en la teoría de la estadística como para la utilización de la
misma. La pregunta, por su magnitud, es quizá de las más inquietantes
para el investigador en la búsqueda de respaldo a la confiabilidad de su
investigación; el tamaño muestral es uno de los aspectos con los cuales
se certifican o descalifican estudios. Es, en definitiva, un punto obligado
para dilucidar.
La incidencia relevante del tamaño de la muestra en la distribu-

ción muestral de muchas estadísticas gira alrededor del tema conocido
como distribuciones asintóticas. En particular, a medida que vaya in-
crementándose el tamaño de la muestra, el promedio muestral adquiere
unos rasgos propios que los siguientes teoremas describen.
Teorema 1.4.4 (Ley débil de los grandes números). Si las varia-
bles aleatorias Xl, X2, . .. ,Xn constituyen una muestra aleatoria de una
población con valor esperado ¡.L y varianza 0- 2 , entonces
Xl X2+ Xn P + ... +
- - - - - - - - ~ ¡.L.
n
La nota de la demostración del teorema anterior destaca el hecho
que
P [-E < X n - ¡.L < E] ~ 1- Ó
2
0-
para n entero mayor que &2' E > O, Ó > O; lo cual permite determinar
la magnitud del tamaño muestral según prefijados requisitos. Esta cota
para el tamaño de la muestra debe entenderse dentro del contexto de
una población infinita y una muestra simple.
Ejemplo 1.4.5. ¿Cuál debe ser el tamaño de la muestra para tener una
probabilidad de 0.95 de que el promedio muestral no difiera de ¡.L en más
de una cuarta parte de la desviación estándar?
En esta situación, E = 0.250-, Ó = 0.05; por lo tanto:
2
0-
n > (0 .....') 50- )2 (0.05 ) = 320.
Modificando parcialmente las condiciones del teorema 1.4.4 en el

sentido de no hacer ninguna mención de la varianza 0- 2 , es posible reiterar
la convergencia en probabilidad del promedio de la muestra, como lo
presenta el siguiente teorema.
Teorema 1.4.6 (Teorema de Khintchine). Si Xl, X2, ... , X n es una
muestra aleatoria de una población con valor esperado ¡.L, entonces
- P
Xn ~ ¡.L.
De manera más general, la convergencia en probabilidad de los mo-

mentos muestrales ordinarios a los momentos poblacionales ordinarios
está avalada por el siguiente teorema.
Teorema 1.4.7. Si Xl,X2, ... ,Xn es una muestra aleatoria de una

población para la cual el momento central /-l2r existe, entonces
, p ,
Mr,n ---+ /-ln r = 1,2, ...
Para cerrar esta relación de teoremas que giran alrededor de la idea
de la ley débil de los grandes números, se incluye el siguiente teorema
que puede entenderse como una generalización de la citada ley.
Teorema 1.4.8. Si Xl, X 2, ... es una sucesión de variables aleatorias
tales que E[Xil = /-li Y V[Xil = o'¡ son finitos y p(Xi , X j ) = O, i =J- j,
para i,j = 1,2, ... , entonces
- - p
X n - /-ln ---+ O
1 n
siendo 7ln = - L /-li
n i=l
La ley fuerte de los grandes números es un conjunto de teoremas

referentes a la convergencia casi segura de sucesiones de variables alea-
torias. El teorema siguiente es el más divulgado de todos y fue enunciado
originalmente por Kolmogorov.
Teorema 1.4.9 (Ley fuerte de los grandes números). Si las varia-
bles aleatorias Xl, X 2, . .. , X n constituyen una muestra aleatoria de una
población con valor esperado /-l, entonces la sucesión {X n - /-l} converge
casi seguro a cero.
Teorema 1.4.10. Si Xl, X 2, .. . , X n es una muestra aleatoria de una
población con valor esperado /-l y varianza a 2 , entonces
2 a.s. 2
Sn ------> a
y en consecuencia S~ E,. a 2 .
Con la denominación de teorema del límite central debe entenderse
más a un conjunto de teoremas concernientes a la convergencia en dis-
tribución de la suma de un número creciente de variables aleatorias al
modelo gaussiano, que a la más popular de sus versiones. Es un conjun-
to de teoremas fundamentales de la estadística, pues constituyen puntos
de apoyo sustanciales de la inferencia estadística y de las aplicaciones.
Dentro de la citada denominación de teorema del límite central se
incluyen variantes como la versión original conocida como la ley de los
errores, derivada de los trabajos de Gauss y Laplace sobre la teoría

de errores, que permitió el surgimiento de las versiones más antiguas
referentes a variables con distribución de Bernoulli, debidas a De Moivre
y Laplace en los siglos XVI y XVII; se incluyen, además, las versiones de
Lindeberg-Lévy y Lindeberg-Feller, que son consecuencia de un trabajo
iniciado por Chevyshev y Liapunov a finales del siglo XIX, encaminado a
la búsqueda de una demostración rigurosa. Por su parte, se integran las
versiones de Bikelis y aquellas adaptadas para los casos multivariados,
aquellas para el caso de variables dependientes.
En particular, la versión clásica o teorema de Lindeberg-Lévy, la ver-
sión más difundida, corresponde al siguiente teorema, resultado al que
llegaron de manera independiente J.W.Lindeberg y P.Lévy en la segunda
década del siglo XX.
Teorema 1.4.11 (Teorema del límite central (Lindeberg-Lévy)).

Si Xl, X 2 , ... , X n es una muestra aleatoria de una población con valor
esperado J.l y varianza (72 finitos, considerando la variable aleatoria
_ X n - J.l
Zn - a
Vn
entonces la sucesión de variables aleatorias {Zn} converge en distribu-
ción a una variable aleatoria con distribución Normal estándar.
En pocas palabras, esta difundida versión determina que
foCX n - J.l) ~ Z rv N(O, 1).

(7
El teorema del límite central es la mejor justificación de la existencia del

modelo gaussiano y del énfasis que de él se hace reiteradamente. Por
otra parte, lo admirable del teorema radica en que no importa el modelo
regente del comportamiento probabilístico de la población, y en que la
exigencia de finitud del valor esperado y la varianza es fácil satisfacerla
en las aplicaciones.
Para finalizar estas consideraciones acerca del teorema del límite
central se presenta una versión especial la cual corresponde al teorema
de Lindeberg-Feller.
Teorema 1.4.12 (Teorema del límite central (Lindeberg-Feller)).

Si Xl, X2, . .. es una sucesión de variables aleatorias independientes tales
que su valor esperado JLi y su varianza (J"; son finitos, i = 1,2, ... y asu-
n
miendo que T~ 2: (J"'f ----+ 00 y además que max {~} ----+ O cuando
i=l l:Si:Sn n T
n ----+ 00, entonces
f: (Xi - ¡ti)
i=l
d
----+ Z ~ N(O, 1)
Tn
si y sólo si para cada E > O,
lim ~t
n-too T n i=l
(r J1X-J.Li I?ETn
(x - JLi)2 fi(X)dX) = O
siendo fi(x) la función de densidad de la variable aleatoria Xi, para

i = 1,2, ...
Definición 1.4.13. Siendo Xl, X 2, ... , X n una muestra aleatoria de
una población con distribución de Bernoulli con probabilidad de éxito
7r, esta probabilidad recibe el nombre de proporción poblacional, y
a la estadística X n = Pn se le conoce como proporción muestral, o
proporción en la muestra.
El teorema de Lindeberg-Lévy es una forma general que incluye

el caso particular cuando Xl, X2, ... , X n es una muestra aleatoria de
una población con distribución de Bernoulli de valor esperado JL = 7r,
(O < 7r < 1) y varianza (J"2 = 7r (1- 7r). Este caso particular corresponde a
la versión más antigua del teorema del límite central, debida a Laplace.
n
Por tanto, siendo Pn = ~ 2: Xi = ~ Y 7r = P[Xi = 1], i = 1,2, ... , n,
i=l
determinando la variable aleatoria
n7r Tn - Pn -7r
Zn = Jn7r(l - 7r) V 7r (I:7r)
la sucesión de variables aleatorias {Zn} converge en distribución a una

variable aleatoria con distribución normal estándar.
Teorema 1.4.14 (Teorema del límite central (Laplace». Siendo

Xl, X2, . .. ,Xn una muestra aleatoria de una población con distribución
de Bernoulli de valor esperado 1f, entonces
lim ~ P[Tn = k] = lim P[z' S Zn S z"]

n-+oo L.-t n-+oo
an:::;k:::;b n
= (z") - ( z')
siendo a n = n1f + z' Jn1f(l - 1f) Y bn = n1f + z" Jn1f(l - 1f).
Este teorema garantiza entonces que siendo a, b enteros tales que

a < b, Y contando con un tamaño de muestra suficientemente grande, la
probabilidad P[a S Tn S b] puede aproximarse por medio de
b - n1f)
 ( Jn1f(l _ 1f) - 
(a - n1f )
Jn1f(l - 1f) .
b
Sin embargo, como P[a S Tn S b] = I: P[Tn = k], cada término
k=a
P[Tn = k] puede aproximarse por medio del área entre k - ~ y k + ~
bajo la curva de la función de densidad de una variable aleatoria con
distribución normal de valor esperado n1f y varianza n1f(l - 1f), como
se sugiere en la figura 1.3, área equivalente al área bajo la curva de
la función de densidad de una variable aleatoria normal estándar entre
k-!-nn k+!-nn
2 y 2 , de manera que
Jnn(l-n) Jnn(l-n)
b + .! - n1f ) ( a - .! - n1f )
P[a < Tn < b] ~ 2 - 2 .
- - ( Jn1f(l - 1f) Jn1f(l - 1f)
Cuando el comportamiento de una población se asume regido por el

modelo gaussiano, se pueden deducir propiedades específicas adicionales
para el promedio y varianza muestrales, propiedades que hacen explícitas
los siguientes teoremas.
Teorema 1.4.15. Si Xl, X 2 , ... , X n es una muestra aleatoria de una

población con distribución Normal de valor esperado 11 y varianza (72,
entonces
_X n rv N
((72)
11, --;;: .
k-!
/ tk' "
k+!
Figura 1.3: Aproximación de la probabilidad P[Tn = k].
Teorema 1.4.16. Si Xl, X 2 , ... , X n es una sucesión de variables alea-

torias independientes tales que Xi rv N (J-li, (77), entonces
u= t
i=l
(Xi:' J-li) 2
t
rv X2 (n ).
Corolario 1.4.17. Cuando la sucesión de variables aleatorias constituye

una muestra aleatoria de una población con distribución Normal, de
valor esperado J-l y varianza (72,
u= t(
t=l
Xi:' J-l) 2 rv x2(n).
Teorema 1.4.18. Si Xl, X 2 , •.. ,Xn es una muestra aleatoria de una

población con distribución Normal de valor esperado J-l y varianza (72,
entonces las estadísticas X n y S; son dos variables aleatorias estadísti-
camente independientes.
Teorema 1.4.19. Si XI,X 2 , ... ,Xn es una muestra aleatoria de una
población Normal de valor esperado J-l y varianza (72, entonces
~ (Xi - Xn)2 = (n -1)S; rv 2( _ 1)

6 (7 2 (7 2 X n .
i=l
Con supuestos menos taxativos, el promedio y la varianza muestrales

presentan un comportamiento muy particular. Los siguientes teoremas
destacan la marcada autonomía de las estadísticas X n y S;.
1.5. ESTADÍSTICAS DE ORDEN 25

población cuya función de densidad es simétrica, entonces
La expresión usual de la varianza muestral incluye el promedio de la

muestra, es decir, la varianza podría entenderse como función de éste.
Sin embargo, su presencia en la expresión puede considerarse aparente
puesto que la varianza de la muestra puede prescindir del promedio
muestral en la forma como lo garantiza el siguiente teorema 3.

población para la cual no se asume un modelo de probabilidad específico,
entonces
En síntesis, el promedio y varianza de la muestra son estadísticas

tales que bajo el modelo gaussiano son estadísticamente independientes;
bajo un modelo de probabilidad cuya función de densidad es simétrica,
las estadísticas no están correlacionadas, yen cualquier situación la va-
rianza de la muestra no depende funcionalmente del promedio de la
muestra.
1.5 Estadísticas de orden

Una modalidad especial de estadísticas la integran las llamadas es-
tadísticas de orden. Éstas desempeñan papeles importantes en al-
gunas aplicaciones como en las cartas de control estadístico de la calidad
y como en el fundamento y manejo de algunos conceptos en estadística
no paramétrica. Además de estos y otros usos, las estadísticas de orden
son particularmente los estimadores apropiados de parámetros que rigen
el recorrido de la población y, así mismo, se utilizan en el juzgamiento de
hipótesis referentes a estos parámetros. Por ser estimadores y sustentar
reglas de decisión en poblaciones especiales es menester exponer algunos
elementos y consideraciones acerca de su distribución.
3 Jorge E. Ortiz P. (1999), Promedio aritmético y varianza en grupos finitos de

datos numéricos. Boletín de Matemáticas. Vol. VI, No. 1, pp. 43-51.
Definición 1.5.1. La k-ésima estadística de orden, k = 1,2, ... ,n,

correspondiente a una muestra aleatoria Xl, X 2 , ... ,Xn , denotada por
Xk ,n, está definida de la siguiente manera:
Xk,n = min {{Xl, X 2, ... , Xn} - {Xl,n, X 2,n, ... , Xk-l,n}}
siendo
X l,n : mínimo de la muestra
Xn,n : máximo de la muestra
Al conjunto de estadísticas de orden Xl,n, X2,n, ... ,Xn,n se le designa

con el nombre de muestra aleatoria ordenada.
A partir de las estadísticas de orden pueden definirse otras estadísticas

como:
• El rango muestral:
R = Xn,n - Xl,n
• El semirrango muestral:
SR = Xl,n + Xn,n
2
• La mediana muestral:
X!!±.! n , si n es impar
2 '
Me =
X!!2' n + X~+l,n , si n es par
2
• La función de distribución empírica o función de distribu-

ción muestral:
1 n
Fn(x) = -;; , L1(-oo,xj(Xi).
i=l
Es decir:
0, S2 X < Xl,n
k
,
n
1, si x 2: Xn,n, k = 1,2, ... ,n - 1
1.5.1 Distribución de las estadísticas de orden

Las estadísticas heredan en menor o mayor medida los rasgos del modelo
elegido para representar el comportamiento poblacional. Específicamente,
la distribución muestral de las estadísticas de orden incluye de manera
explícita las funciones de densidad y distribución de la población como
lo registran los siguientes teoremas.
Teorema 1.5.2. Siendo Xl,n, X 2 ,n, ... ,Xn,n las estadísticas de orden
o la muestra ordenada de una población con función de distribución
Fx(x), entonces para k = 1,2, ... ,n
FXk,n (y) = :t (~)

j=k J
[Fx(y)]j[l - Fx(y)]n-j.
Corolario 1.5.3. Para los casos especiales del mínimo y máximo de la

muestra se tiene:
FX1,n (y) = 1- [1 - Fx(y)]n

FXn,n (y) = [Fx(y)t·
Teorema 1.5.4. Siendo Xl, X 2 , .•. , X n una muestra aleatoria de una
población con función de distribución continua Fx(x), la función de
densidad de la k-ésima estadística de orden, k = 1,2, ... ,n, es
La función conjunta de densidad de la j-ésima estadística de orden y la

k-ésima estadística de orden fXj,n,xk,Jx, y) es
Cn,j,k[Fx(x)F-l [Fx (y) - Fx(x)]k-j-l [1- Fx(y)]n-k fx(y)fx (x)I(x,oo) (y)

para 1 :S j < k :S n, con Cn,j,k = n!j[(j - 1)!(k - j - 1)!(n - k)!]. La

función conjunta de densidad de las estadísticas de orden es
fX"n,X 2 ,n, ... ,Xn,n (Y1, Y2,"" Yn) rr

= {n! ,=1 fX(Yi)
O
Y1 < Y2 < ... < Yn
en otros casos
Ejemplo 1.5.5. Siendo Xl, X2, ... , X n una muestra aleatoria de una
población con distribución Uniforme en el intervalo (a, (3), determinar
la función de densidad de la k-ésima estadística de orden.
1
fx(x) = j3 _ a 1(a,(3) (x)
x-a
Fx(x) = j3 _ a 1(a,(3) (x) + 1[(3,00) (x)
n., y - a k-1 [ y - a ] n-k [ 1 ]

fXk,n(Y) = fI. 1\1f~ 1.\1 [ (3-a ] 1- (3-a (3_a I (o:,{J)(Y)
n! ..
(1)
a
(3 -
n
(y - a)
k-1
((3 - y)
n-k
I(O:,{J) (y).
La distribución de la k-ésima estadística de orden es la de una variable

aleatoria con distribución Beta en el intervalo (a, (3) con parámetros k
y (n - k + 1), cuando la población es Uniforme en el intervalo (a, (3).
Nota. Una variable aleatoria X con distribución Beta en el intervalo

(0,1) puede generar una variable aleatoria Y con distribución Beta en
el intervalo (a, (3) mediante la relación
y =a + (j3 - a)X.
Teorema 1.5.6. Sea Xl, X 2 , ... , X n , una muestra aleatoria de una po-
blación con función de distribución Fx(x) continua. Para p fijo, si x p
denota al único percentil lOOp poblacional, entonces
P[Xj,n < x p < Xk,n] = L 7 pl(1 - p)n-l.

k-l ( )
I=J
1.5.2 Distribución del rango, semirrango y mediana de la

muestra
Las estadísticas correspondientes al rango y semirrango son funciones
del máximo y mínimo muestrales. Por tanto, la determinación de su
distribución parte de la consideración de la distribución conjunta de
X 1 ,n y Xn,n
fX1,n,xn,n(x,y) = n(n -1) [Fx(Y) - Fx(x)t- 2 fx (x)fx (y)I(x,oo) (y).
Definidas las estadísticas
R = Xn,n - X 1 ,n
T = X 1,n + Xn,n
2
se considera la siguiente transformación
r r
x = t -- y = t+-
2 2
cuyo jacobiano es
ax ax 1
-2 1
ar at =1
ay ay 1
1
2
ar at
con lo cual
fR,T(r, t) = n(n-1) [Fx (t +~) - Fx (t - ~)r-2 fx (t -~) fx (t + ~).
En consecuencia, para r > 0, se tiene
fR(r) = l: fR,T(r, t)dt
fr(t) = l: fR,T(r, t)dr
La distribución de la mediana está dependiendo del tamaño de la mues-

tra. Si éste es entero impar, su distribución está totalmente determinada,
pues corresponde a la distribución de la estadística de orden En la n!l.
situación en la cual n es par, la mediana es función de las estadísticas
de orden X!!o2' n y X!!o+l no Así, al tomar n = 2m, m = 1,2, ...
2'
fXTj,n,XTj+l,n (x, y) = fXrn,n,Xrn+l,n (x, y)
[(~2~i~!J2 [FX(X)]m-l[l - FX(X)]m-l fx(x)fx(y)

con x < y. Considerando la transformación u = X!y, v = y, se tiene que

f:E±J¿ (u) = fu (u)
2
= .. 2(2m)!_~ 100 [Fx(2u - v)]m-l[1 - Fx(v)]m-l fx(2u - v)fx(v)dv
1.5.3 Distribución de la función de distribución de la

muestra
La función de distribución empírica o de la muestra tiene varios usos,
especialmente en métodos y conceptos de la estadística no paramétrica.
Su gráfico se convierte en un indicativo de una primera aproximación
al ajuste que brinda el modelo. Algunos aspectos de su distribución se
presentan a continuación.
P [Fn(X) = ~] = (~) [Fx(x)]k[1 - Fx(x)t-

k
donde k = 0,1,2, ... ,n. En efecto, denotando la variable aleatoria
Zi = IC-oo,x] (Xi)
n
luego Zi rv Ber(Fx(x)); por tanto ¿ Zi rv Bin(n, Fx(x)) y por consi-
i=l
guiente
E[Fn(x)] = Fx(x)
V[Fn(x)] = F x (x)[1 - Fx(x)].
n
Teorema 1.5.7. Siendo Xl, X 2, ... ,Xn una muestra aleatoria de una
población con función de distribución Fx(x), entonces
p
Fn(x) -t Fx(x)
para un valor x dado.
Teorema 1.5.8 (Teorema de Glivenko-Cantelli). Si Xl, X2, ... , X n
es una muestra aleatoria de una población con función de distribución
Fx(x), entonces Fn(x) converge uniformemente a Fx(x), esto es, para
cada f > 0,
lim P [ sup IFn(x) - Fx(x)1 <

n-->oo -oo<x<oo
f] = l.
1.6. MOMENTOS DE ESTADÍSTICAS DE ORDEN 31
-- Xo
Figura 1.4: Esquema de las funciones de distribución Fn(x) Y Fx(x).
Teorema 1.5.9. Siendo Xl, X 2 , •.. ,Xn una muestra aleatoria de una
población con función de distribución Fx (x), la sucesión de variables
aleatorias
fo[Fn(x) - Fx(x)] }
{ JFx(x)[l - Fx(x)]
converge en distribución a una variable aleatoria con distribución Nor-

mal estándar.
1.6 Momentos de estadísticas de orden

Los teoremas 1.5.2 y 1.5.4 puntualizan respectivamente la función de
distribución y la función de densidad de la k-ésima estadística de or-
den. En principio, garantizada la existencia del momento de interés r
y determinada explícitamente la función de distribución Fx(x), podría
formalizarse el citado momento de la k-ésima estadística de orden con
base en las referidas funciones de distribución o de densidad. Sin embar-
go, su logro depende de la complejidad de la integración requerida para
su cálculo, dado que algunas veces se alcanza únicamente por medio de
integración numérica.
A manera de ejemplo, considerando el comportamiento poblacional como
indiferente para cualquier valor del intervalo (O, 1), el valor esperado, la
varianza y el momento de orden r de la estadística de orden k es factible
determinarlos.
Ejemplo 1.6.1. Siendo X 1 ,n, X2,n, ... ,Xn,n una muestra ordenada de
una población con distribución Uniforme en el intervalo (0,1)

k
E[Xk,nl = n +1
k(n-k+1)
V[Xk,nl = (n + 2)(n + 1)2
1
j(n - k + 1)]"2 < k.
p(Xj,n, Xk,n) = [ k(n _ j + 1) , j
En efecto, en primer lugar, de manera general
r n.
E[Xk,nl = (k _ 1)!(n _ k)! , 1 1
O X
r+k-1
(1 - X)
n-k
dx
n!
(k _ 1)!(n _ k)!f3(r + k, n-k + 1)
Y utilizando la relación f3(a, b) = ~~a)~(~: , entonces

E[Xr l= n! r(r+k)r(n-k+1)
k,n (k - 1)!(n - k
n!(r + k - 1)!
1:Sk:Sn
(r + n)!(k - 1)!'
particularmente,
E[X 1- nIkI _ k
k,n - (n + 1)!(k - 1)! - n +1
V [Xk,nl = E[X~,nl - (E[Xk,n])2
E[X 2 1_ n!(k + 2 - 1)! _ k(k + 1)
k,n - (n + 2)!(k - 1)! - (n + 1)(n + 2)
V X _ k(k + 1) k2 k(n - k + 1)
[ k,nl - (n + 1)(n + 2) (n + 1)2 (n + 2)(n + 1)2
Por otra parte, denotando E[Xj,n, Xk,nl = 6., se tiene que
ó. =
n!
-,.
r.
Jo{l Jo .
xJy(y - X)k-J-l(l - y)n-kdxdy
n!
·'J{l y(l-yt- k Jo [r . .]
xJ(y-x)k-J-1dx dy
o
1.6. MOMENTOS DE ESTADÍSTICAS DE ORDEN 33
Realizando la sustitución v =~
y
~ = (j _ l)!(k -7!- l)!(n _ k)! 1 1

k
y(l - yt- [yk,6(j + 1, k - j)] dy
n!
(j _ l)!(k _ j _ l)!(n _ k)!,6(l + j, k - j),6(k + 2, n-k + 1)
j(k+1) -E[X. X 1
(n + l)(n + 2) - ),n, k,n
con lo cual
Cov(X. X ) _ j(k + 1) jk
),n, k,n - (n + l)(n + 2) j<k
(n + 1)2
j(n - k + 1)
j < k.
k(n - j + 1)
Por tanto, como caso especial, la correlación entre el mínimo y máximo
de la muestra bajo comportamiento poblacional Uniforme en el intervalo
(0,1) es
1
p(X1,n, X n,n) = -.
n
Como ya se mencionó, en algunos casos se requiere integración nu-
mérica para determinar momentos de una estadística de orden. Sin
embargo, es posible presentar expresiones que permiten aproximar el
valor esperado y varianza de la k-ésima estadística de orden.
El desarrollo de estas expresiones se basa en una expansión en serie de
Taylor y en que si X es una variable aleatoria con función de distribución
Fx(x) continua, la variable aleatoria Y = Fx(X) tiene distribución
Uniforme en (0,1), entonces
Finalmente se hace una breve alusión a la distribución asintótica de las

estadísticas de orden.
El estudio de la distribución asintótica de la k-ésima estadística de

orden incluye dos casos a saber: (1) cuando n tiende a infinito y ~
permanece fijo; (2) cuando n tiende a infinito y k o n-k permanecen
finitos.
Para algunos efectos, el primer caso es de mayor interés; el teorema
siguiente se adscribe a ese caso.
Teorema 1.6.2. Sea Xl, X 2 , ... ,Xn una muestra aleatoria de una po-
blación cuya función de distribución Fx(x) es estrictamente monótona.
Asumiendo que x p es el percentillOOp poblacional, es decir, Fx(x p ) = p,
entonces la estadística de orden [np] + 1 tiene distribución asintótica
Normal con valor esperado x p y varianza ,~(l;-p~,~.
Particularmente, si p = ~ (XO.5 corresponde a la mediana pobla-

cional) y siendo la población Normal con valor esperado f.L y varianza
(12, la mediana muestral tiene distribución Normal con valor esperado f.L
y varianza ~~2 •
Con este teorema relativo a la distribución asintótica de la k-ésima
estadística de orden concluye la introducción a las ideas preliminares de
la inferencia estadística, presentación que además entreabre el contexto
filosófico en el cual se desempeña, que describe las características más
relevantes de algunas estadísticas y registra como estadísticas especiales
a las estadísticas de orden. Con esto se da paso a la exposición de los
argumentos que sustentan las afirmaciones de los enunciados de los teo-
remas relacionados y finalmente a la serie de ejercicios cuyo desarrollo
complementará la reflexión sobre estos temas iniciales y será un compo-
nente más en la aprehensión de los conceptos expuestos en este primer
capítulo.
1.7 Demostración de los teoremas

Teorema 1.3.7 . Sea {Xn } una sucesión de variables aleatorias.
X n L c si y sólo si lim Fn(x) = F(x)

n-tOO
siendo c una constante, Fn(x) la función de distribución de X n y F(x)

una función de distribución tal que F(x) = O para x < c y F(x) = 1
para x ~ c.
1. 7. DEMOSTRACIÓN DE LOS TEOREMAS 35
Demostración. Suponiendo que X n .!!..., e, entonces para E >O

lim P [IX n
n----+CX)
- el < E] = 1= lim P [e - E < X n
n---+oo
< e + E]
= lim [Fn(e + E) - Fn(e - E)]
n-->oo
lim [Fn(e + E)] - lim [Fn(e - E)].
= n---+oo n---+CX)
La imagen de cualquier función de distribución es un valor que pertenece

al intervalo [0,1], luego la única posibilidad para que la igualdad anterior
se dé es que
lim Fn(e
n----+oo
+ E) = 1 Y lim Fn(e - E) = O
n---+oo
hecho revelador de que Fn(x) -----+ F(x), siendo F(x) una función de
distribución tal que
si x < e
si x ~ e
es decir, F(x) es la función de distribución de una constante e.
Suponiendo ahora que Fn(x) -----+ F(x) con F(x) = I[c,oo) (x), es decir
lim Fn(x) = F(x).

n-->oo
Entonces:
lim Fn(e - E) = O para E > O Y lim Fn(e + E) = 1

n-+oo n---+CX)
luego
lim [Fn(e
n--+oo
+ E) - Fn(e - E)] = 1 = lim P [e - E < X n < e + E]
n---+oo
= n-->oo
lim P [lXn - el < E]
lo cual significa que X n .!!..., e. o

Teorema 1.3.9
Algunos apartes de la demostración pueden consultarse en A First Course
in Mathematical Statistics (G. Roussas, pp. 133 a 135) yen Basic Pro-
bability Theory (R. Ash, pp. 204 Y 205).
Teorema 1.4.1. Si Xl, X 2 , .. . , X n es una muestra aleatoria de una

población representada por la variable aleatoria X con varianza 0"2 y
con momento ordinario /-l~r' r = 1,2, ... , entonces el valor esperado y la

varianza del momento muestral ordinario son, respectivamente:
E[M;,nl = /-l~
V [M;,nl = ~ [E[x2rl - (E[X r ])2]
= ~ [/-l~r - (/-l~ )2] .

Demostración. El valor esperado del momento ordinario de orden r
puede determinarse mediante dos argumentos. En primer lugar, uti-
lizando las propiedades del valor esperado se tiene que
E[M;,n[ ~E [~tX[] ~ ~tE[Xn, r=1,2, ...
En segundo lugar, como todas las variables aleatorias de la sucesión

tienen la misma distribución, por constituir una muestra aleatoria,
E[X[] = /-l~, para i = 1,2, ... , n, en consecuencia
,
E[Mr ,nl = -n
l¿n,/-lr = -1(n/-l')_ ,
r - /-lr'
n
i=l
De manera similar puede determinarse la varianza del momento ordi-

nario de orden r. De las propiedades de la varianza se puede afirmar
que
V[M;,n[ ~V [~tX[] ~ >[txr], r = 1,2, ...
y debido a que las variables aleatorias son independientes, pues consti-

tuyen una muestra aleatoria, lo son también las variables Xí, X 2, ... , X~,
con lo cual
V[M;,nl = ~2 t V[X[] = ~2 t [E[X;rl - (E[X[])2]

i=l i=l
y como las variables tienen distribución idéntica,
V[M;,nl = ~2 t
i=l
(/-l~r - (/-l~)2) = ~ (/-l~r - (/-l~)2) . D
1.7. DEMOSTRACIÓN DE LOS TEOREMAS 37
Teorema 1.4.3. Si Xl, X 2, ... ,Xn es una muestra aleatoria de una po-
blación con valor esperado, también llamado promedio poblacional,
¡..t y varianza 0- 2, conocida como varianza poblacional, y existiendo
además el momento central de orden cuatro ¡..t4, entonces
2 =;;,1 ( ¡..t4 -
V[Snl
n- 3
n _ 10-
4) ,n > 1.
Demostración. Para determinar el valor esperado de la varianza mues-
tral, es necesario previamente verificar la identidad
n
¿)Xi - ¡..t)2 = (n - l)S~ + n(X n - ¡..t)2.
i=l
Sumar y restar X n es el punto de partida en la verificación de la iden-

tidad, de manera que
n n n
¿)Xi-¡..t)2 = I)Xi -X n +X n -¡..t)2 = ¿
[(Xi - X n ) + (X n - ¡..t)]2.
i=l i=l i=l
Así mismo, después de desarrollar el cuadrado indicado

n n n
i=l i=l i=l

n
n n
porque ¿(Xi - X n ) = ¿ Xi - nX n = nX n - nX n = 0, y por tanto
i=l i=l
n
¿(Xi - ¡..t)2 = (n - l)S~ + n(X n - ¡..t)2.
i=l
Con el anterior recurso,
2= E
E[Snl [1 -
n-l
¿n (Xi - ¡..t) 2- -n( X
n-l
- n - ¡..t) 2]
i=l
~ n ~ 1 [t,E[(X i - 1')2]- nE[(Xn - 1')2]].

Como E[(Xi - tI)2] = V[XiJ, E[(X n - tI)2] = V[X n ] y teniendo en

cuenta que todas las variables aleatorias de la sucesión tienen la misma
distri bución,
E[S~] = _1_ [~a2 _ n (0'2)]

n-1 ~ n
= _1_[na 2 _ 0'2] = 0'2.
n-1
i=l
La demostración del segundo enunciado del teorema es uno de los ejer-

cicios de este capítulo. O
Teorema 1.4.4. Si las variables aleatorias Xl, X2, . .. , X n constituyen

una muestra aleatoria de una población con valor esperado tI y varianza
0'2, entonces
Xl + X2 + ... + X n P
---=~----'~--- --+ tI·
n
Demostración. La herramienta procedente para sustentar el desarrollo
de esta demostración es la desigualdad de Chevyshev, la cual asegura
que si X es una variable aleatoria con valor esperado tIx Y varianza al
finita,
1
P[lX - tIxl < raxl 2: 1 - 2" para cada r > O.
r
Aplicando esta desigualdad al caso especial de la variable aleatoria X n,
__ __ 0'2
teniendo en cuenta que E[Xnl = tI Y V[Xnl = -, como lo manifiesta
n
el corolario 1.4.2,
P [IXn - tIl < r .:nJ 2: 1 - :2 para cada r > o.

Utilizando el remplazo E = r :In, se tiene que E > OY
0'2
P[iX n - tIl < El 2: 1- -nE2 ·
De manera que
2
lim P [1 X n-tI I <
n--+oo
El 2: lim 1 - a 2 = 1
n--+oo nE
es decir:
lim P[iX n
n--+oo
- tIl < El = 1
lo cual significa que X n !!.. tI, como lo afirma la ley débil de los grandes
números.
()2
Nota. La cota 1 - -2 crece en cuanto n crece. Si se fija la cota en
nE
1 - 6, O < 6 < 1, significa que existe un tamaño de muestra mínimo n,
-- ()2
para el cualP[IXn-¡L1 < El2=: 1-6. En otros términos: 1 - - 2
> 1-6,
nE
es decir,
()2
P[ -E < X n - ¡L < El 2=: 1 - 6, para n > 6E 2 ' o
Teorema 1.4.6. Si Xl, X 2, .. . , X n es una muestra aleatoria de una
población con valor esperado ¡L, entonces
-- p
Xn ~ ¡L.
Demostración. Utilizando la función generatriz de momentos de la va-

riable que representa a la población Mx(t), o en su defecto la función
característica rPx (t),
MXn(t) = E [e
tXn
] = E [exp (~Xl + ~X2 + ... + ~Xn)].
Como las variables constituyen una muestra aleatoria, ellas son indepen-
dientes, con lo cual
rr rr
n n
MxJt) = E [e~Xi] = E [e~x]
i=l i=l
entonces:
MX (t)
n
= [1 + 1!¡L (!)
n
+ ~E[X2l (!)2
2! n
+ ... jn
lim MX (t) = lim

n---+oo n n---+oo
[1 + n + o (!)]
¡Lt
n
n = e¡.tt
función generatriz que corresponde a la función generatriz de una cons-

tante ¡L. (O es el símbolo "o pequeña" usado en el estudio de las serieé).
Esto significa que
-- d
X n ~ ¡L
y con base en el teorema 1.3.7 se concluye que
-- p
Xn ~ ¡L. D
4Sobre la "notación Q"véase Tom M. Apostol (1988) Calculus Vol 1. Segunda
edición. Editorial reverté, col. s.a, p. 351
Teorema 1.4.7. Si X I ,X2, ... ,Xn es una muestra aleatoria de una

población para la cual el momento central /-l2r existe, entonces
P
Mr,n
I
----+
I
/-lr, r = 1,2, ...
Demostración. Como la sucesión Xí, X2", ... , X~ conforma un conjun-

to de variables aleatorias independientes e idénticamente distribuidas
porque la sucesión Xl, X2, .. . , X n es una muestra aleatoria, entonces
sólo resta aplicar el teorema relativo a la ley débil de los grandes números
utilizando la sucesión Xí, X2", ... , X~, con lo cual se puede afirmar que
n
~L [X[] LE [Xí] = /-l~. o
n i=l
Teorema 1.4.9
La demostración puede consultarse en el texto Probability and Statisti-
cal Inference (Robert Bartoszynski y Magdalena Niewiadomska-Bugaj
(1996). pp. 430 a 431).
Teorema 1.4.11. Si Xl, X 2, ... , X n es una muestra aleatoria de una

población con valor esperado /-l y varianza (72 finitos, considerando la
variable aleatoria
Zn = X n - /-l
a
Vii
entonces la sucesión de variables aleatorias {Zn} converge en distribu-

ción a una variable aleatoria con distribución Normal estándar.
Demostración. La estrategia para esta demostración consiste en el uso

de la función generatriz de momentos y de sus propiedades, para lo cual
se asume la existencia de la función generatriz de momentos de la pobla-
ción. Se apoya la demostración en el desarrollo en serie de McLaurin de
la función generatriz de momentos, demostración que también se puede
llevar a cabo utilizando la función característica.
Denotando como M Zn (t) la función generatriz de momentos de la
variable aleatoria Zn, se tiene:
Como las variables de la sucesión Xl, X2, . .. ,Xn son variables aleato-
rias independientes por tratarse de una muestra aleatoria, las variables
Yl , Y2 , ... ,Yn también lo son, siendo Yi = Xi;/!, i = 1,2, ... , n y por
tanto,
y como las variables Yl , Y2 , ... ,Yn tienen la misma distribución, cuya

función generatriz de momentos es MYi (Jn) My (Jn),
i = 1,2, ... , n, entonces
El desarrollo en serie de McLaurin de la función generatriz My(t) eva-

luada en el valor Jn
es
My (_t_) = 1 + ¡..tl _t_ + ~ ¡..t2 (_t_) 2 + ~ ¡..t3 (_t_) 3 + ...

yn (J yn 2! (J2 yn 3! (J3 yn
Dado que el valor esperado es igual a cero, si existen ¡..t~ = ¡..tr,
r= 1,2, .. o, y además la varianza es igual a uno,
M y (_t )
yn
= 1 + ~ (J2 (_t
21 (J2 yn
)2 + ~¡..t3(J3 (_t
31 yn
)3 + ...
= 1 + -1[12
-t 1
+ --¡..t3t 1
3 + -¡..t4t 4 +... ] .
n 21 3!yn 4!n
Efectuando el remplazo Qn(t) = 1rt2 + 3!fo1L3t3 + 4}n1L4t4 + ... y dado
que Mzn(t) = [My CÍn) r,

Mzn(t) = [1 + ~Qn(t)r
lim M Zn (t) = lim [1

n->oo n->oo
+ ~Qn(t)]
n
n
= exp ( n->oo
lim Qn(t))
= e~t2
porque los coeficientes de t 3 , t 4 , . .. tienden a cero cuando n - t 00, y

porque 5 siendo {en} una sucesión que tiende a e,
lim { 1 + -en }n = é.
n->oo n
Además, e~t2 se reconoce como la función generatriz de momentos de una

variable aleatoria con distribución Normal estándar. Como
• 1 t2
11m Mzn(t) = Mz(t) = e 2
n->oo
de acuerdo con el teorema de Lévy, Zn ~ Z, Z rv N(O, 1). o

Teorema 1.4.12
Los elementos que se requieren para el desarrollo de la demostración de
este teorema están más allá del alcance de este texto.

población con distribución Normal de valor esperado IL y varianza (J2,
entonces
_X n rv N
((J2)
IL, -;;: .
5yu Takeuchi (1976). Sucesiones y series. Tomo 1, Bogotá. Editorial Limusa, p.

20.
Demostración. Nuevamente se elige a la función generatriz de momentos

como medio para llevar a cabo esta demostración. Siendo
Mx(t) = exp (P,t + t0-2t2)

la función generatriz de una variable aleatoria X, X rv N(p" 0- 2 ),
MxJt) = E [e tXn ]
= E [cxp (t~ ~Xi) 1

=E [IT ~Xil·
~=l
exp
Debido a la independencia de las variables que constituyen la muestra

aleatoria,
Finalmente, como las citadas variables están idénticamente distribuidas,

de acuerdo con el modelo gaussiano,
MxJt) = g Mx (~)
= g H ~a' m')
cxp +
= [expH+~a2m')r
= exp (P,t + t: t
2
)
lo cual permite deducir que X n rv N (p" ~). o

Teorema 1.4.16. Si Xl, X 2, ... ,Xn es una sucesión de variables alea-
torias independientes tales que Xi
rv N (p,i, o-i), entonces
Demostración. La variable aleatoria Zi = Xi - ¡.ti, para i = 1,2, ... ,n,

ai
es una variable aleatoria con distribución Normal estándar; por tanto,
se puede afirmar que Zl
rv X2 (1).
Con el concurso de la función generatriz de momentos, puede estable-

cerse que
Mu(t) = E [e tU ] = E et i=1
[
t Z¡] =E g
[n etZi 2] .
Como la sucesión Zl, Z2, ... , Zn es una sucesión de variables aleatorias

independientes,
Mu(t)
n
= II E [e tZ¡]
n
= II Mz¡(t) = IIn ( 1 _1 2t )~ (1 ~ ~
2t)
i=l i=l i=l
Hecho que permite concluir que U rv x2 (n). o
población con distribución Normal de valor esperado ¡.t y varianza a 2,
entonces las estadísticas X n y S~ son dos variables aleatorias estadísti-
camente independientes.
Demostración. Esta demostración está orientada a la determinación de

la independencia de X n , (XI-X n ), (X 2 -X n ), ... , (X n -X n ) para luego
n
concluir la independencia entre X n y ¿ (Xi - Xn)2.
i=l
En primer lugar, la función generatriz de momentos M(t, it, t2, ... ,tn )
de las variables aleatorias X n , (Xl - X n ), (X 2 - X n ), ... ,(Xn - X n ),
siendo c = (~a) n y dx = dXl ... dx n , es
c r
J~n
exp [fXn + tl(Xl - xn ) + ... + tn(x n - xn ) - t
i=l
(Xi - :)2] dx.
2a
En segundo lugar, al considerar la integral sobre Xi, i 1,2, ... ,n se

tiene
1
¡eX) '2- exp { [t + nti _ (it + t2 + ... + t )] Xi _ (Xi - ¡.t) 2 } d t.
J-oo v.:.7ra n n 2a2 X
que al efectuar el remplazo:
1[
:;:;: t + nti - ~.=l ti
n 1=:;:;:1[t + n(ti - t)] , con t = -1:L:>i. n
. n í=l
La integral anterior puede expresarse como
f-00
oo 1 { 1 (x· - J-t)2}
--exp -[t+n(tí-t)]Xí- t
.,f2i[(J n
dXí
2(J2
cuyo valor es finalmente
exp
J-t[
- t
{n
+ n (tí - -)]
t + (J2[t+n(t2í -t)]2} .
2n
Por consiguiente:
n
y como ¿ (tí - t) = 0, entonces
í=l
hecho que revela plenamente la independencia de las variables aleatorias

X n , (Xl - X n ), (X 2 - X n ), ... , (X n - X n ) .
.. - -2 -2 -2
Por consIgUIente, X n , (Xl - X n ) ,(X2 - X n ) , ... , (X n - X n ) es un
conjunto de variables aleatorias independientes e igualmente lo son X n
n
y ¿(Xí - Xn)2. En consecuencia, X n y S~ son estadísticamente inde-
í=l
pendientes. O

población Normal de valor esperado J-t y varianza (J2, entonces
~ (Xi - X n ? _ (n - l)S~ 2( )
~ -'-----,2:::---'--- - X n - 1 .
(J (J 2 r"V
í=l
Demostración. De la demostración del teorema 1.4.3 se tiene que

n n
~ 2~
L)Xi - ¡.t) = L.)Xi - -
X n2 -
) + n(X 2
n - ¡.t) .
i=l i=l
Por tanto,
n
¿ (Xi - ¡.t)2 n
¿(Xi-Xn
- )2
n(Xn-¡.t)
2
i=l
(J2
i-l
(J2 + (J2
luego
E exp t
i~(Xi - ¡.t)2)]
(J 2
[ (
(( n - 1) S~
2
_ E [
- exp t (J 2 + t n (X n(J 2- ¡.t) ) ]
= E [exp (t (n -(J;)S~) ] (t n(X:; ¡.t)2) ]

E [
puesto que X n y S~ son estadísticamente independientes.

Debido a que
n)2 -)2
¿ (Xi
i=l
- ¡.t
rv
2
X (n) Y
n(X n - ¡.t
(J2
rv X2(1),
(J2
entonces
_ 1 ) 'i =
( 1 - 2t
E[exp [t (n -(J21) S~]] (1_- 12t ) ~
es decir:
E [ exp [ t
(n - l)S~]] =
(J 2
(_1
-
) n;-l
1 2t t
1
< -.
2
Expresado de otra manera:
n -
n )2 2
¿ (Xi -
i-l X (n - ?l)Sn rv x2(n _ 1).
o
(J 2 (J
Teorema 1.4.20. Si Xl, X2, . .. , X n es una muestra aleatoria de una

población cuya función de densidad es simétrica, entonces
- 2
cov(X n , Sn) = O.
Demostración. La demostración de este teorema se realizará mediante
inducción matemática sobre el tamaño de muestra. Previamente a aquélla,
y con el fin de incluirlos en la demostración, es necesario aprestar tres
elementos:
1. Si X, Y son dos variables aleatorias independientes,
cov(X,XY) = E[Y]V[X]
2. Si la función de densidad de una variable aleatoria X es simétrica

respecto a E[X],
cov(X, X2) = 2E[X]V[X]
3. Y finalmente las relaciones

-X + = -1- (nX
- + X +1 )
n l n n
n+l
2
nSn+1 = (n - l)Sn2 + -n- ( X n+l - -X n)2
n+l
En primer lugar, al ser X, Y independientes también lo son X2 y Y. Por
ello
cov(X, XY) = E[X2y] - E[X]E[XY] = E[Y]E[X 2] - E[Y](E[X])2
es decir, cov(X, XY) = E[Y] [E[X 2] - (E[X])2] = E[Y]V[X].
En segundo lugar, si la función de densidad es simétrica respecto a E[X],
E [(X - E[X])3] = O = E [X 3 - 3X2 E[X] + 3X (E[X])2 - (E[X])3]

= E [X 3] - 3E [X 2] E[X] + 2 (E[X])3
con lo cual E [X3] = 3E [X 2] E[X] - 2 (E[X])3.
cov(X, X2) = E [X 3] - E[X]E[X 2]
= 3E[X 2]E[X] - 2 (E[X])3 - E[X]E[X 2]
= 2E[X]E[X 2] - 2 (E[X])3
= 2E[X] [E[X 2] - (E[X])2]
=2E[X]V[X]
Por último:
- 1 n+1 1 [n
X n+l = --1 ¿::Xi = --1 ¿::Xi + X n+1
1= 1 -
--1 [nX n + X n+1]
n + i=l n+ i=l n+
n+l n+l
2 '"' (X i -X
nSn+1=~ - n)+12 '"'
=~ (Xi-Xn+Xn-Xn+l
- - - )2
i=l i=l
n+l
= ¿:: [(Xi - Xn)2 + 2 (X n - X n+1 ) (Xi - X n )
i=l
+ (X n - X n+1)2]
n
= (n - l)S~ + (Xn+1 - Xn)2 + 2 (X n - X n+1 ) ¿:: (Xi - X n)
i=l
+ 2 (X n - X n+1 ) (Xn+1 - X n ) + (n + 1) (X n - X n+l)2
n
Como ¿ (Xi - X n ) = 0,
i=l
nS~+l = (n - l)S~ + (Xn+1 - Xn)2 + 2 (X n - X n+1 ) (Xn+1 - X n )

+ (n + 1) (X n - X n + 1)2
= (n - l)Sn2 + (X n+1 - -X n )2
+ (X n - X n+1) [2Xn+1 + (n - l)X n - (n + l)X n+1]
Realizando los remplazos:
-X - = -1- (- X n+1 )
(n + l)X n+1 = nX n + X n+1 y n - X n+l
n+1
Xn-
se tiene
2
nSn+1 = (n - l)Sn2 + ( X n+1 - -X n )2
+ (X n-Xn+ 1) [2X + + (n - - n-
l)X (nX
-n + X n+1 )]
n 1
n+1
= (n - l)Sn
2 + (X n+1 -)2 -
- Xn
(X n +1 - X n ) (
1 X n+1 -
-
Xn
)
n+
= (n - l)Sn2 + --1
n (X +
n 1 -
-X )2
n
n+
Entrando en materia, y teniendo en cuenta que E[Xi ] = p" V[Xi ] = (72,

para i = 1,2, ... , n, al considerar una muestra de tamaño n = 2,
2 2
82 = _1_ ~ (X. _ X )2 = (Xl - X 2)
2 2-1L...- t 2 2
i=l
2)
COV (x 2, 8 2 = cov
(Xl + X 2 (Xl - X
2 ' 2
2)2)
= lcov (Xl + X 2, (Xl - X 2)2)
= l [COV (Xl + X2, xí - 2X I X 2 + Xi)]
= l [COV(XI, xí) - 2cov(X I , X I X 2 ) + COV (Xl, Xi)]

+ l [cov(x2,xí) - 2COV(X2,X I X2) + COV (X 2,Xi)]
1
= 4: [2E[X I ]V[X I ] - 2E[X2]V[X I ] - 2E[X I ]V[X2]
+2E[X2]V[X2]]
porque Xl tiene la misma distribución de X 2 y además son variables
independientes,
cov (X 2, 8~) = l (2p,(72 - 2p,(72 - 2p,(72 + 2p,(72) = O
Por hipótesis de inducción, cov (Xn, 8~) = o. Ahora para una muestra
de tamaño n + 1, cov (X n+1, 8;+1) = .6.
.6. = cov (~lXn

n+
+ -l-Xn+l, (n - 1)8~ + _1_ (Xn+l -
n+1 n+1
Xn)2)
= n - 1cov (Xn, 8;) + ( n )2 COV (Xn, (Xn+l - Xn)2)

n+1 n+1
n - 1 ( 2)
+ n(n + 1) cov X n+1,8n + (n +1 1)2 cOV ( X n+1, ( X n+1 -
- n )2)
X
Como cov (Xn, 8~) = O Y X n+l , 8~ son independientes,
cov (X n+l , 8~+1) = (n: l)2cOV (Xn, (Xn+l - Xn)2)
+ (n ~ 1)2 cOV (X n+l ' (Xn+l - Xn)2)

Ahora,
cov (X n , (X n+1 - Xn)2) = COV (X n , X~+l - 2X n X n+1 + X~)

= COV (X n , X~+1) - 2cov (X n , XnX n+l )
+COV (Xn,X~)
(j2 (j2
= -2E[Xn+I]- + 2E [Xn] -
n n
(j2 (j2
= -2f.1- + 2f.1- =O
n n
cov (X n+ l , (Xn+l - Xn)2) = COV (Xn+I,X~+1 - 2X n X n+1 + X~)

= COV (Xn+l , X~+l) - 2cov (Xn+l , XnX n+l )
+ COV (Xn+I,X~)
= - 2 f.1(j 2 + 2f.1(j2 = O
luego
(-X n + l , S2) - O n + O(n +1 1)2 = O. o
COV n+l - (n + 1)2

población para la cual no se asume un modelo de probabilidad específico,
entonces
1 n n
S~=<L/ .. 1\LL)Xi -Xj )2.
i=l j=l
Demostración. De manera similar al punto de partida de la demostración

del teorema 1.4.3,
n n
L(Xi - X j )2 = L [(Xi - X n ) - (X j - Xn)]2.
i=l i=l
n
Desarrollando el cuadrado allí indicado y como ¿ (Xi - X n) = O, en-
i=l
tonces
n n
"
~(Xi - Xj) 2 "
= ~(Xi - -
X n2
) + n(Xj - -
X n2
)
i=l i=l
luego
n n n n
j=l i=l i=l j=l

n
En consecuencia,
Teorema 1.5.2. Siendo X 1 ,n, X 2,n, . .. ,Xn,n las estadísticas de orden

o la muestra ordenada de una población con función de distribución
Fx(x), entonces para k = 1,2, ... ,n
FXk,n(y) = :t (~)
j=k J
j
[Fx(y)]j[l- Fx(y)]n- .
Demostración. Fijando un valor particular y, se construye la variable

aleatoria dicotómica Zi = l( -oo,y] (Xi), i = 1, 2, ... , n.
Como P[Zi = 1] = P[Xi ::; y] = Fx(y), entonces cada una de las va-
riables independientes Zl, Z2, . .. ,Zn tiene distribución de Bernoulli con
parámetro Fx(y).
n
Adicionalmente, ¿ Zi rv Bin(n, Fx(Y)) dada la independencia citada
i=l
n
de las variables Zl, Z2, ... ,Zn. ¿ Zi representa al número de observa-
i=l
ciones muestrales menores o iguales al valor específico y.
Como el evento {X k,n ::; y} es equivalente al evento t~ Zi 2: k }, en-
tonces la función de distribución de la k-ésima estadística de orden co-
rresponde a
F x ,," (y) ~ p IXk,n :S yl ~ p [t, Zi 2: k 1

= :t (~)
j=k J
j
[Fx(y)]j [1 - Fx(y)t- . o
Teorema 1.5.4. Siendo Xl, X 2 , .. . , X n una muestra aleatoria de una

población con función de distribución continua Fx(x), la función de
densidad de la k-ésima estadística de orden, k = 1,2, ... ,n, es
fXk,n(y) = (1 ,\~;~_ l\,[FX(y)]k-l[l- FX(y)t-kfx(y).
La función conjunta de densidad de la j-ésima estadística de orden y la

k-ésima estadística de orden fXj,n,Xk,n (x, y) es
Cn,j,k[Fx (x )]3-1 [Fx(Y) - Fx(x )]k-j-l [1- Fx (y)t- k fx(y)fx (x )I(x,oo) (y)
para 1 :S j < k :S n, con Cn,j,k = n!j[(j - l)!(k - j - l)!(n - k)!]. La

función conjunta de densidad de las estadísticas de orden es
!X 1 ,n,X2 ,n, ... ,X n,n (Y1, Y2,"" Yn) = {n! fI

t=l
!X(Yi)
Y1 < Y2 < ... < Yn
O en otros casos
Demostración. La primera afirmación del teorema se refiere a la función

de densidad de la estadística Xk,n, función que corresponde a la derivada,
respecto a los valores particulares de Xk,n, de su función de distribución
FXk,n (y). Entonces
= ~F () = lim FXk,Jy + h) - FXk,Jy)

f xk,n ()
y ay Xk,n y h-+O h
= lim p [y :S Xk,n :S y + h]
h-+O h
• •
y y+h
Por medio de la distribución multinomial se calcula la probabilidad del

evento A(h) = {y :S Xk,n :S y + h}, descrito como
A(h) :"(k - 1) observaciones de la muestra son menores de y, una

pertenece al intervalo [y, y + h] Y las restantes (n - k)
observaciones son mayores que y + h ".
Al reemplazar Fx(v) por F(v), se tiene:

, k
P[A(h)] = (k _ l)!~;(n _ k)! [F(y)]k-l [F(y + h) - F(y)] [1 - F(y)t-
y haciendo 6. = lim P[A(h)]

h-+O h '
6. = n! [F( )]k-l [1 _ F( )t- k lim F(y + h) - F(y)

(k - l)!(n - k)! Y Y h-+O h
(k -1)7~n _ k)! k
[FX(y)]k-l [1 - Fx(y)t- fx(Y) = fXk,n (y).
La segunda parte del teorema que enuncia la función conjunta de den-

sidad de las estadísticas de orden j y k, fXj,n,Xk,n (x, y) se demuestra de
manera similar.
x x+h Xj,n
Tomando 6. = fXj,n,xk,Jx, y) y FXj,n,xk,n (u, v) = F(u, v), entonces
F(x + h, y + t) - F(x, y + t) - F(x + h, y) + F(x, y)

6. = lim
h-+O,t-+O ht
p [x S Xj,n S X + h, y S Xk,n S Y + t]
lim
h-+O,t-+O ht
La probabilidad del evento A(h, t) = {x S Xj,n S x+h, y S Xk,n S y+t}
igualmente se calcula por medio de la distribución multinomial.
Este evento está descrito como
A(h, t) : "(j - 1) observaciones pertenecen al intervalo h, una

observación pertenece al intervalo h, una observación
pertenece al intervalo 14 , (n - k) de las observaciones
pertenecen al intervalo h y las restantes (k - j - 1)
pertenecen al intervalo h ".
Para el cálculo de la probabilidad del evento A(h, t) es menester disponer

de la relación de probabilidades de pertenencia de una unidad al intervalo
correspondiente presentada en la tabla 1.1.
Intervalo Probabilidad I
(-00, x] = h I Fx(x) = PI I
(x, x + h] = h I Fx(x + h) - Fx(x) = P2 I
(x + h, y] = h I Fx(Y) - Fx(x + h) = P3 I
(y,y+t]=14 I Fx(y+t)-Fx(y)=P41
(y+t,oo)=h I 1- Fx(y+t)=P5 I
Tabla 1.1:
Luego
A(h )] n! (j-I) (k-j-I) (n-k)

P[ ,t = (j _ l)!l!(k _ j _ l)!l!(n _ k)!PI P2P3 P4P5
Si Cn,j,k[Fx(x)jJ-I = B(x), Fx(v) = F(v), entonces D(h, t) es
[F(x+h) - F(x)][F(y) - F(x+h)]k-j-I[F(y+t) - F(y)][l- F(y+t)t- k
luego
·
l 1m A(h, t) = B()
x l'
1m
D(h, t)
h--+O,t--+O ht h--+O,t--+O ht
donde lim D~,t) corresponde a
h--+O,t--+O
lim [F(X + h) - F(X)] [F(y)-F(x+h)t-j-1 [F(Y + t) - F(Y)] [l-F(y+t)¡n-k

h~O,t~O h t
Esto es:
lim D~, t) = [jx(x)][Fx(y) _ Fx(x)]k-j-I[jX(Y)][l _ FX(y)]n-k

h-+O,t-+O t
es decir, fXj,n,Xk,JX, y) es
Cn,j,k[Fx(x)Jl-I[Fx(Y) - FX(x)]k- j -l[l- Fx(y)t- k fx(y)fx(x)I(x,OCJ) (y)
para 1 ::; j < k ::; n, con Cn,j,k = n!j[(j - l)!(k - j - l)!(n - k)!].
La última parte es la generalización de los casos anteriores.
Igualmente, con el apoyo de la distribución multinomial y teniendo en
cuenta que la función conjunta de densidad f X l,n,X2,n, ... ,Xn,n (YI, Y2,··· ,Yn)
es
fácilmente se deduce que
fXl,n,X2,n, ... ,Xn,n (YI, Y2,' .. , Yn) = n! rr

n
i=l
fX(Yi) para YI < Y2 < ... < Yn'
o
Teorema 1.5.6. Sea Xl, X2, ... ,Xn , una muestra aleatoria de una po-
blación con función de distribución Fx(x) continua. Para p fijo, si x p
denota al único percentil lOOp poblacional, entonces
Demostración. Al igual que en una demostración anterior, se construye

la variable aleatoria dicotómica Zi = I(-oo,x p ] (Xi), i = 1,2, ... , n. Como
Zi es una variable tal que Zi rv Ber(Fx(xp )), considerando los eventos
ellos son tales que P[A U B] = 1, por tanto
P [Xj,n ::; x p ::; Xk,n] = P[A n B] = prAl + P[B] - 1 = prAl - P[B e ]

luego
p [Xj,n ~ Xp ~ Xk,n] = P [Xj,n ~ X p] - P [Xk,n ~ X p ].
Como el evento A (similarmente el evento B) puede transcribirse como

A : "j o más observaciones son menores o iguales a x p ", entonces
P [Xj,n ~x p] =P [t 2. j] = t
~=l
Zi
l=J
(7)pl(1- p)n-l
por tanto,
P [Xj,n ~ x ~ Xk,n] =
p t
l=J
l
(7)pl(1- pt- - tl=k
(7)pl(1- p)n-l
y como j < k,
P [Xj,n ~ xp ~ Xk,n] = L
k-l (
l=J
7 )
pl(1- pt- l . o
Teorema 1.5.7. Siendo X 1 ,X2"",Xn una muestra aleatoria de una

población con función de distribución Fx(x), entonces
p
Fn(x) ---> Fx(x)
para un valor x dado.
Demostración. La función de distribución empírica puede ser reconocida

como:
n
¿Zi
i=l
Fn(x) =- - = -Zn
n
siendo Zi = I(-oo,xj(Xi ), tal como se había convenido en la sección refe-
rente a la distribución de Fn(x).
Desde este punto de vista, al entenderse que Zl, Z2, .. . , Zn es una mues-
tra aleatoria de una población con distribución de Bernoulli de paráme-
tro Fx(x), entonces el teorema de Khintchine garantiza que
- p p
Zn -+ Fx(x), es decir que Fn(x) -+ Fx(x). o
1.8. EJERCICIOS 57
Teorema 1.5.8
La demostración puede consultarse en el texto Probability and Statisti-
cal Inference (Robert Bartoszynski y Magdalena Niewiadomska-Bugaj
(1996) pp. 726 a 729).
Teorema 1.5.9. Siendo Xl, X 2 , .. . , X n una muestra aleatoria de una

población con función de distribución Fx(x), la sucesión de variables
aleatorias
y'n[Fn(x) - Fx(x)] }
{ JFx(x)[l - Fx(x)]
mal estándar.
Demostración. En los términos de la demostración del teorema 1.5.7 Y

teniendo en cuenta que
E[Fn(x)] = Fx(x) y V[Fn(x)] = Fx(x)[l - Fx(x)]

n
son finitos, entonces, a la luz del teorema del límite central (Lindeberg-
Lévy) , la sucesión {Zn}, con
Zn = Fn(x) - Fx(x) = y'n[Fn((x) - Fx(x)]
y'Fx(l-Fx(x)) JFx(l - Fx(x))
.¡n
converge en distribución a una variable aleatoria con distribución Normal
estándar. D
1.8 Ejercicios
1. Demuestre que si la sucesión {Xn } converge en media cuadrática
también converge en probabilidad.
2. Demuestre que el promedio basado en una muestra de tamaño n
de una población con valor esperado ¡L y varianza (]'2, converge en
media cuadrática a ¡L.
3. Si las variables aleatorias Xl, X 2, ... ,Xn constituyen una muestra
aleatoria de una población con función de densidad,
fx(x) = 2x I(O,l) (x)
determine la distribución muestral del mínimo de la muestra.
4. Continúe realizando la demostración del teorema 1.4.3.
5. Si las variables aleatorias X I ,X2, ... ,Xn constituyen una muestra

aleatoria de una población con distribución Exponencial de pa-
rámetro e, determine la distribución muestral del promedio de la
muestra.
6. Si las variables aleatorias Xl, X2, ... ,Xn constituyen una muestra
aleatoria de una población con distribución Exponencial de pa-
rámetro e, determine la distribución muestral del mínimo de la
muestra.
7. Si las variables aleatorias Xl, X 2 , ... , X n constituyen una muestra

aleatoria de una población con distribución Uniforme en el inter-
valo (O, 1), determine la distribución muestral del recorrido de la
muestra.
8. Un dispositivo electrónico opera con base en el funcionamiento de

n componentes conectados en serie que funcionan de manera in-
dependiente. Si el tiempo al fallar de cualquier componente se
modela como una variable aleatoria con distribución Exponencial
e,
de parámetro determine el valor esperado y la varianza del tiem-
po de funcionamiento del dispositivo.
9. Una muestra de 36 botellas corresponde a la línea antigua de llena-

do A, que estando el proceso bajo control estadístico el contenido
de una de ellas en mI se modela como una variable aleatoria con
distribución Normal de valor esperado J-l y desviación estándar 12.
Se considera otra muestra de 49 botellas de la nueva línea de llena-
do B, que de manera similar, estando el proceso bajo control es-
tadístico, el contenido de una de ellas se modela como una variable
aleatoria con distribución Normal de valor esperado J-l y desviación
estándar 4. Determine la probabilidad de que los promedios mues-
trales difieran a lo sumo en 3 mI.
10. En el laboratorio de control de calidad de una compañía que pro-

duce elementos para cierto tipo de retroproyector, se encienden
simultáneamente n bombillas. Utilizando el modelo Exponencial
para describir el tiempo de vida de la bombilla, determine el valor
esperado del tiempo de vida de la tercera bombilla en fallar.
1.8. EJERCICIOS 59
11. El examen de admisión de la Universidad Nacional de Colombia

tiene un tiempo límite de dos horas y media y dentro de sus normas
se establece que ningún aspirante puede retirarse del aula antes de
haber transcurrido una hora de examen. Podría pensarse que el
modelo para simbolizar el tiempo de permanencia del aspirante
en el aula sería el modelo Exponencial doblemente truncado. Sin
embargo, una buena elección la constituye el modelo Exponencial
desplazado. Teniendo en cuenta que el tiempo medio de perma-
nencia es de dos horas, ¿cuál es la probabilidad de que el docente
que vigila el examen, en un aula con 25 aspirantes, no tenga que
pronunciar la frase: "Por favor suspendan porque el tiempo de
examen ha concluido"?
La función de densidad de una variable aleatoria X con distribu-
ción Exponencial desplazada con parámetro O = (01, 02)', 01 E ~,
02 > 0, es
fx(x, O) = O1 exp (-(XO- Od) I(lJ¡,oo) (x).

2 2
12. Con base en el ejercicio 11, ¿cuál es el tiempo medio de permanen-

cia en el aula del aspirante que se retira en primer lugar?
13. Según el ejercicio 11, ¿cómo cambia la respuesta al mismo y cómo

cambia la respuesta al ejercicio 12, si se adopta el modelo de Pare-
to?
La función de densidad de una variable aleatoria X con distribu-
ción de Pareto con parámetro O = (0 1 , O2 )', 01 > 0, O2 > 0, es
14. Si las variables aleatorias Xl, X 2 , .. . , X n constituyen una muestra

aleatoria de una población con función de distribución absoluta-
mente continua, ¿cuál es la probabilidad de que el máximo de la
muestra exceda a la mediana poblacional?
15. Si las variables aleatorias Xl, X 2 , . .. ,Xn tienen la misma varianza

y si la correlación entre cualquier par de variables diferentes tiene
el mismo valor, demuestre que esa correlación tiene como cota
inferior a - 1/ (n - 1).
16. Si las variables aleatorias Xl, X 2 , ... ,Xn constituyen una muestra
aleatoria de una población con distribución de Bernoulli de pa-
rámetro e, determine la probabilidad de que Xl = 1, dado que
n
¿Xi =j,j=1,2, ... ,n.
i=l
aleatoria de una población con distribución de Poisson con pa-
rámetro e, demuestre que para cualquier entero positivo k, con
k :s; n, la distribución condicional de Xl, X 2 , ... , X n , dado que
n
¿ Xi = k, corresponde a una distribución multinomial.
i=l
18. Un procedimiento de control estadístico de calidad establece para

cierto proceso de fabricación, la selección de manera aleatoria y
sin remplazo de cinco amortiguadores de un lote de inspección que
contiene seis de clase A y ocho de clase B, para ser examinados en
el laboratorio. Si X 5 es la proporción muestral de amortiguadores
de clase A, determine el valor esperado y la varianza de dicha
estadística.

aleatoria de una población con distribución Binomial negativa de
parámetros k y 7r, determine la distribución muestral correspon-
n
diente a la estadística Tn = ¿ Xi.
i=l
20. Si las variables aleatorias Xl, X 2 , ... , X n constituyen una mues-

tra aleatoria de una población con valor esperado ¡.t y varianza 4,
determine el tamaño mínimo de la muestra para el cual la proba-
bilidad de que el valor esperado y el promedio de la muestra no
difieran en más de 0.1 sea superior a 0.95.
21. Con base en el ejercicio 20, ¿cuál debe ser el tamaño de la muestra,
si la varianza fuese el doble?
22. La fracción de baldosas de cerámica con imperfectos producidas

por una compañía es del 0.8% cuando el proceso está bajo control
estadístico. Determine el tamaño de muestra mínimo para el cual
la probabilidad de que la fracción con imperfectos y la proporción
de baldosas con imperfectos en la muestra no difieran en más del
1% sea superior a 0.95.
1.8. EJERCICIOS 61
23. Una norma particular de metrología determina que deben realizarse

36 mediciones de la emisión de ondas de un horno de microondas.
El equipo debe estar calibrado de tal forma que la variabilidad en
cada medición, cuantificada por medio de la desviación estándar,
es de (7 unidades. Utilice la desigualdad de Chevyshev y el teorema
del límite central en forma comparativa, para establecer el valor
mínimo de la probabilidad de que el promedio de las mediciones di-
fiera a lo sumo del verdadero valor promedio en Kunidades. ¿Cuál
es la razón de la diferencia de los resultados?
24. Según el ejercicio 23, también utilizando en forma comparativa

la desigualdad de Chevyshev y el teorema del límite central, de-
termine cuál debe ser el número de mediciones para que el valor
mínimo de la probabilidad de que el promedio de las mediciones
difiera a lo sumo del verdadero valor promedio en ~ unidades sea
de 0.95. ¿Cuál es la razón de la diferencia de los resultados?
25. Un procedimiento de control estadístico de calidad ha establecido

para la inspección del proceso de elaboración de láminas de madera
aglomerada, un tamaño de muestra de 125 láminas. Si además se
ha reconocido que el modelo de Poisson de parámetro 3 es un buen
modelo para describir el número de defectos por lámina, determine
la probabilidad de que el promedio de defectos por lámina en la
muestra sea menor de 2.
26. Siendo dos minutos y cuarenta y cinco segundos el tiempo medio

de transacción en un cajero electrónico y que el modelo Exponen-
cial es un modelo admisible para representar el tiempo que utiliza
un cliente en la transacción, determine la probabilidad de que se
requieran más de 55 minutos para atender una cola de 16 clientes,
pues la persona que ocupa el puesto 16 debe decidir si espera o
no, en razón de que cuenta únicamente con los citados 55 minutos
para realizar la diligencia.
aleatoria de una población con distribución de Bernoulli de pará-
metro e, ¿cuál es la distribución conjunta de Xl, X2, ... ,Xn y cuál
n
es la distribución de la estadística ¿ Xi?
i=l
28. En el período preelectoral de la elección presidencial del 2002 en

Colombia, los estimativos del favoritismo del candidato en defini-

tiva elegido estuvieron persistentemente cerca del 52%. ¿Con cuál
tamaño de muestra se hubiese podido predecir que no habría segun-
da vuelta, suponiendo como cierta la información que se disponía
en ese momento y adoptando una probabilidad del 95%?
29. El tercer momento central es un elemento ligado a la descripción

de la simetría de la función de densidad de una variable aleatoria.
¿ Qué puede afirmarse de la simetría de la función de densidad del
promedio de una muestra de una población con distribución de
Bernoulli de parámetro (), cuando el tamaño de la muestra crece?6 .
30. Determine el valor esperado y la varianza de la desviación estándar

de una muestra aleatoria de una población con distribución normal
de valor esperado 11 y varianza (J2.
31. Si las variables aleatorias Xl, X 2 , . .. , X n constituyen una muestra

aleatoria de una población con función de densidad
1
!x(x) = ¡/{1,2, ... ,k}(X),
determine el valor esperado del semirrango de la muestra.

aleatoria de una población con valor esperado 11 y varianza finitos,
muestre que las estadísticas
2 n
• ¿iXi
n(n + 1) i=l
• 6 ~
~ z
.2X .
n(n + 1)(2n + 1) i=l t
convergen en probabilidad a 11.
33. Si las variables Xl, X 2 , •.. constituyen una sucesión de variables

aleatorias, tales que P[Xi = iJ = P[Xi = -iJ = ~, entonces
n X.
E[XiJ = 11 = O, i = 1,2, ... , demuestre que ¿ _t no converge
i=l n
en probabilidad a 11 = O.
6Un coeficiente de simetría de la función de densidad de una variable aleatoria X,
con momento central /-l3 y varianza (]"2, está definido como Q3 = /-l3/ (]"3.
1.8. EJERCICIOS 63
34. Si las variables aleatorias Xl, X 2, ... , X n constituyen una muestra

valo (O, e), demuestre que el máximo de la muestra converge en
probabilidad a e.
35. Si las variables aleatorias Xl, X2, ... ,Xn constituyen una pobla-
ción con mediana e, demuestre que la mediana de la muestra con-
verge en probabilidad a e.
36. Si las variables aleatorias Xl, X 2, . .. , X n constituyen una muestra

valo (0,1), determine el valor al cual la media geométrica de la
muestra G n converge en probabilidad
37. Si las variables aleatorias Xl, X 2, .. . , X n constituyen una muestra

aleatoria de una población con distribución Exponencial con pa-
rámetro e, demuestre que la variable aleatoria
Qn = .¡n (ex n - 1) ~ Z rv N(O, 1).
38. La cantidad de café molido que se empaca en bolsas de 500 g me-

diante un proceso que, bajo control estadístico, puede modelarse
como una variable aleatoria con valor esperado 500 y desviación
estándar 10. Con base en una muestra de 100 bolsas, determine
la probabilidad de que el promedio de la muestra esté entre 495 g
y 504 g.
39. Si las variables aleatorias Xl, X2, .. . , X n constituyen una muestra

metro e, demuestre que la estadística
converge en distribución a una variable aleatoria con distribución

N ormal estándar.
40. Si las variables aleatorias Xl, X 2, . .. , X n constituyen una muestra

aleatoria de una población con distribución de Poisson de paráme-
tro (), demuestre que
exp (-X n ) ~ P[X I = O].
41. Si las variables aleatorias Xl, X 2, ... ,Xn constituyen una muestra
fx(x) = xexp( -x) I(o,oo) (x),

determine el valor de la constante d, tal que P [Xn > d] = 0.95.
42. Si las variables aleatorias Xl, X2,"" X n constituyen una muestra
fx(x) = 12x 2 (1 - x) I(O,I) (x),
determine el tamaño de la muestra tal que P [f= Xi > gn] ::; 0.05.
t=l
43. Si Xl, X 2 , .. . , X n es una muestra aleatoria de una población con

distribución Uniforme en el intervalo (O, ()), determine la función
de distribución de la variable aleatoria W n = n(() - Xn,n). ¿Cómo
se distribuye la variable aleatoria a la cual la sucesión de variables
aleatorias W I , W 2 , •.. , W n , .. . converge en distribución?
Capítulo 2
Estimación puntual de
parámetros
En la primera sección del capítulo 1 se anotó que los modelos son ele-
mentos conexos con los quehaceres de la Ciencia. De índole diferente y
con propósitos distintos, los modelos son artificios que cooperan en la
descripción y explicación de la realidad al representarla de una manera
muy peculiar, que posibilitan descripciones y explicaciones generales o
minuciosas, según el propósito.
Entre otras funciones, el modelo subsume, en una especie de ideogra-
ma, una variedad de casos similares. Como modelo especial, el proba-
bilístico, por su parte, simboliza mediante una expresión algebraica el
comportamiento genérico de variables que aluden a mediciones, conteos,
o valoraciones de unidades estadísticas; pero, igualmente, el modelo pro-
babilístico puede entenderse como la representación del compendio de
situaciones individuales, es decir, constituye una familia de modelos par-
ticulares de la misma naturaleza, los cuales pueden singularizarse deter-
minando valores específicos de los parámetros, aquellas constantes que
son elementos integrantes del modelo.
El vocablo puntual, que adjetiva la estimación motivo de este capítulo,
tiene en castellano varias acepciones. El sentido que debe otorgársele
dentro del contexto de la inferencia estadística es el de perteneciente
o relativo al punto, por tratarse de la estimación de un parámetro por
medio de un valor particular de una estadística, un punto del recorrido
de ella, y también para distinguirla de la estimación por intervalo. Por
ello, algunos traductores utilizan la expresión de estimación de punto.
65
66 CAPÍTULO 2. ESTIMACIÓN PUNTUAL DE PARÁMETROS
En ese sentido, la estimación puntual de los parámetros puede in-

terpretarse como la adopción de un modelo individual elegido dentro de
una familia, para representar una realidad particular, elección fruto de
la tasación de los respectivos parámetros por medio de un cálculo rea-
lizado con los valores observados de la muestra aleatoria, a través de la
expresión que define la estadística facultada como estimador.
El objetivo de este capítulo es exponer algunos criterios que permiten
estudiar el desempeño de estadísticas propuestas como estimadores, cri-
terios que, como consecuencia, son algunos de los principios que facultan
definitivamente a una estadística para desempeñarse como estimador.
La estadística propuesta, o en examen, es habitualmente producto de la
utilización de un método de construcción de estimadores. La primera
parte del capítulo está dedicada a la presentación e ilustración de los
métodos más corrientes en la construcción de estimadores; la segunda
parte, substancial del capítulo, está dedicada al estudio de esos criterios
evaluativos de un estimador.
Como ya ha venido insinuándose, se acude al concepto de variable
aleatoria para representar una variable de interés que corresponde a la
respuesta de cualquier unidad estadística. Al denotar se esta variable
como X, su función de densidad 1, su función de distribución, su fun-
ción generatriz de momentos y su función característica serán escritas
casi siempre y de ahora en adelante como fx(x, O), Fx(x, O), Mx(t, O)
Y IjJx(t, O), respectivamente, para enfatizar que las funciones asociadas
al modelo asumido como modelo poblacional dependen, además de los
valores para los cuales existen las mencionadas funciones, de las cons-
tantes inherentes al modelo dispuestas en el vector de k componentes
O = (0 1 , O2 , ... , Ok)'. La finalidad de la estimación puntual de paráme-
tros es estimar de la manera más eficiente los componentes del vector o la
imagen de O bajo una función r( O) del mismo, a partir de la información
disponible en la muestra.
Como preámbulo a la primera sección concerniente a los métodos
tradicionales de construcción de estimadores, se presenta la definición
inicial para la aprehensión de los elementos conceptuales integrantes del
proceso de estimación estadística.
lEste texto, con el objetivo de simplificar el lenguaje, utiliza la expresión función
de densidad para referirse tanto a la función de densidad de una variable aleatoria
continua como a la función de masa, de probabilidad o de cuantía de una varia-
ble aleatoria discreta. El contexto de su utilización revelará el tipo de variable en
referencia o se precisará cuando sea requerido.
2.1. MÉTODOS CLÁSICOS PARA CONSTRUIR ESTIMADORES 67
Definición 2.0.1. Siendo X una variable aleatoria cuya función de

densidad es fx(x, e), se denomina espacio del parámetro al conjunto
de todos los posibles valores de los componentes del vector e, denotado
como -e ,e- -e IR k .
Ejemplo 2.0.2. El modelo Uniforme es un modelo apto para emular
variables que se distinguen por presentar frecuencias indiferentes para
sus distintos valores. Considerando la variable aleatoria X con distribu-
ción Uniforme en el intervalo (O, e), es evidente, a partir de su función
de densidad
1
fx(x, e) = (j I(o,li) (x),
que el cero es una frontera fija y que el parámetro e se desempeña como

la frontera superior del recorrido de la variable, el cual asume un valor
específico ante una situación también específica. En este caso, el pará-
metro e es un real positivo, por consiguiente, el espacio del parámetro
es el conjunto
Ejemplo 2.0.3. El modelo gaussiano comentado y utilizado profusa-

mente representa variables cuyas frecuencias, con marcada simetría, re-
saltan los valores intermedios y marginan los valores inferiores y superio-
res. Como se sabe, muchas son las variables factibles de ser abstraídas
por este modelo. Considerando la variable aleatoria X con distribución
Normal de valor esperado el y varianza e2 , el se desempeña como punto
de simetría de su función de densidad
Y e2 regula su grado de apuntamiento como consecuencia de su disper-

sión. El modelo admite cualquier real como punto de simetría, mientras
que exige un valor positivo para e2; por consiguiente, el espacio del pa-
rámetro es el conjunto e = {el, e2 1e l E IR, e2 > O}, que gráficamente
presenta la figura 2.1.
2.1 Métodos clásicos para construir estimadores

Previamente al desarrollo de las ideas básicas sobre los criterios capitales
que permiten evaluar la aptitud de una estadística en su encargo como
(h ..
01
Figura 2.1: Espacio del parámetro para el modelo gaussiano.
estimador, se presentan tres métodos para producir estimadores: el de

máxima verosimilitud, el de los momentos y el método por analogía.
Una mención adicional a la estimación bayesiana cierra esta sección.
2.1.1 El método de máxima verosimilitud

Con la denominación de método de máxima verosimilitud, resultado
de una amplia aceptación de la traducción por verosimilitud del término
inglés likelihood, se conoce al método de construcción de estimadores
más difundido y tal vez más utilizado. Aunque ya había sido concebido
y empleado por Gauss, se debe realmente a Fisher, quien lo hizo público
en la primera década del siglo XX. Por su fundamento y por producir
estimadores que poseen propiedades especiales, las cuales se estudiarán
más adelante, se convierte en un método con atractivos propios.
Definición 2.1.1. Siendo Xl, X 2 , ... , X n una sucesión de variables alea-

torias idénticamente distribuidas pero no necesariamente independientes,
la función conjunta de densidad de Xl, X 2 , ... , X n se conoce con el nom-
bre de función de verosimilitud de Xl, X 2 , ... , X n .
Definición 2.1.2. Sea Xl, X 2 , . .. ,Xn una muestra aleatoria de una

población con función de densidad fx(x, O), O E e, la función de ve-
rosimilitud de la muestra se denota y corresponde a
rr
n
L(O; Xl, X2,···, Xn ) = fX(Xi, O).
i=l
Recurriendo nuevamente a la primera sección del capítulo 1, para

tener presente el sentido semántico que allí se aclaró, estimar significa
la realización formal de un avalúo como proceso expreso, preciso y de-
terminado que exige contar con información. Los valores particulares
Xl, X2, ... , Xn , valores ya observados de las variables constituyentes de
la muestra aleatoria, son el acervo de información con el cual se cuenta
una vez haya concluido el acopio y registro de la misma en el estudio o
investigación particular. En consecuencia, esos valores pueden asumirse
como fijos en la función de verosimilitud y por eso en muchos textos
se le considera como función de f) exclusivamente y suele expresarse co-
mo L(f)). Este texto utilizará en algunas oportunidades la expresión
condensada L(O) o simplemente L a cambio de L(f); Xl, X2, .. . , x n ).
Definición 2.1.3. Siendo Xl, X 2, .. . , X n una muestra aleatoria de una

población con función de densidad fx(x, f)), con f) E 8, se dice que el
estimador T = t(X I , X2, ... , X n ) es el estimador máximo-verosímil
de O (MLE de O; conservando las siglas inglesas de Maximum-Likelihood
Estimator), si el valor particular de t = t(XI, X2, ... ,xn ) es tal que el
supremum de L,
sup{L(f))If) E 8},
se consigue cuando f) = t, en cuyo caso t se denomina estimación

máximo-verosímil de f).
El derrotero de la estimación máximo-verosímil puede percibirse ini-

cialmente con el siguiente ejemplo.
Ejemplo 2.1.4. Como parte de una estrategia de mercadeo, una marca

de pilas obsequia la persona que presente 10 pilas usadas impresas con el
rótulo de promoción "Sello de oro", un paquete de cuatro pilas nuevas.
Para imprimir en las pilas el rótulo se dispone de una máquina rotu-
ladora que tiene tres niveles: alto, medio y bajo. La máquina estampa
aleatoriamente el rótulo promocional en el nivel alto, medio y bajo, re-
spectivamente, al 75%, 50% y 25% de las pilas. El comité ejecutivo de
la empresa, basado en la información de las ventas, determina el nivel
en que debe operar la rotuladora en un período determinado. Un com-
prador de un paquete desea estimar el nivel en el cual está operando la
rotuladora. Para ello construye la tabla 2.1 basado en que el número
de pilas rotuladas como "Sello de oro" en un paquete de cuatro se puede
modelar como una variable aleatoria X distribuida binomialmente con
n = 4 Y probabilidad de éxito O. En este caso, el espacio del pará-

metro es e = {~, ~, ~}. Si el comprador sólo dispone de un paquete
de cuatro pilas para inferir el nivel de la rotuladora, sus estimaciones
máximo-verosímiles, derivadas de la citada tabla serán:
1
- o equivalentemente nivel bajo, si x = O o si x = 1.
4
1
- o equivalentemente nivel medio, si x = 2.
2 -
3
'4 o equivalentemente nivel alto, si x = 3 o si x =4
x
O O 1 2 3 4
1
4: 0.316406 0.421875 0.210938 0.046875 0.003906
1
"2 0.062500 0.250000 0.375000 0.250000 0.062500
3 0.046875 0.421875 0.316406
4: 0.003906 0.210938
Tabla 2.1: Compilación de valores de una función de densidad Binomial

con n = 4 Y probabilidad de éxito O.
justamente porque para un valor específico x, la estimación corresponde

a aquella donde la probabilidad es máxima.
El éxito de la promoción fue tal que una compañía de gaseosas acu-
dió a la misma estrategia, obsequiando una canasta de 30 unidades a
la persona que presente 75 tapas con la leyenda "Apaga gratis tu sed" .
A diferencia de la anterior, la rotuladora de la compañía de gaseosas
tiene la particularidad de que el nivel de estampación se puede ajustar
a cualquier porcentaje. Igualmente, con base en el número de botellas
cuyas tapas contienen la leyenda de la promoción en una canasta de 30
unidades, un comprador de una canasta desea estimar el nivel en el cual
está operando la rotuladora.
Para este caso ya no es posible construir una tabla como la 2.1, porque
el espacio del parámetro es un conjunto infinito, e = {OIO < O < 1}.
Se podría construir una tabla similar con una selección de valores par-
ticulares de (). Entonces, denotando como X: número de botellas cuyas
tapas contienen la leyenda promocional en una canasta de 30 unidades,
los valores de la función
vistos como los componentes de una fila en una tabla similar a la 2.1,
son los valores de una función de densidad para un valor específico de ().
Una columna de una tabla construida con algunos valores de () estaría
constituida por un conjunto de valores de funciones de densidad calcu-
lados con distintos valores del parámetro () y fijo el valor de x. Leída
verticalmente esta tabla, mostraría el máximo del citado conjunto, la
mayor probabilidad, indicativa de que su correspondiente valor de () es
el valor más verosímil según las condiciones mencionadas.
Como para efectos de esta estimación no existe la posibilidad de elegir
valores particulares del parámetro, se acude al cálculo diferencial y de
esta forma el valor de () para el cual L(()) sea máxima corresponde al
valor más verosímil del nivel de estampación. Por ejemplo, si en una
canasta se encuentran seis botellas cuyas tapas están marcadas con la
leyenda promocional,
función cuya primera derivada es
derivada que es nula cuando () = t,

y en ese punto la función L( ())
tiene máximo, lo cual significa que el valor más verosímil del nivel de
estampación es del 20% cuando se dispone únicamente de la información
relativa a una canasta que contiene seis unidades premiadas.
El anterior y los cuatro ejemplos siguientes, a la luz de la definición
2.1.3, mencionan el máximo de un conjunto o función, teniendo en cuenta
que cuando un conjunto posee máximo, el cual pertenece al conjunto, el
supremum de dicho conjunto es el mismo máximo.
Lema 2.1.5. Si t hace máxima a L(()), t igualmente hace máximo a
lnL(()).
Ejemplo 2.1.6. Se toma una muestra de tamaño tres de una pobla-

ción con distribución de Poisson de parámetro O, cuyos resultados son,
Xl = 2, X2 = O, X3 = 5. Determinar la estimación máximo-verosímil de
O.
O e -O) _ (}7 e -30
L((}) -_ ((Pe-O)
- - ((}Oe-
- - ) ((}5
-- --.
2! O! 5!
L'(O) = _1_ [70 6 e- 30 _ 307e-30] .
2!5!
L'(O) = O cuando O = O o cuando O = ~. Luego la estimación máximo-
verosímil de O es ~; el valor O = O no es un valor admisible por el modelo
de Poisson porque
O E e = {OIO > O}.
Ejemplo 2.1. 7. Determinar el MLE de () a partir de una muestra aleato-

ria Xl, X 2 , ... ,Xn de una población con función de densidad
fx(x, O) = OX(1 - O)l-X I{O,l}(X), OE e= {OIO E (0,1)}
n
L(e; Xl, X2, ... , Xn ) = eX1 (1 - e)I-X1 eX2 (1 - e)I-X2 ... e (1 - e)l-x
Xn n
II [{D,l} (Xi)
i=l
n n n
¿: Xi n- ¿: Xi
= ei~1 (1 - e) i~1 II [{D,l} (Xi)
In L(O; x" X" ..• , x n ) ~ {[~ x,Jlno e} -~ x,Jln(! !1 O) } J{O,>}(x,)
o n n
uO In L(O',Xl, X2, ... , Xn ) __

!:) ¿- Xi
i=l - n - 2=1
'"
Ú Xi
O
n n
02 i~ Xi n - i~ Xi
o02InL(O;Xl,X2, ... ,Xn)=-~- (1-0)2 <O
lo cual garantiza la existencia del máximo de ln( L( O; Xl, X2, ... ,x n )).
Luego In L( O) tiene máximo cuando
n n
¿Xi n- ¿ Xi
i=l i=l
O 1-0
o, de otra manera, cuando
n
Entonces, InL(O) tiene máximo en O = ~ ¿ Xi. Es decir, el estimador
i=l
máximo-verosímil de O es X n = Pn , llamado como ya se había anotado,
proporción muestral.
Ejemplo 2.1.8. Determinar el MLE de Oa partir de una muestra aleato-

ria Xl, X2, .. . , X n de una población con función de densidad
e-BO x
fx(x, O) = -,-I{Ü,1,2, ... }(x),
x.
OE e = {OIO > O}
con lo cual se garantiza la existencia del máximo de In L( O; Xl, X2, ... ,X n )

n n
en O = ~ ¿ Xi, es decir, el MLE de O es ~ ¿ Xi.
i=l i=l
Ejemplo 2.1.9. Determinar el MLE de () a partir de una muestra aleato-

ria Xl, X2, . .. ,Xn de una población con función de densidad
fx(x, ()) = ()x()-II(o,l) (x), () E e = {()I() > O}.

Como en los casos anteriores, al hacer uso del cálculo diferencial, se
deduce que el MLE de () es
n
In (TI Xi) .
~=l
Se evidencia el respaldo que el cálculo diferencial prestó para la cons-

trucción de los estimadores máximo-verosímiles en los ejemplos anterio-
res, tratándose de la herramienta matemática central del procedimiento,
pues la consecución de estimadores de esta naturaleza es en sí uno de
los denominados problemas de máximos y mínimos. Sin embargo, no
siempre es pertinente la utilización de esta herramienta; por ejemplo,
cuando la función de verosimilitud no sea diferenciable. Los siguientes
ejemplos muestran una forma alternativa de encontrar un MLE.
Ejemplo 2.1.10. Determinar el MLE de () a partir de una muestra

aleatoria Xl, X 2 , ... , X n de una población con función de densidad
fx(x, ()) = I[()-1,B+1l(x), () E e = {()I() E lR}
fx(x, ())
• •
()_l () ()+~ x
2
Figura 2.2: Gráfica de la función de densidad correspondiente al ejemplo

2.1.10
n
L((); Xl, X2,···, Xn ) = rr I[B_~,o+~](Xi)
i=l
Como L( ()) es distinta de cero cuando () - ~ :S Xi :S () + ~, i = 1,2, ... ,n,

entonces
1 1
() - -2 <
- x·t implica () :S Xi + 2
1 1
Y () + 2 2: Xi implica (»x--
- t 2
Luego Xi - ~ :S () :S Xi +~ para i = 1,2, ... ,n, particularmente
1 1
xn,n - 2 :S () :S Xl,n + 2·
De manera que la función de verosimilitud puede expresarse como
L(()) = I[x n,n _12' xl,n +1](()).

2
L( ())
• •
Xn,n -
1
"2 Xl,n + "21 ()
Figura 2.3: Gráfica de la función de verosimilitud correspondiente al

ejemplo 2.1.10
Como se deduce de la figura 2.3, cualquier valor entre Xn,n - ~ y

Xl,n+ ~ hace máxima la función de verosimilitud. Como el papel que
desempeña el parámetro es la determinación de la posición de la función
de densidad, que coincide con el centro del recorrido de la variable, es
razonable asumir como MLE de () a
Xl,n +Xn,n
2
Ejemplo 2.1.11. Determinar el MLE de e

a partir de una muestra
aleatoria Xl, X 2, ... , X n de una población con función de densidad
fx(x,e) = ~1(O,O)(X)' e E8 = {ele> O}
L(e; Xl, X2,·· ., Xn )

l)n n
= ( (j g 1(0,0) (Xi)'
Como L( e) es distinta de cero cuando O < Xi < e, en particular cuando

xn,n < e, entonces
L(e;XI,X2, ... ,X n)= (~)n 1(Xn,n,OO) (e).
L( e)
Xn,n e
Figura 2.4: Gráfica de la función de verosimilitud correspondiente al

ejemplo 2.1.11
El estimador máximo-verosímil de e es Xn,n, porque el

sup(L( e)) = (x~,n) n.
Teorema 2.1.12 (Principio de invarianza de un MLE). Si las
variables aleatorias Xl, X 2 , ... , X n constituyen una muestra aleatoria de
una población con función de densidad fx(x, e), T n = t(X I , X 2 , ... , X n )
un MLE de e, e E 8, 8 ~ ]R, Y si r(e) es una función uno a uno,
entonces r(Tn ) es el estimador máximo-verosímil de la imagen de e bajo
la función r.
De manera más general, este princIpIO de invarianza de los esti-

madores máximo-verosímiles se puede enunciar como lo establece el si-
guiente teorema.
.
Teorema 2.1.13. Szendo T n = (1)
T ,T
n n
(2) (k»)' un MLE de O,
, ... , T n
donde T~j) = tj(X l , X 2 , .. . , X n )

para cualquier 1 :s: j :s: k, un esti-
mador basado en una muestra aleatoria Xl, X2, ... , X n de una población
con función de densidad fx(x,O), 0= (Ol,02, ... ,Ok)"
Si r(O) = (rl(O),r2(O), ... ,r¡(O)), 1 l :s: :s:
k, entonces el MLE de la
imagen de O bajo la función r es
Ejemplo 2.1.14 (Estimación en muestras censuradas). Para ce-

rrar el estudio del método de máxima verosimilitud, se presenta una
breve alusión a las muestras censuradas. En algunas aplicaciones como
las relacionadas con los ensayos clínicos, con el análisis de sobrevivencia
o con algunas investigaciones de laboratorio, el acopio de la información
pertinente consiste en obtener el valor de la medición del tiempo de du-
ración de algún evento vital o biológico de cada una de las n unidades
estadísticas elegidas como tamaño de muestra, sólo que al finalizar el
tiempo t establecido para el estudio, k < n de las unidades presentan
valores en la duración inferiores a t, porque las (n-k) unidades restantes
superaron el tiempo establecido, pero debido a la finalización del estudio
no se conocen con exactitud sus valores. También se presentan situa-
ciones en las cuales el estudio finaliza cuando únicamente k :s: n de
las unidades estadísticas hayan concluido su observación, faltando las
restantes (n - k) unidades. En cualquiera de las dos situaciones se habla
de una muestra censurada.
Cuando t se ha establecido como un tiempo fijo, k representada por
la variable K puede entenderse como una variable aleatoria y se habla
en este caso de una muestra censurada del tipo 1. Si el número de
unidades k necesario para concluir el estudio se fija de antemano y el
tiempo correspondiente t representado por la variable T es considerado
como una variable aleatoria, entonces la muestra recibe el nombre de
muestra censurada del tipo 11.
Siendo X la variable aleatoria que representa la duración del evento
vital o biológico de cualquier unidad estadística, el valor Xl,n representa
la duración de la "t-widad con menor valor, X2,n representa la duración
de la unidad con el siguiente valor, y así sucesivamente hasta Xk,n que

representa la duración de la última unidad con mayor duración inferior
al tiempo t. Las restantes (n - k) unidades tienen una duración mayor
al tiempo t, duración que no se puede establecer por la culminación del
acopio la de información del estudio.
Considerando como objeto una muestra aleatoria censurada del tipo
II, fijando los valores de k y n, como también asumiendo el modelo
del tipo Exponencial para representar la duración del evento como la
variable aleatoria X, con función de densidad
1 x
fx(x, B) = (/~9 1(0,00) (x),
se busca estimar el parámetro B, en estas condiciones. Para determinar

un estimador máximo-verosímil del parámetro, la función de verosimi-
litud acorde con el tipo de muestra está constituida por el producto de
dos factores:
n! n
(n _ k)!. rr
z=l
k 1 ~ Xi,n
(je -0--- y rr
i=k+l
e~6
Xk n
El primer factor es la parte de la función de verosimilitud correspon-

diente a las k unidades con duración inferior al tiempo de corte; la
presencia del coeficiente del producto de densidades radica en que hay
(n~!k)! formas de tener k unidades de un total de n con tiempos inferi-
ores al citado corte, por tratarse de k-uplas ordenadas sin repetición. El
segundo factor corresponde a la probabilidad de que (n - k) unidades
tengan una duración superior a Xk,n, debido a que P[X > xl = e~~. De
esta manera, la función de verosimilitud de las n variables aleatorias es:
L(B; Xl, X2,··· ,X n ) = 1__

n.
' '-\,
rr
k
1 Xi ,n
(je~-o- rr
n
xk,n
e~-o- =L
i=l i=k+l
n!
L = (n - k)! [m t kexp ( -~ Xi,n) (exp ( - (n - :)Xk,n) ) 1
L
n!
= (n - k)! [G)' exp ( -~ (t Xin + (n - k)Xk,n) ) 1
Procediendo de la manera usual puede deducirse que el MLE de e con

base en una muestra aleatoria censurada del tipo 11, bajo este modelo
Exponencial es:
k
¿ Xi,n + (n - k)Xk,n
T = ~i=_l~_______________
n
k
Por supuesto, si se asume otro modelo para describir la duración del
evento vital o biológico, la determinación del correspondiente MLE de-
penderá del referido modelo, pero el bosquejo aquí presentado se mantiene.
Nota. La denominada función de verosimilitud en el ejemplo ante-

rior referente a una estimación en una muestra censurada no es una
función de verosimilitud estrictamente hablando. Es una función de
cuasi verosimilitud, cuyo máximo reside en una estimación cuasi
máximo-verosímil. Precisamente para denotar a un estimador de es-
ta naturaleza, se utiliza la sigla QMLE (Quasi Maximum Likelihood
Estimator). Incorrectas funciones de verosimilitud son propias de situa-
ciones cuando la función de verosimilitud es supremamente complicada,
cuando hay presencia de datos censurados, cuando se realizan algunos
estudios basados en simulación o cuando se requiere excesivo cómputo
estadístico para determinar una estimación máximo-verosímil y se acude
a una función de cuasi verosimilitud para simplificarlo. En consecuen-
cia, el estimador obtenido en el ejemplo 2.1.14 es realmente un QMLE.
2.1.2 El método de los momentos

Antes de la divulgación del método de máxima verosimilitud, SurglO
el método más antiguo de construcción de estimadores, denominado el
método de los momentos, propuesto y utilizado por Pearson a finales
del siglo XIX. En casi todos los textos se describe como un método que
deduce los estimadores por medio de un eje consistente en igualdades
algebraicas de momentos muestrales con momentos poblacionales. Este
texto, sin apartarse radicalmente del proceso tradicional, fundamenta el
método y por tanto su procedimiento en la convergencia en probabilidad
de los momentos muestrales a sus respectivos momentos poblacionales.
Antes de exponer la idea del método es preciso referenciar dos teoremas
que auxilian la fundamentación de método y su aplicación: el teorema
1.3.2 y el teorema que se enuncia a continuación.
Teorema 2.1.15. Sea Xl, X 2 , ... ,Xn una muestra aleatoria de una
población con función de densidad fx(x, O). Existiendo el momento
2r
J.l2r = E [X ] , r = 1,2, ... ,
n
1~(
-~ Xi-X n
- )r p
-tJ.lr·
n i=l
El método de los momentos consiste fundamentalmente en determi-

nar las estadísticas unidimensionales que convergen en probabilidad a
cada componente Oj del parámetro O, para j = 1,2, ... , k, a partir de
un sistema de expresiones
M{ E. J.l~
I P I
M2 -t J.l2
M k' P
-t
I
J.lk·
Este sistema se fundamenta en los enunciados de los teoremas de Kint-

chine (1.4.6)y 1.4.7. En la determinación de las estadísticas en conside-
ración, también se puede incluir en el sistema de expresiones el hecho
que
P
M r - t J.lr
como lo enuncia el teorema anterior.
Ejemplo 2.1.16. Siendo Xl, X 2 , .. ., X n una muestra aleatoria de una
población con función de densidad
01
02
f X (x, O) -- f(OI)X 01-1 -02 X ¡
e
()
(0,00) x ,
determinar los estimadores de los componentes 0 1 , O2 del correspondiente

vector O = (0 1 ,02)"
Como X '" Gama(Ol, 02),
01
E[X] = 01 y V[X] = O~
O2
entonces, debido a la convergencia en probabilidad de los momentos
muestrales
1 n
Xn -P 01
t- y _ ~ (X. - X )2 E. 01
O2 n~ ~ n 02'
i=l 2
y con el apoyo del corolario 1.3.3,
Xn
luego _ _ _(}.:....!2~_ _ E.. 1.
n
*¿(Xi- X n)2
i=l
Por lo anterior,
Xn P
--:c:- - - - -
n -+ O2 .
* ¿(Xi - Xn)2
i=l
Por otra parte,
luego ( ~)2
X
-
n
P
-+
02·
2
También:
por tanto,
En consecuencia:
-2
__n__X_n'-'--_ _ E.. 01 .
* ¿(Xi - Xn)2
i=l
En síntesis,
X~ Xn)
( n
* i~(Xi - X n )2
'n
*i~ (Xi - Xn)2
es el estimador por el método de los momentos de O = (0 1 , O2 )'.
El método de los momentos posee cierta flexibilidad en la construc-

ción de estimadores, al admitir relativa libertad en la conformación del
sistema de expresiones que son el punto de partida del método. En
algunas oportunidades es posible acudir a otro momento para eludir un
obstáculo no advertido. Muestra de ello es el siguiente ejemplo.
Ejemplo 2.1.17. Sea Xl, X 2, . .. ,Xn una muestra aleatoria de una po-
blación Uniforme en el intervalo (-e, e). Determinar por el método de
los momentos el estimador de e.
Partiendo del hecho de que X n ~ O, al no contener información sobre e
se explora en otra dirección. Como el segundo momento ordinario es
e2
:3
1 n
_n~ e2
"xt--->-
2 p
i=l 3
y por lo tanto
~n~
~ X2 ~e. t
i=l
n
Luego 1/ ~ L Xl es el estimador por el método de los momentos de e.
i=l
Ejemplo 2.1.18. Si Xl, X 2, . .. ,Xn es una muestra aleatoria de una

población Normal de valor esperado el y varianza e2
- p
X n ---> el
1~ -
- ~(Xi - X
n
n)
2 P
---> e2.
i=l
- 1 n
Luego ( X n , -:;¡ i~(Xi - X
-
n)
2) es el estimador por el método de los mo-
mentos de e = (el, e2)'.
Ejemplo 2.1.19. Sea Xl, X2,'" ,Xn una muestra aleatoria de una po-
blación con función de densidad
fx(x, e) = ee-Bx 1(0,00) (x), e> o.

Determinar el estimador de la mediana poblacional por medio del método
de los momentos.
p 1
-
X n ---> e
_1__ ~ e.
Xn
Luego 1 es el estimador por el método de los momentos de e. Teniendo

Xn
. . ln(2) .
en cuenta que la medIana poblaclOnal es -e-' su estImador por el
- - p ln(2)
método de los momentos es X n ln(2) porque X n ln(2) ---+ -e-o
2.1.3 El método por analogía
La pretensión primaria al proponer un modelo es lograr la mayor fideli-
dad a los hechos, es decir, que haya concordancia entre los atributos de
la realidad y los elementos del modelo que los representan. Los paráme-
tros de un modelo probabilístico desempeñan funciones muy específicas,
y es procedente, por tanto, que sus estimaciones estén en afinidad con
ellos en el desempeño de funciones similares. Sugerido por Pleszczynska,
el método por analogía, como su nombre lo indica, elige el estimador
luego de indagar el papel que cumplen los componentes del parámetro
dentro del modelo, derivando una estadística que de manera análoga
realice la misma función dentro de la distribución empírica. Un par de
ejemplos ilustran la manera como este método particular procede.
Ejemplo 2.1.20. Sea Xl, X 2 , . .. ,Xn una muestra aleatoria de una po-
fx(x, e) = ee-()x 1(0,00) (x), e> O.
Determinar usando el método por analogía un estimador de e.
1 1
Como E[X] = (j' entonces
e= E[X]'
El parámetro es el recíproco del valor esperado; su estimador debe de-
l
sempeñar una función análoga. Por tanto, =- puede adoptarse como el
n X
estimador de e usando el método por analogía.
Ejemplo 2.1.21. Sea Xl, X 2 , .. . , X n una muestra aleatoria de una po-
1
fx(x,e) = (j1(o,()) (x).
e
El parámetro determina el valor máximo de la variable aleatoria que
representa a la población; Xn,n representa al valor máximo en cualquier
e
muestra. Por tanto, Xn,n es el estimador de usando el método por
analogía.
2.1.4 Estimación bayesiana

El enfoque bayesiano en la estadística es un enfoque muy singular, pues
se inspira en la concepción de la denominada probabilidad subjetiva que
el investigador puede alterar a la luz de información o conocimiento adi-
cional sobre la naturaleza del fenómeno en estudio. Coherentemente, la
estimación bayesiana fundamenta su proceder sobre el principio de que
información o conocimiento previo sobre algunos rasgos del parámetro
son elementos contribuyentes en su estimación. Por ello, a diferencia de
lo tratado hasta el momento, en el sentido de considerar una muestra
aleatoria de una población con función de densidad fx(x, B), cuyo pará-
metro, un valor fijo que pertenece a un conjunto 8, el enfoque bayesiano
considera una muestra aleatoria de una población con función de den-
e
sidad fx(x, B), en la cual el parámetro es entendido como un valor
particular de una variable aleatoria 8, variable que tiene una función
de densidad ge (B), cuyo parámetro es totalmente conocido. La función
ge(B) recibe la denominación de función de densidad a priori de 8. De-
pendiendo de la naturaleza de e, la variable 8 es una variable aleatoria
continua o discreta, según el caso.
Algunas situaciones en la práctica requieren un modelado especial
y el enfoque bayesiano es propicio para tal fin. Por ejemplo, si una
compañía recibe en su planta de producción materia prima cuyo nivel
de calidad, medido en términos de la fracción disconforme de artículos,
es variable de entrega a entrega, pero frecuentemente con valores ba-
jos y muy raramente con valores altos, y si ese nivel de calidad es para
un período de inspección de lotes, en el control de calidad de la mate-
ria prima, el valor del parámetro B de la función de densidad de una
variable Y que contabiliza el número de artículos disconformes en una
caja de 48 unidades, entonces para destacar esa índole de variabilidad
y de marcada tendencia en la generación de valores bajos, el parámetro
e puede modelarse como una variable aleatoria con distribución Beta,
cuya función de densidad manifieste un fuerte sesgo a la derecha.
De la familia de densidades Beta, en esta explicación, se opta por
una individual que preserve los rasgos esperados del parámetro
1
ge (e) = ni 1 \ ea - 1(1 - e)b-1 1(0,1) (e)
densidad para la cual a y b son conocidos y para el caso b es suficiente-

mente mayor que a para registrar el sesgo pretendido.
Adoptada la distribución a priori de e, se selecciona una muestra

aleatoria Xl, X2, . .. ,Xn , de una población ya no con función de densi-
dad fx(x, e) como hasta ahora ha venido concibiéndose, sino con fun-
ción de densidad fx(xle), entendida ésta como una función de densidad
condicional debido a que depende de los valores de la variable aleatoria
e.
En el caso asociado en esta descripción, la muestra se selecciona de
una población con función de densidad
La función de densidad condicional felxl,x2, ... ,Xn (eIXl, X2, ... , x n ) se le

conoce como la función de densidad a posteriori de e, función de den-
sidad condicional que corresponde a
f X l,X2, ... ,xnle=o(Xl, X2,·· ., xnle)ge(e)

fXl,X2, ... ,Xn (Xl, X2,···, Xn )
y debido a la independencia existente entre las variables aleatorias que
conforman la muestra y la variable aleatoria que representa al parámetro
e, la función de densidad a posteriori de e, conviniendo que e es una
variable continua, puede expresarse como
Particularmente, al asumir el modelo de Bernoulli, como comportamien-

to poblacional, y el modelo Beta para el comportamiento del parámetro,
C~ Xi + a, n + b - i~ Xi)
f3
luego la distribución a posteriori de e es una distribución Beta.

El hecho
que la familia de densidades a la cual pertenece la función de densidad
a priori de e sea la misma de la función de densidad a posteriori de

e, produce un hecho atractivo para la computación estadística, pues se
puede simular la distribución a posteriori sin acudir directamente a los
resultados del teorema de Bayes.
Pero no siempre se cuenta con esta ventaja. Si se asume la función
de densidad a priori de e como Uniforme en el intervalo (O, 1) Y la
función de densidad fx(xIO) = OX(1 - O)l-X I{O,I}(X), fácilmente puede
comprobarse que la distribución a posteriori de e es Beta.
Definición 2.1.22. Sea Xl, X 2 , ... ,Xn una muestra aleatoria de una
población con función de densidad fx(x, O). Una familia D de densi-
dades se dice que es conjugada para la función de densidad fx(x, O),
o que es cerrada bajo muestreo respecto a la función de densidad
fx(x, O), si la función de densidad a priori de e, ge(O) E D Y si
felxl,x2, ... ,xn (OIXI, X2,.· ., x n ) E D.
De lo anteriormente desarrollado se deriva que la familia de densi-

dades Beta es conjugada para la función de densidad de un modelo de
Bernoulli.
Definición 2.1.23. Sea Xl, X2, ... ,Xn una muestra aleatoria de una
población con función de densidad fx(x, O), ge(O) la función de densi-
dad a priori de e, y r(O) una función del parámetro O. El estimador
bayesiano para la imagen de O bajo la función r, respecto a la función
de densidad a priori ge (O) es aquel cuya estimación corresponde a
E [r( e) [XI, X
2
, ••• ,Xnl ~ 1"=' r( e) [iD, f x (x.¡o)1ge( e)de
J~oo [iDI fX(XiIO)] ge(O)dO
Ejemplo 2.1.24. Como se afirmó, la familia de densidades Beta es con-

jugada para la función de densidad de un modelo de Bernoulli; entonces
la estimación bayesiana de e corresponde a
1
Jo
¿n x;+a-l
e ei =l
n- ¿n xi+b-
(1 - e) i=l
1de
1
E [eIX 1 , X2, ... ,Xnl = ( n n )

(3 ¿ Xi + a, n + b - ¿ Xi
i=l i=l
1
Jo
¿n x;+a
ei =l
n- ¿n xi+b-
(1 - e) i=l
1 de
1
(3 C~ Xi + a , n + b - i~ Xi)
n
¿Xi+ a
i=l
En otros términos, el estimador bayesiano para e respecto a la función

de densidad a priori de e, perteneciente a la familia Bernoulli de densi-
dades, es
n
¿Xi+a
1: - _i=_l_ __
n- n+a+b
Puede comprobarse que si se hubiese asumido el modelo uniforme en el

intervalo (0,1) como la distribución a priori de e, el estimador bayesiano
correspondiente sería
n
¿Xi+ 1
T - _i=_l_ __
n - n+2
y la estimación bayesiana para la varianza de la población e(l - e),

es decir la estimación bayesiana de la imagen de bajo la función e
r(e) = e(l - e), asumiendo el mencionado modelo Uniforme en el in-
tervalo (0,1) como la distribución a priori de e, se deriva en la forma
siguiente:
r10(1 [ f Xi n
E [r(8)[X X Jo - O) Oi=l (1 - O)n-¿ Xi]
1, 2, ... ,X l= ,=1 dO
n n
1 ¿ Xi
Jo Oi=l (1 - O)n-¿
,=1 Xi] dO
n
1 ¿n x;+l n- ¿nXi+]
1
Jo [Oi=l (1 - O) i=l dO
(3 C~ Xi + 1 , n + 1 - i~ Xi)
[t
1=1
Xi + 1] [n + 1- t Xi] 1=1
(n+3)(n+2)
Ejemplo 2.1.25. Sea Xl, X2, . .. , X n , una muestra aleatoria de una
población con distribución Normal de valor esperado O y varianza (72
asumida como una constante conocida. La distribución a priori de 8 se
establece como Normal de valor esperado f..lp y varianza (7~, por supuesto
conocidos. Puede comprobarse que la familia de densidades gaussiana
es conjugada para la función de densidad de un modelo gaussiano e
igualmente que la distribución a posteriori de 8 es normal de valor
esperado
2-
n(7pX n
+ f..lp(7 2
n(72 + (72
P
y varianza
(72(72
p
n(7~ + (72·
Nota. Como f..lp y (7~ son valores fijos y conocidos, en la medida que el
tamaño de la muestra se incremente este estimador tiende al estimador
máximo-verosímil para O.
Para finalizar, los estimadores bayesianos definidos en esta sección,

realmente, son estimadores bayesianos cuyas estimaciones minimizan
una función de pérdida particular llamada error cuadrático. Esto quiere
decir que si se adopta otra función de pérdida, el estimador bayesiano
puede ser de otra naturaleza.
2.2. CRITERIOS PARA EXAMINAR ESTIMADORES 89
2.2 Criterios para examinar estimadores

Otorgar facultades a una estadística para que se desempeñe cabalmente
como estimador es el resultado del cumplimiento por ésta de cada uno de
los requisitos de un conjunto de requisitos deseables para un estimador
idóneo; consiste en colocar en balanza los requisitos que la estadística
cumple, sus capacidades, y aquellos rasgos que menoscaban en algún
grado su misión, es decir, la evaluación del costo/beneficio de adoptar
un estimador con algunas deficiencias frente a sus virtudes.
Se trata de un procedimiento análogo a un procedimiento de certifi-
cación de calidad que asegura que un producto, un proceso o un servicio,
cumple los requisitos especificados, lo cual genera un factor imprescindi-
ble en la cimentación de la confianza en las relaciones cliente/proveedor.
Facultar una estadística es en sí acreditar la calidad de un proceso, un
proceso particular de inferencia, para que el usuario pueda aplicarlo con
la confianza derivada de la certificación, a semejanza del uso que un
cliente le da a un producto o servicio certificado.
Así como en una relación comercial el proveedor necesita disponer de
evidencias que confirmen la aptitud del producto o la diligencia del ser-
vicio, para que su cliente pueda confiar en su destreza para satisfacer sus
expectativas y necesidades, de un estimador es menester contar con una
relación de sus solvencias para que su uso, sujeto al modelo adoptado,
satisfaga la precisión y exactitud previstas en el proceso de estimación
y tenga en cuenta las limitaciones y particularidades del entorno de su
aplicación.
Contrario a lo que frecuentemente se presenta como propiedades de
los estimadores, este texto las destaca como requisitos para facultar es-
tadísticas en su desempeño como estimadores. Los requisitos indagan
acerca del carácter del centro de gravedad de la distribución muestral
de la estadística, sobre la naturaleza de su concentración, acerca de atri-
butos especiales derivados de su construcción, sobre el efecto que pueda
tener el tamaño de la muestra en su esencia y sobre otras condiciones
de mayor abstracción.
Es usual en la certificación de estimadores adjetivar al estimador
con el requisito que cumple. Por ejemplo, se designará como estimador
insesgado al estimador que cumple el requisito del insesgamiento; es-
timador consistente, al estimador que satisface el requerimiento de la
consistencia, etc. Igualmente, la estimación correspondiente, es decir el
valor particular del estimador, se adjetiva de igual forma: estimación
insesgada, estimación consistente.

Para dar paso a la exposición de estos requisitos o criterios para el
examen de una estadística, se describe en primer lugar lo relativo a la
concentración de un estimador.
2.2.1 Concentración, un requisito de precisión

Definición 2.2.1. Sea Xl, X2, ... ,Xn una muestra aleatoria de una po-
blación con función de densidad fx(x, e), la función r(e) una función
/ (1) _ (2) _ (
del parametro e, y T n - tl(X l , X 2, .. ·, X n ), T n - t2 Xl, X 2,···, X n )
dos estimadores para la imagen de e bajo la función r, función cuyo
recorrido es un conjunto de números reales. Se dice que el estimador
T~l) es más concentrado que el estimador T~2), si y sólo si
Pe [r(e) - >. < T~l) < r(e) + >.] 2: Pe [r(e) - >. < T~2) < r(e) + >.]
para cada>. > O Y cada e E 8.
En la definición anterior se utilizó el símbolo Pe en cambio del

símbolo usual P, para acentuar que el cálculo de la probabilidad allí
indicado se basa en un modelo asumido, modelo que lleva consigo al
e
parámetro como su componente connatural; quiere decir entonces que
el citado cálculo alude a cualquier valor del parámetro, en su respectivo
espacio, por supuesto. En este mismo sentido, al utilizar Ee Y Ve se hace
referencia al valor esperado y a la varianza, respectivamente, de una va-
riable aleatoria, según las consideraciones hechas de la dependencia del
modelo asumido y de su parámetro inherente.
Definición 2.2.2. Sea Xl, X2, .. . , X n una muestra aleatoria de una po-
blación con función de densidad fx(x, e) y r(e) una función del paráme-
tro. El estimador T~ = t*(X l , X 2, ... ,Xn ) se denomina el estimador
más concentrado para la imagen de e bajo r, si él es más concentrado
que cualquier otro estimador para la imagen de e bajo la función r.
Definición 2.2.3. Dentro de la definición 2.2.1 el estimador T~l) se

denomina estimador Pitman más concentrado que el estimador
T2) para la imagen de e bajo la función r, si y sólo si
Pe [IT2) - r(e)1 < IT~2) - r(e)l] 2: ~.

Definición 2.2.4. El estimador T~ = t*(X l , X 2 , ... ,Xn ) se denomina

el estimador Pitman más concentrado para la imagen de O bajo la
función r si él es Pitman más concentrado que cualquier otro estimador
para imagen de O bajo r.
Definición 2.2.5. Sea Xl, X 2 , ... ,Xn una muestra aleatoria de una po-
blación con función de densidad fx(x, O), la función r(O) una función
del parámetro O y Tn = t(X l , X 2 , . .. , X n ) un estimador de la imagen
de O bajo la función r. Una medida de concentración del estimador
T n es llamada error cuadrático medio MSE (Mean-Squared Error)
definido como
El centro de gravedad de la función de densidad de una variable

aleatoria es un punto de referencia destacado. Para una estadística,
lo es en mayor medida al tornarse en ineludible el conocimiento, con el
máximo detalle posible, de la índole de su valor esperado. En particular,
saber si el centro de gravedad de la función de densidad de la estadística
postulada coincide con el valor del parámetro o con la imagen del pará-
metro bajo una función determinada, según sea el caso, es una cualidad
deseable dentro de los pormenores de la exactitud que se le exige y, por
tanto, es un ingrediente necesario dentro del examen de idoneidad como
estimador. Por ello cobra importancia el requisito de insesgamiento
como uno de los elementos para facultar estadísticas, requisito que a
continuación se presenta.
Definición 2.2.6. Dentro de las condiciones de la definición 2.2.5 un

estimador T n se dice que es un estimador insesgado para la imagen
de O bajo la función r, si y sólo si
Ee[Tnl = r(O),
para todo O E 8.
Definición 2.2.7. Según las consideraciones de la definición 2.2.5, la

diferencia
se denomina sesgo del estimador T n para la imagen de O bajo r.

El error cuadrático medio de un estimador T n puede expresarse como

la suma de dos componentes: la varianza del estimador T n Y el cuadrado
del sesgo del mismo. En efecto,
MSETn(O) = Ee [(Tn - r(O))2]

= Ee {[(Tn - Ee[Tn ]) + (Ee[Tnl- r(O))f}
= Ve[Tnl + B~[Tnl
porque (Ee[Tnl - r(O))Ee [Tn - Ee[Tnll = O.
Por supuesto, si T n es un estimador insesgado para la imagen de O bajo
la función r, entonces Be [Tnl = O, Y por tanto
MSETn(O) = Ve[Tnl·
El requisito de insesgamiento puede cumplirse en muchos casos modi-
ficando ligeramente la estadística en consideración. En otras oportu-
nidades, el sesgo pierde interés y no es obstáculo en el buen desempeño
del estimador, porque en la medida que el tamaño de la muestra se
incrementa el sesgo se disipa.
Definición 2.2.8. Con base en las consideraciones de la definición 2.2.5
al estimadorTn = t(XI ,X2, ... ,Xn ) basado en una muestra aleato-
ria de un población con función de densidad fx(x, O) se le denomina
estimador asintóticamente insesgado para la imagen de O bajo la
función r, si
lim {Ee[Tnl - r(O)} = O
n---+oo
para todo O E e.
Ejemplo 2.2.9. Sea Xl, X2, .. . , X n una muestra aleatoria de una po-
1
fx(x,O) = 7/(o,e)(x), O> O.
El método por analogía sugiere el estimador Tn = Xn,n para O. Deter-

minar el MSE de Xn,n.
nyn-l
f xn,n (y) = -----¡¡n J(o,e) (y)
Ee[Xn,nl = ¡°
e n nd = __
on Y y
n _O
n +1
n O
Be[X ]=--0-0=---.
n,n n +1 n +1
Claramente, Xn,n es un estimador asintóticamente insesgado para O.
E [X2 ] = ~
e n,n On
re yn+l dy
Jo
= _n_ 02
n +2
2
V; [X ] - _n_ 02 _ n 02 _ n 02
e n,n - n+2 (n+1)2 - (n+1)2(n+2) .
Luego
20 2
MSEXn,n (O) = (n + 1)(n + 2)
Ejemplo 2.2.10. El MLE de a 2 basado en una muestra aleatoria

Xl, X 2 , ... , X n , de una población gaussiana de valor esperado ¡.¡, y va-
rianza a 2 es
Tn = .!.
n
:t
i=l
(Xi - Xn)2 ,
estadística con un sesgo que puede pasarse por alto al contar con una
muestra grande, porque Ee [Tn ] = n~ l a 2 . Sin embargo es factible corre-
gir esta ligera imperfección construyendo una estadística que cumpla el
requisito de insesgamiento. Precisamente, la estadística
S2 = _1_ ~ (X. _ X ) 2
n n-1L.... t n
i=l
cuenta con una función de densidad cuyo centro de gravedad es justa-

mente a 2 , como lo asegura de manera general el teorema 1.4.3. Inde-
pendientemente del modelo asumido, el insesgamiento de S~ como esti-
mador de la varianza poblacional es la razón por la cual S~ se adopta
como varianza de la muestra.
Ejemplo 2.2.11. Si T~l) y T~2) son dos estimadores insesgados para
O cuyas varianzas son respectivamente ai
y a~, y si T~i) rv N (O, al),
entonces T~l) es más concentrado que T~2) para O, si y sólo si < a~. ai
En efecto, como
P, [IT~i) ~ 01 < .xl = P, [ ~~ < T~i~i~ O < ~ 1

=p (~) - p (- ~) = 2p (~) - 1
siendo <p(v) = J~oo vke-~z2 dz, entonces
Po [IT~l) - 01 < A] 2: Po [I T2) - 01 < A]

2<p (:1) - 1 2: 2<p (:2) - 1
<p (~) 2: <p (~)

desigualdad que se cumple cuando ~ 2: ~; en síntesis, cuando 0"1 < 0"2.
0"1 0"2
2.2.2 Consistencia, un requisito ligado al tamaño de la

muestra
Definición 2.2.12. Sea T n = t(X l , X 2 , .. . , X n ) un estimador para la
imagen de O bajo r, r una función de O, construido con base en una
muestra aleatoria Xl, X 2 , .. . , X n de una población con función de den-
sidad fx(x, O). T n se denomina estimador consistente en error
cuadrático medio para la imagen de O bajo la función r, si la sucesión
de estadísticas {Tn } converge en media cuadrática a r( O), es decir, si
lim Eo [(Tn - r(0))2] = O,

n-too
para todo O E e.
Definición 2.2.13. Según las consideraciones de la definición 2.2.12,
T n es un estimador consistente simple o consistente débil para
la imagen de O bajo r, si la sucesión de estadísticas {Tn } converge en
probabilidad a r( O), es decir, si
lim Po [r(O) - E < Tn < r(O)

n-too
+ El = 1,
para todo O E e y E > O.
N ota. Un estimador que haya sido construido por el método de los mo-
mentos, naturalmente es un estimador consistente simple.
Como la consistencia de un estimador es una propiedad inherente a

la convergencia, un estimador consistente en error cuadrático medio es
un estimador consistente simple. Lo contrario no siempre es cierto.
Definición 2.2.14. Sea T~ = t*(X l , X 2, ... , X n ) una estadística basada

en una muestra aleatoria Xl, X 2, . .. ,Xn de una población con función
de densidad fx(x, O) estadística elegida como estimador para la ima-
gen de O bajo una función r. T~ se denomina estimador BAN (Best
Asymptotically Normal), si y sólo si:
1. La sucesión de variables aleatorias
{yn[T~ - r(O)]}

Normal de valor esperado cero y varianza 0'*2 (O).
2. El estimador T~ es consistente simple para la imagen de O bajo la

función r.
3. Siendo T n cualquier otro estimador consistente simple para la ima-

gen de O bajo la función r para el cual la sucesión
{yn[Tn - r(O)]}

Normal de valor esperado cero y varianza 0'2 (O), se tiene que
Definición 2.2.15. Un estimadorTn para la imagen de O bajo la función

r con las condiciones de la definición 2.2.14 se denomina estimador
CAN (Gonsistent Asymptotically Normal), o T n es GANE, sz
para todo O E e.
Definición 2.2.16. Siendo T2) y T2) dos estimadores GAN para la
imagen de O bajo una función r, basados en una muestra aleatoria Xl,
X 2, ... , X n de una población con función de densidad fx(x, O), cuyas
varianzas son respectivamente ai (O) y o'~ (O), se dice que TÁ1) es asin-
tóticamente más concentrado que TÁ2) , si O'r (O) :S o'~ (O), para todo
O E e.
Teorema 2.2.17. Siendo Xl, X 2 , . •. ,Xn una muestra de una pobla-

ción con función de densidad fx(x, O), una función continua y positiva
en el percentil x p con p un valor fijado de antemano, entonces la es-
tadística de orden X[np]+l,n es un estimador CAN para el percentil x p con
(J2(0) = p~l-p) ; o dicho de otra manera
nfx(xp,O)
J p(l ~ p/x(xp , O) [X[np]+l,n - x p] ~Z rv N(O, 1).
2.2.3 Suficiencia, un requisito de retención de informa-

ción
El concepto de suficiencia que no es tan intuitivo como el concepto de
consistencia, insesgamiento o concentración, fue definido por Fisher en
1922. En una de sus afirmaciones expresaba que una estadística sufi-
ciente es "equivalente, para todos los propósitos de estimación, a los
datos originales de los cuales fue derivada". Esta afirmación permite
señalar entonces la importancia de una estadística suficiente y colegir
que un buen estimador debe ser función de una estadística con esta
propiedad.
La idea de suficiencia indaga sobre la pérdida de información, que
para efectos de estimación del parámetro O supone la reducción de los
valores observados Xl, X2, ... ,Xn en un solo dato: t n = t(Xl, X2,· .. , x n ),
que a la luz de la afirmación de Fisher, citada en el párrafo anterior,
significa que una estadística suficiente conserva de alguna manera la
información contenida en la muestra aleatoria, es decir, en las variables
aleatorias que representan a los datos originales.
El concepto de suficiencia involucra las observaciones muestrales,
observaciones que pueden considerarse como un elemento del espacio de
las observaciones X subconjunto de lR. n definido como
X = {(Xl, X2, ... , Xn)IXI, X2, ... , Xn son valores observados de Xl, X 2, ... , Xn}.
El conocimiento de un valor particular t n de una estadística T n no per-
mite la identificación de cada uno de los valores muestrales Xl, x2, ... ,Xn ,
que lo produjeron, porque varios elementos del espacio de las observa-
ciones X pueden tener como imagen el mismo valor t n , elementos éstos
que conforman un subconjunto denominado contorno de la estadística
T n . Cualquier contorno de una estadística suficiente posee una propiedad
especial: su comportamiento probabilístico no depende del parámetro O.
Esta idea se abstrae y se formaliza en la siguiente definición.
Definición 2.2.18. Una estadística T n = t(Xl, X2, ... ,Xn ) se dice que
es una estadística suficiente para e, basada en una muestra aleatoria
Xl, X 2 , ... ,Xn de una población con función de densidad fx(x, e), si la
distribución condicional de las variables aleatorias Xl, X 2 , .. . , X n dado
T n = t n , no depende de e para todo valor t n .
Ejemplo 2.2.19. Sea Xl, X 2 una muestra aleatoria de tamaño dos de

una población con distribución de Bernoulli de parámetro e.
T2 = Xl + X 2 es una estadística suficiente para e.
Para los valores particulares de la estadística T 2 = O Y T l = 2,
En el caso especial del valor T 2 = 1, se tiene que
PO[T2 = 1] = PO[X l = 1, X 2 = O] + Po [Xl = O, X 2 = 1]

= e(l - e) + e(l - e)
= 2e(1 - e)
con lo cual
p. [X = 1 X = OITo = 1] = Po[X l = 1, X 2 = O]
O 1 ,2 2 Po [T2 = 1]
e(l - e)
2e(1 - e)
1
-
2
Po[X l = O, X 2 = 1]
Po[X l = O, X 2 = 11 T 2 = 1] = Po[T = 1]
2
e(l - e)
2e(1 - e)
1
-
2
De esta manera se concluye que T2 = Xl + X 2 es una estadística

suficiente para e, pues la distribución condicional de las variables Xl, X 2
dados valores particulares de la estadística T 2 no depende de e.
Por su parte, la estadística T~ = X 1 X 2 no es una estadística suficiente
para O. La estadística produce dos valores: °

y 1. Entonces,
Pe[T~ = O] = Pe[XI = 0, X 2 = O] + Pe [Xl = 1, X 2 = O]

+ Pe [X l = 0, X 2 = 1]
= (1 - 0)2 + 2(1 - 0)0 = 1 - 02
Pe[T~ = 1] = 02 .
Según la definición anterior, es preciso examinar la distribución condi-
cional de Xl, X 2 dado T~ = t~, es decir, si las siguientes probabilidades
dependen o no del parámetro O, para poder concluir sobre la suficiencia
de la estadística.
, _ (1 - 0)2 = 1 - O
Pe[XI = 0, X 2 = 0IT2 = O] - 1 _ 02 1+O
, _ 0(1 - O) = ~O_
Pe[X I = 0, X 2 = 11T2 = O] - 1 _ 02 1+O
, _ 0(1 - O) = _0_
Pe[XI = 1, X 2 = 0IT2 = O] - 1 _ 02 1+O
Pe[X I = 1,X2 = 11T~ = 1] = 1
Con estos resultados puede deducirse que la estadística T~ = X I X 2 no

es una estadística suficiente para O.
Determinar,con base en la definición 2.2.18 si una estadística es-

pecífica es una estadística suficiente, no es una tarea fácil en la mayoría
de las situaciones, porque sólo la construcción de la distribución condi-
cional puede resultar dispendiosa. Menos complicado podría resultar el
uso de la siguiente definición, apropiada más para señalar la no sufi-
ciencia que la suficiencia de una estadística particular. Por fortuna, el
criterio de Fisher-Neyman es un instrumento seguro para la búsqueda o
confirmación de estadísticas suficientes.
Definición 2.2.20. Sea Xl, X 2 , ... , X n una muestra aleatoria de una

población con función de densidad f X (x, O). Una estadística
T n = t(X I ,X2 , ... ,Xn ) es una estadística suficiente para el paráme-
tro O si y sólo si la distribución condicional de T~ = t'(XI , X 2 , .. . , X n ),
dado T n = tn, no depende de O, siendo T~ cualquier estadística.
Teorema 2.2.21 (Criterio de factorización de Fisher-Neyman).

Versión para estadísticas suficientes unidimensionales. S ea Xl, X 2, ... , X n
una muestra aleatoria de una población con función de densidad f x (x, e).
Siendo T n una estadística, T n = t(X l , X 2, ... , X n ), ella es suficiente
para e, si y sólo si la función de verosimilitud de la muestra puede ex-
presarse como el producto de dos factores:
siendo h una función no negativa que depende exclusivamente de Xl,

X2, ... ,Xn y la función g, no negativa, que depende de e y de Xl, X2, ... , Xn
a través de t(Xl,X2, ... ,Xn ).
El ejemplo 2.2.19 pretende ser inductor del concepto de la suficiencia

de una estadística, ejemplo despojado de toda complicación de cálculo,
para centrar la reflexión sobre el concepto a la luz de la definición 2.2.18.
Por el contrario, el siguiente ejemplo, generalización del ejemplo 2.2.19,
ilustra una forma mecánica de determinar estadísticas suficientes con el
recurso del criterio de factorización de Fisher-Neyman.
Ejemplo 2.2.22. Sea Xl, X 2 , ... ,Xn una muestra aleatoria de una po-
blación con distribución de Bernoulli de parámetro e.
n
Tn = ¿ Xi es una estadística suficiente para e. En efecto,
i=l
(1 ~ e)i~l Xi (1- e)n I1

~=~
I{o,l} (Xi)
~
,
[e~ l' x,
B
v
(1- e)n]11] (Xil
J
I¡O,l}
v
g(t Xi,O)
t=l
h(Xl,X2, ... ,X n )
n
Luego el criterio de Fisher-Neyman permite concluir que ¿ Xi es una
i=l
estadística suficiente para
n
e, porque g es una función no negativa que
depende de e y de ¿ Xi Y h depende únicamente de Xl, X2,· .. ,Xn ·
i=l
Definición 2.2.23. Sea Xl, X 2, ... , X n una muestra aleatoria de una

población con función de densidad f x (x, O). Las estadísticas unidi-
.
menswnales ,szendO T n(i) = ti ( Xl, X2, ... , X n ) , para
T n(1) , T n(2) , ... , T n(m).
i = 1,2, ... , m, se denominan estadísticas conjuntamente suficien-
tes para O, si y sólo si la distribución de Xl, X 2, . .. , X n , dado T~l), T2),
... , T~m), no depende de O.
Una colección de estadísticas conjuntamente suficientes corresponde

a una estadística Tn de dimensión igual al número de estadísticas unidi-
mensionales que conforman la colección, es decir, con los elementos de
la definición 2.2.23, T n = (T~l), T~2) , ... , T~m»).
Teorema 2.2.24. Si las estadísticas T~l) t1(X 1, X2, ... , X n ),

T~2) = t2(X1, X2, . .. , X n ), . .. , T~m) = t m (X 1, X2, ... , X n ) constituyen
una colección de estadísticas conjuntamente suficientes, entonces cual-
quier transformación uno a uno de T2), T~2), ... , T~m) es también un
conjunto de estadísticas suficientes.
Teorema 2.2.25 (Criterio de Factorización de Fisher-Neyman).

Versión para estadísticas conjuntamente suficientes. Sea Xl, X 2, ... , X n
una muestra aleatoria de una población con función de densidad fx(x, O).
Las estadísticas T~l) = t1(X1,X2, ... ,Xn),T~2) = t2(X 1,X2, ... ,Xn ),
... ,T~m) = t m (X1, X 2, . .. ,Xn ) constituyen una colección de estadísticas
conjuntamente suficientes para O, si y sólo si la función de verosimilitud
de la muestra L(O; Xl, X2, . .. , Xn ) = L puede expresarse como
L = g(t1(X1, X2,···, x n ), .. ·, t m (X1, X2,···, x n ); 0)h(X1, X2,···, x n )
La función h es una función no negativa que depende de Xl, X2, ... , Xn

exclusivamente y g una función no negativa que depende de O y de
Xl, X2,· .. , Xn a través de t1, t2,·· ., t m .
Ejemplo 2.2.26. Sea Xl, X 2, .. . , X n una muestra aleatoria de una po-

blación Normal de valor esperado JL y varianza (j2, e= (JL, (j2)'.
n n
h(XI, X2, ... ,Xn ) = 1. Luego ¿ Xi Y ¿ Xl son conjuntamente sufi-
i=l i=l
cientes para e= (JL, (j2)'. También son conjuntamente suficientes para
e
Se anotaba en la parte introductoria del método de máxima verosi-

militud, que los estimadores construidos con este procedimiento poseen
propiedades especiales que los hacen atractivos. Sin destacarlas en sec-
ción alguna del texto, esas propiedades van surgiendo con el desarrollo
del capítulo. En primer lugar, un MLE puede ser una estadística sufi-
ciente, teniendo en cuenta los enunciados de los teoremas 2.2.27 y 2.2.34.
Teorema 2.2.27. Si T n es una estadística suficiente para e basada en

una muestra aleatoria Xl, X 2 , ... ,Xn , de una población con función de
densidad fx(x, e), y si T~ es un MLE para e, y es único, entonces T~
es función de T n .
La estadística T~l) = t(Xl, X 2 , . .. ,Xn ) = (Xl, X 2 , . .. ,Xn ) es, a la luz

de la definición 2.2.18, una estadística suficiente, como lo es también
T~2) = (X 1 ,n, X 2 ,n, . .. ,Xn,n). Sin embargo, el propósito consiste en
contar con una estadística que represente la condensación de n datos
en uno solo, sin pérdida de información respecto al parámetro, valor
singular correspondiente a un vector cuyo número de componentes sea
inferior a n. La estadística suficiente con menor dimensión y con la
máxima reducción de los datos representados por la muestra aleatoria,
manteniendo intacta la suficiencia, es decir, sin pérdida de información
sobre e, sugiere la noción de estadística suficiente minimal.
Definición 2.2.28. Una estadística suficiente T n se denomina sufi-

ciente minimal, si T n es función de cualquier otra estadística sufi-
ciente.
Teorema 2.2.29. Sea Xl, X 2, ... , X n una muestra aleatoria de una po-
blación con función de densidad fx(x, O), Y T n = t(XI, X 2, . .. , X n ) una
estadística. El cociente de verosimilitudes
L(01;XI,X2, ... ,xn )

L(OO;XI,X2, ... ,xn )
es función de t(XI, X2, ... , x n ), si y sólo si T n es una estadística sufi-

ciente.
Teorema 2.2.30. Sean Xl, X 2, ... , X n y XL X~, ... , X~ dos muestras

aleatorias de una población con función de densidad fx(x, O). La es-
tadística T n = t(X 1 , X 2, ... , X n ) es una estadística suficiente minimal
para el parámetro O, si ella tiene la propiedad tal que el cociente de
verosimilitudes
L(O; Xl, X2,· .. , Xn )
L(O;x~,x~, ... ,X~)
no depende de O, si y sólo si t(XI,X2, ... ,Xn ) = t(x~,x~, ... ,X~).

Definición 2.2.31. Una colección de estadísticas conjuntamente sufi-
cientes se denomina minimal, si y sólo si ellas son función de cualquier
otro conjunto de estadísticas suficientes.
Ejemplo 2.2.32. Determinar una estadística suficiente minimal para

el parámetro O, cuando Xl, X2, .. . , X n es una muestra aleatoria de una
población con distribución de Poisson.
n n
TI x~! e-nllOnxn TI x~!
L(0;XI,X2, ... ,Xn ) i=l =
on(xn -XIn) i=l .
n _ n
L(O;x~,x~, ... ,x~)
TI Xi! e-nIlOnx'n TI
Xi!
i=l i=l
Este cociente no depende de O, si y sólo si xn = x' n; es decir, X n es una

estadística suficiente minimal para O.
Ejemplo 2.2.33. La estadística (X n , S~), la cual es suficiente para el

parámetro e = (IL, ()2) como lo expone el ejemplo 2.2.26, es una es-
tadística suficiente mini mal. La razón radica en que el cociente
~ = L(B;Xl,X2,'" ,xn)
L(B;x~,x~, ... ,x~)
= exp [2~2 t(X~ - JL)2 - 2~2 t(Xi - JL)2]
= exp {2~2 [t(X~ - x' n? + n(x' n - JL)2 - t(Xi - xn)2 - n(xn- JL)2] }
= exp {2~2 [(n - l)s~ - (n - l)s;, + n(x' n - JL)2 - n(x - JL)2] }
Teorema 2.2.34. Sea T n un MLE para e, estimador basado en una

muestra aleatoria Xl, X 2 , ... , X n de una población con función de den-
sidad fx(x, e). Si T n es el único MLE para e, entonces T n es función
de una colección minimal de estadísticas conjuntamente suficientes. Si
T n no es el único MLE para e,
entonces existe un estimador máximo-
verosímil T~ que es una función de una colección minimal de estadísticas
conjuntamente suficientes.
Para propósitos diversos suele constituirse familias de densidades,

que agrupan modelos probabilísticos que poseen alguna o algunas ca-
racterísticas comunes. La familia pearsoniana, por ejemplo, congrega
densidades que satisfacen la ecuación diferencial
, x+a
y = {3 + "(x + bx2 y
siendo y = fx(x) y a, {3, "(, b constantes. En otras oportunidades se
construye una familia de densidades que se puede entender como un
macromodelo puesto que incluye modelos probabilísticos tradicionales
como sus casos particulares. Por ejemplo, la denominada distribución
Gama generalizada, propuesta por Stacy, que incluye modelos particu-
lares como la distribución Gama, la distribución Exponencial, la dis-
tribución Weibull e incluso la distribución Lognormal entendida como
el caso en el cual k -+ oo. La función de densidad que identifica a esta
distribución, a esta familia o a este macromodelo tiene como expresión
a
f3 ( x ) f3k-1 [( x ) 13]
ar(k) -; exp - -; 1(0,00) (x),
con x cualquier valor de la variable aleatoria, a, f3 y k constantes posi-

tivas.
Esta tendencia a la agrupación de modelos de probabilidad en fami-
lias tiene en cada caso propósitos específicos, como se había mencionado.
Concretamente, en el estudio de la suficiencia y la completez tiene un
singular interés una familia de densidades conocida corrientemente como
la familia exponencial de densidades, que la definición 2.2.35 detalla.
Definición 2.2.35. Sea (Xl, X 2, . .. ,Xp )' un vector aleatorio. Se afir-

ma que la función de densidad de (Xl, X 2, . .. ,Xp )' pertenece a la clase
o familia p-dimensional de Koopman-Darmois k-paramétrica,
que tiene la forma Koopman-Darmois o que pertenece a la clase o fa-
milia exponencial p-dimensional de densidades k-paramétrica,
si la función de densidad fx 1 ,x2, ... ,xp (Xl, X2, .. . ,xp ) se puede expresar
como
, exp [~dj(X1, X2, .. " xp)Cj(O) + arO) + b(X1, x2, .. , , X p )] ,
- k .
para todo B E e <;;; IR , para b, dI, d 2, . .. , dk, funczones de Xl, X2,"" x p
ya, q, C2,"" Ck, funciones de B escogidas convenientemente.
Definición 2.2.36. Como caso especial en la definición 2.2.35, una

función de densidad fx(x, B), B E e <;;; IR, pertenece a la familia ex-
ponencial unidimensional de densidades si la función de densidad
fx(x, B) puede expresarse como
fx(x, B) = a(B)b(x)exp[c(B)d(x)],
para todo x, B E e con a, b, c, d funciones escogidas convenientemente.
Definición 2.2.37. También particularizando la definición 2.2.35, la

función de densidad fx(x, B) pertenece a la familia exponencial de
densidades k-param étri ca, si fx(x, B) puede expresarse como
fx(x, O) = a (0" O", ", Ok) b(x )exp {t Cj (0" O2,,,,, Ok) dj(x) } ,
para todo x, y todo O E e ~ JR.k, con a, b, Cj, dj funciones elegidas con-

venientemente.
En general, sin hacer mención al entero k que se refiere al número

de componentes del vector O, ni al número p de variables aleatorias
que constituyen el vector aleatorio, se habla simplemente de clase o
familia Koopman-Darmois, clase o familia exponencial de densidades.
La determinación de k y p será explícita o se podrá deducir del contexto.
Ejemplo 2.2.38. La función de densidad de una variable aleatoria con

distribución Exponencial negativa pertenece a la familia exponencial de
densidades.
Efectivamente,
fx(x, O) = Oe-OXI(o,oo) (x) = [O]I(o,oo) (x)exp{[-O][x]}
donde a(O) = O, b(x) = I(o,oo) (x), c(O) = -O, d(x) = x.

Ejemplo 2.2.39. La función de densidad de una variable aleatoria con
distribución de Poisson pertenece a la familia exponencial de densidades
debido a que
OXe-O
fx(x, O) = -,-I{O,1,2, ... }(x)
x.
= [e-O] [I{O,l'~i·}(X)] exp{[lnO][x]}
donde a(O) = e-O,b(x) = I{O,I,2, ... }(x)jx!,c(0) = InO,d(x) = x
Nota. Si fx(x, O) pertenece a la familia exponencial unidimensional de

densidades y si Xl, X 2, ... ,Xn es una muestra aleatoria de una pobla-
ción con dicha función de densidad, la estadística
n
¿d(Xd
i=l
es una estadística suficiente.
Esta afirmación puede sustentarse utilizando el criterio de factoriza-

ción.
Como fx(x, O) pertenece a la familia exponencial unidimensional de den-

sidades,
fx(x, O) = a(O)b(x)exp{ c(O)d(x)}
L(x¡, X" ••• , X n; O) ~ an(O) Úb(xi)exp { c(O) ~ d(Xi) }

g C~ d(Xi), ()) = an(())exp {c(()) i~ d(Xi )} y h(Xl, X2,···, x n) = i[Il b(Xi)'
k
La estadística ¿ d(Xi ) ha sido denominada por algunos autores como
i=l
la estadística natural de la familia exponencial unidimensional e igual-
mente por las razones de la nota anterior, para efectos de suficiencia, se
le conoce como la estadística natural suficiente de la familia expo-
nencial unidimensional. También al vector 0* = (q (0), C2 (0), ... , Ck (O))'
se le denomina el parámetro natural de la distribución, y en general
a la estadística
n n
~ d1(Xi ), ~ d2(Xi ), ... , ~ dk(Xi )
n)'
(
se le conoce como estadística natural k-dimensional para O.
Ejemplo 2.2.40. La función de densidad de una variable aleatoria X
1
fx(x,O) = n//1 /1 \xOl-1(1-x)02-1ICO,1)(X)
pertenece a la familia exponencial 2-paramétrica de densidades. En

efecto,
!x(X,()) = [¡3(():,()2)] [1(0,1) (x)] exp{[()l -l][ln(x)] + [()2 -l][ln(l- x)]).
Nótese que en este caso a(O) = 1/(3(0 1,02), b(x) = I CO ,l) (x),
q(Ol, 02) = 01 -1, C2(01, O2) = O2 - 1, d 1(x) = lnx, d2(X) = In(l- x).
Nota. Igualmente, con el apoyo del criterio de factorización se deduce
que si fx(x, O) pertenece a la familia exponencial k-paramétrica de den-
sidades, las estadísticas
n n n
L d1(X L d2(X
i ), i ), ... , L dk(X i)
i=l i=l i=l
son conjuntamente suficientes para (). Además se puede demostrar que

constituyen una colección minimal.
Antes de concluir lo concerniente a la suficiencia, es menester pre-

cisar el término equivalencia y su efecto en la suficiencia, debido a la
existencia de estadísticas que para efectos de inferencia proporcionan la
misma información. Igualmente, si la suficiencia se asocia con la idea de
retención de información, lo contrario, no poseer información relativa al
parámetro, es un atributo que de alguna manera debe señalarse.
Definición 2.2.41. Sea Xl, X 2, ... , X n , una muestra aleatoria de una

población con función de densidad fx(x, ()). Siendo T~ y T n dos es-
tadísticas tales que T~ = t*(X I , X2, ... , X n ) y T n = t(XI, X2, ... , X n ),
se dice que las dos estadísticas son equivalentes si existe una función
9 uno a uno de tal manera que T~ = g(Tn ).
Teorema 2.2.42. Sea Xl, X2, . .. , X n , una muestra aleatoria de una po-
blación con función de densidad fx(x, ()). Siendo T n = t(X I , X2, ... , X n )
y T~ = t*(X I , X 2, . .. , X n ) estadísticas equivalentes, si T n es una es-
tadística suficiente para (), también lo es T~.
Esta propiedad, que resalta el anterior teorema, se intuye fácilmente

porque dado cualquier contorno de la estadística T~ él corresponde al
mismo contorno de la estadística T n . Esta propiedad permite construir
buenos estimadores a partir de una estadística suficiente.
Finalmente, contrario a lo expresado en esta sección dedicada a la
suficiencia, en el sentido de que una estadística suficiente contiene toda la
información respecto al parámetro, existen estadísticas que no contienen
dicha información. Entonces la idea contraria a la suficiencia puede
formalizarse en la siguiente definición y una utilización particular de
ella la precisa el teorema de Basu.
Definición 2.2.43. Sea Xl, X 2, ... , X n , una muestra aleatoria de una

población con función de densidad fx(x, (). T n = t(XI, X 2, .. . , X n ) se
denomina estadística auxiliar para el parámetro (), si frn (t) es una
función que no depende de (). Si específicamente E[Tnl es un valor que
no depende de (), T n se denomina estadística auxiliar de primer
orden.
Teorema 2.2.44 (Teorema de Basu). Sea Xl, X 2, ... , X n una mues-
tra aleatoria de una población con función de densidad fx(x, ()). Siendo
la estadística T n = t(XI , X2, . .. , X n ) una estadística auxiliar para el

parámetro e y la estadística T~ = t*(XI, X 2, .. . , X n ) una estadística
suficiente para e,entonces T n Y T~ son variables aleatorias estadística-
mente independientes.
Ejemplo 2.2.45. Cuando se derivaba el estimador por el método de los
momentos para el parámetro e bajo el modelo Uniforme en el intervalo
(-e, e), ejemplo 2.1.17, página 82, el método encontró un obstáculo:
X n !!...." O. Allí se afirmó que X n no contenía información sobre e. Como
Eo [Xn] = O, entonces X n es una estadística auxiliar de primer orden.
Ejemplo 2.2.46. Siendo Xl, X2,.'" X n una muestra aleatoria de una
población Uniforme en el intervalo (O, e), las estadísticas TJI) = XI,n y
X nn
TJ2) = Xn,n son variables aleatorias independientes. '
Como Xn,n es una estadística suficiente para e, de acuerdo con el teorema
de Basu sólo resta mostrar que TJI) es una estadística auxiliar. En efecto,
F T $.l)(t) = P [ Xl n
Xn',n::;
]
t, 0< t < 1
= P [XI,n ::; tXn,nl

_ rO r ty
n(n - 1) (Ji _ ~)n-2
- Jo Jo e2 e e dx dy
= [1 - (1 - t)n-l] I(o,l)(t) + I[l,oo) (t).
Por tanto, la función de densidad correspondiente no depende de e.
Entonces T2) y TJ2) son estadísticamente independientes.
2.2.4 Varianza mínima, un requisito de máxima precisión

La variabilidad es en esencia inherente a la estadística, su razón y su ob-
jeto. Poder conocer su comportamiento, cuantificarla y en muchos casos
mantenerla bajo control son propósitos deseables y además viables. Los
estimadores surgidos de esa condición de variabilidad heredan esa misma
naturaleza, sólo que para éstos la precisión en su papel de estimar pará-
metros es reconocida a través de su variabilidad. Por ello la variabilidad,
medida por medio de la varianza, se convierte en un criterio de examen
de estadísticas, pues evidentemente es más preciso aquel estimador que
tenga menor varianza, ya que tiene la capacidad de producir estima-
ciones más concentradas. Esta sección se enfoca hacia este requisito.
Definición 2.2.47. Siendo T n Y T~ dos estimadores insesgados para la

imagen de e bajo la función r, r : e -----t e* ~ ~, estimadores basados
en una muestra aleatoria Xl, X 2, ... , X n , de una población con función
de densidad fx(x, e), se dice que T n es un estimador uniformemente
mejor que T~ si Ve [Tnl :::; Ve [T~l, para todo e E e.
Definición 2.2.48. Un estimador T~ = t*(X l , X 2, .. . , X n ) basado en

una muestra aleatoria Xl, X 2, ... , X n de una población con función de
densidad fx(x, e), r(e) una función de e, es insesgado de varianza
uniformemente mínima UMVUE (Uniformly minimum-variance
unbiased) para la imagen de e bajo la función r si y sólo si T~ es un
estimador insesgado para la imagen de e bajo r y Ve [T~l :::; Ve [Tnl sien-
do T n = t(X l , X 2, ... , X n ) cualquier otro estimador insesgado para la
imagen de e bajo la función r.
Teorema 2.2.49 (Teorema de Rao-Blackwell). Sean Xl, X 2, ... , X n

una muestra aleatoria de una población con función de densidad fx(x, e),
las estadísticas T2) = h(Xl ,X2, ... ,Xn ),TÁ2) = t2(X l ,X2, ... ,Xn ),
... , TÁm) = tm(X l , X2, ... , X n ) estadísticas conjuntamente suficientes,
r(e) una función de e, y siendo la estadística Vn = t(X l ,X2, ... ,Xn ) un
estimador insesgado para la imagen de e bajo la función r y
T~ = t*(X l , X 2, ... , X n ) un estimador tal que la estimación t~ se deter-
mina como
t n* -- E e[TT n , T(2)
Vn IT(l) n , ... , T(m)l
n
entonces,
1. T~ es una estadística, función de estadísticas suficientes solamente.
2. Ee[T~l = r(e).
3. V¡¡[T~] :::; V¡¡[Vn].
Ejemplo 2.2.50. Sea Xl, X 2 , .. . , X n una muestra aleatoria de una po-
blación con distribución de Bernoulli de parámetro e. El proceso de
Rao - Blackwell, brinda un camino de construcción de un estimador
e
insesgado para con una varianza menor a la varianza de un estimador
insesgado elegido inicialmente.
A partir de T n = Xl, como un estimador in sesgado para ey de
TÁl) = f: Xi
i=l
una estadística suficiente, se determina la estimación
t~ = Eo[TnIT2)l.
n 1 Po [Xl = O, i~ Xi = tI]
Po Xl = 01 LXi = tI = n -
[
i=l Po [2:
t=l
Xi = tI]
Po [Xl = 0, f: Xi = tI]
t=2
Po [f: Xi = tI]
~=l
(1- O)(n~I)(O)tl(l_ 0)n-I-t 1

(~)(O)tl(l- o)n-tl
n-tI
n
i~ Xi = tI]
p. [Xl
n
= 1 LXi = tI 1 =
Po [Xl = 1,
[2:
-...::....--;:---n----=:-----"-
i=l Po
t=l
Xi = tI]
Po [Xl = 1, f: Xi tI - 1]
t=2
=
Po [f: Xi = tI]
t=l
0(n-l)ot 1-1(1 - 0)n-I-t1+1 t
tl-l l
(~)Otl (1 - o)n-tl n
Luego
E. [Xl t Xi 1 (n:
= t1 = O t1 ) +J. (~)
En consecuencia,
1 n
T*n = -n~
""' Xi
i=l
V[Tnl = 0(1 - O) > V[T~l = 0(1 - O) .

n
Definición 2.2.51. Sea X una variable aleatoria cuya función de densi-

dad fx(x, O) es tal que :0 In fx(x, O) existe para todo x, fx(x, O) > 0, y
para todo O E 8 <;;;; IR. La información de Fisher acerca del parámetro
O en la variable aleatoria X, I (O) se define como
1(0) = E, {[:O In tx(X, O)]'} .
Nota. Si ~ In fx(x, O) existe para todo x tal que fx(x, O) > y para °
todo O E 8 <;;;; lR, la información de Fisher acerca del parámetro O, en la
variable aleatoria X, también puede definirse como
I(O) = -Ef) [::2 Infx(X,o)] .
1 (x_O)2
Ejemplo 2.2.52. Sea fx(x, O) = ícL e-~ con (J conocido.
V 27W
ícL 1 2
Infx(x,O) = -In(J-lnv27f- -2(x-O)
2(J
8 In f x (x, O) = (x-O)
80 -----¡;¡-
1(0) = E, [ (X,,~ o)'] = :4 E, [(X - O)']

Vf)(X) 1
(J4 (J2 .
Definición 2.2.53. La información de Fisher acerca del parámetro

O en la muestra aleatoria Xl, X2, ... , X n de una población con función
de densidad fx(x, O) se define como
y es equivalente a nI (O), siendo I (O) la información de Fisher acerca

del parámetro O en la población, cuya función de densidad es fx(x, O).
Definición 2.2.54. Sea Xl, X2, ... , X n una muestra aleatoria de una
población con función de densidad fx(x, O) Y T n = t(X l , X2, . .. , X n )
una estadística. Se habla de un caso regular de estimación o de
cumplimiento de condiciones de regularidad cuando el modelo es-
cogido para representar el comportamiento de la población y la estadística
en consideración cumplen las siguientes condiciones:
1. :0 lnfx(x,O) existe para todo x tal que fx(x,O) > O Y para todo
OE8~R
2. La información de Fisher acerca del parámetro O en la población

1 (O) es finita para todo O E 8.
3. Si la variable X que representa a la población es continua
:e j ... jITfX(Xi,e)dX dx j ... j :e ITfX(xi,e)dx

1 .. . n = 1 .. . dx n,
1=1 1=1
análogamente cuando X es discreta.
4. Si la variable X que representa a la población es continua
:0 J... J t(Xl, X2,· .. , x n ) rr

i=l
fX(Xi, O)dXl dX2· .. dX n
=J... J t(Xl, X2,··· ,Xn ) :0 rr

1=1
fX(Xi, O)dXl dX2 ... dx n ,
análogamente cuando X es discreta.
Teorema 2.2.55 (Desigualdad de Cramer-Rao). Sea Xl, X 2, .. ·, X n

una muestra aleatoria de una población con función de densidad f x (x, O),
r(O) una función de O, T n = t(X l , X2, ... , X n ) un estimador para la ima-
gen de O bajo la función r y Be(Tn ) el sesgo de T n . Dentro de un caso
regular de estimación,
Ee [(T - r(0))2] 2': (r'(O)

n
+ B~(Tn))2
nI(O)
con B~(Tn) = :oBe(Tn ).

Dentro de un caso regular de estimación, si Tn es un estimador inses-

gado para la imagen de O bajo una función r, la desigualdad de Cramer-
Rao adquiere la versión particular
\7¡ (~ ) > (r'(0))2

B n - nI(O)
que corresponde a la versión más difundida entendida como la determi-

nación de una cota para la varianza de cualquier estimador insesgado
para la imagen de O bajo una función r, conocida precisamente como la
cota de Cramer-Rao.
Corolario 2.2.56. La igualdad en el teorema 2.2.55 se da cuando
En este caso, T n es un UMVUE para la imagen de O bajo la función r.
En la desigualdad de Schwarz E[(Xy)2] = E[X 2]E[y2], cuando

y = kX, siendo k una constante. Por tanto,
E [(~ _ (0))2J = [B~(Tn) + r'(0)]2

B n r nI(O) ,
cuando existe una constante tal que
8
80 In rr
n
i=l
fx(xi, O) = k(t n - r(O)).
En esta oportunidad se menciona la estimación máximo-verosímil en

relación con la consistencia asintóticamente normal, como una propiedad
particular que en casos especiales presentan los estimadores construidos
mediante este procedimiento. El siguiente teorema da fe de ello.
Teorema 2.2.57. En un caso regular de estimación, si T n es el esti-

mador máximo-verosímil para la imagen de O bajo la función r, T n es
un estimador CAN de manera que
vÍn(Tn - r(O)) .!!... N (o, ItO)) .

1 n
Ejemplo 2.2.58. Siendo Pn = - ¿ Xi el MLE para e en el caso de
n i=l
una población de Bernoulli de parámetro e, Pn es un estimador CAN
para e. Esto es
y'ii(Pn - e) ~ N(O, e(l - e)).
n
Para el modelo de Bernoulli y la estadística ¿ Xi se cumplen las condi-
i=l
ciones de regularidad, entonces
fx(x, e) = e X (1- e)l-x 1{o,1} (x)

In f X (x, e) = x In e + (1 - x) In (1 - e)
a x 1- x
ae lnfx(x,e) = 7i - 1- e·
Con estos elementos, la información de Fisher se puede obtener como

sigue:
1(e) = Ee {( e
X
- 1-X)2}
1- e
1 Ee {((1- e)x - e(l- X))2}
1 { 2} Ve(X)
= e2(1- e) 2 E e (X - e) = e2(1- e)2
e(l - e) 1
e 2(1 - e)2 e(l - e)·
Luego
d
y'ii(Pn - e) ----+ N(O, e(l - e)).
Definición 2.2.59. La eficiencia relativa de T2) = t2(X I , X 2 , ... ,Xn )

respecto a T2) = tl(XI , X 2, ... , X n ), estimadores insesgados para la
imagen de e bajo una función r, basados en una muestra aleatoria Xl,
X 2, . .. ,Xn de una población con función de densidad fx(x, e), corres-
ponde al cociente
Ve [T2)]
Ve[T~2)]
Siendo la eficiencia relativa un elemento de comparación entre dos

estimadores, pueden involucrarse elementos adicionales para enriquecer
la mencionada comparación, como el tamaño de la muestra. Suponiendo
que T~l) y T;;) sean dos estimadores para la imagen de O bajo una
función r, tales que T2) '" N (r(o), (Ji~O)) y T;;) '" N (r(o), (J~O))
asumiendo que (Ji(O) < (J~ (O), la eficiencia relativa de T;;) respecto a
T~l) corresponde a
(Ji(O)/n
d(O)/m·
En estos términos, T;;) será tan eficiente como T~l) en la medida que la
. . . . (Ji( O) n
cItada efiCIenCIa tenga un valor Igual a uno; caso en el cual (J~ (O) = m·
Teniendo en cuenta que (Ji (O) < (J~ (O), entonces !!-. < 1. Si en gracia
m
·d ., 1 1 d 1 . t
a esta conSI eraClOn e va or e COCIen e (J~(O) se asume en 0
(Ji(O) . 9 ·
, qUIere
decir que T;;) requiere una muestra de un tamaño cercano al 11.11 %

mayor que el tamaño de la muestra n calculado con base en el estimador
T~l) para tener igual desempeño, o igualmente que a T2) sólo le basta
contar con el 90% del tamaño de muestra calculado para T;;).
Definición 2.2.60. La eficiencia relativa asintótica de T~2) respecto

a T~l), siendo T2) y T~2) estimadores CAN, para la imagen de O bajo una
función r, con varianzas (Ji
(O) y (J~ (O) respectivamente, es el cociente
Definición 2.2.61. En un caso regular de estimación la eficiencia de

un estimador T n insesgado para la imagen de O bajo una función r se
define como
Ef (T ) = (r'(O))2 / nI(O)
e n Ve [Tn ] .
Definición 2.2.62. En un caso regular de estimación, si T n un esti-

mador insesgado para la imagen de O bajo una función r, T n se deno-
mina estimador eficiente o BR UE (best regular unbiased estimator)
para la imagen de O bajo la función r, si Efe (Tn ) = 1.
Nota. Todo BRUE es un UMVUE, mas no todo UMVUE es BRUE.

Definición 2.2.63. En un caso regular de estimación, la eficiencia
asintótica de un estimador T n insesgado para la imagen de e bajo una
función r, se define como
lim Efe (Tn ).

n--->oo
Ejemplo 2.2.64. Sea Xl, X2,'" ,Xn una muestra aleatoria de una po-
fx (x, e) =
1
ee _lx
IJ 1(0,00)
( )
x .
Teniendo en cuenta que E[X] = e, V[X] = e2 , l(e) = ¡}Z, y que X n es

MLE para e, entonces
2
E[X n ] = e V[X n ] = en
de donde
1 e2
-1
- n¡p _ ~ = 1
Efe (X n ) = --0'2 - e2
n n
Luego X n es un BRUE y UMVUE para e.
2.2.5 Completez, un requisito de la distribución muestral

El requerimiento de completez es el menos intuitivo de los requisitos.
Tomado del análisis funcional, en lo concerniente a un conjunto com-
pleto de elementos de un espacio de Hilbert, se adapta y configura una
formalidad que puede clasificarse como un requisito referente a la familia
de densidades correspondiente a la distribución muestral de la estadística
en examen.
Definición 2.2.65. La familia de densidades {fx(x, e)le E 8} se dice

que es una familia de densidades completa, si para todo e E 8, la
condición
Ee[z(X)] = O
implica que Pe[z(X) = O] = 1 para todo x tal que fx(x, e) > o.
Definición 2.2.66. Sea Xl, X 2 , ... , X n una muestra aleatoria de una

población con función de densidad fx(x, e) y T n = t(XI, X 2 ,.··, X n )
una estadística. Tn se dice que es una estadística completa para el
parámetro e si la función de densidad fTn (t) pertenece a una familia de
densidades completa.
Ejemplo 2.2.67. La familia de densidades
{fx(x, e) = (:) (1 - e)n-Xe XI e E (0,1) }
es una familia de densidades completa, puesto que si
Eo[z(X)] = °
0= t z(j) (~) ej (1 - e)n-j
J
e~ oY
j=o
O ~ ~Z(j)(;) (i - 9)"
0= t
j=O
z(j) (~)aj,
J
(a= l~e)
luego
y la única forma de tener esta igualdad es cuando
z(O) = z(l) = ... = z(n) = °

°
Entonces, Eo[z(X)] = implica que z(j) = 0, para j = 0,1,2, ... , n.
Por tanto, la familia de densidades Binomial es completa.
Ejemplo 2.2.68. Si Xl, X 2 , ... , X n es una muestra aleatoria de una

población con distribución de Bernoulli de parámetro e, la estadística
n
n
es una estadística completa para e. En efecto, ¿ Xi rv Bin(n, e), como
i=l
se confirmó que la familia de densidades Binomial es completa, entonces
n
la estadística ¿ Xi es completa.
i=l
Ejemplo 2.2.69. Si Xl, X2, . .. ,Xn es una muestra aleatoria de una po-
blación Uniforme en el intervalo (O, e), Xn,n es una estadística completa
para e. En efecto, como
fY 1 1
Fx(y) = Jo (jdx+I(O,CXJ)(Y) = (jyI(o,o)(y) + I(o,CXJ) (y),
la función de densidad del máximo de la muestra es
fXn,n (y) = n[Fx(y)]n-1 fx(Y)

1 ] n-l 1
= n [ (jY (j I(o,o) (y)
n yn-l I(o,o) ( y ) ,
= en
Partiendo de la condición
fO n
Eo [z(Y)] = Jo z(y) en yn-Idy = °
fO
en Jo z(y)yn-Idy = °
n
=
y utilizando el teorema fundamental del cálculo se obtiene que
z(e)e n- l = 0, es decir z(e) = 0, para todo e > 0,

con lo cual se concluye que Xn,n es una estadística completa para e,
°
porque Eo[z(X)] = implica que z(y) = para < y < e. ° °
Ejemplo 2.2.70. La familia de densidades
{fx(x, e) = ~e-ix I(o,CXJ) (x) le> °}

es una familia completa,
Eo[z(X)] = °= JofCXJ (jz(t)e-{jtdt

1 1
expresión que corresponde a la transformada de Laplace de una función

z(t) con B > O. Si esta transformación es cero para todo B > O, entonces
z debe ser la función nula.
La familia exponencial de densidades ha mostrado un conjunto de
propiedades interesantes. El siguiente teorema amplía ese conjunto in-
cluyendo una propiedad adicional que integra la suficiencia y la com-
pletez en esta familia.
Teorema 2.2.71. Sea Xl, X2, ... , X n una muestra aleatoria de una
población con función de densidad f x (x, B), función de densidad que
pertenece a la familia exponencial de densidades, la estadística natural
n
de la familia ¿ d(Xi ) es una estadística suficiente y completa para B.
i=l
El concepto de completez no dispone de la autonomía de otros requi-

sitos en el proceso de facultar estadísticas. Por ello, a priori no es fácil
intuir su sentido ni tampoco comprender su inclusión dentro de una lista
de requisitos. La integración de la completez al conjunto de requerimien-
tos responde a que su participación en la configuración de un UMVUE,
participación expresa en el enunciado del teorema de Lehmann-Scheffé,
es obligatoria para la sustentación de uno de los argumentos de la de-
mostración del mismo; realmente su importancia radica en este hecho.
Se puede afirmar que la completez es un requisito indirecto para el exa-
men o mejoramiento de la precisión de un estimador.
Como exordio al valioso teorema de Lehmann-Scheffé y como argu-
mento en su demostración se presenta el siguiente teorema.
blación con función de densidad fx(x, B), B E e, r(B) una función del
parámetro B y T n = t(X l , X2, . .. , X n ) un estimador insesgado para la
imagen de B bajo la función r. Si T n es una estadística completa para
B, entonces T n es el único estimador insesgado de la imagen de B bajo
la función r.
Teorema 2.2.73 (Teorema de Lehmann-Scheffé). Sea Xl, X 2 , •.. , X n
una muestra aleatoria de una población con función de densidad f x (x, B)
y r una función de B. Si las estadísticas T2) = tI (Xl, X 2, . .. ,Xn ),
T~2) = t2(X l , X 2, ... ,Xn ), . .. , T~m) = tm(X l , X 2, ... , X n ) constituyen
una colección de estadísticas conjuntamente suficientes y completas para
B y SZ. T*n = t*('7"'(l)
1n. ,1n '7"'(m)) es un es t·zma d
'7"'(2) , ... ,1n or·znsesga do para l a
imagen de e bajo la función r, entonces T~ es UMVUE para la imagen

de e bajo la función r.
Ejemplo 2.2.74. Sea X 1 ,X2, ... ,Xn una muestra aleatoria de una po-
blación con distribución de Poisson de parámetro e, X n es UMVUE para
e.
Esta afirmación es cierta, teniendo en cuenta lo siguiente:
1. La familia de densidades a la cual pertenece la densidad de Poisson

es una familia exponencial de densidades. Por tanto,
LXi
i=l
es una estadística suficiente y completa para e, tal como lo garan-

tiza el teorema 2.2.71.
n
2. X n es una función de la estadística ¿ Xi, esta última suficiente y
i=l
completa para e.
3. X n es un estimador insesgado para e.
En virtud de estos resultados y con el auxilio del teorema del Lehmann-

Scheffé, X n es UMVUE para e.
Por otra parte, si el interés se centra en estimar la imagen de bajo la e
función r(e) = e-e, donde e-o = P[X = O], el proceso de determinar un
estimador UMVUE para e-o requiere algunos pasos especiales.
1. I{o}(X 1 ) es un estimador insesgado para e-o, porque
Eo [I{o}(X 1 )] = 0.P[X1 2: 1] + 1.P[X1 = O] = e-o.
2. Ee [1{O} (Xl) I i~ Xi] es una estimación insesgada función de i~ Xi,

conforme al teorema de Rao-Blackwel (2.2.49).
E, [I¡O¡(X¡) 1 ~Xi] ~ O· P, [Xl"" 11 ~Xi ~ t]

+ 1· p() [Xl = 01 tX = t]. ~=l
i
p() [Xl = O,
~=2
t Xi = t]
p()[X I = OlP() [i~ Xi = t]

p() [t ~=l
Xi = t]
Como Xi "-' Poiss(B), entonces M Xi (t) = e()(et-l), i = 1,2, ... , n.
n
Si y = ¿ Xi, My(t) = e(n-l)()(et-l), luego Y "-' Poiss((n - 1)()).
i=2
n
Si Z = ¿ Xi, Mz(t) = en()(et-l) , significa que Z "-' Poiss(nB);
i=l
por tanto,
n
n]
Entonces E() [I{o} (Xl) I i~ Xi = (n;;:l
¿
)i=l
Xi
,luego la estadística
(
n: 1
)
n
¿
i=l
Xi
es un estimador insesgado función de una estadística suficiente y

completa; por tanto es UMVUE para e-().
Ejemplo 2.2.75. Determinar un UMVUE para e cuando el modelo

asumido para representar la población es un modelo Exponencial nega-
tivo
fx(x, e) = ee-(}x 1(0,00) (x).
n
1. fx(x, e) pertenece a la familia exponencial de densidades, LXi
i=l
es una estadística suficiente y completa para e.
n
2. X n es una función de LXi, X n es un estimador insesgado para
i=l
1 -- 1
e; por tanto, X n es un UMVUE para e·
El estimador para e se intuye como ~ con c constante; entonces
LXi
i=l
E(} [~l
i~ = e=
Xi
[~] eE
' T
-
- e Joroo t1 h(t)dt, T=
n
LXi.
i=l
Como la suma de variables aleatorias con distribución exponencial es

una variable aleatoria con distribución Gama, se tiene que
E(}[~l 100
LXi
=c
o
1 1
- _ _ entn-1e-(}tdt
t f(n)
i=l
= c -1- 100 e nt n- 2 e-(}tdt

r(n) o
ce roo
= f(n) Jo u n
-
2 u
e- du (utilizando la sustitución u = et)
cef(n - 1) ce
n>l
r(n) n- 1
Un estimador insesgado para e es : - 1 , el cual es una estadística fun-

LXi
i=l
ción de una estadística suficiente y completa. Por ser insesgado para e,
es UMVUE para el parámetro e.
Expuestos, de manera separada por razones académicas, los criterios

más conocidos para facultar estadísticas como estimadores de paráme-
tros, le resta entonces al lector, con el apoyo de los ejercicios propuestos
y de los que encuentre en otros textos, la realización de una actividad
de síntesis conceptual integradora de los requisitos exigibles a los esti-
madores, respaldada por los enunciados de los teoremas incluidos y por
los argumentos que los garantizan, que se presentan en la sección 2.3.
2.2.6 Robustez, un requisito de estabilidad

Este capítulo cierra con una breve exposición de un requisito denomi-
nado robustez, término acuñado por Box, pero cuya idea ya había sido
expresada mucho antes por Pearson. Este requisito, en ciertas opor-
tunidades exigible a algunos estimadores y en forma general a algunos
procedimientos estadísticos, adquiere un destacado interés cuando no
existe plena afinidad entre el comportamiento global e individual de las
observaciones de la muestra y el modelo postulado como modelo original
de las observaciones, o cuando no hay coherencia total con los supuestos
admitidos. Los requisitos presentados en el desarrollo de este capítulo de
ninguna manera controvierten la afinidad o incompatibilidad entre las
observaciones de la muestra y el modelo original. El modelo define un
ambiente y bajo él, una estadística exhibe sus atributos y desatinos en
la misión de ser un estimador del parámetro característico del modelo.
Definición 2.2.76. Un procedimiento o método estadístico se denomina

robusto, si su desempeño es imperturbable a ligeras discordancias del
modelo original o de los supuestos asumidos con la información acopia-
da. Particularmente, un estimador T n basado en una muestra aleato-
ria Xl, X2, ... , X n , de una población con función de densidad fx(x, O),
recibe la denominación de estimador robusto, si su desempeño per-
manece inalterado ante discrepancias con el modelo original.
Que el desempeño de un estimador o el de un método estadístico
sean inalterables frente a ligeras discordancias con el modelo o con los
supuestos, es decir que sean robustos, es en sí una propiedad deseable.
Sin embargo es un criterio vago porque es imprecisa la expresión de-
sempeño del estimador, como igualmente es impreciso el alejamiento
del modelo o de los supuestos y como también lo es el no cumplimien-
to de los supuestos. El alejamiento de un modelo puede tener varias
facetas: presencia de outliers, valores insólitos bajo el modelo original,
discrepancias en la forma de la densidad, como el apuntamiento y la

simetría entre otras. El no cumplimiento de los supuestos, por su parte,
podría ser taxativo: no se cumplen unas condiciones sobre las cuales
un procedimiento estadístico se ha estructurado, ¿pero en qué medida
no se cumplen los supuestos? Por ejemplo, la homoscedasticidad, más
allá de la definición clara y precisa de igualdad de varianzas, ¿cuándo k
poblaciones no tienen la misma variabilidad?
Suponiendo que se desea estimar el promedio poblacional, valor espe-
rado de una variable aleatoria, que el estimador elegido es X n, basado
en una muestra aleatoria Xl, X 2 , ... , X n , de una población con fun-
ción de densidad fx(x, O), y que asumido el modelo original, X n posee
propiedades inmejorables, propiedades válidas únicamente bajo la re-
gencia del modelo adoptado, ante la presencia de discrepancias con el
modelo puede menoscabarse su idoneidad, en cuyo caso se hablaría de
la no robustez del estimador.
Las discrepancias con el modelo se pueden teorizar de variadas for-
mas, una de ellas en forma particular a través de la contaminación.
Definición 2.2.77. Una variable aleatoria Xc se dice que es una va-

riable aleatoria contaminada, si su función de densidad f Xc (x, O) es
un combinación lineal de dos o más funciones de densidad,
k k
fxc(x, O) = L EjfX (x),
j siendo L Ej = l.
j=l j=l
Concretamente, si la función de densidad del modelo original es

fx(x, O), y las discrepancias con el modelo motivan la consideración
de una nueva función de densidad para la variable aleatoria X, de la
forma
fxc(x, O) = (1 - E)fx(x, O) + Eg(X)
elegida g(x) de manera que sea la responsable de generar los valores
insólitos, bajo el modelo original cuya función de densidad es fx(x, O),
entonces X n es altamente sensible frente a las discrepancias citadas. Esa
falta de robustez de la media de la muestra ha sido paliada por elimi-
nación de los valores más extremos, o por la utilización de la mediana
de la muestra, menos afectada por dichos valores.
En general, son varios los mecanismos de enfrentar la no robustez,
sólo que dentro del contexto del capítulo se desea en un sentido destacar
uno basado en la idea de excluir valores extremos, o de remplazarlos
para eliminar los outliers o amortiguar su efecto: los estimadores L y en

otro sentido hacer una ligera mención de los estimadores M.
Definición 2.2.78. Sea Xl,n, X 2 ,n, ... ,Xn,n, una muestra ordenada de
una población con función de densidad fx(x, e), e E e ~ ]R, e un pará-
metro de localización2 . Un estimador L para e es una estadística de
la forma
n
Tn = ""
~, en iXi ,n
i=l
donde los coeficientes Cn,i, i = 1,2, ... ,n están determinados.
Son ejemplos de estimadores L, el promedio, el mínimo y el máximo

de la muestra, pero deben destacarse, respondiendo a esta idea de ex-
clusión o remplazo de valores extremos, los promedios recortados y
los promedios "windsorizados".
Un a-promedio recortado es el promedio aritmético de las n - 2[na]
estadísticas de orden centrales, con O < a < ~, es decir, se elimina la
fracción a de las observaciones inferiores de la muestra e igualmente se
elimina la fracción a de las observaciones superiores de la muestra, y con
la restante fracción de observaciones 1 - 2a se determina el promedio
aritmético que justamente se adjetiva como recortado. Su expresión
corresponde a
n-[na]
-X 1 ""
r n,a = n _ 2[na] ~ Xi,n.
i=[na] +1
Un a-promedio windsorizado no elimina la fracción a de las obser-
vaciones inferiores ni de las observaciones superiores de la muestra,
O < a < ~, sino que remplaza cada una de ellas por las estadísticas
de orden X[na]+l,n y Xn-[na],n, respectivamente, y luego considera el
promedio aritmético de estas n variables como lo indica su expresión
n-[na] }
wXn,a = ~ { [na]X[na]+l,n + L Xi,n + [na]Xn-[na],n .
i=[na]+l
Por otra parte, un estimador M para e, basado en una muestra aleato-

ria Xl, X 2 , .•. , X n , de una población con función de densidad fx(x, e),
2El concepto de parámetro de localización puede consultarse en la definición 3.2.7.

es un estimador que minimiza la suma

n
LH(Xi - t)
i=l
siendo H una función predeterminada, o es un estimador que es solución

de la ecuación
n
Lh(Xi - t) = 0,
i=l
igualmente para una función h predeterminada. Entonces el estimador

M está dependiendo de una elección de una función H o h según el fin.
Como casos especiales se pueden construir estimadores M correspon-
dientes a los estimadores máximo-verosímiles tomando
h(x, t) = - :t In fx(x, e) como también construir estimadores M corres-
pondientes a los denominados estimadores de mínimos cuadrados
tomando H(x, t) = (x - t)2, estimadores muy corrientes en los modelos
lineales y en el diseño experimental.
Finalmente, es pertinente señalar que en la actualidad se utilizan
procedimientos de mejoramiento de estimadores, procedimientos que re-
quieren extenso uso de cómputo estadístico, conocidos como métodos
de remuestreo, de los cuales se destacan el jackknifing y el boostraping,
consistentes en pocas palabras en la utilización sistemática de todas las
posibles submuestras obtenidas removiendo observaciones de la muestra
original y calculando la estimación correspondiente.

Teorema 2.1.12. Si las variables aleatorias X 1 ,X2, ... ,Xn consti-
tuyen una muestra aleatoria de una población con función de densidad
fx(x, e), T n = t(X 1 , X 2, .. . , X n ) un MLE de e, e E e, e ~ ]R, y si
r(e) es una función uno a uno, entonces r(Tn ) es el estimador máximo-
verosímil de la imagen de e bajo la función r.
Demostración. En primer lugar, asumiendo que la función r(e) = e*

es una función uno a uno, con dominio e y recorrido e*, entonces
e = r~l(e*). Como la función de verosimilitud L(e; Xl, X2, ... , x n ) tiene
e
máximo en el punto = tn, equivale a afirmar que ella tiene máximo en
el punto r-I(O*) = tn, es decir, en 0* = r(t n ). De esta manera, el MLE

de 0* es r(Tn ).
En segundo lugar, si la función r( O) no es una función uno a uno, el
principio de invarianza se mantiene. Como se afirmó, la función de vero-
similitud tiene máximo en el punto 0= tn' Varios valores de O tienen co-
mo imagen a 0* = r(t n ), uno de ellos hace máxima a L(O; Xl, X2, .. . , x n )
precisamente O = tn' En conclusión, cualquiera sea el caso, el MLE de
0* = r(O) es r(Tn ). D
Teorema 2.1.15. Sea Xl, X2, .. . , X n una muestra aleatoria de una

población con función de densidad fx(x, O). Existiendo el momento
J.l2r = E [x2r] , r = 1,2, ... ,
n
" ( Xi - -X n )r
-1 '~ p
--+ J.lr·
n
i=l
Demostración. Como preparación a la demostración, hay que tener pre-

sente que el momento central de orden r, J.lr = E [(X - J.l Yl puede
expresarse en términos de los momentos ordinarios, de menor orden.
Utilizando el teorema binomial se logra dicho propósito.
Igualmente, el momento muestral central de orden r puede expresarse

en términos de los momentos muestrales ordinarios de menor orden.
~ t (Xi - X n)" ~ ~ t~ G)Xi(-XnY J
~ ~ [~t G)X!(-Xnr-']
= i)-Xnr-jG)~tX1
)=0 z=l
= t
j=O
(~)
J
(Mj)j (-Xnr- j
Como el momento f.l2r existe, los momentos f.ls Y f.l~, s ::; 2r existen. Los
teoremas 1.4.7 y 1.3.2, garantizan que
Mr = t (~)
j=O J
(Mj)j (-xny-j p ) t (~)
j=O J
(f.lj)j (-f.ly-j. D
Teorema 2.2.17
Este teorema coincide con el teorema 1.6.2, vista la estadística de orden
X[npJ+l,n como estimador de x p.
Teorema 2.2.21. Sea Xl, X 2 , .. . , X n una muestra aleatoria de una

población con función de densidad fx(x, e). Siendo una estadística,
T n = t(X I , X 2 , ... ,Xn ), ella es suficiente para e, si y sólo si la fun-
ción de verosimilitud de la muestra puede expresarse como el producto
de dos factores:
L(e; Xl, X2,· .. ,Xn ) = g(t(XI, X2,···, Xn ); e)h(XI, X2,··· ,Xn )
siendo h una función no negativa que depende exclusivamente de Xl, X2,

... , Xn y la función g, no negativa, que depende de e y de Xl, X2, .. ·, Xn
a través de t(XI, X2,···, x n ).
Demostración. La demostración se realizará en dos sentidos. En primer

lugar, se supone la suficiencia de la estadística para concluir que la
función de verosimilitud se puede expresar como el producto de factores
en la forma indicada; la segunda parte se desarrolla en sentido contrario.
Se considera únicamente el caso discreto, porque el caso continuo
requiere consideraciones adicionales; sin embargo, las ideas y los argu-
mentos utilizados son similares en los dos casos.
Antes de abordar la demostración, como Xl, X2, . .. , X n constituyen
una muestra aleatoria,
Pe [Xl = Xl, X2 = X2,· .. ,Xn = xnl = fx(xI, e)fx(x2, e) ... fx(x n , e)

= L(e;XI,X2, ... ,x n ).
Para efectos de notación, al conjunto de valores (Xl, X2, ... , x n ) tales que
t(XI, X2, .. . , x n ) = t, llamado un entorno de Tn , se denota como A(t),
con lo cual Pe [Tn = tl = ¿ L(e; Xl, X2,.··, Xn ).
A(t)
En primer término, como se había manifestado, se parte del supuesto

de que T n es una estadística suficiente para e es decir que
Pe [Xl = X1,X 2 = X2, o o o ,Xn = xnlTn = t]

no depende de e, probabilidad que puede denotarse como h(X1, X2, x n ), o o o,
porque únicamente depende de los valores particulares Xl, X2, Xno o o o,
Por otra parte, la probabilidad Pe [Tn = t] al depender del valor t y de e

puede denotarse como g(t, e), con lo cual
L(B;XI,X2, o o o ,x n ) = Po [Xl = XI,X 2 = X2, o o o ,Xn = x n ]
= Po [Xl = Xl, X 2 = X2, o o o, X n = xnlTn = t] Po[Tn = t]
= h(XI,X2,000,X n )g(t,B)0
En segundo término, partiendo del supuesto de que
L(e; Xl, X2, o o o , Xn ) = g(t, e)h(X1, X2, o o o, Xn )
y considerando un valor particular t (obviamente si (Xl, X2, o o o, Xn ) rj:. A(t)

entonces Pe [Xl = Xl, X 2 = X2, o o o, X n = xnlTn = t] = O)
Pe [Xl = X1,X 2 = X2, o o o ,Xn = xnlTn = t] = ~
~ = Pe[X1 = X1,X2 = X2, ,Xn = Xn] o o o L(e; Xl, X2, o o o, Xn )

Pe[Tn = t] ¿: L(e; Xl, X2, o o o,Xn )
A(t)
g(t, e)h(X1, X2, Xn ) o o o , g(t,e)h(X1,X2,000,X n )
¿: h(X1,X2,0 oo,xn)g(t,e) g(t,e) ¿: h(X1,X2,0 OO,X n )
A(t) A(t)
h(X1, X2, Xn ) o o o ,
¿: h(X1,X2,000 ,Xn )
A(t)
expresión que no depende del parámetro eo D
Teorema 2.2.250 Sea Xl, X2, X n una muestra aleatoria de una o o o,
población con función de densidad fx(x, e)o El conjunto de estadísticas

T n(1) h(X 1,X2,000,Xn ) , T n(2) t2(X 1,X2,000,Xn ),000,
T~m) = t m (X 1, X2, X n ) constituye una colección de estadísticas con-
o o o,
juntamente suficientes para e, si y sólo si la función de verosimilitud de

la muestra L(e; Xl, X2, Xn ) = L puede expresarse como o o o,
La función h es una función no negativa que depende de Xl, X2, ... , Xn

exclusivamente y g una función no negativa que depende de e y de
Xl, X2,···, Xn a través de tI, t2,· .. , t m ·
Demostración. La demostración de este teorema es muy similar a la

del teorema que hace referencia al criterio de factorización de Fisher-
Neyman, para el caso de una estadística suficiente unidimensional.
Para esta demostración se introducen algunos elementos como el vec-
tor T = (T2), T2) , ... , T~m»)', el conjunto A( t) que para este caso se re-
fiere al conjunto de valores (XI,X2, ... ,Xn ), con tl(XI,X2, ... ,Xn ) = tI,
t2(X1,X2, ... ,Xn ) = t2, ... ,tm (XI,X2, ... ,Xn ) = t m Y t corresponde al
vector t = (tI, t2, ... , t m )', con lo cual
Po [T~l) =tl,T~2) =t2, ... ,T~m) =tm] =Po[T=t] = LL(B;Xl,X2' ... 'X n ).
A(t)
El desarrollo de la demostración con base en estos elementos es el mismo

que se realizó para el caso de una estadística suficiente unidimensional.
O
Teorema 2.2.27. Si T n es una estadística suficiente para e basada en

una muestra aleatoria Xl, X 2, ... , X n , de una población con función de
densidad fx(x, e) y si T~ es un MLE para e, y es único, entonces T~ es
función de T n .
Demostración. Siendo T n una estadística suficiente para e, entonces,

según el criterio de factorización de Fisher-Neyman,
L(e; Xl, X2,· .. , Xn ) = g(t(XI, X2,··· , Xn )); e)h(XI, X2, ... , x n ).

En el caso de ser T~ = t*(X I , X 2, ... , X n ), el único MLE de e, entonces
e = t* hace máxima a L y por supuesto a g(t(XI, X2, .. . , x n )), luego t*
es una función de t(XI,X2, ... ,xn ). O
Teorema 2.2.49. Siendo Xl, X2, ... , X n una muestra aleatoria de una
población con función de densidad fx(x, e), r(e) una función de e, y
T n(1) tl(X 1,X2, ... ,Xn ), T n(2) t2 ( X I ,X2, ... ,Xn ), ... ,
T~m) = tm(X I , X 2, . .. , X n ) estadísticas conjuntamente suficientes, y
siendo la estadística Vn = t(X I , X 2, ... , X n ) un estimador insesgado
para la imagen de e bajo la función r y T~ = t*(X I , X 2, . .. , X n ) un
estimador tal que la estimación t~ se determina como
t n* -- E () [TT
Vn IT(l)
n , T(2)
n , ... , T(m)]
n
entonces,
1. T~ es una estadística, función de estadísticas suficientes solamente.
2. Eo[T~] = r(B).
Demostración. Respecto al punto 1, afirmar que T~ es una estadística

función de estadísticas suficientes solamente, es consecuencia del hecho
de ser T~I), T~2), ... ,T~m) una colección de estadísticas conjuntamente
suficientes; debido a su construcción T~, es una estadística suficiente por
ser función únicamente de esa colección.
Respecto al punto 2, se considera sólo el caso en el cual la variable
aleatoria que representa a la población es una variable continua; el caso
discreto es similar.
Como el objeto es concluir que Eo [Eo [VnIT~I), T~2), ... , T~m)]] = r(B),
para facilitar la notación, la colección de estadísticas conjuntamente sufi-
cientes se dispone en el vector aleatorio T = (T~I), T~2), ... , T~m))', cuya
función de densidad es fr(t), siendo t = (tI, t2, .. . , tn).
El valor esperado EO[VnIT] = c(t) es una función que depende únicamente

de los valores particulares de t.
Eo [Eo [VnI T ]] = Eo [c(T)]
= 1:1:···1: c(t)fr(t)dh dt 2··· dt m
= 1:1:···1: [1: VnfVn,T(V n , t)dV n ] dtIdt2··· dt m ,
porque J~oo VnfVn,T(V n , t)dv n = C(t)fT(t); intercambiando apropiada-

mente el orden de integración se tiene que
E() [E()[VnI T ]] = i: i:'" i:

Vn fVn,T(V n , t) dt l dt 2'" dtmdv n
= i: vnfvn(vn)dvn = E[Vn] = r( ()),
porque J~'" J~(x,fVn,T(Vn, t) dt l dt 2" . dt m = fVn(v n ).

Para concluir el desarrollo de lo pertinente al punto 3, se parte de la
conocida adición de un cero, así
V()[Vn] = E() [(Vn - r(O))2] = E() [(Vn - c(T) + c(T) - r(()))2]

= E() [(Vn - c(T))2] + E() [(c(T) - r(O))2]
= E() [(Vn - c(T))2] + V()[c(T)],
puesto que E()[c(T)] = r(O) y 2E() [(Vn - c(T))(c(T) - r(O))] = O.
E() [(Vn - c(T))(c(T) - r(O))] = O, como se deduce a continuación.
E() [(Vn - c(T))(c(T) - r(()))] = E() [Vnc(T)]- r 2(()) - E() [c 2(T) + r 2 (())]
= E() [c(T)(Vn - c(T))] = ~
~= i: i: . ,i: i: c(t)(vn - c(t))fVn,T(Vn, t)dvndtldt2'" dtm
= i: i: . ,i: [¡: c(t) (vn - c(t))fVn,T(Vn, t)dVn] dtldt2'" dtm
i: (vn - c(t))fVn,T(Vn, t)dvn = i: VnfVn,T(V n , t)dvn
- c(t) i: fVn,T(Vn, t)dvn
= C(t)fT(t) - C(t)fT(t) = O
Por tanto ~ = E() [c(T)(Vn - c(T))] = O. Regresando al paso en el cual
se enunció que
V()[Vn] = E() [(Vn - c(T))2] + V()[c(T)]

y teniendo en cuenta que
E() [(Vn - c(T))2] ~ O,

entonces Ve[c(T)] ::; Ve[Vn] o Ve [Ee [VnIT]] ::; Ve[Vn]. En síntesis,
Teorema 2.2.55. Sea Xl, X 2, . .. , X n una muestra aleatoria de una

población con función de densidad fx(x, e), r(e) una función del pa-
rámetro e, T n = t(X I , X 2, . .. , X n ) un estimador para la imagen de e
bajo la función r y Be(Tn ) el sesgo de T n . Dentro de un caso regular de
estimación,
E [(T _ (e))2] > (r'(e) + B~(Tn))2
e n r - nI(e) ,
con B~(Tn) = :eBe(Tn).
Demostración. Esta demostración parte de la definición de sesgo y uti-

liza las condiciones de regularidad como argumentos para su desarrollo.
Dado que Be(Tn ) = Ee(Tn ) - r(e),
B(}(Tn ) + r(B) = E(}(Tn )
= 1:1: . . 1: t(Xl,··· ,xn ) (gfX(Xi,B)) dXl···dx n ·
Tratándose de un caso regular de estimación, :eBe(Tn) + r'(e) = ~,

siendo
IJI
8 n f x (Xi, e)
puesto que 8e = (8 i!:I i!:JI
8e In n f x (Xi, e) )(n f X (Xi, e) ) ,
porque d~ lng(x) = ~(~}, y por tanto, g'(x) = (d~ lng(x)) g(x).
Antes de continuar, es necesario demostrar que
aleatoria X, con distribución de Pareto es
020~2
fx(x, O) = x 02 +l 1(01,00) (x),
los componentes del parámetro O = (0 1 , O2 ), son tales que 01 > 0,

O2 > O. ¿Cuál es el MLE para O?
Asumiendo conocido o fijo el valor de 0 1 , ¿cuál es el MLE para 0 2 ?
¿ Cuál es el estimador por el método de los momentos para 02? ¿Es
procedente la construcción de un estimador por analogía para 02 ?
De la misma manera, asumiendo conocido o fijo el valor de O2 ,
¿cuál es el MLE para 01? ¿Cuál es el estimador por el método de
los momentos para 01 ? ¿Es factible determinar un estimador por
analogía para 01 ?
3. El modelo Zeta, utilizado particularmente en lingüística, está cons-

truido con base en la función zeta de Riemann, función definida
como
(( s) = L ~,1
00
con s > lo
j=l J
Una variable aleatoria X se dice que tiene distribución Zeta con
parámetro O, O > 0, o que tiene distribución de Zipf (en honor a
George Zipf), si su función de densidad es
1
fx(x, O) = xO((O) 1{1,2, ... }(x)
en cuyo caso E [X k ] = (~(~)k), con O > k + 1, k = 1,2, ... Particu-

larmente
((O -1) .
E[X]= ((O) s10>2
V[X] = ((O - 2) _ [((O - 1)] 2 si O > 3.

((O) ((O)
Explore la forma de estimar puntualmente el parámetro O.
4. El modelo de Poisson, muy conocido por sus múltiples aplica-

ciones, incluye una constante O que corresponde tanto al centro
de gravedad de la función de densidad de una variable aleatoria
regido por este modelo como la cuantificación de la dispersión de la
2.4. EJERCICIOS 137
misma. Dado que la función de densidad de una variable aleatoria

X, con distribución de Poisson es
ex
fx(x,e) = ,e-o¡{0,1,2, ... }(x),
x.
siendo e > o, ¿cuál es el MLE para e? ¿Cuál es el estimador por
el método de los momentos para ()? ¿Cuál es el estimador por
analogía para e?
5. El modelo gaussiano representa una gama amplia de situaciones

y es el modelo capital en estadística. Es necesario diferenciar las
formas como se deben estimar las dos constantes que participan en
el modelo. Señalando que la función de densidad de una variable
aleatoria X, con distribución gaussiana es
1 (x-01 )2
fx( x e) = e- 2°2
'y'27re2 '
los componentes del parámetro e = (el, ( 2 ) son tales que el E IR,

e2 > O. ¿Cuál es el MLE para e?
Para el caso particular en el que se asuma conocido o fijo el valor de
el, ¿cuál es el MLE para e2? ¿Cuál es el estimador por el método
de los momentos para e2 ? ¿Cuál es el estimador por analogía para
e2 ?
Del mismo modo, dado el caso en el que se asuma conocido o fijo
el valor de e2 , ¿cuál es el MLE para el? ¿Cuál es el estimador por
el método de los momentos para el? ¿ Cuál es el estimador por
analogía para el?
6. El modelo Gama realmente es una familia de modelos. Las dos

constantes que intervienen en la naturaleza del modelo, usualmente
llamadas parámetro de forma y parámetro de escala, se pueden
estimar de varias maneras. Recordando que la función de densidad
de una variable aleatoria X, con distribución Gama es
f xX,U _ eg 01-
( ll) -r(edx
1
1 -02 X ¡
e (0,00)
()
x,
los componentes del parámetro e = (el, (2) son tales que

el > o, e2 > O. ¿Cuál es el MLE para e?
Cuando se asume conocido o fijo el valor de el, ¿cuál es el MLE
para fh? ¿ Cuál es el estimador por el método de los momentos

para 02? ¿ Cuál es el estimador por analogía para 02?
De manera similar, cuando se asume conocido o fijo el valor de 02,
¿cuál es el MLE para 01 ? ¿Cuál es el estimador por el método de
los momentos para 01 ? ¿Cuál es el estimador por analogía para
01?
7. Una variable aleatoria X, con distribución de Gumbel tiene como

función de distribución a
Fx(x, O) = exp ( - exp (x ~2 01 ) ) .
Los componentes del parámetro O = (0 1 , O2 ), son tales que 01 E ~,

O2 > O. Explore la forma de estimar puntualmente el parámetro
O, teniendo en cuenta que E[X] = 01 + "(0 2 , siendo "( ~ 0.577216,
7r 2 (J2
Y además V(X) = ~.
8. Una variable aleatoria X, con distribución de Laplace o con dis-

tribución Exponencial doble, tiene como función de densidad a
fx(x, O) = _1 _Ix-Oll
20 e
2
°2
Los componentes del parámetro 0= (0 1 , O2 ) son tales que 01 E ~,
O2 > O. Explore la forma de estimar puntualmente el parámetro
O, teniendo en cuenta que E[X] = 01 Y V[X] = 20~.
9. Determine una eficiencia especial de *f:

i=l
(Xi - Xn)2 frente a S;,
para estimar (J2 cuando se ha asumido un modelo Normal con valor
esperado J..L y varianza (J2.
10. De los dos estimadores para (J2 del ejercicio 9 ¿cuál tiene mayor
error cuadrático medio?
11. Igualmente, de los dos estimadores para (J2 del ejercicio 10, ¿cuál
tiene menor varianza?
12. Un tramposo juega con una moneda de dos sellos, pero algunas
veces para no despertar sospechas, utiliza una moneda equitativa.
El objeto de este ejercicio es estimar cuál moneda está utilizando en
2.4. EJERCICIOS 139
un momento dado, a partir de los resultados de n lanzamientos de

una misma moneda, es decir, estimar el parámetro () cuyo espacio
es el conjunto e = {~, 1}. Compruebe que el MLE para () es
13. ¿El estimador T n del ejercicio 12 es un estimador insesgado, o es

un estimador asintóticamente insesgado para ()?
14. Determine el error cuadrático medio del estimador T n del ejercicio

anterior.
15. Si las variables aleatorias Xl, X 2 , . .. ,Xn son una muestra aleato-
ria de una población con distribución Uniforme en el intervalo
(O, ()), determine la varianza del estimador por el método de los
momentos para (), basado en la muestra aleatoria, y examine si es
un estimador insesgado para ().
16. (Este ejercicio y los cinco siguientes hacen referencia al ejercicio

15J. Determine la varianza del estimador máximo-verosímil para
(), basado en la muestra aleatoria, y concluya si es un estimador
consistente para ().
17. Construya un estimador insesgado para (), que sea función del
máximo de la muestra, y determine su varianza. ¿Es consistente
este estimador para ()?
18. Entre el estimador del ejercicio 17 y el estimador por el método de

los momentos, ¿cuál elige?
19. ¿Es posible construir un estimador insesgado para () que sea fun-
ción del mínimo de la muestra? Si es factible, identifíquelo y de-
termine su varianza. ¿Es consistente este estimador para ()?
20. Considere los estimadores para () de la forma T n = h(n)Xn,n, sien-

do h(n) una función exclusiva del tamaño de la muestra. Deter-
mine el estimador de esta clase que tenga el menor error cuadrático
medio.
21. En síntesis, ¿cuál estimador elige como el más apto estimador para
()?
22. Siendo las variables aleatorias Xl, X2, .. . , X n una muestra aleato-
ria de una población con distribución de Laplace con (h = 1, ¿exis-
te una estadística suficiente para (h?
23. Si Xl, X 2 , ... , X n es una muestra aleatoria de una población con

función de densidad
e
fx(x,e) = X2 I[B,oo) (x), e> o
determine el MLE de e. Compruebe que este estimador es una
estadística suficiente para e.
24. Si Xl, X 2 , ... ,Xn es una muestra aleatoria de una población con
distribución de Poisson con parámetro A y e = P[Xi = O] = e-A,
determine el MLE de e, mediante dos procedimientos: directa-
mente y usando la propiedad de invarianza de los estimadores
máximo-verosímiles.
metro e, determine el MLE para la varianza poblacional.
26. Si las variables aleatorias Xl, X 2 , ... ,Xn constituyen una mues-
tra aleatoria de una población con distribución gaussiana de valor
esperado el y varianza e2 , determine el MLE para er + e2 .
27. Determine la cota de Cramer-Rao para la varianza de los esti-

madores insesgados para e, basados en una muestra aleatoria de
tamaño n de una población con distribución de Bernoulli de pará-
metro e.
28. Con base en el ejercicio 27, ¿existe un UMVUE para e?

29. Si las variables aleatorias Xl, X 2 , . .. ,Xn constituyen una mues-
tra aleatoria de una población con distribución Binomial de valor
esperado me y varianza me(1 - e), con m conocido, e E (0,1),
obtenga el MLE, el estimador por el método de los momentos y el
estimador por analogía para e. ¿Existe una estadística suficiente?
Si es factible, determine el UMVUE para e.

madores insesgados para e, basados en una muestra aleatoria de
2.4. EJERCICIOS 141
tamaño n de una población con distribución de Poisson de pará-

metro (J.
31. Teniendo en cuenta el ejercicio 30, ¿existe un UMVUE para (J?
32. Si se asume el modelo gaussiano, ¿X n es un UMVUE para el

promedio poblacional? ¿La varianza de S;
es igual a la correspon-
diente cota de Cramer-Rao para los estimadores insesgados para
la varianza poblacional?
33. Si se adopta el modelo gaussiano, y se asume que el promedio
poblacional es conocido, ¿existe un UMVUE para la varianza pobla-
cional? ¿Qué ocurriría si no se asume que el promedio poblacional
es conocido?
madores insesgados para el parámetro de escala, basados en una
muestra aleatoria de tamaño n de una población con distribución
Gama. ¿Existe un UMVUE para el parámetro de escala?
35. Teniendo en cuenta una muestra aleatoria de tamaño n de una po-
blación Uniforme en el intervalo (O, (J), calcule Eo { [:0 In Ix (x, O) r}
y compárelo con la varianza del estimador insesgado para (J basado
en el máximo de la muestra. ¿Se presenta alguna contradicción?
36. Si Xl, X2, .. . , X n es una sucesión de variables aleatorias incorre-
lacionadas tales que (j; = V[Xil y E [Xil = p" i = 1,2, ... , n,
n
considere el estimador T n = I: f3i X i, siendo f31, f32, . .. , f3n, cons-
i=l
tantes determinadas. ¿Cuál condición deben cumplir estas cons-
tantes para que el estimador T n sea insesgado para p,? Determine
la varianza de T n en términos de f31,f32, .. ·,f3n y (j1,(j2, .. ·,(jn'
Bajo la restricción del insesgamiento de T n , use multiplicadores de
Lagrange para comprobar que la varianza de T n es mínima cuando
l
;;-z
f3j = ~ paraj = 1,2, ... ,n.
I:~J
i=l
Si (jI, (j2,"" (jn se asumen conocidas, una estadística como lo su-
giere este ejercicio se denomina BL UE (Best Linear Unbiased
Estimator) para p,.
37. Teniendo en cuenta lo expuesto en el ejercIcIO 36, si las varia-

bles aleatorias Xl, X 2 , .. . , X n constituyen una muestra aleatoria
de una población con valor esperado /.l y varianza (J2, ¿X n es BL UE
para /.l? ¿Se requiere conocer el valor de (J?
38. Si Xl, X2, .. . , X n es una muestra aleatoria de una población con

distribución Gama con parámetro O = (0 1 , O2 ) y siendo G n la me-
dia geométrica muestral, ¿la estadística T n = (X n , G n ) es una
estadística suficiente para O? Si se asume conocido 01 , ¿existe un
UMVUE para 02 ?
39. Si Xl, X 2, ... , X n es una muestra aleatoria de una población con

distribución Beta con parámetro 0= (0 1 , O2 ), ¿existe una estadística
suficiente para O?
40. Si Xl, X2, ... , X n es una muestra aleatoria de una población con
distribución Uniforme en el intervalo (O, O), ¿existe una estadística
suficiente para O?
41. Si Xl, X 2, ... ,Xn es una muestra aleatoria de una población con
distribución Uniforme en el intervalo (O, 0+ 1), O > 0, compruebe
que la estadística (Xl,n, Xn,n) es una estadística suficiente para O.
42. Muestre que si T n es una estadística completa para O, y si T~

es otra estadística, ella es completa si Tn y T~ son estadísticas
equivalentes.
43. La estadística
[n ~ 1 ~Xil- [n(n (~Xi)'l

1
_ 1)
basada en una muestra aleatoria Xl, X 2, ... , X n de una población

con distribución de Bernoulli de parámetro O, ¿es UMVUE para
0(1 - O)?
44. Y = 100X es el contenido porcentual de calcio en cierto com-

puesto, que se puede modelar como una variable aleatoria tal que
la función de densidad de la variable aleatoria X es
fx(x,O) = OxfJ-lICü,l) (x), O> O.

2.4. EJERCICIOS 143
Con base en n determinaciones independientes YI , Y2, ... , Y n , las

cuales se pueden tratar como una muestra aleatoria, encuentre un
MLE y un UMVUE para el contenido medio de calcio. ¿Existe
alguna función de () tal que haya un estimador insesgado para la
imagen de (), cuya varianza coincida con su correspondiente cota
de Cramer-Rao?
45. El tiempo en la atención a un cliente en un banco se puede modelar

como una variable aleatoria con distribución Exponencial de valor
esperado ~. Con base en una muestra de n clientes atendidos, se
desea estimar el tiempo mediano de atención. Obtenga un MLE y
un UMVUE para este tiempo mediano.
46. El número de animales de cierta especie que se pueden encontrar

dentro de un cuadrante (cuadrado ubicado cartográficamente en el
área de investigación), se modela corrientemente como una varia-
ble aleatoria con distribución de Poisson de parámetro (). Existe
un interés particular dentro de la descripción de la distribución es-
pacial, por la probabilidad de encontrar a lo sumo un ejemplar de
la especie, es decir, por la función r(()) = (1 +())e-o. Construya un
MLE y un UMVUE para la imagen de () bajo la función r, basa-
do en una muestra aleatoria Xl, X 2 , ... , X n , siendo Xi la variable
aleatoria que representa al número de animales de la especie en el
i-ésimo cuadrante elegido, i = 1,2, ... ,n.
47. Si Xl, X 2 , . .. , X n es una muestra aleatoria de una población con

distribución gaussiana de valor esperado () y varianza (), ¿cuál es-
timador debe adoptarse en términos de insesgamiento, completez
y suficiencia?
48. Si en el ejercicio 47 se establece que el valor esperado es () y la va-

rianza ()2, bajo los mismos términos, ¿de cuál o cuáles estimadores
se puede disponer?

aleatoria de una población con distribución Binomial de valor es-
perado m() y varianza m()(l - ()), con m conocido, () E (0,1), ¿es
factible determinar un UMVUE para ()m?

distribución Geométrica con parámetro (), es decir de una pobla-
ción con función de densidad
fx(x, O) = (1 - 0)X- 101{1,2, ... }, O E (0,1),
establezca un UMVUE para O y un UMVUE para 1 -¡/ .

51. Para el análisis de la fatiga de un material se planea un ensayo
con una muestra de n probetas, el cual culmina cuando k de las n
probetas hayan fallado. Determine el QMLE para O2 suponiendo
conocido 01 , si el modelo adoptado para la descripción del tiempo
de falla de la probeta es el modelo de Weibull, cuya función de
densidad es
O1 () 1 X
fx(x, O) = 0~1 X 1- exp [ - ( O )
Ih] 1(0,00) (x), 0= (0 1 , O2 ).
2
52. Compruebe que la familia de densidades Gama es conjugada para

la función de densidad de un modelo de Poisson.
53. Con base en el ejercicio 52, determine el estimador bayesiano para

el parámetro O de una distribución de Poisson.
54. ¿La familia de densidades Gama es cerrada bajo muestreo para la

función de densidad de un modelo Exponencial?
55. Si Xl, X 2 , •.• , X n es una muestra aleatoria de una población con

distribución Uniforme en el intervalo (-O, O), ¿son las estadísticas
Xl,n Y Xn,n conjuntamente suficientes para O? ¿La familia a la cual
pertenece la función de densidad de la población es una familia
completa? ¿Es Tn = max( -Xl,n, Xn,n) un MLE para O?
56. Si Xl, X 2 , .. . , X n es una muestra aleatoria de una población con

distribución Exponencial desplazada con parámetro O = (0 1 , O2 ),
determine una estadística suficiente para O.
1 x
fx(x, O) = ee-(j 1(0,00) (x),
2.4. EJERCICIOS 145
muestre que
n
y
son dos variables estadísticamente independientes.
58. Se repite un ensayo de Bernoulli, con probabilidad de éxito e, hasta

que ocurren exactamente k éxitos. Si X es la variable aleatoria
que contabiliza el número de ensayos necesarios para obtener los
k éxitos, es decir que
¿la familia de densidades a la cual pertenece la función de densidad

de la variable aleatoria X es una familia completa? ¿Es ~=i una
estimación insesgada de e?
59. Si Xl, X 2 , ... , X n es una muestra aleatoria de una población con

distri bución Uniforme en el intervalo (el - e2, el + ( 2) con el E IR
Y e2 > O, muestre que las estadísticas XI,n, Xn,n son estadísticas
conjuntamente suficientes para e = (el, ( 2 ).
60. Si Xl, X 2 , ..• , X n es una muestra aleatoria de una población con

n
¿es L Xi una estadística suficiente y completa para e? Determine
i=l
n
un estimador insesgado para e que sea una función de L Xi tal
i=l
que él tenga la varianza mínima.
61. Compruebe que el MLE para e es una función de la media

geométrica muestral, y que ésta es una estadística suficiente y
completa para el parámetro e, basados en una muestra aleatoria
Xl, X2, ... , X n , de una población con función de densidad
!x(x,e) = exo-II(o,l) (x), e> o.

62. Si Xl, X2, . .. ,Xn es una muestra aleatoria de una población con
distribución Uniforme discreta con parámetro e,
es decir que su
función de densidad es
1
fx(x, e) = 7¡!{1,2, ... ,O} (x), e> 0,
demuestre que el máximo de la muestra es una estadística suficiente
y completa.
63. Con base en el ejercicio 62, determine un estimador insesgado de

varianza mínima para e.
64. Si Xl, X 2 , . .. ,Xn es una muestra aleatoria de una población con

fx(x,e) = e-(x-O)I(o,oo) (x), e E IR,
determine una estadística suficiente y completa y un UMVUE para

e.
Capítulo 3
Estimación por intervalo de

parámetros
Una estadística facultada para estimar un parámetro particular pro-

ducirá estimaciones alrededor del valor específico del parámetro, porque
cumplió el requisito de insesgamiento y esas estimaciones serán de la
mayor precisión porque la estadística elegida posee la menor varianza.
y seguramente tal estimador tiene en su haber otras cualidades primor-
diales que lo hacen apto para su labor, y de esa manera está certificada
su competencia.
Esa certificación brinda el suficiente respaldo para que las estima-
ciones gocen de toda la confianza, y así sustituir esas constantes fun-
damentales del modelo por estimaciones válidas y sustentadas, de ma-
nera que sean la licencia para poner en marcha el modelo concebido y
responder de manera técnica a las preguntas pertinentes del fenómeno
modelado.
Pero no siempre el fin de la inferencia es estimar un parámetro de la
forma como hasta este punto se ha considerado; en algunas aplicaciones,
el propósito de la inferencia está en el sentido de llevar a cabo un avalúo
de ese parámetro por medio de un intervalo, emitiendo ya no un único
valor sino un rango de valores como estimación del parámetro. Algunas
investigaciones encuentran en este procedimiento una mejor forma de
estimación de parámetros, más útil y provechosa, frente a la declaración
de un único valor; por ello corrientemente suelen dar a conocer el pun-
to medio de un intervalo y sus extremos, para declarar, además de la
estimación de un parámetro, una idea de variabilidad asociada a tal es-
147
148 CAPÍTULO 3. ESTIMACIÓN POR INTERVALO DE PARÁMETROS
timación, máxime cuando el punto medio corresponde a una estimación

puntual de la mejor calidad.
Este proceder especial de estimación conlleva elementos conceptuales
propios que este capítulo menciona en su primera parte; también cuenta
con varios métodos para la construcción de esos intervalos de estimación,
llamados intervalos confidenciales o intervalos de confianza, de los cuales
este texto solamente tratará el método de la variable pivote. Para comen-
zar, se da paso a la primera fase dentro de la construcción conceptual
de la estimación por intervalo de parámetros.
3.1 Conceptos preliminares

Definición 3.1.1. Un intervalo aleatorio es un intervalo tal que al
menos uno de sus extremos es una variable aleatoria.
Definición 3.1.2. Sean X 1,X2",.,Xn una muestra aleatoria de una

población con función de densidad fx(x, O), O E e y las estadísticas
T n(1) -_ t1(X 1,X2, ... ,Xn ), T n(2) -_ t2 ( X 1,X2, ... ,Xn ) tales que
Po [T~1) < T~2)] = 1, r(O) una función cuyo recorrido es un conjunto
de números reales. El intervalo aleatorio (T~l), T~2)) se denomina in-
tervalo confidencial para la imagen de O bajo r del 100(1 - a)% de
confianza, si
Po [T2) < r(O) < T~2)] = 1 - a
probabilidad que no depende de O.
Definición 3.1.3. En la definición 3.1.2, T2) Y TJ2) reciben el nombre

de límite confidencial inferior y límite confidencial superior,
respectivamente, y el valor 1 - a nivel confidencial o confianza.
Definición 3.1.4. Bajo las consideraciones de la definición 3.1.2 el in-

tervalo (t1, t2), intervalo particular del intervalo confidencial (TJ1), TJ2))
se denomina estimación por intervalo del 100(1 - a)% de confian-
za para la imagen de O bajo r.
Definición 3.1.5. Sea Xl, X2, ... , X n una muestra aleatoria de una po-
blación con función de densidad fx(x, O), r(O) una función del paráme-
tro, cuyo recorrido es un conjunto de números reales, con 8 < r(O) < f3
3.2. EL MÉTODO DE LA VARIABLE PIVOTE 149
yTJl) una estadística, TJl) = tl(X l ,X2, ... ,Xn ). El intervalo aleatorio
(TJl),,B) es un intervalo confidencial unilateral del 100(1 - a)%
de confianza para la imagen de O bajo r, si Po [TJ!) < r(O)] = 1 - a,
probabilidad que no depende de O.
También si TJ2) = t2(X l , X2, ... , X n ) es una estadística, el interva-
lo aleatorio (<5, T2)) es un intervalo confidencial unilateral del
100(1 - a)% de confianza para la imagen de O bajo r, si
Po [r(O) < T2)] = 1 - a, probabilidad que no depende de O.
Definición 3.1.6. TJ!) Y TJ2) en la definición 3.1.5 reciben respecti-

vamente el nombre de límite confidencial inferior unilateral para
r(O) y límite confidencial superior unilateral para r(O).
blación con función de densidad fx(x, O), Y TJi) = ti(X l , X2,"" X n ),
i = 1,2, estadísticas tales que (TJ!), TJ2)) es un intervalo confidencial
para O. Si r( O) es una función estrictamente monótona con dominio e
y recorrido un subconjunto de]R., (r ( TJ!)) ,r ( TJ2))) es un intervalo
confidencial para la imagen de O bajo r, cuando ésta es estrictamente cre-
ciente y (r (T2)) , r (TJl)))
es un intervalo confidencial para la imagen
de O bajo r, cuando la función r es estrictamente decreciente.
El concepto de intervalo confidencial es un caso particular de un
concepto más general: la región confidencial.
Definición 3.1.8. Sea Xl, X2, ... ,Xn una muestra aleatoria de una po-
blación con función de densidad fx(x,O). Siendo A(Xl,X2, ... ,xn ) un
subconjunto del espacio de las observaciones X, A(Xl , X2,"" X n ) se
denomina región confidencial del 100(1 - a)% de confianza para el
parámetro O, si Po [O E A(Xl , X2, ... ,Xn )] = 1 - a, probabilidad que no
depende de O.
3.2 El método de la variable pivote

Como se mencionó en la introducción de este capítulo, la estimación por
intervalo posee varios métodos para la construcción de intervalos confi-
denciales; sin embargo, el de mayor tradición y renombre es el método
de la variable pivote, método que se describe en esta sección.
blación con función de densidad fx(x, e). Sea Qx = q(B; Xl, X 2 ,.·., X n )
una función de las variables que conforman la muestra aleatoria y del
parámetro e. Qx se denomina variable aleatoria pivote (variable
pivote) para el parámetro e si la distribución de Qx no depende de e.
Ejemplo 3.2.2. Si Xl, X 2 , •.. , X n es una muestra aleatoria de una po-
blación Normal de valor esperado e y varianza (7"2 conocida, entonces
y'n(X n - e)
(7"
es una variable pivote para e, porque además de depender de Xl, X 2 , ... ,

X n , a través de X n ,
y'n(X n - e) rv N(O, 1).

(7"
Ejemplo 3.2.3. Si Xl, X2, . .. , X n es una muestra aleatoria de una po-

e
blación Normal de valor esperado y varianza (7"2, X n y S~, el promedio
y varianza muestrales entonces
Qx = y'n(X n - e)
Sn
es una variable pivote para e.
En efecto, Qx es una función de XI,X2, ... ,Xn a través de X n y Sn.
Además:
1. y'n(X n - e) rv N(O, 1).

(7"
n
¿(Xi - Xn)2
2. (n - l)S~ i=l
(7"2
(7"2 rv x2 (n - 1).
3. Debido a que X n y S~ son estadísticamente independientes,
y'nCX n - e) (n - l)S~
y
(7" (7"2
también lo son; entonces
.¡n(Xn-B) y'nCX n - e) rv t(n _ 1).

QX -- O"
'(n-I)SR
2 "
(n-I)O"
El método de la variable pivote es el método más utilizado en la cons-

trucción de intervalos confidenciales. Consiste en partir del paso inicial,
una vez definido el coeficiente 1 - a,
Po[a < Qx < b] = 1 - a
continuar con pasos intermedios que consisten en considerar eventos

equivalentes hasta determinar el evento tal que
y como consecuencia el intervalo aleatorio (T~l), T~2)) será un intervalo

confidencial del 100(1 - a)% para r(O).
Ejemplo 3.2.4. Determinar un intervalo confidencial para el paráme-
tro O basado en una muestra aleatoria Xl, X 2 , .. . , X n , de una población
con función de densidad
La variable aleatoria Yi = 20 Xi tiene distribución exponencial con pa-

rámetro !'hecho que se reconoce de la siguiente manera:
Flj(Y) = Po[20Xi ::; y] = Po [Xi::; :0]
= FXi (:0) i = 1,2, ... , n.

Por tanto,
FYi (y) = Jor?o Oe-Oxidxi; luego
1 lbL
flj (y) = O20 e- 29
1 1
= "2 e - 2Y 1(0,00) (y).
Con base en este resultado se establece a
n n
Qx = ¿Yi = 20¿Xi
i=l i=l
como una variable aleatoria pivote, variable que tiene distribución Ji -

cuadrado de parámetro 2n, debido a lo siguiente:
para t < !' M}i (t) = O~t)' y por tanto, M Qx (t) =

1 [
(!~t)
1 ] n
por ser
Y1 , Y2, ... ,Yn un conjunto de variables aleatorias independientes; esta
función generatriz de momentos es propia de una variable aleatoria con
distribución Ji-cuadrado con 2n grados de libertad.
Como la distribución de Qx no depende de e, ésta constituye una
auténtica variable pivote, y con base en lo anterior, como punto de par-
tida en la construcción del intervalo confidencial, se considera el evento
aleatorio {a < Qx < b}. En consecuencia,
Po [a < 2e t Xi < b] = Po [na <e< nb ] = 1 - a.

i=l 2 ¿ Xi 2 ¿ Xi
i=l i=l
Eligiendo los valores a, b, como a = X~ (2n) y b = xL~ (2n), el intervalo

2 2
aleatorio
( x~ (2n)
2¿Xi
n
i=l
,
xL% (2n))
2¿Xi
n
i=l
es un intervalo confidencial del 100(1- a)% para el parámetro e, porque

además de ser
Po
[ x~ (2n) < xL% (2n)]_ 1
2
n
¿
i=l
Xi 2
n
¿
i=l
Xi
-
el valor de 1 - a no está supeditado a ningún valor de e.

Sobra anotar que la anterior elección de a y b es una escogencia
particular, y por supuesto puede adoptarse otra pareja de valores a, b.
La pareja (a, b) puede ser única cuando se le plantean requerimientos al
intervalo, como que su longitud sea mínima, en cuyo caso es menester
llevar a cabo unos pasos adicionales a fin de determinar el intervalo que
satisfaga esa condición.
El método de la variable pivote tiene tres condiciones esenciales: (1)
la existencia misma de una variable pivote como tal; (2) la factibilidad
de deducir las estadísticas T~l) y T~2) a partir de la variable pivote,
estadísticas que definen en últimas el intervalo confidencial; (3) lograr
encontrar la variable pivote con una distribución, en lo posible conocida,
que permita determinar sus percentiles. El siguiente ejemplo trata del

establecimiento de una variable pivote general, para aquellos casos en los
cuales la función de distribución tiene una expresión algebraica explícita.
Ejemplo 3.2.5 (Una variable pivote general). Partiendo del hecho
que si X es una variable aleatoria con función de distribución Fx(x, ())
continua, entonces la variable aleatoria Y = Fx(X, ()) tiene distribución
Uniforme en el intervalo (0,1), es posible construir una variable pivote
de la manera siguiente.
Siendo Xl, X2, . .. , X n una muestra aleatoria de una población con
función de distribución Fx(x, () continua,
i = 1,2, ... , n
E¿ = -In Ui rv Exp(l),
porque
FRi(r) = Pe[E¿ ~ r] = Pe[-lnUi ~ r] = Pe[lnUi > -r]

r
= Pe[Ui > e- ]= 1 - Pe[Ui ~ e- r ] = 1- FUi (e- r )
= 1 - e- r
luego E¿ rv Exp(l). Definiendo
n n
Qx = L Ri = L -lnFx(Xi , ()) rv Gama(n, 1)
i=l i=l
porque
=E [etRléR2 ... etRn ]

= E [e tR1 ] E [e tR2 ] ... E [e tRn ]
dado que Ul, U2, ... , Un es una muestra aleatoria, Rl, R2,"" Rn son
variables aleatorias independientes e idénticamente distribuidas; luego
t < 1,
entonces Qx rv Gama(n, 1). Por lo anterior, la variable

n n
Qx = ¿Ri = ¿ -lnFx(Xi,e) rv Gama(n, 1)
i=l i=l
variable que puede utilizarse como una variable pivote para e, siempre
y cuando la función de distribución de la población tenga una expresión
que permita aplicar el método.
La deducción de una variable aleatoria pivote general se basó en

que FX(Xi , e) para i = 1,2, ... , n, tiene distribución Uniforme en el
intervalo (0,1). Para algunos casos particulares, por razones expediti-
vas, la variable aleatoria pivote se construye a partir de que igualmente
1 - Fx(Xi , e) rv U(O, 1).
U na sutil modificación a la variable aleatoria pivote general, regida
por el modelo Gama, permite la construcción de otra variable aleatoria
pivote, ésta bajo la distribución Ji-cuadrado, así
n
Q'X = -2 ¿ In Fx(Xi , e) rv x2 (2n).
i=l
Porque, de la misma manera a lo expresado en el ejemplo 3.2.5, como

FX(Xi , e) tiene distribución Uniforme (O, 1), -21n Fx(Xi , e) rv Exp (~),
n
con lo cual la variable aleatoria I: -2 In FX(Xi , e) rv Gama (n, ~), es
i=l
decir,
n
Q'X = -2 ¿ In Fx(Xi , e) rv x2 (2n).
i=l
Cualquiera de las variables aleatorias pivotes generales puede expresarse
de forma alternativa, forma conveniente para algunos casos individuales,
gracias a la propiedad fundamental de la función logaritmo, así
n n
Qx = -In II Fx(Xi , e) o Q'X = -21n II Fx(Xi , e).
i=l i=l
Ejemplo 3.2.6. El desarrollo del ejemplo 3.2.4, produjo un interva-

lo confidencial para el parámetro e,
basado en una muestra aleatoria
Xl, X 2 , ... ,Xn , de una población con función de densidad
fx(x, e) = ee~Ox 1(0,00) (x).

Como Fx(x,e) = (1- e- 1h ) 1(0,00) (x),
(1 - Fx(x, e)) 1(0,00) (x) = e-ex 1(0,00) (x),

con lo cual e-exi rv U(O,l) e igualmente -In (e-ex i ) = eXi tiene dis-
tribución Exponencial con parámetro igual a uno, hecho que permite
justificar el motivo para la adopción de la variable pivote:
n
Qx = 2e L Xi rv x2 (2n).
i=l
A partir de esta variable es fácil determinar un intervalo confidencial

para e. Para coadyuvar en el cumplimiento de la primera condición
del método, la determinación de una variable pivote, la función que de-
sempeña el parámetro en consideración, es algunas veces una vía para
identificar dicha variable. Tales son los casos cuando el parámetro se
identifica como parámetro de localización o cuando el parámetro se de-
nomina como parámetro de escala.
Definición 3.2.7. Sea {fx(x, e)le E e ~ ]Rk} una familia de densi-
dades. El componente ej de e se denomina componente de localiza-
ción, si y sólo si la distribución de X - ej o de X + ej , según sea el
caso, no depende de ej. Cuando e ~ ]R, el parámetro e se denomina
parámetro de localización si y sólo si la distribución de X - e o de
X + e no depende de e.
Ejemplo 3.2.8. Si
entonces el es el componente de localización. En efecto, la variable

aleatoria (X - el) rv N(O, ( 2 ), distribución que no depende del valor de
el·
Definición 3.2.9. Sea {fx(x, e)le E e ~ ]Rk} una familia de densi-
dades. El componente ej de e se denomina componente de escala,
si y sólo si la distribución de (~) o de (Xe j ), según sea el caso, no
depende de ej. Cuando e ~ ]R, el parámetro e se denomina parámetro
de escala si y sólo si la distribución de (~) o de (Xe) no depende de
e.
Ejemplo 3.2.10. Si
Jx(x, e) = ee-ex 1(0,00) (x),

el parámetro e es un parámetro de escala dado que la distribución de
Z = ex,
no depende de porque e,
Fz(z) = Pe[Z :::; z] = Pe[eX :::; z]
= Pe [X : :; ~] = Fx (~)
= 1- e- z .
Luego Z '" Exp(l), distribución que no depende del valor que asuma el
parámetro e.
Reconocer a un parámetro como de escala o como un parámetro

de localización, es una vía para la identificación de una variable pivote
como se había expresado anteriormente. Por consiguiente, si e es un pa-
rámetro de escala, según sea el caso, ~ o eXi es una variable aleatoria
n n
pivote, y lo es también L ~ o eL Xi dependiendo de la situación. De
i=l i=l
n n
manera similar, L (Xi - e) o L
+ e), según el caso, es una variable
(Xi
i=l i=l
pivote para el parámetro de localización e.
Teorema 3.2.11. Sea Xl, X2, ... , X n una muestra aleatoria de una po-
blación conjunción de densidad Jx(x,e), e E e ~ ]Rk, Y las estadísticas
T n , T~l) Y T~2), estadísticas basadas en esta muestra aleatoria.
1. Si e es un parámetro de localización y si T n es MLE de e, T n - e

o T n + e es una variable aleatoria pivote.
T,
2. Si e es un parámetro de escala y si T n es MLE de e, en o eTn es
una variable aleatoria pivote para e.
3. Si el es el componente de localización y T~l) un MLE de el y

además si e2 es el componente de escala y T~2) un MLE de e 2,
entonces
T,(l) -
nT~2)
el ) es una variable aleatoria pivote para el, si
(
ésta no depende de los demás componentes de e, o si éstos son
conocidos.
3.3. ESTIMACIÓN DE PROMEDIOS BAJO NORMALIDAD 157
Teorema 3.2.12. Bajo un caso regular de estimación, si el estimador

T n = t(XI , X2, ... , X n ) es insesgado para la imagen de O bajo una fun-
ción r, cuya varianza coincide con la cota de Cramer-Rao, basado en
una muestra aleatoria Xl, X 2 , ... , X n de una población con función de
densidad f X (x, O), entonces la variable aleatoria
ynT(O) (7: - r( O))

r'(O) n

mal estándar.
Las dos secciones siguientes, dedicadas a los intervalos confidenciales

bajo Normalidad, son fundamentalmente una relación de ejemplos del
uso del método de la variable pivote, cuando se ha asumido el modelo
gaussiano como regente del comportamiento probabilístico de la pobla-
ción. Estos intervalos comúnmente se describen en la mayoría de textos
de estadística; su inclusión, además de ser una serie de ejemplos en la
construcción de intervalos confidenciales, responde a que esos intervalos
son de uso corriente.
3.3 Estimación de promedios bajo Normalidad

3.3.1 Intervalos confidenciales para el promedio de una
población
Sea Xl, X 2 , ..• , X n una muestra aleatoria de una población con distribu-
ción Normal de valor esperado j.l y varianza (12. Se consideran dos casos,
dependiendo de los supuestos que se hagan sobre la varianza poblacional.
Caso 1
Un intervalo confidencial del 100(1 - a)% para j.l, de longitud mínima,
cuando el valor de la varianza (12 es conocido, es
La variable pivote mencionada en el ejemplo 3.2.2, es la variable pivote

que utiliza este primer caso,
Qx = fo(X n - j.l) f"V N(O, 1).

(1
El punto de partida del método, como se ha indicado de manera general,

es entonces
PJ1- [a< Vn(X;-fL) <b] =(l-a)
que corresponde gráficamente al esquema que presenta la figura 3.1
fQx (q)
a b q
Figura 3.1: Esquema del punto de partida del método de la variable

pivote para el caso 1.
1- a = PJ1- [aa < Vn(X n - fL) < ba]

aa - ba]
= PJ1- [Vn < (X n - fL) < Vn
- aa -
= PJ1- [-X n + Vn < -fL < -X n + Vn
ba]
- ba - aa]
= PJ1- [X n - Vn < fL < X n - Vn .
Se ha determinado así un intervalo confidencial para fL,
- ba- aa)
(Xn - Vn,X n - Vn
cuya longitud L¡ es factible hacerla mínima.
L¡ = -X n -
aa -
Vn (-
Xn -
ba)
Vn
a
= Vn(b - a).
Cualquier elección de la pareja (a, b) debe satisfacer para sus compo-

nentes la relación fundamental:
¡b fQx(q)dq = 1- a
o equivalentemente
Acatando esta relación entre a y b,
y derivando la relación fundamental en términos de b, se deduce que
Por tanto,
fQx(b)
= -8 a
~=--::---:-
fQx (a) 8b·

Sustituyendo esta última relación se tiene que
De esta manera,
o cuando a = b, pero esta última solución no es admisible porque no

satisface la relación fundamental entre a y b. Gráficamente, la figura
3.2 muestra la elección apropiada de a y b para conseguir el intervalo
confidencial con la exigencia de longitud mínima.
Por consiguiente, el intervalo confidencial del 100(1 - a)% para ¡..¿ de
longitud mínima bajo el supuesto de que la varianza 0- 2 es conocida
corresponde a
fQx (q)
a a
2 ...... /2
a
(-Zl_2'.2 )
o b
(Zl_2'.)
q
2
Figura 3.2: Elección de los valores a y b que minimizan la longitud del

intervalo confidencial correspondiente al caso 1.
Caso 2
Un intervalo confidencial del 100(1 - 0:)% para JL de longitud mínima,
cuando la varianza de la población es desconocida, es
- Sn -X
t1_%(n - 1) yn' + t1_%(n - ) yn
Sn) .
(Xn - n 1
Este intervalo atañe a situaciones más realistas, o por lo menos más

corrientes que a la considerada por el caso 1. La variable aleatoria
pivote para JL que genera este intervalo confidencial es
Qx = yn(X n - JL) '"" t(n - 1)

Sn
tal como fue mencionada en el ejemplo 3.2.3 de la página 150. A partir
de ella y siguiendo prácticamente los mismos pasos y consideraciones del
caso 1, se puede deducir el citado intervalo confidencial.
Un buen estimador de la probabilidad de éxito 7f en un modelo de Ber-
noulli, también llamada proporción poblacional, es el promedio de la
muestra que por su singularidad se le denomina proporción muestral
y es denotado como Pn , como ya se había anotado. Este estimador
derivado con base en el método de máxima verosimilitud goza de buenas
propiedades que lo hacen óptimo. Con base en él es factible construir un
intervalo confidencial para la proporción poblacional utilizando muestras
grandes. El siguiente teorema apresta el fundamento de su construcción.
Teorema 3.3.1. Sea T n un MLE insesgado para e, cuya varianza coin-

cide con la cota de Cramer- Rao y que cumple conjuntamente las condi-
ciones de regularidad con el modelo probabilístico elegido, entonces para
un tamaño de muestra suficientemente grande, un intervalo confidencial
de aproximadamente 100(1 - a)% de confianza para es e
donde I(Tn ) es la información de Fisher evaluada en la estadística T n .
3.3.2 Estimación de la proporción poblacional

Siendo Xl, X2, ... ,Xn una muestra aleatoria de una población con dis-
tribución de Bernoulli de parámetro 7r, un intervalo confidencial del
100(1 - a)% para 7r es
(Pn - Z1-, JPn(J : Pn), Pn + Z1-'¡ JPn(!: Po)) .
En efecto, teniendo en cuenta que
y utilizando el teorema 3.3.1, el intervalo confidencial para la proporción

poblacional es
Es decir,
Como este intervalo requiere para su aplicación que el tamaño de la

muestra sea grande, una recomendación práctica para su utilización,
según varios autores, es confirmar que npn > 5 Y n(1 - Pn) > 5.
U n intervalo confidencial también utilizado en la estimación de 7f ,

citado en algunos textos, basado en la misma variable pivote VnI(O)(Pn - O)
es
p.n +
z21-~
2n
V P,,(l-P,,)
n
+ z2
~
a
1- 2 p.
n+
z21-~
2n
VP,,(1-P,,)
n
+ z2 a
1- 2
~
)
------,2.="-- - Zl-"- 2 2 + Zl-"- 2

z,
( 1+z1-~ 2 1+Z1-~ l+ z, --<t 2 l+ --<t
n n n n
3.3.3 Intervalo confidencial para la diferencia de prome-

dios basado en una muestra pareada
Cuando las variables aleatorias X, Y representan variables medidas en
las mismas unidades y que cuantifican el mismo aspecto de la unidad es-
tadística sólo que en circunstancias distintas y cuando la variable aleato-
ria Xi - Yi, i = 1,2, ... ,n representa una variable que tenga sentido, la
muestra aleatoria (Xl, Yd, (X 2 , Y2 ), . .. ,(Xn , Yn ) se denomina muestra
pareada.
Siendo la muestra pareada (Xl, Yl ), (X 2 , Y2 ), . .. , (X n , Yn ) una mues-
tra aleatoria bivariada de una población con distribución Normal
bivariada, cuya función conjunta de densidad f X,Y (x, y) es
Kex p {- 1
2(1 - p)
[(X-J.L1)2 _ (Y-J.L2)2 -2P(~) (Y-J.L2)]}
0"1 0"2 0"1 0"2
siendo la constante K = 1/(27fO"iO"2.J1="P), el intervalo confidencial del
100(1 - a)% de confianza para la diferencia de promedios
¡..td = ¡..ti - ¡..t2
con longitud mínima es
-
( Dn - tl-~ (n - 1)
Sdn -
fo
,Dn + tl-~ (n - 1)
Sdn)
fo
siendo
• Di = Xi - Yi (D = X - Y)
• D rv N (¡..ti - ¡..t2, O"r + O"~ - 2PO"10"2)
2 1 n - 2 _ 1 n
• Sd,n = n _ 1 i~(Di - Dn) , Dn = - ¿ Di.
n i=l
La deducción de este intervalo confidencial corresponde a la de un in-

tervalo confidencial del 100(1 - a)% de confianza para ¡..td = ¡..tI - ¡..t2
bajo Normalidad y asumiendo que la varianza O"i + O"§ - 2PO"l0"2 es des-
conocida. Por tanto, constituye un caso particular de un intervalo ya
desarrollado.
3.3.4 Intervalos confidenciales para la diferencia de prome-

dios en poblaciones independientes
Sean Xl, X 2 , .. . ,Xn una muestra aleatoria de tamaño n de una po-
blación Normal con valor esperado ¡..tI y varianza O"i, y YI, Y2, ... , Ym
una muestra aleatoria de tamaño m de una población Normal con valor
esperado ¡..t2 y varianza O"§. Las dos poblaciones son estadísticamen-
te independientes. Los casos que se consideran a continuación también
corresponden a supuestos que se hacen sobre las varianzas poblacionales.
Caso 1
U n intervalo confidencial del 100 (1 - a) % para la diferencia de promedios
de dos poblaciones independientes, de longitud mínima, cuando O"i y O"§
son conocidas se desarrolla con base en los siguientes elementos:
-
Ym rv N ( 0"2m2)
¡..t2,
A partir de esta variable pivote para (¡..tI - ¡..t2) puede generarse el inter-
valo confidencial correspondiente:
Caso 2
Un intervalo del 100(1 - a)% para la diferencia de promedios pobla-
cionales correspondientes a dos poblaciones independientes, de longitud
mínima, bajo el supuesto de que las varianzas poblacionales son desco-

nocidas pero iguales, se desarrolla teniendo en cuenta lo siguiente:
Sea (JI = (j§ = (j2, entonces
- m) - (¡..t1
( X n-Y ¡..t2)
ja' + a' ~ N(O, 1)
n m
n
¿(Xi - Xn)2
(n - l)SI,n i=l 2
(j2 -=-----=---,,2-- '" X (n - 1)
(j
m
¿ (Yj - y m)2
(m - l)S~,m )=1
(j2 (j2 '" x2(m - 1).
Como las poblaciones son estadísticamente independientes,

n m
-2"" -2
¿(Xi-X n ) +L.,(Yj-Ym )
_
i =_l _ _ _ _----,,;,.:-j=_l_ _ _ _ 2( )
(j 2 "'X m+n-2
(n - l)Sr,n + (m - l)S~,m '" x2(m + n _ 2)

(j2
y a partir de estos resultados, la variable pivote para ¡..t1 - ¡..t2 será, por
tanto,
(X n-Y
- m)-(1l1 ¡.L2)
_ aJl+-L
QX _ n m
(n-1)S? n+(m-1)S~ m
(m'+n-2)a 2 '
(Xn - y m) - (¡..t1 - ¡..t2) '" t(n + m 2)

Qx =
Sp,n+m n + m
1J1 _
(n - 1) Sr n + (m - 1) S~ m
donde Si n+m = (n+m-2
, , 'es el estimador de la varian-
,
za común (j2. El intervalo confidencial para (¡..t1 - ¡..t2) basado en esta
3.4. ESTIMACIÓN DE VARIANZAS BAJO NORMALIDAD 165
variable pivote tiene como límite confidencial inferior a
- -
(X n - Y m)-t l _S!(n+m-2)Spn+m
2 '
gl
-+-
n m
y como límite confidencial superior a
- -
(X n - y m) + tl_S!(n + m -
2
2)Spn+m
'
gl
-
n
+-. m
Caso 3
Un intervalo confidencial del 100 (1 - a) % de confianza para la diferencia
de los promedios de dos poblaciones independientes de longitud mínima,
cuando las varianzas poblacionales se asumen distintas y desconocidas,
está basado en la variable pivote
que tiene una distribución similar a la distribución t. Se puede decir que

tiene distribución t aproximada con v grados de libertad.
Welch propone que los grados de libertad v deben ser el entero más
cercano a
(~+~ )2
C~n f + C~)2
n-l m-l
De esta manera, el intervalo confidencial en consideración es
3.4 Estimación de varianzas bajo Normalidad

3.4.1 Intervalos confidenciales para la varianza de una po-
blación
Sea Xl, X2, ... , X n una muestra aleatoria de una población con dis-
tribución Normal de valor esperado J..l y varianza (Y2. Dependiendo del
supuesto asumido para 1-", se consideran dos casos:

Caso 1
Un intervalo confidencial del 100(1- a)% para (]"2 cuando 1-" es conocido
se basa en la siguiente variable pivote:
n
¿(Xi - 1-")2
i=l
(]"2 rv x2 (n).
Por tanto, la determinación del intervalo confidencial es como sigue. El

punto de partida es
¿(Xi - 1-")2
i-
nl ]
Pa2 a < - (]"2 <b = 1- a
[
que corresponde gráficamente al esquema que presenta la figura 3.3.

Equivalentemente
1 1]
(]"2
=1-a
Pa 2
[b < i~(Xi - 1-")2 < ~
es decir,
I=(Xi - 1-")2 I=(Xi - 1-")2]

Pa2 ~=l b < (]"2 < ~=l a = 1-a.
[
La longitud del intervalo aleatorio
(i~ (x: -1'1' , i~ (X~ - 1')')

fQx (q)
a b q

manifestado en este punto de la deducción puede minimizarse. La lon-

gitud mencionada,
está sujeta a la relación fundamental entre a y b,
Utilizando los recursos del cálculo diferencial,
De la relación fundamental entre a y b se deduce que
o
0= fQx (b) oa b - fQx (a)
fQx(a) = ~b.
fQx (b) oa
a 1 1 a
Luego oa L¡ = 0, cuando a 2 = b2 oa b, es decIr, cuando
.
1 1 fQx(a)
a2 = b2 fQx(b)·
Concretamente, el intervalo confidencial tiene longitud mínima cuando
a 2 fQx(a) = b2 fQx(b).
Establecidos los grados de libertad y en nivel confidencial (1 - a), es

posible identificar los valores de a y b que cumplen la anterior condición,
a través de métodos numéricos. Algunos autores han desarrollado tablas
para este propósito, pero es fácil elaborar un programa de computador
que los calcule. Esta limitación menor se elude en la medida que se
cuente con una muestra grande.
Corrientemente, para muestras grandes se prefiere la elección de a y
b como
a = x~(n) b = xL~(n),
2 2
tal como lo ilustra la figura 3.4.
fQx(q)
a
2"
b
(xi-% (n)) q
Figura 3.4: Elección corriente de los valores a y b para el intervalo

confidencial correspondiente al caso 1.
En síntesis, el intervalo confidencial del 100(1 - a)% de confianza para

(J2 cuya longitud no es mínima, usado corrientemente es
Caso 2
Un intervalo confidencial del 100(1 - a)% de confianza para (J2 cuando
j.l es desconocido es
intervalo que se puede construir a partir de la variable pivote para (J2:
n
¿(Xi - Xn)2
Qx = _i=_l_-----::-_ _
(J2
rv x2 (n -1)
y cuya deducción es idéntica al caso l.
El intervalo de longitud mínima, al igual que el anterior, debe ser aquel
para el cual se cumpla que
3.4.2 Intervalos confidenciales para el cociente de varian-

zas de dos poblaciones independientes
Sean Xl, X 2 , . .. , X n una muestra aleatoria de tamaño n de una po-
blación Normal con valor esperado j.ll y varianza (Ji, y YI , Y2 , •.. , y m
una muestra aleatoria de tamaño m de una población Normal con valor
esperado j.l2 y varianza (J~. Las dos poblaciones son estadísticamente
independientes. Los casos que se consideran a continuación también co-
rresponden a supuestos que se hacen sobre los promedios poblacionales.
Caso 1
Un intervalo confidencial del 100(1 - a)% de confianza para el cociente
2
de varianzas ~
a
de dos poblaciones independientes, cuando j.ll y j.l2 son
2
conocidos, es el siguiente:
1
(
i~(Xi - 2
f..ld /n i~(Xi - f..ld 2/n
m f!fj (m, n), m ft-!fj (m, n)
¿ (Yj - f..l2)2/m ¿ (Yj - f..l2)2/m
j=l j=l
En efecto,
n m
¿ (Xi - f..ll)2 ¿ (Yj - f..l2)2
i= 1 2( ) j=1
2 rvX n 2 rvX 2 ( m.
)
U1 U2
Con base en estas variables y reiterando la independencia estadística de

2
las poblaciones se construye la siguiente variable pivote para ~:
a 2
m m
¿ (Yj - f..l2)2 /(mu~) 2 ¿ (Yj - f..l2)2/m
j=l U 1 j=l
Qx = n - 2" n rv F(m, n).
¿(Xi - f..ll)2/(nur) U2 ¿(Xi - f..ll)2/n
i=l i=l
Al partir de
2 (Yj ¿ - f..l2)2/m
Pai,a~
Ulj=l
a<- mi
<b = l - a
[ U2 n
2 i~(Xi - f..ll)2/n
que corresponde gráficamente al esquema que presenta la figura 3.5.

surge un intervalo confidencial para el cociente de varianzas debido a
que
Pa l'
2 a2 a
¿(Xi - f..ll)2/n
m
n
i=l
<
2
Ul
-2 <b
n
i=l
¿(Xi - f..ld 2/n
m
1= 1 - a.
2 U
[ j~l (Yj - f..l2)2/m 2 j~l (Yj - f..l2)2 /m
Para simplificar los pasos posteriores en la construcción del intervalo

confidencial en consideración, se establece la sustitución
n
¿(Xi - f..ld 2/n
T = -'::i=:-::-=l'--_ _ __
m
¿ (Yj - f..l2)2 /m
j=l
a b q

Con ello
y la longitud del intervalo L¡ es
L¡ = bT - aT = T(b - a)
que se minimiza, como en casos anteriores, haciendo uso de los procedi-
mientos respectivos del cálculo diferencial.
!!...-L¡ = T (!!...-b - 1) .
oa oa
. o fQx (a) o (fQX (a) )

Como ya se ha establecIdo oa b = fQx (b) , luego oa L¡ = T fQx (b) - 1 ,
o
entonces oaL¡ = O, cuando fQx(a) = fQx(b).
De manera similar al caso de los intervalos confidenciales de longitud
mínima para las varianzas bajo normalidad, establecidos los grados de
libertad y el nivel confidencial (1 - a), es posible identificar los valores
de a y b que cumplen la condición anterior, como lo muestra la figura
3.6, por medio de métodos numéricos. De la misma manera, es fácil
elaborar un programa de computador que los calcule. E igualmente esta
limitación se soslaya en la medida que se cuente con muestras grandes.
fQx (q)
a b q
Figura 3.6: Elección de los valores a y b que minimizan la longitud del

intervalo confidencial correspondiente al caso 1.
Para n y m grandes, corrientemente se utilizan los percentiles

a = f2:(m,n),
2
b= fl-2:(m,n),
2
en cuyo caso el intervalo confidencial
0'2
para 3- del 100(1 - a)% de confianza es
0'2
¿n (Xi - JLl)2 In ¿n (Xi - JLd 2In )

i;;;l f2: (m, n), i~l h-2: (m, n) .
( j~l (Yj - JL2)2/m 2 j~l (Yj - JL2)2/m 2
Caso 2
Un intervalo confidencial del 100(1 - a)% de confianzas para el cociente
2
de varianzas ~ de dos poblaciones independientes, cuando JLl y JL2 se
0'2
desconocen, es
¿(Xi
n - Xn)2/(n -1) ¿(Xi
n - Xn)2/(n -1) )
i=l i=l b
m a, m
( j~/Yj - y m)2 I(m - 1) j~l (Yj - y m)2 I(m - 1)
3.5. EJEMPLOS NUMÉRICOS DE APLICACIÓN 173
2
intervalo confidencial basado en la variable pivote para ~
a 2
Para tamaños de muestra suficientemente grandes, un intervalo confi-

a2
dencial para 3
a
es
2
Sr ' Fa(m-1
n Sr
n-1) - n' Fl a(m-1 n-1) ) .
(-
s2
2,m
2 ' , S2
2,m
-2 '
3.5 Ejemplos numéricos de aplicación
Ejemplo 3.5.1. El servicio de asesoría estadística que la Universidad

N acional presta a través del Departamento de Estadística realizó en
1997 un estudio de opinión sobre la justicia en Colombia y entre muchos
de los interrogantes que el Consejo Superior de la Judicatura quería
dilucidar con esta investigación era la percepción de los abogados, que se
desempeñan en el área penal, frente al nuevo sistema acusatorio, fruto de
la creación de la Fiscalía. Para ello diseñó una muestra en varias etapas
y concretamente encontró que 315 abogados de los 509 entrevistados
consideraron que el nuevo sistema acusatorio no es un instrumento en
la lucha contra la impunidad. Con base en estos resultados se precisa
estimar con una confianza del 95% el nivel de asentimiento del nuevo
sistema acusatorio por los abogados penalistas, en ese momento.
Siendo P509 = 315/509 = 0.61886 la proporción de interés en la muestra,
y con la adopción de ZO.975 = 1.96 Y debido a que npn = 315 > 5 Y
n(l - Pn) = 194 > 5, entonces se puede estimar con una confianza del
95% que entre el 57.66% y el 66.1% de los abogados que se desempeñan
en asuntos del derecho penal, consideran que el nuevo sistema acusatorio
no es un instrumento contra la impunidad, puesto que la estimación por
intervalo de la proporción en mención es
vPn(1- Pn) ,Pn + Z1-.9'. VPn(1- pn))

( Pn - Z1_.9'.
2 n 2 n
0.6188 * 0.3811 0.6188 * 0.3811)

= ( 0.6188 - 1.96 509 ' 0.6188 + 1.96 509
= (0.5766,0.6610).
Ejemplo 3.5.2. Antes de implementar los gráficos de control, para el
monitoreo de un proceso industrial, es preciso desarrollar varias activi-
dades, entre otras el llamado precontrol. El modelo Normal es una herra-
mienta muy utilizada en esta etapa para estimar el promedio del proceso
e igualmente para determinar sus cambios.
Para controlar estadísticamente el proceso de fabricación de un tipo de
fibra para la elaboración de alfombras, se analiza la información relativa
a la resistencia a la tensión de trozos de fibra, en kilogramos, elegidos
para la respectiva prueba en el laboratorio. En diez períodos de inspec-
ción con cinco trozos cada uno, se acopió la información con el propósito
de estimar el promedio de resistencia de la fibra, información registrada
en la tabla 3.1.
Período Resistencias observadas

1 78.4 79.9 78.9 78.3 77.5
2 75.9 75.1 75.1 79.9 77.1
3 78.9 78.4 78.1 78.3 77.8
4 75.9 79.5 79.1 77.9 77.5
5 78.1 79.9 77.9 77.8 79.9
6 77.1 79.7 76.9 78.4 79
7 77.9 79.5 78.9 78.5 78.9
8 78.9 79.8 78.6 78.2 77.6
9 78.5 79.5 79.9 78.4 77.7
10 78.6 79.9 78.6 77.4 77.5
Tabla 3.1: Datos relativos a la información acopiada del ejemplo 3.5.2.
Para cumplir la estimación mencionada, se consideran las 50 observa-

ciones como una sola muestra particular de tamaño 50, que presenta un
promedio de 78.3 kg y una desviación estándar de 1.184078 kg, con lo
3.6. TAMAÑO DE LA MUESTRA SIMPLE BAJO NORMALIDAD 175
cual se estima con una confianza del 95% que la resistencia media a la
tensión está entre 77.96 kg Y 78.63 kg puesto que la estimación por inter-
valo del 95% de confianza para el promedio de resistencia, desconocida
la varianza poblacional, es
~ xn ~)
(x n - t 1 -% (n - 1) Vii' + t 1-% (n - 1) Vii
1.184078
= ( 78.3 - 2.009574 V56 ,78.3 + 2.009574 1.184078)
V56
= (77.9634,78.6365).
3.6 Tamaño de la muestra simple bajo Norma-

lidad
Esta sección es una presentación sucinta, dedicada al tamaño de la mues-
tra. Este tema primordial y complejo es un tema extenso que abarca
varios aspectos incluyendo el relativo a la determinación de la numerosi-
dad de la muestra propiamente dicha. Si el lector continúa trabajando
sobre conceptos del área de la estadística, tendrá la oportunidad de pro-
fundizar sobre este tema fundamental tanto en el diseño como en la
ejecución de investigaciones auxiliadas por la estadística. Entonces, se
trata de un modesto anticipo sin la menor pretensión de lo que significa
la determinación del tamaño muestral.
Para estimar el parámetro J.L, promedio poblacional, se puede de-
ducir el tamaño de una muestra a partir de la expresión de uno de sus
intervalos confidenciales.
P¡.t [Xn - Zl-%::n < J.L < Xn+ Zl-~ ::nJ = 1- a

PJ.L [-Zl-%::n < J.L - X < Zl-~ ::nJ = 1 - a
n
P¡.t [IXn - J.LI < Zl_~ ::nJ = 1- a

P¡.t [IX n - J.LI < e] = 1 - a.
Fijando de antemano como medida de precisión de la estimación de J.L el

valor Zl-Q ~ = e, el tamaño de muestra puede ser derivado inmediata-
2 yn
mente como
n =
ZI_Q.o") 2
( __ e
2_
En esta expreSlOn corriente del tamaño de una muestra simple, e se

denomina error máximo admisible en la estimación de /1, o margen
de error, y constituye una cota para la diferencia aleatoria IX n - /11. Con
la denominación de confianza se hace referencia al valor 1 - a, y el valor
de O" usualmente se estima por medio de una muestra llamada muestra
piloto, en caso de no asumirlo conocido. Para estimar la diferencia de
promedios entre dos poblaciones independientes, los tamaños de muestra
pueden establecerse como
n =m = (Z-e-a)2 (0"1 + 0"2)'

1- 2 2 2
En el ejercicio 11 de este capítulo se deduce la expresión anterior.
~ (Zl-eU/2 r
n
1
2 1 7f
Figura 3.7: Tamaño holgado de la muestra para estimar la proporción

poblacional.
Para estimar la proporción poblacional 7f, el tamaño de muestra requeri-

do es
n= (
ZI :2a)2 7f (1-7f)
cuyo tamaño más holgado puede adoptarse como
n = (ZI: %) 2 (l) ,
3.7. ESTIMACIÓN BAYESIANA POR INTERVALO 177
pues al ser n una función de 7r, además de otras variables,
su máximo puede determinarse fácilmente en los siguientes términos:
g'(7r) = (Zl:~) 2(1 _ 27r)
g"(7r) = -2 (Zl:~) 2< O
1
g'(7r) =O cuando 7r = "2
como lo destaca la figura 3.7.
3.7 Estimación bayesiana por intervalo

El numeral 2.1.4 de la página 84 se dedicó a la presentación de algu-
nas ideas globales de la estimación bayesiana. Precisamente se definió
como función de densidad a posteriori de 8 a la función de densidad
condicional
felxl,x2, ... ,xn (eIXl, X2,···, x n )
y ésta permite deducir directamente un intervalo para estimar el pará-
metro e.
blación con función de densidad fx(xle), ge(e) la función de densidad
a priori de 8, y felxl,x2, ... ,xn (eIXl, X2, .. . , x n ) la función de densidad a
posteriori de 8. Sean ea ye l dos valores de la variable aleatoria 8 tales
que
entonces el intervalo (ea, el) se denomina intervalo bayesiano para e

de probabilidad 1 - a.
El intervalo (ea, el) se adopta como una estimación de e con pro-

babilidad asociada 1 - a, cuya interpretación no es la misma que la de
una estimación por intervalo del 100(1 - a)% para el mismo parámetro.
Es válido entonces decir, dentro del enfoque bayesiano, que la probabi-
lidad de que el parámetro se encuentre entre los valores eo y el es 1 - a,
mas sería una interpretación errónea si se tratase de una estimación por
intervalo.
Ejemplo 3.7.2. Si X l ,X2, ... ,Xn es una muestra aleatoria de una
población con distribución Normal de valor esperado e y varianza 0"2
asumida como una constante conocida, y si la distribución a priori de
8 se establece como Normal de valor esperado f.Lp y varianza O"ª, el
ejemplo 2.1.25 de la página 88, menciona que la distribución a poste-
n0"2 x + f.L 0"2
riori de 8 es Normal de valor esperado f.L* = p; ~ y varianza
nO"p + O"
2 0"20"2
0"* = +
n0"0P 0"2· Entonces
P [e o < 8 < el] = p

eo - f.L < Z < el - f.L ]
= 1 - a.
[ 0"* * 0"*
*
El intervalo bayesiano (e o, ed tiene longitud mínima escogiendo

eo -
--- =
f.L*
-Zl-Q< Y
el - f.L*
= Zl-Q<·
0"* 2 0"* 2
De esta forma, el intervalo bayesiano de probabilidad 1 - a bajo las

condiciones establecidas es
nO"ªxn + f.L p 0"2 _ O"pO"Zl_%, nO"ªxn + f.L p 0"2 O"PO"Zl_~)

2 2 l' 2 2 + 1 .
( nO"p + O" (n0"0 + 0"2) 2: nO" p + O" (nO"~ + 0"2) 2:
Tanto la estimación como los intervalos bayesianos tratados en este

texto son menciones tangenciales de unos conceptos que pertenecen a un
cuerpo conceptual propio dentro de la estadística: el análisis bayesiano
o estadística bayesiana. El lector puede contar con una extensa bibli-
ografía en el tema, si le interesa conocer a profundidad la filosofía y los
métodos de este enfoque estadístico.

Teorema 3.1. 7. Sea Xl, X 2 , ... , X n , una muestra aleatoria de una po-
blación con función de densidad fx(x, e), y T~i) = ti(X l , X 2 , ... , X n ),
i = L 2, estadísticas tales que (T2) ,T~2») es un intervalo confidencial

para e. Si r(e) es una función estrictamente monótona con dominio e
y recorrido un subconjunto de IR, (1' (T2»)
,1' (T~2»)) es un intervalo
confidencial para la imagen de e bajo 1', cuando ésta es estrictamente cre-
ciente y (1' ( Tr~2») ,1' ( T2»))
es un intervalo confidencial para la imagen
de e bajo l' cuando la función l' es estrictamente decreciente.
Demostración. Corno (T2), Tr~2») es un intervalo confidencial para e
es porque en particular Pe [T~l) < TrF)] = 1. Si r(e) es una función
estrictamente decreciente, entonces Pe [1' ( Tr~l») > l' (T~2»)] = 1 Y el
evento aleatorio {r (T,~1») > 1'( e) > l' ( T~2») } es equivalente al evento
{T2) < e < T~2)}; por tanto,
1- a = Pe [T2) < e < T~2)] = Pe [1' (T~2») < r(e) < l' (T2»)].
Como 1 - a no depende de ey Pe [1' (T~2») < l' (T~l»)] = 1, el in-
tervalo aleatorio (1' (Tr~2») ,1' (T2»)) es un intervalo confidencial del

100(1 - a)% de confianza para la imagen de e bajo la función r.
De manera similar, el intervalo aleatorio (1' (T~1») ,1' (T~2»)) es un in-
tervalo confidencial del 100(1- a)% para la imagen de e bajo la función
1',cuando ésta es una función estrictamente creciente. D
Teorema 3.2.12. Bajo un caso regular de estimación, si el estimador

T n = t(X 1 , X 2 , . .. ,Xn ) es insesgado para la imagen de e bajo una fun-
ción 1', cuya varianza coincide con la cota de Cramer-Rao, basado en
una muestra aleatoria X 1 ,X2 , ... ,Xn de una población con función de
densidad f X (x, e), entonces la variable aleatoria
JrllWJ
r/(e)
(T
n
-
l'
(e))

mal estándar.
Demostración. Los argumentos de la demostración de este teorema se

basan en ideas circundantes a la información de Fisher y en el teorema
del límite central.

El elemento original consiste en considerar la variable aleatoria
8
H(X,O) = 80 [lnfx(X,O)].
Esta variable tiene valor esperado cero y varianza 1(0).
fOO 8
E[H(X, O)] = J-oo 80 [In fx(x, O)] fx(x, O) dx
8
foo 80fx(x, O)
= J-oo 1" I /1\ fx(x,O)dx
foo 8
= J-oo 80 fx (x, O) dx
8 foo 8
= 80 J-oo fx(x,O) dx = 80(1) = O
V[H(X, O) = E [H 2 (X, O)] = 1(0)].
Creada de esta forma la variable aleatoria H(X, O), la sucesión de varia-

bles aleatorias H(X 1 , O), H(X 2 , O), ... ,H(Xn , O) constituye una muestra
aleatoria de manera que aplicando la versión de Lindeberg-Feller del teo-
rema del límite central, teorema 1.4.12, página 21,
n n 8
¿ H(Xi,O) i~ (j(j [lnfx(Xi, O)]
i=l
~Z rv N(O, 1).
y'n1(0) y'n1(0)
Como se afirma que T n es un estimador insesgado para la imagen de O

bajo la función r, cuya varianza es la cota de Cramer-Rao, es porque
existe una función K (O, n) tal que
8
80 In
(ngfx(Xi, O) ) = ~n 808 In fx(Xi, O) = K(O, n) [T n - r(O)] ,
como lo asegura el corolario 2.2.56, página 113; esto es,

n
I: H(Xi , O) = K(O, n) [T n - r(O)].
i=l
Por tanto,
1
T n = r(e) + K(e, n) t;
n
H(Xi , e)
expresión de la cual se puede afirmar que

nI(e)
V[Tn ] = K2(e, n)'
Entonces
i=l K(e, n) [Tn - r(e)] T n - r(e)

J K2(e, n)V[Tn ] JV[Tn ]'
Como T n es insesgado para la imagen de e bajo la función r, cuya va-
rianza es la cota de Cramer-Rao,
(r'(e))2
V[Tn ] = nI(e) ,
lo cual finalmente permite concluir que
Tn-r(e) JnI(e) d
(r'(II))2
r'(e) [Tn - r(e)] --- Z rv N(O, 1). o
nI(iJ)
Teorema 3.3.1. Sea T n un MLE insesgado para e, cuya varianza coin-

cide con la cota de Cramer- Rao y que cumple conjuntamente las condi-
ciones de regularidad con el modelo probabilístico elegido, entonces para
un tamaño de muestra suficientemente grande, un intervalo confidencial
de aproximadamente 100(1 - a)% de confianza para e es
donde I(Tn ) es la información de Fisher evaluada en la estadística T n .
Demostración. Más allá de ser una demostración, se presentan algunas

consideraciones respecto a la misma. El hecho de que Tn sea MLE e
insesgado para e, cuya varianza corresponde a la cota de Cramer-Rao,
permite garantizar, según el teorema 3.2.12, que
Qx = JnI(e)(Tn - e)
converge en distribución a una variable aleatoria con distribución normal

estándar; luego para un tamaño de muestra suficientemente grande, Qx
se puede asumir como una variable aleatoria pivote para Entonces, e.
Pe [a < JnI(e)(Tn - e) < b] = Ón ~ 1 - a.
La probabilidad Ón es cercana a 1 - a, porque en la práctica n es finito,

probabilidad que no depende de e y como la información de Fisher es
una cantidad positiva
Ón = Pe
[
a
JnI(e)
< Tn - e < -----=b=]
JnI(e)
=Pe [- ~<B-Tn<- ~]
=Pe [T -
n
b
JnI(e)
<e<T-
n JnI(e)
a]
El intervalo aleatorio que sugiere esta última expresión no es un intervalo
e,
confidencial para porque sus límites están dependiendo de por medio e
de I(e). La elección de a y b puede ser hasta cierto punto arbitraria,
sujeta a la relación entre a y b para garantizar el nivel de confianza Ón ,
pero pueden utilizarse los valores que generan el intervalo de longitud
mínima como en los casos 1 y 2 tratados en el numeral 3.3.1. En concreto,
una estimación aproximadamente del 100(1 - a)% de confianza para e
puede realizarse mediante el intervalo confidencial
Zl--'" Zl--'" )
Tn - 2, Tn + 2 ,
( JnI(Tn ) JnI(Tn )
tal como lo afirman Bartoszynski y Niewiadomska-Bugaj. D
3.9 Ejercicios
1. Si Xl,n, X 2 ,n, ... ,Xn,n es una muestra aleatoria ordenada de una
población con distribución Uniforme en el intervalo (O, e), y si
2
TAl) = X n,n, TA ) = (l)n e'
X n n son estadísticas, con e una cons-
2
tante, O < e < 1, demuestre que el intervalo (TAl), TA ») es un
e
intervalo confidencial para y determine el valor esperado de la
longitud del intervalo y su nivel confidencial.
:1.9. EJERCICIOS 183
Ix(x, e) = e-(x-e) 1(e.00) (x),
¿es el intervalo aleatorio (Xl,n + ~ In a, Xl,n) un intervalo confi-

dencial del 100(1 - a)% de confianza para e?
3. Explore la forma de estimar por intervalo el parámetro a partir e,

de una muestra aleatoria Xl, X2, . .. ,Xn , de una población con
distribución de Poisson de parámetro e.
4. Asumiendo que el es una cantidad conocida, proponga una forma

e
de estimar por intervalo el parámetro 2 , a partir de una muestra
aleatoria Xl, X2,' .. ,Xn , de una población con función de densi-
dad
e-el
Ix ( x, e) -_ r(e2 l ) x el -1 e - i-21(0,00) (x ).
5. Explore la forma de estimar por intervalo el parámetro y 2 e, e
a partir de una muestra aleatoria Xl, X2, .. . ,Xn , de una pobla-
ción con distribución Normal de valor esperado e y varianza ke 2 ,
conocido el valor de k.
6. Considere el intervalo confidencial de longitud mínima para el va-

lor esperado, desconocida la varianza, bajo el modelo gaussiano.
¿ Cómo varía el valor esperado de la longitud del intervalo cuan-
do el tamaño de muestra se incrementa? Y además, ¿cuál es la
relación entre el citado valor esperado y el nivel confidencial?
7. Consiga una forma de estimar por intervalo el coeficiente de va-

riación (J/fL a partir de una muestra aleatoria X l ,X2,." ,Xn , de
UIla población con distribución gaussiana de valor esperado fL y
varianza (J2.
8. Suponiendo que (JI /

(Ji = c, c una constante conocida, determine
un intervalo confidencial para la diferencia fLl - fL2 con base en dos
muestras aleatorias independientes de sus respectivas poblaciones
cuyas distribuciones son asumidas como gaussianas de valores es-
perados fLl, fL2 Y varianzas (JI, (Ji,
respectivamente.
9. Asumiendo 01 como una constante conocida, explore la forma de

estimar por medio de un intervalo confidencial el parámetro O2 ,
basado en una muestra aleatoria Xl, X2, ... , X n , de una pobla-
ción con distribución de Pareto, es decir con función de densidad
020~2
fx(x, O) = x 02 + l1(01,00)(x).
10. ¿Cuál de los dos intervalos confidenciales para la estimación de la

proporción poblacional, presentados en el numeral 3.3.2, prefiere
utilizar?
11. Deduzca la expresión para el tamaño de la muestra simple requeri-

do en la estimación de la diferencia de promedios en poblaciones
independientes bajo Normalidad.
12. El número de disconformidades de una baldosa de cerámica se mo-
dela para efectos de control de calidad, como una variable aleatoria
con distribución de Poisson. La variabilidad propia del proceso de
manufactura sugiere reconocer al parámetro como una variable
aleatoria, para la cual se propone un modelo Exponencial de pará-
metro igual a uno. Determine un intervalo bayesiano para estimar
la tasa de disconformidades por unidad, con base en una muestra
aleatoria de tamaño n.
13. Deduzca un intervalo confidencial del 100(1 - a)% de confianza
para O, basado en una muestra aleatoria censurada de una po-
blación con función de densidad, tal como la presenta el ejemplo
2.1.14, de la página 77.
14. Sea Xl,X 2 , ... ,Xn , una muestra aleatoria de una población con
función de densidad Uniforme en el intervalo (O, O), fijo el valor
e, ¿el intervalo aleatorio (Xn,n, c~Xn,n) es un intervalo confiden-
cial de longitud mínima para O? Si el espacio del parámetro es
8 = {010 < O :S k}, k una constante conocida, determine el tama-
ño de muestra mínimo tal que la longitud del intervalo confidencial
sea por lo menos lo.
15. Si Xl, X 2, ... , X n es una muestra aleatoria de una población con
función de densidad Uniforme en el intervalo (O - ~,O + ~), deter-
mine un intervalo confidencial del 100(1 - a)% de confianza para
O.
3.9. EJERCICIOS 185
16. Si Xl, X2, . .. , X n es una muestra aleatoria de una población con

fx(x, e) = e exp( -ex)I(o,oo) (x),
determine un intervalo confidencial del 100(1 - a)% de confianza

para P[X > 1].
17. Con base en el ejercicio 16, determine un intervalo confidencial del

e,
100(1- a)% de confianza para basado únicamente en el mínimo
de la muestra.

2x
fx(x, e) = e2I(O,B)(x), con e > o,

para e.

1 1 l
fx(x, e) = (jX o- I(O,I) (x), con e > o,

para e.

fx(x,e) = eXB-II(o,l) (x), con e > o,
determine un intervalo bayesiano para e, si la distribución a priori

de e es Gama con los componentes del parámetro especificados.
Capítulo 4
Juzgamiento de hipótesis
A este capítulo tradicionalmente se le ha llamado prueba de hipótesis,

contraste de hipótesis, docimasia de hipótesis e incluso cotejo de hipóte-
sis, como resultado de las traducciones del vocablo inglés test, o testing.
Sin embargo, al volver a examinar las acepciones de cada uno de los
términos utilizados se encuentra que no ofrecen la precisión semántica
necesaria para enmarcar un sistema de conceptos substanciales dentro
de la estructura conceptual de la inferencia estadística.
Prueba de hipótesis, tal vez la forma más cotidiana para referirse
al contenido del capítulo, utiliza un término que dentro de sus muchas
acepciones presenta algunas asociadas con el tema. "Prueba: razón,
argumento, instrumento u otro medio con que se pretende mostrar y
hacer patente la verdad o falsedad de algo. Ensayo o experimento que
se hace de algo para saber cómo resultará en su forma definitiva. Indicio,
señal o muestra que se da de algo" 1. Quizás uno de sus sinónimos que
mejor resume su sentido es cateo. Pero decidir a favor o en contra de una
aseveración que traduce una explicación apriorística de algún fenómeno
particular de la realidad, cuya decisión se toma a la luz de la información
de la muestra, no puede entenderse como un cateo.
Por otra parte, contraste de hipótesis tampoco es una acertada elec-
ción para la denominación del tema porque además de utilizar el vocablo
contraste, muy propio en el planteamiento de hipótesis en los modelos
lineales o en el diseño experimental, entre otros, término que podría
introducir confusión, ninguna de sus acepciones ligadas al tema es sufi-
lReal Academia Española (2001). Diccionario de la lengua española.

Vigésimasegunda edición. Madrid: Espasa Calpe S.A.
187
188 CAPÍTULO 4. JUZGAMIENTO DE HIPÓTESIS
ciente para describir globalmente esta área del conocimiento estadístico.

En efecto, "contrastar: ensayar o comprobar y fijar la ley, peso y valor
de las monedas o de los objetos ... Comprobar la exactitud o autenti-
cidad de algo. Mostrar notable diferencia, o condiciones opuestas, con
otra, cuando se comparan ambas" (Op. cit), es un término más cercano
para estimar o para destacar que a la toma de decisiones a partir de la
información de la muestra.
Docimasia como "arte de ensayar los minerales para determinar la
naturaleza y proporción de los metales que contienen" 2, Y de otras de
sus acepciones, presenta más un sentido de análisis que un sentido de
opción por algo a la luz de los hechos. Además, su origen etimológico
de ensayar o probar, la colocaría como sinónimo de prueba, y no habría
razones para adoptarla. Cotejo como acción y efecto de cotejar, siendo
cotejar "confrontar algo con otra u otras cosas; compararlas teniéndolas
a la vista" (Op. cit), consistiría igualmente en un simple sinónimo de
contraste, que no introduce elementos adicionales para admitirlo como
palabra nuclear.
Como juzgamiento es acción y efecto de juzgar, entendiendo que juz-
gar significa "deliberar acerca de la culpabilidad de alguien o de la razón
que le asiste en un asunto y sentenciar lo procedente. Decidir en favor
o en contra y especialmente pronunciar como juez una sentencia acerca
de alguna cuestión o sobre alguno" ( Op. cit), además de tomarse co-
mo directriz a una de sus acepciones que condensa la finalidad de un
procedimiento de toma de una decisión a favor o en contra de algo, juz-
gamiento por su parte es un vocablo que permite construir una analogía
magistral entre un juicio que se realiza ante un juez y los elementos,
pasos y conceptos en el acopio de información, su procesamiento y la
decisión que se toma ante una afirmación relativa al fenómeno en estu-
dio, que la inferencia estadística abstrae y estructura como una de sus
partes fundamentales.
En consecuencia, este texto titula al presente capítulo como Juzga-
miento de hipótesis, porque como se comprenderá, en la medida que vaya
desarrollándose, se trata realmente de algo análogo a un juicio, particu-
larmente a un juicio penal. Para iniciar la exposición de los conceptos
propios del juzgamiento de hipótesis, se parte del concepto de hipótesis
estadística.
2VOX. (1991). Gran diccionario general de la lengua española. Segunda Edición.

Editorial Presencia para Colombia. Bogotá.
4.1. ELEMENTOS BÁSICOS 189
4.1 Elementos básicos

Definición 4.1.1. Una hipótesis estadística es una aseveración o
conjetura acerca de la distribución de una población, afirmación que
generalmente está asociada a un subconjunto del espacio del paráme-
tro e correspondiente al modelo probabilístico que representa la citada
población. Como notación, la aseveración se enuncia después de la abre-
viatura Ho o H¡.
El juzgamiento de una hipótesis estadística es un proceso que cul-
mina con una decisión de rechazar o de no rechazar una hipótesis con
base en la información de una muestra aleatoria Xl, X 2 , .. . , X n de una
población para la cual se ha asumido un modelo probabilístico cuya fun-
ción de densidad es fx(x, O).
Definición 4.1.2. La hipótesis sobre la cual se estructura el proceso de

juzgamiento se denomina hipótesis nul(]" se denota Ho y se enuncia
como
Definición 4.1.3. La hipótesis elegida como contraste a la hipótesis

nula se denomina hipótesis alterna, se denota H¡ y se enuncia como
e ce
-1 -, e ne
-1 -o = 0.
Definición 4.1.4. La díada de hipótesis nula y alterna constituye el
sistema de hipótesis del proceso de juzgamiento de la hipótesis nula,
sistema que se enuncia como
Ho : O E e o
frente a
Hl : O E el·
Definición 4.1.5. Una hipótesis H : O E e', e' c e se denomina hi-

pótesis simple si con dicha aseveración queda plenamente especificada
la distribución de la población. En caso contrario se denomina hipóte-
sis compuesta.
Ejemplo 4.1.6. El diseño de un producto establece un envase de 20

onzas fluidas; en consecuencia, el proceso de llenado debe adecuarse a
ese requerimiento y deben planearse y ejecutarse los controles periódicos
para tomar las decisiones a que haya lugar sobre los ajustes a las máquinas
y al proceso en general, una vez se obtenga y se procese la información
pertinente durante los controles.
Para respaldar cualquier decisión con el apoyo de procedimientos es-

tadísticos, una manera consistiría en idealizar el contenido del producto
en el envase como una variable aleatoria y adoptar un modelo proba-
bilístico como regente de su comportamiento. En particular, si se elige
el modelo gaussiano como el más idóneo para representar el contenido
e
mencionado, con valor esperado y bajo el supuesto de varianza cono-
e
cida, la declaración H : = 20 indicativa de que el proceso de llenado
está centrado de acuerdo con el requerimiento del diseño, corresponde a
e
una hipótesis simple, puesto que conocida la varianza y admitido = 20
como el valor esperado de la variable que representa el citado contenido,
queda plenamente determinada la distribución de esa variable.
Por su parte, la afirmación de que el proceso de llenado tiende a

rebosar el envase, traducida como H : e > 20, corresponde a una hi-
pótesis compuesta, porque se trata de una afirmación que aunque lleva
tácita la alusión a una variable con distribución gaussiana de varianza
conocida, no identifica una distribución singular.
Continuando dentro de este contexto industrial, si en el instante de

cierre del envase posterior al llenado, mediante la utilización de una fo-
tocélula, se detectan envases con contenido inferior a 18.5 fl oz, éstos
son trasladados a un proceso de reciclaje prácticamente sin costo al-
guno, mientras que los recipientes que contienen 18.5 fl oz o más, no
activan señal alguna de la fotocélula, siendo la preocupación central por
aquellos envases que contienen más de 20 fl oz, pues proporcionalmente
al contenido adicional generan costos considerables. Para el seguimiento
del proceso, en cada período de control se recoge la información corres-
pondiente al contenido de 49 envases elegidos en forma aleatoria dentro
del lote de producción, como parte del aprestamiento para el control
estadístico de calidad del proceso, con la finalidad de decidir si deben
realizarse ajustes a las máquinas o al proceso en general, o, por el con-
trario, para dar parte de la no presencia de factores perturbadores del
proceso.
El sistema de hipótesis que origina el procedimiento que permite la

toma de decisiones dentro de este proceso industrial particular, puede
formularse así
Ho: 0=20
frente a
H1 : e > 20,
sistema entendido como el juzgamiento de la aseveración de que el pro-
ceso está controlado o equivalentemente que está centrado en 20 fl oz,
declaración concretada en la hipótesis nula Ho Y enfrentada con una
manifestación de una situación alternativa relacionada con la inconve-
niencia de producir unidades con contenido superior al establecido por
el diseño del producto, representada por la hipótesis alterna H 1 .
Definición 4.1.7. El proceso de juzgamiento de la hipótesis nula con-

lleva un procedimiento, regla o norma que permite tomar la decisión a
que haya lugar, denominado test. Como notación, el test se enuncia
después de la letra T.
Definición 4.1.8. El test utilizado dentro del proceso de juzgamiento de

la hipótesis nula H o, tiene vinculado un subconjunto del espacio de las
observaciones X. Este subconjunto denotado por CT,n está determinado
por su respectivo test así:
T: "Rechazar la hipótesis Ho si (Xl,X2, ... ,Xn ) E CT,n".
El conjunto CT,n se denomina región crítica o región de rechazo

del test para juzgar a Ho y el test así definido se denomina test no
aleatorizado. El conjunto X - CT,n recibe el nombre de región de
aceptación del test para juzgar a Ho.
Definición 4.1.9. Un test T recibe la denominación de test alea-
torizado para el juzgamiento de la hipótesis nula H o, si la función
'1fJT calculada en los valores observados de una muestra aleatoria, con
O < '1fJT(Xl, X2, .. . , x n ) < 1, determina la probabilidad de éxito de una
variable aleatoria Y con distribución de Bernoulli, cuyos valores particu-
lares se generan por un procedimiento aleatorio adicional, y está definido
como
T: "Rechazar Ho si y = 1".
A la función '1fJT se le denomina función crítica del test aleatorizado

T.
Como los tests aleatorizados no son del interés de este texto, debe
entenderse que dentro del contenido del presente capítulo el término test
hace mención únicamente a los tests no aleatorizados.
Ejemplo 4.1.10. Un test propuesto para el juzgamiento de Ho dentro
del sistema de hipótesis del ejemplo 4.1.6 es
T : "Rechazar Ho si X49 > 20.27, en caso contrario no rechazarla",
norma que permite optar por la exploración y remoción de causas ex-
trañas al proceso responsables de la no adecuación a los requerimientos,
si el contenido promedio en una muestra aleatoria particular de 49 en-
vases supera las 20.27 fl oz. Por otra parte, permite no reportar novedad
alguna en el desarrollo del proceso, cuando el señalado promedio es a
lo sumo 20.27 fl oz. La región crítica asociada a este test es, por consi-
guiente,
CT ,49 = {(Xl, X2,···, X49)lx49 > 20.27}.
Cualquier decisión que se tome en el juzgamiento de una hipótesis
estadística lleva consigo el riesgo de incurrir en una opción equivocada.
Como en la analogía acogida, el juzgamiento de una persona en un tri-
bunal o juzgado, es factible concluir el correspondiente proceso judicial
con una decisión ajustada a las normas procesales y a la naturaleza de
las pruebas, pero en realidad no acertada en cuanto a la verdad de los he-
chos, verdad que no siempre el juez puede conocer enteramente; por ello
repetidamente se mencionan expresiones relativas a los inocentes que se
encuentran purgando penas, o a los culpables que gozan de libertad ple-
na. De manera similar a los errores en los cuales se puede incurrir en el
juzgamiento de una persona, en el juzgamiento de hipótesis estadísticas
se corren riesgos semejantes.
Así como un proceso judicial termina en forma normal, con la de-
cisión de un juez o tribunal, el proceso de juzgamiento de una hipótesis
nula culmina con una decisión: ya sea rechazar la hipótesis nula cuando
hay evidencia estadística para hacerlo o al no contar con dicha eviden-
cia para rechazar la hipótesis, la de optar por no rechazarla. En este
sentido, cualquiera de las decisiones puede ocasionar una equivocación
o error. Uno de ellos consiste en rechazar una hipótesis nula cuando la
hipótesis es verdadera, el otro en no rechazar una hipótesis nula en el
caso de ser falsa.
Cuando se traducen apartes de las explicaciones previas o provisio-
nales de un fenómeno a afirmaciones de carácter estadístico, es decir,
cuando se formalizan hipótesis estadísticas, éstas heredan la veracidad

o falsedad acorde con la explicación apriorística del fenómeno. Esa ve-
racidad o falsedad inmanentes a la incertidumbre misma que motiva la
realización de la investigación no son directamente el objetivo de su juz-
gamiento; el objetivo inmediato es la toma de una decisión frente a la
afirmación que determina la hipótesis a la luz de la información conteni-
da en los datos acopiados. En este sentido es pertinente precisar que
cuando se utilizan expresiones como "bajo la hipótesis ... , siendo cierta
la hipótesis ... " , debe entenderse que la afirmación de la frase precedente
a alguna de las expresiones mencionadas, o a otra similar, está condi-
cionada a la veracidad de la hipótesis en consideración, o al supuesto de
que la afirmación fuese verdadera.
Como los errores en los cuales se puede incurrir cuando se toma la
decisión están dependiendo de la real o supuesta veracidad de la hipóte-
sis, la concisión y denominación de cada uno de estos errores se indica
en la definición siguiente.
Definición 4.1.11. Dentro del proceso de juzgamiento de la hipótesis

Ho se denomina error del tipo 1 a la decisión de rechazar H o, siendo
verdadera la hipótesis; asimismo, se designa como error del tipo 11 a
la decisión de no rechazar la hipótesis nula siendo ella falsa.
En resumen:
Decisión
Ro Rechazar Ro No rechazar Ro
Cierta Error del tipo 1 Correcta
Falsa Correcta Error del tipo JI
Definición 4.1.12. Sea Xl, X 2 , . .. ,Xn una muestra aleatoria de una

población con función de densidad fx(x, ()) y sea además T un test no
aleatorizado para el juzgamiento de la hipótesis nula Ho : () E 8 0 definido
como
T: "Rechazar Ho si (XI,X2,'" ,x n ) E CT,n".
La función
SZ (XI,X2,'" ,xn ) = x~ E CT,n

SZ x~ E C~,n siendo C~,n = X - CT,n
se denomina función crítica del test no aleatorizado T.
Si la hipótesis nula Ho : e = eo es una hipótesis simple, es decir la

aseveración alude que la distribución de la variable representativa de la
población está plenamente determinada, y si además dicha hipótesis se
asume verdadera, entonces el error del tipo 1 puede calcularse como
P(Jo ['l/!T(X~) = 1] .
Dicho de otra manera, calcular este error del tipo 1 corresponde al cálculo
de la probabilidad de rechazar la hipótesis nula dado que el valor del
parámetro es e = eo. Sin embargo, en una situación relativa a una hi-
pótesis nula compuesta, que se refiere a una variedad de distribuciones,
el error del tipo 1 no sería único, sería un conjunto de errores del tipo
1. El máximo del conjunto citado, la mayor probabilidad de rechazar
la hipótesis nula siendo cierta, se adopta como uno de los elementos
constituyentes en la construcción, en la caracterización o en la evaluación
de un test. La siguiente definición hace referencia a ello.
Definición 4.1.13. El tamaño del test T, el tamaño de la región
crítica CT,n, la probabilidad de error del tipo lo nivel del test T
se denota usualmente por a y está definido como
a = m~xP(J ['l/!T(X~) = 1] .
(JE8
-o
Ejemplo 4.1.14. Sea Xl, X 2 , ... , X n una muestra aleatoria de tama-
ño 10 de una población con distribución de Bernoulli con parámetro e.
Para juzgar la hipótesis nula Ho : e s; ~ dentro del sistema,
3
Ho : e s; "4
frente a
3
H 1 : e > "4
10
se propone el test, T "Rechazar Ho si ¿ Xi > 9". Entonces, puesto
i=l
10
que ¿ Xi rv Bin(10, e),
i=l
P, [~Xi ~ 9] = C~)9' + G~)91O(l ~ 9)° = 109' ~ 99 10

luego
ma~ p(}
(}E(O,:¡;]
LXi 2: 91=
10
[ i=l
ma~ (100 9
(}E(O,:¡;]
-
(3)
90 10 ) = 10 4" 9 (3)
- 9 4" 10
= a ~ 0.244.
En otras palabras, el nivel del test se entiende como la mayor proba-
bilidad de tomar una decisión incorrecta asumiendo verdadero cualquier
valor del parámetro O asociado con la hipótesis nula, y aun cuando es un
elemento que dentro del proceso de juzgamiento de hipótesis es contro-
lable y elegible arbitrariamente, por supuesto debe corresponder a una
probabilidad relativamente pequeña, es usual asumirlo como alguno de
los tres niveles: a = 0.1, a = 0.05 y a = 0.01, niveles que generalmente
se les conoce como niveles del 10%, 5% y 1%, respectivamente.
El error del tipo n, denotado frecuentemente por {3, es otro elemen-
to constitutivo del proceso de juzgamiento de la hipótesis nula, tal vez
habitualmente menos aludido que el error del tipo I, pero igualmente
esencial. De manera afín al cálculo del error del tipo I, se puede generar
una variedad de errores del tipo n correspondientes a cada situación
particular indicativa de la falsedad de la hipótesis nula, un poco más
complejo porque la probabilidad de no rechazar la hipótesis nula se cal-
cula bajo la consideración de que la hipótesis nula es falsa. Entonces
cabe preguntarse: ¿qué significa que Ho se considere falsa? Si 8 1 = ~,
entonces H o es falsa cuando H 1 sea considerada cierta, en cuyo caso
el sistema de hipótesis está conformado por hipótesis antitéticas; pero
cuando 8 1 #- 8~, entonces el subconjunto de valores de 8 asociados con
la falsedad de la hipótesis nula será 8 - 8 0 , conjunto que contiene a
8 1 , Este hecho pone de manifiesto que si Ho se asume como falsa no
implica necesariamente que H1 sea verdadera, puntualización ésta que
no se puede pasar por alto cuando se realiza el cálculo del error del tipo
n.
¿Cuál de los dos errores que se pueden cometer en el juzgamiento
de hipótesis estadísticas es el más grave? La respuesta realmente es que
en forma general no se puede evaluar su gravedad; cada caso particular
permitirá valorar las implicaciones de una decisión errónea.
Por ejemplo, si el propósito es remplazar un medicamento existente
por uno nuevo con base en el análisis de su eficacia, podría asumirse el
modelo de Bernoulli para representar si la aplicación del medicamento
en un tipo de paciente surte el efecto esperado o no, y evaluar la citada
eficacia por medio de una muestra de pacientes a los cuales se les ad-
ministre el medicamento. De esta manera, si e denota la probabilidad
de que el efecto de la aplicación del nuevo medicamento en un paciente
sea el esperado y si el fármaco existente tiene una eficacia cuantificada
en eo, puede establecerse el siguiente sistema de hipótesis:
Ho : e :S eo
frente a
H1 : e > eo.
La afirmación de que el nuevo medicamento es a lo sumo tan eficaz
como el actual, traducida a lenguaje estadístico corresponde a la hipó-
tesis nula en este sistema. Respecto a la decisión que debe tomarse, ésta
se encuentra explícita en el párrafo anterior: mantener el medicamento
vigente o remplazarlo por el nuevo medicamento.
Entonces, en esta situación particular, el error del tipo 1 consiste en
colocar en el mercado un medicamento con menor o igual eficacia que el
actual, mientras que el error del tipo n radica en abstenerse de colocar
en el mercado un medicamento más eficaz que el vigente. La primera
decisión implica pérdidas para el laboratorio productor, mientras que la
segunda involucra pérdida de rentabilidad. Con la ayuda de la infor-
mación financiera de la compañía farmacéutica, puede establecerse cuál
decisión sería más costosa. Pero desde el punto de vista de salud pública,
las decisiones pueden valorarse contrariamente. ¿Es más grave consumir
un fármaco de menor calidad que no tener la posibilidad de utilizar uno
altamente eficaz? Se obliga precisar con mayor detalle el contexto propio
para valorar las implicaciones de la decisión: ¿se trata de un medica-
mento contra el resfriado común, o se trata de un medicamento para la
cura de un determinado tipo de cáncer?
Como se deduce de lo anterior, no se puede hablar en términos abso-
lutos cuál de los errores es más oneroso, mientras que para una situación
específica sí existe mayor factibilidad de hacerlo. En caso de poder es-
tablecer la preponderancia de uno de los dos errores, algunos autores
sugieren que se establezca el sistema de hipótesis orientado por la con-
vención de que el error del tipo 1 es más serio que el error del tipo n.
De esta manera se controla el error del tipo 1, o lo que es equivalente se
regula el nivel del test, y el cálculo o la determinación del error del tipo
n estaría sujeto a esta elección de a. Sin embargo, esta sugerencia es
más una invitación a valorar la magnitud de los potenciales errores en
Probabilidad de error del tipo 11

Test (J = 19.9 (J = 20.1 (J = 20.2 (J = 20.3 (J = 20.4 (J = 20.5 (J = 20.6
7"1 0.9997 0.9437 0.7432 0.3897 0.1125 0.0159 0.0010
7"2 0.9993 0.9043 0.6456 0.2877 0.0677 0.0076 0.0004
7"3 0.9981 0.8477 0.5372 0.2005 0.0381 0.0034 0.0001
Tabla 4.1: Compilación de probabilidades de error del tipo II, para tres test
particulares, según algunos supuestos valores de (j.
un caso determinado y no debe tenerse como principio inquebrantable.
Ejemplo 4.1.15. Retomando el ejemplo 4.1.10 y estableciendo el valor

de la desviación estándar como 0.75 fl oz, tanto la probabilidad de error
del tipo 1 como la probabilidad de error del tipo II, utilizando cada uno
de los siguientes tests, pueden ser calculadas y comparadas para varios
valores de ().
71 : "Rechazar Ha si X49 > 20.27, en caso contrario no rechazarla".

El nivel del primer test es a = 0.00587, porque
P2a [X49 > 20.27J = 1 - [v'49 (20.270.75- 20)] = 1 - (2.52) = 0.00587
De igual manera, los niveles de los test 72 y 73 son respectivamente del

1.255% y 2.5%.
Del contenido de la tabla 4.1 y de los niveles de los tests en con-
sideración, se deduce la superioridad del tercer test. Si se pretende
elegir un test con nivel inferior al 5%, los tests en comparación cumplen
la exigencia y aunque con mayor error del tipo 1, el tercer test presenta
persistentemente los menores valores de la probabilidad de error del tipo
II dentro del rango de valores de () señalados en la tabla mencionada.
Los temas de próximas secciones están justamente relacionados con

la construcción de los mejores tests, construcción basada en métodos
con alcances mucho más generales que lo logrado en el ejemplo inmedi-

atamente anterior.
El buen uso de la estadística además de ser realizado según principios
éticos, consiste en la elección y aplicación de los mejores procedimientos
disponibles para el logro de los objetivos en una situación particular.
La incertidumbre con la cual trabaja tanto el investigador, el analista
estadístico como el usuario ocasional de la estadística, no justifica la
utilización de cualquier herramienta para abordar la explicación, des-
cripción de un fenómeno o para la toma de decisiones frente a él. Es
preciso acudir a los cánones estadísticos para evaluar la condición de
cada procedimiento elegible al utilizarlo.
Cada uno de los procedimientos de la inferencia estadística está re-
comendado por medio de una certificación relativa a su propósito. Los
buenos estimadores son elegibles a la luz de los requisitos tratados en
el segundo capítulo; las mejores estimaciones por intervalo se logran a
través de intervalos confidenciales construidos con base en buenos es-
timadores puntuales pero esencialmente por su mínima longitud. La
calidad de un test, por su parte, al configurarse como la estrategia fun-
damental para la toma de decisiones estadísticas, es examinada desde
varios puntos de vista pero connaturalmente desde su capacidad de re-
chazar la hipótesis nula bajo presuntos escenarios relativos a valores del
parámetro, perspectiva conocida como la potencia de un test. Siendo
ésta la directriz de la construcción y evaluación del desempeño de un
test, se tratará a partir de la siguiente definición inicial conocida como
función de potencia.
Definición 4.1.16. Sea T un test no aleatorizado para el juzgamiento

de Ha con función crítica 1PT(X~). La función de potencia denotada
como 7rT (B) es una función con dominio 8 y recorrido el intervalo (0,1),
definida como
7rT(B) = Po [1PT(X~) = 1] .
Definición 4.1.17. Siendo 8 1 = 8~ la función f3T(B) = 1 - 7rT(B), es

llamada curva característica de operación o curva CO del test
T.
Ejemplo 4.1.18. El tiempo que una persona requiere para comprar

una tarjeta de ingreso en el sistema de Transmilenio en la estación de
Alcalá durante el 2002, ha mostrado un comportamiento que sugiere el
modelo Uniforme en el intervalo (O, B) para su descripción. Se afirma
que el tiempo máximo de permanencia en la fila está entre dos y tres

minutos. Para evaluar la afirmación y tomar los correctivos del caso, se
va a registrar el tiempo empleado por n personas que serán elegidas por
medio de un procedimiento especial de muestreo en la rampa de ingreso,
y se propone la utilización del test
T : "Rechazar Ho si xn,n :s; 1.9 o si xn,n > 2.9"

para el juzgamiento de la hipótesis nula Ho en el sistema
Ho: e E [2,3]
frente a
H1 : e rJ. [2,3].
La función de potencia del test propuesto es
7r T (e) = Pe[Xn,n :s; 1.9] + Pe [Xn,n > 2.9]

= Pe[Xn,n :s; 1.9] + 1 - Pe[Xn,n :s; 2.9]
= 1 + FXn,n (1.9, e) - FXn,n (2.9, e)
7rT (O) = I(0,1.9] (O)

1.9)n I(1.9,2.9] (O) + [(1.9)n
+ (B 1+ B - (2.9)n]
B I(2.9,00) (O)
cuya representación gráfica se observa en la figura 4.1.
1 2 3 4 5
Figura 4.1: Gráfico de la función de potencia correspondiente al ejemplo

4.1.18.
Idealmente, la función de potencia de un test T sería

nAO) = 1 - le (O)
-o
o equivalentemente la curva CO ideal del test T se establecería como
f3T(O) = 1 - le (O).
La funciónde potencia ideal para el ejemplo anterior tendría la forma
que muestra la figura 4.2
'lrT(O)
1 •
1.9 2.9 O
Figura 4.2: Gráfico de la función de potencia ideal correspondiente al

ejemplo 4.1.18.
Definición 4.1.19. El test T con función crítica 'lf\(X~) se dice que es

un test insesgado para la hipótesis Ho si
mª-xPo ['ljJT(X~) = 1] :S miP- Po ['ljJT(X~) = 1]
OES2o OES21
o dicho en otra forma si

mª-x 'lrT(O) :S miP- 'lr T(O).
OES2o OES21
El tamaño de la muestra reveló sus efectos en la estimación de pará-

metros y ahora nuevamente se manifiesta como un elemento trascenden-
tal en la toma de decisiones basadas en información estadística. Como se
señaló en el capítulo 2, la calidad y la cantidad de información con la cual
se cuenta para llevar a cabo procesos de inferencia estadística son dos
ejes esenciales sobre los cuales se sustentan los alcances de los procesos.
Evidentemente, contar con una cantidad suficiente de información de
excelente calidad, permite tomar decisiones acertadas sin mayores ries-
gos. El concepto de la consistencia de un test, presentado a través de la
siguiente definición, es la formalización y compendio de esta evidencia.
4.2. TESTS MÁS POTENTES 201
Definición 4.1.20. Siendo T n un test de nivel a, n = 1,2, ... , para la hi-

pótesis nula Ho : O E 8 0 frente a la hipótesis alterna Hl : O E 8 1 = 8~,
basado en una muestra aleatoria Xl, X 2 , .•. , X n , de una población con
función de densidad fx(x, O), dicho test recibe la denominación de test
consistente para H o, si para cada O E 8 1 ,
lim Po ['l/JTn (X~ = 1)] = lo

n-->oo
4.2 Tests más potentes

La función de potencia, además de describir perfectamente el compor-
tamiento de un test ante cualquier valor del parámetro, como ya se
mencionó, es la directriz de la construcción de tests. Esa construcción
o evaluación fija la atención sobre el valor o valores particulares de la
función de potencia para uno o varios valores específicos del parámetro,
en especial para valores del parámetro asociados con la hipótesis alter-
na. Como precisión semántica, la expresión potencia del test se deja
exclusivamente para referirse al valor de la función de potencia para un
elemento particular del espacio del parámetro, así varios autores se re-
fieran a ella como la probabilidad de rechazar Ho siendo Hl verdadera.
En ese sentido, la siguiente sección inicia lo pertinente a la idea de test
más potente.
Definición 4.2.1. Si dentro del proceso de juzgamiento de la hipótesis

nula H o, se considera a Ho Y Hl como hipótesis simples, conformando
el sistema de hipótesis
Ho: O = 00
frente a
Hl : 0=0 1 ,
el test r* con nivel a se dice que es más potente para Ho que cualquier
otro test T para H o, con nivel menor o igual a a, si
1. 1fT ' (00) = a.

2. 1fT* (0 1 ) 2: 1fT (0 1 ).
Teniendo en cuenta un sistema de hipótesis como en el precisado

en la definición 4.2.1, de inmediato se advierte que 1 - 1fT (Ol) es la
probabilidad de ocurrencia del error del tipo Il al utilizar el test T.

En estas condiciones, en un sistema de hipótesis simples, un test más
potente de tamaño a es aquel que induce menor j3, tal como lo logra el
resaltado test T* de la aludida definición.
Con el propósito de minimizar el error del tipo Il, manteniendo el
control del error del tipo 1 viene a cooperar el teorema de Neyman y
Pearson, que a continuación se presenta y permite deducir una forma de
obtención de tests más potentes, es decir, revela un procedimiento para
la construcción de tests con menores errores del tipo Il. Para aprestar
su enunciado es menester contar con la siguiente definición.
Definición 4.2.2. Sea Xl, X2, . .. , X n una muestra aleatoria de una po-
blación con función de densidad fx(x, O). Si el sistema de hipótesis de
juzgamiento de la hipótesis nula Ho es un sistema de hipótesis simples
Ho: 0=00
frente a
Hl : 0=01 ,
un test definido como
T: "Rechazar Ho si An < k"
recibe la denominación de test de razón simple de verosimilitudes

siendo
n
L(Oo; Xl, X2,···, X n )

TI fX(Xi, 00)
i=l
An = L(Ol; Xl, X2,· .. , X ) n
n
TI fX(Xi, Ot)
i=l
Teorema 4.2.3 (Lema de Neyman Pearson). Sea Xl, X 2 , ... , X n

una muestra aleatoria de una población con función de densidad fx(x, O).
Si el sistema de hipótesis es
Ho: 0=00
frente a
Hl : 0=01 ,
el test T cuya función crítica corresponde a

n n
II fX(Xi, Od > II fX(Xi, (
r'
si k 0) esto es, si k > An;
i=l i=l
'lj!T(X~) = n n
0, sz k IIfx(xi,Od < IIfx(xi'Oo) es decir, si k < An;
i=l i=l
es un test más potente para H o, siendo k una constante positiva y

11"7(00 ) = 0:.
Ejemplo 4.2.4. Si Xl, X 2 , ... ,Xn es una muestra aleatoria de una po-
blación con distribución Normal de valor esperado ¡..t y varianza conocida
(72, determinar un test más potente para H o, en el sistema
H o : ¡..t = ¡..to
frente a
H1 : ¡..t = ¡..tI·
Conviniendo que ¡..tI > ¡..to,
El test de razón simple de verosimilitudes para Ho dentro del sistema

establecido puede formularse como
que equivale a
T: "Rechazar Ho si :2 (¡..to - ¡..tI) ti=l

Xi - 2: 2 (¡..t6 - ¡..tI) < In k".
Simplificadamente equivale al test conseguido a partir de operaciones

convenientes
n
T : "Rechazar H o si LXi> e" .
i=l
La constante c puede ser determinada una vez haya sido adoptado

un valor específico de a; así
PJ.LO [t
~l
Xi > el = a = PJ.LO [X n > ~]
n
= 1- <p (Vn (~ -
u
/LO)) .
Dicho en otros términos:
1- " ~ Zl-a".

U
La idea de la razón simple de verosimilitudes da pie para presuponer

que ese concepto puede originar un concepto más general que abarque
aquellas situaciones en las cuales el sistema de hipótesis incluya al menos
una hipótesis compuesta. En efecto, la razón generalizada de verosimi-
litudes hace referencia a un sistema de hipótesis como el mencionado,
pero con la especificidad de estar constituido por hipótesis antitéticas.
La siguiente definición formaliza dicho concepto.
Definición 4.2.5. Sea Xl, X2, . .. , X n una muestra aleatoria de una po-
blación con función de densidad f x (x, B). Si el sistema de hipótesis en
el juzgamiento de la hipótesis nula es
Ho : B E 8 0
frente a
Hl : B E 8 1 ,
con 8 1 = 8 - 8 0 , la razón generalizada de verosimilitudes corres-

ponde al cociente
s~ L(B;Xl,X2, ... ,Xn )
, _ BES¿o
~~----
An -
su!?L(B;Xl,X2,""X n ) = A( Xl,X2,""X n ),
BES¿
Acerca de An objeto de la definición 4.2.5 es conveniente puntualizar

lo siguiente:
1. An es un valor particular de la variable aleatoria
2. An E (0,1].
3. El denominador de An es la función de verosimilitud evaluada en

el estimador máximo verosímil de O.
El conocimiento de la distribución de An permite consecuentemente la
formulación definitiva del test, pero esto no siempre sucede, y por ello en
muchas oportunidades es necesario recurrir a tests equivalentes derivados
del comportamiento de An. Sin embargo algunas veces la exploración de
la citada distribución no es factible, pero se puede contar con un tamaño
de muestra relativamente grande. Bajo ciertas condiciones, la variable
aleatoria -21n(A n ) puede manejarse como una variable aleatoria con
distribución Ji-cuadrado, como lo indica el siguiente teorema, y de esta
manera se puede establecer una forma especial del test.
Teorema 4.2.6. Bajo condiciones de regularidad, dentro del juzgamien-
to de la hipótesis nula, siendo L(Ol, O2, .. . , Ol, ul, U2, . .. ,UN) la función
de verosimilitud de las variables aleatorias Ul, U2, ... , UN Y lo el número
de componentes especificadas por la hipótesis nula, entonces la variable
aleatoria -21n(AN) converge en distribución a una variable aleatoria
con distribución Ji-cuadrado con v grados de libertad, v = l -lo.
Bajo estas condiciones, un test de razón generalizada de verosimili-

tudes puede presentarse en una forma especial correspondiente a
T: "Rechazar Ho si - 21n(AN) > XLa(v)".
Ejemplo 4.2.7. El juzgamicnto de la homoscedasticidad ha inducido el

desarrollo de varios tests. Este ejemplo, como forma especial de juzgar-
la, es una ilustración del teorema 4.2.6.
Se consideran k poblaciones independientes asumiendo para cada una
de ellas el modelo gaussiano, de manera que la variable que represen-
ta a la población j tiene valor esperado ¡.tj y desviación estándar O"j,
j = 1,2, ... , k. Según estas consideraciones, X j1 , X j2 , . .. ,Xjnj repre-
senta la muestra aleatoria de tamaño nj, correspondiente a la población
J. La homoscedasticidad entendida como la característica de que un

grupo de poblaciones tienen la misma dispersión, expresada en términos
de sus varianzas, se puede traducir en la hipótesis nula que forma parte
del siguiente sistema:
= .,.,.2 _ ,.,.2 _
.l.l0 . vI - V2 - .•. -
_ ,.,.2
vk
frente a
HI : no todas las varianzas son iguales.
La función de verosimilitud
L = L (J-tl' J-t2,···, J-tk, ar, a~, ... , a~; Xl1, X12,···, Xl n1 ,···, Xkl, Xk2,···, Xknk)
de las N variables aleatorias X l l , XI2, ... , XI,nl' ... ' Xkl, X k2 , ... , X knk ,
n
incluye l = 2k componentes, donde N = ¿ nj; por otra parte denotan-
j=1
do por (J"2 el valor común desconocido de las varianzas de cada población,
8 0 = {(¡.tI, ¡.t2,···, ¡.tk, (J"2)I¡.tj E IR, (J"2 > O}
determinado por la hipótesis nula, incluye lo (k + 1) componentes,

especificadas por ésta.
Entonces
L =
k
j=1 i=1
1 exp {1__2 (X.i - ft")2}
rr rrnj V27i(J"j J
(J"j
J .
supL
e
La determinación de AN = -o L requiere los siguientes elementos:
sup
ª nj
• La estimación máximo-verosÍmil de ¡.tj es ;; ¿ Xji = Xj.

J i=1
nj
• La estimación máximo-verosÍmil de (J"J es ;; ¿ (Xji - Xj)2.

J i=1
• La estimación máximo-verosímil del valor común (J"2 bajo la hipó-

k nj
tesis nula es lv ¿ ¿ (Xji - Xj)2.
j=1 i=1
Con lo anterior
pero la determinación de la distribución de AN es una tarea muy in-

trincada. Por ello, si se cuenta con muestras relativamente grandes,
-21n(A N ) converge en distribución a una variable aleatoria con dis-
tribución Ji-cuadrado con v = l - lo = 2k - (k + 1) = (k - 1) grados
de libertad. Por tanto, se le puede tratar como tal y por consiguiente el
test puede enunciarse como
T: "Rechazar H o si
Definición 4.2.8. Conforme con la definición 4.2.5, un test T cuya

función crítica corresponde a
sz k> An
sz k < An
recibe la denominación de test de razón generalizada de verosimi-
litudes de nivel a, siendo m~Po ["pT (X~) = 1] = a y k una constante
OE8
-o
positiva.
La sigla LRT (likelihood ratio test) se utiliza frecuentemente
como abreviatura para referirse a un test de razón de verosimilitudes,
denominación ésta que cubre tanto a los tests de razón simple de vero-
similitudes como a los tests de razón generalizada de verosimilitudes.
Ejemplo 4.2.9. Si Xl, X 2 , .•• , X n es una muestra aleatoria de una po-
blación con función de densidad fx(x, O) definida como
fx(x, O) = Oe-ox 1(0,00) (x),
determinar un test de razón generalizada de verosimilitudes para el juz-

gamiento de Ho en el sistema
Ho : () ~ ()o
frente a
H1 : () > ()o·
n
-B L: Xi
Como L(();X1,X2, ... ,Xn ) = ()ne i=l y además
SUE.L(();X1,X2, ... ,xn )

BEª-
= (!
Xn
)n e- n
y con el apoyo de la figura 4.3
1
( Xn =- )n e -n cuando =-
1
Xn
~ ()o
sup L(();X1,X2, ... ,Xn ) = _ 1
O<B<Bo { ()üe-Bonxn cuando =- > ()o
Xn
¡
Luego
1
~ 08e-~onX"
cuando =-
Xn
~ ()o
An 1
cuando =-
Xn
> ()o
Por tanto, el test de razón generalizada de verosimilitudes se puede

enunciar como
1 ()ne-Bonxn
T: "Rechazar Ho si =-
xn
> ()o y (o)n
_1
< k"
e- n
Xn
o
T: "Rechazar Ho si xn()o < 1 y (()ox n )n e -n(Box n-1) < k".
Remplazando ()oxn = y, nótese que yn e -n(y-1) tiene máximo cuando
y = 1 y dado que y < 1, yn e-n(y-1) < k, si y sólo si y < ko, como se
deriva de la figura 4.4.
En consecuencia, el test puede enunciarse como
T : "Rechazar Ho si ()ox n < ko"

L(O)
L(O)
Figura 4.3: Determinación del supremum para O < 00, según la locali-
zación de 00, correspondiente al ejemplo 4.2.9.
El nivel de test puede determinarse ahora, de la siguiente manera:
n
porque 00 I: Xi rv Gama(n, 1). A partir de este punto es posible re-
i=l
definir el test, pues de la última igualdad se obtiene el valor de ko,
siendo por supuesto nko el correspondiente percentil a.
Definición 4.2.10. Si dentro del proceso de juzgamiento de la hipótesis

yn e -n(y-1)
1
k
ko 1 y
Figura 4.4: Representación gráfica de la equivalencia del test de razón

generalizada de verosimilitudes con el test final del ejemplo 4.2.9.
nula Ho se considera el sistema de hipótesis
Ho: O E 8 0
frente a
H1 : OE 8 1
siendo 8 1 = 8 - 8 0 , el test T* se denomina test uniformemente más
potente, UMP, para Ho con nivel ü si
1. sup 7rT * (O) = ü.
oEflo
2. 7rT*(O) 2': 7rT (O) para todo O E 8 1 y para todo test T con nivel menor
o igual a ü.
Ejemplo 4.2.11. Determinar un UMP para Ho en el sistema de hipó-
tesis
Ho: 0=00
frente a
H 1 : O > 00 ,
basado en una muestra aleatoria Xl, X 2 , ... , X n de una población con

fx(x, O) = Oe-ox 1(0,00) (x).

En el sistema de hipótesis
Ho : e = eo
frente a
HI : e = el
y conviniendo que el > eo, un test más potente para Ho puede obten-
erse a partir del lema de Neyman Pearson (teorema 4.2.3, página 202).
Siendo
n
-()o ¿ Xi
e~e i=l
An = n
-()1 ¿ Xi
efe i=l
el test más potente para Ho en este último sistema está formulado como
eo)n -(()O-()l) f Xi
T : "Rechazar Ho si ( el e i=l < k"
T: "Rechazar Ho si tXi < e ~e In [(~l)n k] "

i=l lOO
o de manera más simple, como

n
T : "Rechazar Ho si 2:= Xi < e".
i=l
Este test es más potente para Ho en cualquier elección de el > eo, de

manera que el test
n
T: "Rechazar Ho si 2:= Xi < e"
i=l
es UMP para Ho en el sistema
Ho : e = eo
frente a
HI : e > eo.
212 CAPÍTULO 4, JUZGAMIENTO DE HIPÓTESIS
Finalmente, para un nivel preestablecido del test, la constante c puede

determinarse de la siguiente forma:
a = p., [t Xi < el
= ¡O
e 1
__ (rtn-le-Ootdt
r(n) O
c es entonces el percentil a de una Gama(n, ( 0 ).
Definición 4.2.12. Una familia de densidades {Jx(x, O)}, O E e ~ IR

se dice que tiene razón monótona de verosimilitudes, MLR, en la
estadíst,ica T = t(X l , X 2, ... , X n ) si para dicha estadística, el cociente
L(Ol; Xl, X2,···, Xn )

L(02; Xl, X2,· .. , Xn )
es una función no creciente de t(Xl, X2, .. . , x n ), para cada 01 < O2 o no

decreciente de t(Xl, X2, ... , x n ), para cada 01 < O2.
Ejemplo 4.2.13. La familia de densidades de Poisson tiene razón mo-

n
nótona de verosimilitudes en 2:= Xi. En efecto,
i=l
L(01;Xl,X2, ... ,xn ) O 'f Xi e-n(Ol-02)

01 ) ,=1
L(02; Xl, X2, . .. , Xn ) ( 2
n
la cual es una función no creciente de 2:= Xi, puesto que 01 < O2 .
i=l
Teorema 4.2.14. Sea Xl, X 2, ... , X n una muestra aleatoria de una

población con función de densidad fx(x, O), O E e ~ IR Y la familia
{Jx(x, O)} tiene MLR en la estadística T = t(X l , X 2, ... , X n ).
1. Si la razón monótona de verosimilitudes es no decreciente y si ta

es tal que
POo [t(X l ,X2 , ... ,Xn ) < tal = a
entonces el test
T: "Rechazar Ho si t(Xl, X2,· .. , x n ) < ta"

es UMP para H o , en el sistema
Ho : fJ :S fJ o
frente a
Hl : fJ > fJ o·
2. Si la razón monótona de verosimilitudes es no creciente y si ti-a

es tal que
entonces el test
T: "Rechazar Ho si t(Xl, X2, ... , Xn) > ti-a"

es UMP para H o, en el sistema
Ho : fJ :S fJo
frente a
Hl : fJ > fJ o·

población con función de densidad fx(x, fJ), fJ E e ~ IR, Y fx(x, fJ)
perteneciente a la familia exponencial unidimensional de densidades.
n
Siendo T n = t(X l ,X2 , ... ,Xn ) = ¿ d(Xi ) la estadística natural de la
i=l
familia exponencial, si c( fJ) es una función estrictamente monótona, en-
tonces la familia de densidades {fx(x, fJ)} tiene MLR en la estadística
Tn .

población con función de densidad fx(x, fJ), fJ E e ~ IR Y fx(x, fJ)
pertenece a la familia exponencial unidimensional de densidades. Siendo
n
la estadística natural de la familia T n = t(X l , X2, ... , X n ) = ¿ d(Xi ),
i=l
entonces
1. Si c(fJ) es una función monótona creciente de fJ y ti-a tal que

el test n
T: "Rechazar Ho si L d(xi) > h-a "
i=l
Ho : O :S 00
frente a
H 1 : O > 00
o en el sistema
Ho: 0=00
frente a
Hl : O > Oo.
2. Si c( O) es una función monótona decreciente de O y ta tal que
POo [t d(Xil < tal ~ <>,

el test n
T: "Rechazar Ho si L d(xi) < ta"
i=l
Ho : O :S 00
frente a
Hl : O > 00
o en el sistema
Ho: 0=00
frente a
H 1 : O > Oo·
Antes de continuar en la siguiente seCClOn dedicada al estudio de

algunos tests bajo normalidad, es necesario concluir la presentación de
los conceptos básicos del juzgamiento de hipótesis con una mención del
denominado valor p.
Para hacer expedito un test, su forma final debe ser preferentemente
muy sencilla. En lo posible, debe conocerse la distribución de la es-
tadística que lo soporta y ser factible el cálculo de sus percentiles, pre-
cisamente para que la utilización del test sea fácil.
Igualmente, esa forma final, como la de muchos tests, debe estar
en la forma estándar consistente en la comparación de un valor de una
estadística con un percentil de la misma elegido conforme al nivel del
test asumido, para conservar estable un modo común muy difundido y
generalmente aceptado.
Muchos tests han sido construidos teniendo en cuenta estas sugeren-
cias, y la realización de los cálculos respectivos y la determinación de los
percentiles se logran mediante la utilización de alguno de los múltiples
programas de cómputo estadístico que se encuentran en el mercado de
software o a disposición en internet.
Justamente esos programas han incorporado dentro de sus cálculos
y por ende dentro de la presentación de los resultados el denominado
valor p. Este valor puede entenderse como una ayuda muy eficiente en
la lectura de los resultados para el juzgamiento de una hipótesis, porque
su valor condensa los elementos del test y hace más diligente la decisión.
Tratando al valor particular de la estadística explícito en el test como
un percentil de la misma, la forma estándar que compara el valor de la
estadística con algunos de sus percentiles, es decir, que compara valores
de una variable aleatoria, puede vérsela de manera equivalente desde otro
ángulo, la de comparar probabilidades: la probabilidad asociada al valor
particular de la estadística tratado como un percentil y la probabilidad
que representa el valor a.
Entonces, un test de nivel a puede transformarse a una manera
equivalente utilizando el recurso del valor p, de la siguiente manera:
T : "Rechazar H o si el valor p es inferior a a" .
Esta probabilidad asociada al valor particular de la estadística, el valor p,

corresponde a una función de la probabilidad de que la variable aleatoria
que soporta el test sea menor que el valor específico obtenido de la
información de la muestra particular. Un par de ejemplos ilustran mejor
la idea del valor p.
Ejemplo 4.2.11. El test obtenido en el ejemplo 4.2.11, página 210,
puede modificarse finalmente como a continuación se indica y de allí

originar el valor p correspondiente.
n
Debido a que bajo la hipótesis nula 2: Xi rv Gama(n,Oo), entonces
i=l
n
la variable que soporta el test W c = 200 2: Xi tiene distribución Ji-
i=l
cuadrado con 2n grados de libertad. Con estos elementos el test presenta
su forma final
T: "Rechazar Ho si W c < x;(2n)".
El valor p en este caso es
p
l
1
= P[Wc < wcJ = o r(n) 2
WC
(l)n x
n-l _!x
e 2 dx.
Por supuesto, si W c < x~(2n) implica que p < a y como consecuencia el

test puede expresarse equivalentemente como
T: "Rechazar Ho si p < a".

Ejemplo 4.2.18. La muestra de 49 envases que señala el ejemplo 4.1.6,
página 189, también puede utilizarse para respaldar el control de las
disconformidades en la fase de rotulación del envase, puesto que las nor-
mas internas de aseguramiento de la calidad admiten a lo sumo el 1%
como fracción disconforme en la fase de rotulación y exigen que el test
escogido debe tener nivel inferior a 5%.
Acudiendo al modelo de Bernoulli, conviniendo que el término éxito
corresponde a la representación de un envase que revela alguna dis-
conformidad en su rótulo (colocación incorrecta, rotura, decoloración
o inexistencia) y denotando la probabilidad de éxito como 1r (fracción
disconforme), el seguimiento estadístico de la fase de rotulación del pro-
ceso puede estar encauzado por el sistema de hipótesis
Ho : 1r :S 0.01
frente a
Hl : 1r > 0.01.
Como la familia de densidades de Bernoulli tiene razón monótona de
n
verosimilitudes en la estadística W c = 2: Xi (variable que registra
i=l
el número de envases en la muestra rotulados no apropiadamente), y
W c P[Wc > W c]
O 0.3888827605
1 0.0864105914
2 0.0130840050
3 0.0014801344
4 0.0001322100
Tabla 4.2: Algunos valores p en el juzgamiento sobre la fracción discon-

forme
n
además la razón es no creciente en L Xi, entonces un test UMP para
i=l
Ho en el sistema planteado es
T : "Rechazar Ho si Wc > k" .
49
Teniendo en cuenta que bajo la hipótesis nula L Xi rv Bin( 49,0.01) Y
i=l
que un test con nivel del 5% no es posible conseguirse, la tabla 4.2 per-
mite dos finalidades: la especificación de a, siguiendo la recomendación
de las normas internas, y la enumeración de algunos valores p.
El valor p en este caso corresponde a p = 1- P[Wc :s; wcl, y del contenido
de la tabla anterior se deduce que a = 0.013084, porque 0.086410 no es
admisible por las normas. Finalmente, el test correspondiente formulado
específicamente para tomar decisiones en la fase de rotulación,
49
T : "Rechazar Ho si LXi> 2"
i=l
equivale a
T : "Rechazar Ho si p < 0.013084".
Por tanto, si el monitor de un computador muestra el valor p = 0.0864106
significa que en la muestra se encontraron 2 envases disconformes y, por
ende, no se toma correctivo alguno. Mientras que si p = 0.00013221
significa que en la muestra se encontraron 5 envases rotulados no apro-
piadamente y, por tanto, la decisión consiste en evaluar las posibles
causas atribuibles a la perturbación y de tomar los correctivos a que
haya lugar.
4.3 Juzgamiento de hipótesis sobre promedios

bajo Normalidad
Utilizar el modelo gaussiano como asistente en la toma de decisiones es
una práctica común no siempre realizada empleando las mejores premisas.
La divulgación acentuada que hacen los textos sobre los tests bajo Nor-
malidad da pie para que el lector cimiente la idea de que el juzgamiento
de hipótesis se reduce únicamente a casos particulares regidos por el mo-
delo gaussiano. La inclusión de dos secciones en este capítulo relativas a
algunos tests bajo normalidad debe entenderse como aplicaciones muy
especiales de conceptos previos en la construcción de tests bajo el mo-
delo soberano de los modelos de probabilidad, y que su aplicación está
sujeta a los resultados favorables a la normalidad dentro de un proceso
de juzgamiento del ajuste al modelo, tema que será tratado posterior-
mente, o según argumentos sólidos de tamaño de muestra suficiente que
justifican su utilización. Esta sección está dedicada al desarrollo de tests
para el juzgamiento de hipótesis referentes a promedios poblacionales y
la sección siguiente trata lo pertinente al juzgamiento de hipótesis sobre
varianzas, bajo la adopción del modelo de Gauss.
4.3.1 Juzgamiento de la hipótesis nula Ho : 11 = 110
Siendo Xl, X2, ... , X n una muestra aleatoria de tamaño n con distribu-
ción Normal de valor esperado J.l y varianza (7"2, pueden fijarse tres sis-
temas de hipótesis en el juzgamiento de esta hipótesis particular:
• Sistema A:
Ho : J.l = J.lo
frente a
HI : J.l < J.lo·
• Sistema B:
Ho : J.l = J.lo
frente a
HI : J.l > J.lo·
4.3. JUZGAMIENTO DE HIPÓTESIS SOBRE PROMEDIOS BAJO NORMALIDAD 219
• Sistema C:
Ha : J.l = J.la
frente a
Hl : J.l .¡. J.la·
1. Primer supuesto: CJ2 es una cantidad conocida.
Considerando específicamente el sistema B, fx(x, B) puede ex-
presarse como
De esta manera se deduce que fx(x, B) pertenece a la familia ex-

ponencial de densidades, estableciendo las funciones
1 1(0)2 1(x)2 B
a(B) = f2= e- 2 ~ ,b(x) = e- 2 ~ ,c(B) = - , d(x) = x.
V.:.7rCJ CJ
En razón de que c( B) es monótona creciente, considerando la es-

tadística
n
t(X 1 , X 2 ,···, X n ) = LXi,
i=l
el test
n
TB : "Rechazar Ha si LXi> k*"
i=l
es UMP para Ha en el sistema B.

donde Zc = X(J"/vn
n - /-lo entonces
'
TB : "Rechazar Ho si Zc > Zl~a".
De manera similar, un test para Ho en el sistema A es
TA : "Rechazar Ho si Zc < za"
que gráficamente la figura 4.5 lo representa.
Rechazar H o ---.J o Z
Figura 4.5: Región crítica del test T A.
Bajo la misma SUpOSlClOn de que (J"2 es conocido, finalmente el

juzgamiento de Ho : /-l = /-lo dentro del sistema e,
Ho: /-l = /-lo

frente a
HI : /-ll- /-lo
está apoyado por un test que se deduce de la forma siguiente:
L(B; Xl,
1
X2,·· ., Xn ) = (V27i(J")
n
exp
- ¿(Xi - B)
n
i=l
2(J"2
2}
{
( l)n exp {- i~1(Xi-¡.tO)2}

SUp L y!2;(J 2(J2
()=¡.to
.A = -~~~-L = -(-l-)-n--:-{--i"f=--n(-Xi_-xn-j2--Ó-}
n
1
y!2;(J exp 2(J2
Como
n n
i=l i=l
n n n
i=l i=l i=l
n
= ¿(Xi - Xn)2 + n(xn - /-LO)2
i=l
entonces
n /-LO?)
-_ exp (_ n(x - 2 .
20-
Por tanto, el test construido con base en la razón generalizada de
verosimilitudes está determinado como
Te : "Rechazar Ho
. exp (n(xn
SI -
- /-Lo)2) < k"
20- 2
pero
2
exp ( -
n(xn - /-LO) )
< k implica que
20- 2
222 CAPÍTULO 4. JUZGA MIENTO DE HIPÓTESIS
y consecuentemente que IZel > k*. En definitiva se establece el

test como
Te : "Rechazar H o si IZel > Zl~Q"·
2
que gráficamente está representado por la figura 4.6. La función
Q Q
2' /2
Rechazar H ° ----.J a L- Rechazar H o Z
Figura 4.6: Región crítica del test Te'
de potencia de este test se puede establecer fácilmente como
7r
TC
(O) = ( -Zl~% + Vn(0(J"- J.Lo)) + ( -Zl~% - Vn(0(J"- J.Lo))
Gráficamente, esta función de potencia se presenta en la figura 4.7.
2. Segundo supuesto: (J"2 es una cantidad desconocida.
• Con referencia al sistema e, estrictamente hablando el sis-

tema debería plantearse así:
Ho: J.L = J.LO,(J"2 > a

frente a
H 1 : J.L i J.Lo, (J"2 > a.
De esta manera,
80 = {(J.L,(J"2)1J.L = J.LO,(J"2 > a},8 = {(J.L,(J"2)1J.L E lR,(J"2 > a}

7rT Je)
1 ---------------------
¡..¿o e
Figura 4.7: Forma de la función de potencia del test Te para el juz-

gamiento de la hipótesis nula Ho : e
= ¡..¿o bajo el modelo gaussiano
asumiendo el supuesto de varianza conocida.
y por tanto
Por otra parte,
porque bajo 8 0, la función de verosimilitud L tiene máximo

n
cuando f..l = f..lo Y (72 = ~ ¿ (Xi - f..lO)2. En consecuencia,
i=l
¿(Xi
n - _x n ) 2) ~
An =
( tE
t=l
(Xi - f..lo)2
( f=(Xi- X n)2 \~
¡
t-l
2
I
'S,1 (Xi - xn), '"\""'n f-"U; J
= (1 + ~(~n-¡.to)2 ~
¿ (Xi- X n)2
)
i=l
Entonces, el test de razón generalizada de verosimilitudes

para la hipótesis en consideración en el sistema e,
Te : "Rechazar Ho si An < k"
puede formularse en términos de
n(xn - f..lO)2
n
¿ (x;-xn)2
i=l
n-l
puesto que cuando esta expresión crece el valor de An decrece.
Ahora bien, como
n(Xn - 110)2 n(X,,-¡.to)2

a ,¡n (X n - 110) rv t(n-l)
Te =
f: (X
í=l
i -X,,)2 ¿" (Xi-X"
i=l
- )2 Sn
n-l u(n-l)
el test para el juzgamiento de Ho en el sistema e queda

establecido como
Te : "Rechazar Ho si Itcl > d"
o más precisamente, cuando se especifica un valor de a, como
Te : "Rechazar Ho si Itcl > t1-Q. (n - 2
1)".
• En el sistema A se tiene que
Ho : /-l = /-lo
frente a
Hl : /-l < /-lo,
de manera que el test para juzgar Ho corresponde a
TA : "Rechazar Ho si te < teAn - 1)" .
• En el sistema B,
Ho : /-l = /-lo
frente a
Hl : /-l > /-lo,
el test para juzgar Ho está dado por
TB : "Rechazar Ho si te > tl-a(n - 1)".
La decisión que se tome mediante el test T A, bajo el primer supuesto,

puede asumirse igualmente mediante su correspondiente valor p, valor
que puede calcularse como
mientras que el valor p asociado al test TB se obtiene mediante la pro-

babilidad
y finalmente para el caso del valor p ligado al test Te, se calcula mediante
p = 2(1 - (lzel))
La razón de este cálculo lo sugiere la figura 4.8; ante una situación en

la cual el valor particular Ze fuese tal que Zl-a < IZe I < Zl-.9:,
2
Y admi-
tiendo que p = 1 - (ze), no se dispondría de una forma alternativa de
decisión equivalente al test Te, puesto que claramente no habría eviden-
cia estadística para rechazar la hipótesis nula por ser IZel < Zl_.9:,
2
pero
por otra parte como p < a la decisión sería contraria. De esta manera,
z
Zl-a
/1""
Izcl Zl-~
Figura 4.8: Justificación sobre el valor p asociado al test Tc.
la decisión que se tome mediante el test T c es idéntica a la que se tome

mediante la utilización del valor p = 2(1 - 1f>(lzcl)).
Las funciones de potencia de los tests T A Y TB se ilustran en las
figuras 4.9 y 4.10.
El compendio 1 sintetiza el juzgamiento de la hipótesis nula Ho : J..l = J..lo
y se presenta en la figura 4.11.
1T'TA (O)
1
a
J..lo O
Figura 4.9: Forma de la función de potencia del test TApara el juz-

gamiento de la hipótesis nula Ho : O = J..lo bajo el modelo gaussiano,
7rTB (B)
1 ---------------------
a ---------
f.lo B
Figura 4.10: Forma de la función de potencia del test TE para el juz-

gamiento de la hipótesis nula Ho : B = f.lo bajo el modelo gaussiano,
4.3.2 Juzgamiento de la hipótesis nula Ho : /11 - /12 = 60

Sea Xl, X2, . .. , X n una muestra aleatoria de tamaño n de una pobla-
ción con distribución Normal de valor esperado f.l1 y varianza O"I. De
la misma forma, sea YI , Y2 , . .. , Ym una muestra aleatoria de tamaño m,
de una población Normal de valor esperado f.l2 y varianza O"§. Siendo
independientes las dos muestras, la hipótesis nula puede juzgarse frente
a tres hipótesis alternas, en los siguientes términos:
• Sistema A:
H o : f.l1 - f.l2 = 60
frente a
Ha : f.ll - f.l2 < 60 .
• Sistema B:
Ho : f.l1 - f.l2 = 60
frente a
Ha : f.ll - f.l2 > 60 .
J uzgamiento de
Ho :J'=J-Lo
Sistema A Sistema B Sistema e

Ho:J-L=J-Lo Ho:J-L=J-Lo Ho:J-L=J-Lo
frente a frente a frente a
H¡ :J-L<J-Lo H¡: J-L > J-Lo HI : J-Li J'o
Tests Tests
TA : "Rechazar Ho si T/\ : "Rechazar Ho si
t, < ta(n - 1)" Zc < kn"
TB : "Rechazar Ho si TH : "Hf>chazar Ro si
te> tl-n(n - 1)" Zr o
> ZI n
Te : "Rechazar Ro si T(' : "Rechazar lI,) si

It,1 > t l _" (n - 1)" Iz,1 > ZI_ ~"
Figura 4.11: Compendio 1.
• Sistema C:
H o : J..ll - J..l2 = 60
frente a
Ha : J..ll - J..l2 =1= 60.
El propósito de expresar la diferencia de promedios poblacionales en

términos de 60 tiene el fin de presentar de una manera más general el
caso particular muy corriente en el cual la hipótesis nula establece que
60 = O.
l. Primer supuesto: aI, a§ son constantes conocidas.

Considerando la variable aleatoria
es muy sencillo confirmar que se trata de una variable aleatoria con

distribución Normal estándar, teniendo en cuenta que las mues-
tras aleatorias son independientes; esta expresión por su condi-
ción es una variable pivote para la construcción de un intervalo
confidencial para f..ll - f..l2. Se hace esta mención en razón a que
existe cierta correspondencia entre la estimación por intervalo y
el juzgamiento de hipótesis. En efecto, si (TJ!) ,
T~2)) es un in-
tervalo confidencial del 100(1 - 0:)% de confianza para el pará-
metro (J, un test razonable de nivelo: para el juzgamiento de la
hipótesis nula Ho : (J = (Jo, frente a HI : (J =F (Jo descrito como
T : "Rechazar Ho si (Jo ~ (t~l), t~2)) ", es un test que da origen a
uno equivalente formulado en la forma característica. De los inter-
valos confidenciales unilaterales también se pueden deducir tests.
Utilizando este recurso, se pueden derivar los test correspondientes
así:
TA : "Rechazar Ho si Zc < za"·
TB : "Rechazar Ho si Zc > Zl-a".
Te: "Rechazar Ho si Izcl > ZI_.2'.".

2
2. Segundo supuesto: aI = a§ = a2 son constantes desconocidas (ho-

moscedasticidad) .
La función de verosimilitud de Xl, X2, .. . , X n , YI , Y2, . .. , Y m , de-
pende particularmente de f..ll, f..l2 Y 0- 2 , dado que el supuesto de
homoscedasticidad declara que las varianzas son iguales, su expre-
sión es, entonces,
Al acoger esta suposición de homoscedasticidad pero desconocidos

los valores de las varianzas, los estimadores de f.Ll, f.L2 Y (72 son,
respectivamente:
1
Xn, Ym , m +n [(n - l)S?,n + (m - l)Si,m] .
Entonces,
m±n
2
n+m n±rn
e--
supL = 2-
()Eª
2,,- (.t, (Xi - "n)' + j~, (Yj - l/m)')
En 8 0 , los estimadores máximo-verosímiles de f.L = f.Ll = f.L2 Y (72
cuando 150 = O son
1
~ -
tXi+ i:Yj) = nXn+mYm
J.L= m+n ( m+n
i=l j=l
-
0'2 = - -
1 - 2
m+n [ ~(Xi-Xn) +f;(Yj-X ) +m+n(Xn-Y )
n m
m m
- 2 mn - - 21 .
De esta forma, el sup L corresponde a

()Eªo
nl+n
-2-
m+n n+rn
e--2-
27r {i~ (Xi - xn )2 + j~l (Yj - Ym)2 + :+r:., (X n - Ym)2 }
con lo cual
-mi"
mn (- -)2
1 m+n X n - Ym
An+m = +
[ n
i~ (Xi - x n )2
m
+ j'fl (Yj - Ym)2
1
Teniendo en cuenta que
n m
¿ (Xi - X n? + ¿ (Yj - y m)2
• _i=_I_ _ _ _ _-::--j=_I_ _ _ _ _ rv X2 (n +m - 2)
0- 2
Y dada la independencia de las dos variables aleatorias mencionadas,
Con este complemento, la razón generalizada de verosimilitudes se

puede expresar en forma más simple como
A partir de ella, se pueden formular los tests en la forma siguiente:
Te : "Rechazar Ha si Itel > tI_S!2 (n + m - 2)".

TA : "Rechazar Ha si te < ta(n + m - 2)".
TB : "Rechazar Ha si te > tl-a(n + m - 2)".
Es importante hacer notar que la expresión simplificada de Te es
donde
n m
¿(Xi - Xn)2 +¿ (Yj - y m)2
82 = i=1 j=1
p n+m-2
El supuesto de homoscedasticidad, o-r
= o-§, puede ser susten-
tado mediante argumentos tomados de la explicación teórica del
fenómeno o de la información detallada fruto de un seguimiento

permanente del mismo, que avalen la no existencia de razones para
asegurar que una población es más variable que la otra. Cuando
estos argumentos no están disponibles, o aun contando con ellos,
el camino estadístico para la adopción de la homoscedasticidad o
para descartarla es el juzgamiento de la hipótesis nula
2 2
Ho : 0"1 = 0"2'
cuya determinación de tests para tal propósito bajo Normalidad

será tratada en el numeral 4.4.2.
Dentro de la construcción de tests bajo Normalidad, no poder
asumir el supuesto de homoscedasticidad impide simplificar en for-
ma mayúscula muchas etapas en la búsqueda de la distribución de
una estadística que soporte el correspondiente test como no ocurre
cuando se le asume; para el juzgamiento de la diferencia de prome-
dios poblacionales, la adopción de la homoscedasticidad encauza
la construcción del test sobre las ideas de Gosset para obtener un
test fundamentado en la distribución de Student, en la forma como
se dedujo en este punto relativo al segundo supuesto.
Esa imposibilidad de la adopción de la homoscedasticidad en el juz-
gamiento de la diferencia de promedios poblacionales, asumiendo
el modelo gaussiano, genera un problema importante en la infe-
rencia estadística y por consiguiente en la toma de decisiones en la
práctica, denominado el problema de Behrens-Fisher, del cual se
tiene una solución exacta, basada en análisis estadístico secuen-
cial, solución que requiere un tipo de muestras seleccionadas en
etapas, que este texto no aborda por no estar dentro del propósito
del mismo. A continuación se presenta una solución aproximada
al problema, la cual se cita en muchos libros de estadística.
3. Tercer supuesto: O"I =1= O"§ constantes desconocidas. (problema de

Behrens-Fisher).
Dentro de las soluciones, en la actualidad se destaca la solución de
Welch. Esta solución utiliza la siguiente estadística:
T' = X n-Ym - 60
e JS2
~
n
+ S2
2,m
m
Esta estadística no tiene distribución t. Welch propone los si-

guientes tests:
TA : "Rechazar Ho si t~ < ta(f - 1)".

TE : "Rechazar Ho si t~ > tl-a(f - 1)".
Te : "Rechazar Ho si It~1 > tl-~ (f
2
- 1)",
donde f = min {m, n}. Estos test pueden mejorarse en potencia,

escogiendo f entre min{m, n} y (m + n - 2).
La solución de Welch en este mejoramiento de potencia escoge a
f como el entero más próximo a
C~n + s~n) 2
f= 2 2 2 2·
C~n) C~~m)
-n---l- + ---'----m-_-lc;'--
El compendio 2, es una síntesis del juzgamiento de la hipótesis nula
Ho : /11 - /12 = Jo, el cual se presenta en la figura 4.12.
Como conclusión esta sección 4.3 y como generalización del numeral
4.3.2, asumiendo el modelo de Gauss para cada una de las k poblaciones
independientes, de manera que la variable que representa a la población j
tiene valor esperado /1j y desviación estándar (J, j = 1,2, ... ,k, y siendo
X j1 , X j 2, ... ,XJ1lJ , la muestra aleatoria de tamaño nJ correspondiente a
la población j y bajo el supuesto de homoscedasticidad, el procedimiento
de juzgamiento de la hipótesis nula que forma parte del sistema
Ho : /11 = /12 = ... = /1k

frente a
H1 : no todos los promedios poblacionales son iguales,
se le conoce como análisis de varianza a una vía, procedimiento trata-

do inicialmente por Fisher en la segunda década del siglo XX. La de-
nominación de este procedimiento estadístico como análisis de varianza,
aparentemente sin vinculación con el sentido de la hipótesis plantea-
da, proviene de la expresión de la estadística que fundamenta el test
correspondiente, al tratarse de una separación de componentes de una
Juzgamiento de
Ho : Ml -/12 = Jo
T
1 1
Ho : ¡.tI - J-l2 = Jo Ro : Jll - J-L'l = 50 Ho :JIl -J-!2 =c10
frente a frente a fr('Il1,t> a
H I : 111-/1-2 <ou H I : MI -f-L'2 >ou Il] : ji1 - /12 i- 60
I I
~ &
= (x" -l/m) -J"1

~
y~+7,7
No
JI
(xn-l/m)-Jol
I J'l" + ",,,,
ti - 'l
e -
n Tn
1
Tests Tests Tests
TA : "Rechazar Hu si TA : "Rechazar Ho si TA : "R{'chazar !Io si
t~ < t,,(f -1)" t, <t,,(n+m-2)" Z,. < z,,"
TB : "Rechazar Hu si TB : "Rf'chazar Ro si T 13 : •• R t-'chazar Ho si

t; > tl-a(f - 1)" t,. > tl_,,(n + m - 2)" Z,. > 21 _(~ ..
Te : "Rechazar Hu si Te : "R,('ehazar Ho ~.;i Te : "R('cha7,ar lIo si

It;1 > t l -1(f _1)" It,1 > t l _ ,(n+m - 2)" Iz,1 > ZI_,"
Figura 4.12: Compendio 2.
varianza, concordante con el término análisis que significa "distinción y

separación de las partes de un todo hasta llegar a conocer sus principios
o elementos "3.
La función de verosimilitud
L = L (1-" 1 , 1-"2,·· ., I-"k, 0"2; Xll, X12,"" Xl n1 ," ., Xkl, Xk2,·· . ,Xknk)
de las n variables aleatorias Xll, X 12 ,···, X 1n1 ,·.·, X k1 , X k2 ,.··, X knk ,

siendo 0"2 el valor común desconocido de las varianzas de cada población
3 Real Academia Española (2001). Diccionario de la lengua española.
Vigésimasegunda edición. Madrid: Espasa Calpe S.A.
k
adoptando la homoscedasticidad y n = ¿ nj, es específicamente
j=l
L = rr rr _ 1 exp
j=l i=l vl2ii0-
{_~ (Xji -l1j)2}
2 o-
con la utilización de esta función se puede establecer que
nj
• La estimación máximo-verosímil de I1j es ~. ¿ Xji = Xj

J i=l
• La estimación máximo-verosímil de 0-
2 es *¿ k nj
¿
j=l i=l
(Xji - Xj)2
de tal manera que sup L =

ª
Acorde con la hipótesis nula, denotando por 11 el valor común desco-
nocido de los promedios de cada población, 8 0 = {(11, (72) 111 E lR, (72 > O},
de donde se pueden establecer los siguientes elementos:
• La estimación máximo-verosímil del valor común 11 bajo la hipó-

tesis nula es *¿nJ
i=l
x ji = X.
• La estimación máximo-verosímil de 0-
2 bajo la hipótesis nula es
*¿ k
j=l i=l
nj
¿(Xji -x)2.
Por tanto, sup L

21ft I:(Xji-X)21-~ exp {_~}
j=l i=l 2 ' y en conse-
ªo [ n
cuencia
supL k n
j'fl i~ (Xji - x)2
1-~
An = ªo -
supL - k
r~li~(XJl
nj
~JJ J
ª k nj
Algebraicamente, la expresión ¿ ¿ (x ji - x?, llamada suma total de
j=l i=l
cuadrados, puede expresarse como la adición de dos cantidades,
k k nj
¿ nj(Xj - x)2 +¿ ¿(Xji - Xj)2

j=l j=l i=l
conocidas estas últimas como suma de cuadrados entre grupos (en el

lenguaje del diseño experimental, suma de cuadrados entre tratamien-
tos) y suma de cuadrados de errores, respectivamente. Como estas can-
tidades son calculadas a partir de los valores observados de las muestras,
la suma total de cuadrados es el numerador de una varianza muestral
particular, varianza que se descompone entonces en dos partes: una va-
rianza entre grupos o tratamientos o intervarianza y una varianza dentro
de los grupos o intravarianza.
k
j'fl nj(Xj -x)2 + j'fli~(Xji
k nj
-Xj)2 l-~
An = k nj
[ ¿ ¿(Xji - Xj)2
j=l i=l
Sustituyendo
k
L nj(Xj-x)2
k-l )-~
j=l
k-l
k nj
por fe, entonces An = ( 1 + n _ kfe
L L (Xjí- Xj)2
j=l í=l
n-k
4.4. JUZGAMIENTO DE HIPÓTESIS SOBRE VARIANZAS BAJO NORMALIDAD 237
Visto An de esta manera, los valores pequeños de la razón generalizada

de verosimilitudes son causados por valores grandes de fe, y sólo resta
entonces conocer la distribución de la variable Fe porque ya se manifiesta
la forma del test equivalente al test original basado en An.
En primer lugar, la independencia de las variables aleatorias
k k nj
L nj (X j - X)2 Y LL (X ji - X j )2
j=l j=l i=l
está garantizada por la independencia estadística entre las variables alea-

. _ nj _ 2
tonas X j y ¿ (X ji - Xj) .
i=l
En segundo lugar, bajo la hipótesis nula
k
¿ nj (X j - X)2
=_1---:0--,----_ _ _ '" X2 (k
=-..j - 1)
(J2(k - 1)
k nj 2
¿ ¿ (X ji - Xj)
1
y =_1_i_=--c, - - - - - - - - '" X2 (n
=-..j - k).
(J2(n - k)
Por consiguiente, el cociente Fe tiene distribución F con (k-1) y (n-k)

grados de libertad.
Para concluir, el test original
T: "Rechazar Ha si An < e"
puede reformularse como:
T: "Rechazar Ha si fe > h-a((k - 1), (n - k))".
4.4 Juzgamiento de hipótesis sobre varianzas

bajo Normalidad
4.4.1 Juzgamiento de la hipótesis nula Ha : a2 = a5.
Según las condiciones establecidas en la sección 4.3.1, página 218, los
tres sistemas que pueden plantearse son:
• Sistema A:
. 2 2
H O .!J = !JO
frente a
H 1 ..!J 2 < !Jo·
2
• Sistema B:
H O .,.,.2
. v = 2
!Jo
frente a
H 1 ..!J 2 > !Jo·
2
• Sistema C:
H O .,.,.2
. v = 2
!Jo
frente a
H 1 : !J2 "# !J6.
1. Primer supuesto: f..L es una constante conocida.
El juzgamiento de la hipótesis Ho bajo el sistema B, suponiendo
f..L conocido, puede llevarse a cabo por medio de un test derivado
de lo siguiente, con () = !J2. Como
n 2
~...!... '" (x~J.1)
~ ,~,
1 n
L( O; XI, X2, ••• ,Xn ) (V21i'v'e ) e
20.L... ,
"
=e
~...!...
20. 1
,=
f: (Xí~J.1)2+1n( ~v'8)
entonces considerando c( ()) = - 210 Y la pertenencia a la familia
exponencial de densidades, como c( ()) es creciente, por tanto
n
TB : "Rechazar Ho si ¿)Xi - f..L)2 > k".
i=l
Este test es un test UMP para Ho en el sistema B, que equivale

a
n
¿(Xi - f..L)2
TB : "Rech azar HO· 2
SI XC1 = -i=l 2 > x2 1~n (n)"
/
!Jo
que gráficamente está representado por la figura 4.13.

4.4. JUZGAI\IIENTO DE HIPÓTESIS SOBRE VARIANZAS BAJO NORMALIDAD 239
Figura 4.13: Región crítica del test TB.
2. Segundo supuesto: f.1 es una constante desconocida.

De modo similar, un test para Ha en el sistema B, cuando f.1 es
desconocido es
n
L (Xi - Xn)2
"Rechazar Ha si X~2 = _i=_l_----;c--_ _ > XLa(n - 1)".
a5
Para los sistemas A y e, los tests son los siguientes:
TA : "Rechazar Ha si X~l < x;(n)";

TA : "Rechazar Ha si X~2 < x;(n - 1)",
según el supuesto que se adopte acerca de f.1. Igualmente,
Te: "Rechazar Ha si X~l < x;(n) o X~l > XJ(n)";

Te : "Rechazar Ha si X~2 < x;(n - 1) o X~2 > xJ(n - 1)")
que gráficamente están representados en la figura 4.14 donde

a = E + (1 - eS).
La escogencia de los percentiles X;

y XJ es la misma que la de
los percentiles que minimizan la longitud del intervalo confidencial
para a 2 . La solución E = ~ yeS = 1- ~ debe evitarse para muestras
pequenas.
Rechazar H o.---J L Rechazar Ho X2(V)
Figura 4.14: Región crítica del test Te, con v = n o v = n - 1 según el

caso.
Nota. El teorema utilizado para la construcción del test bajo el Sistema

E, permite utilizar el mismo test para juzgar Ha en el sistema siguiente:
rr 2 2
110 : (j ~ (jo
frente a
H 1 .. (j 2 > (jo'
2
En el compendio 3, correspondiente a la figura 4.15, se resume el juzga-

miento de la hipótesis nula Ha : (j2 = (j6'
4.4.2 J uzgamiento de homoscedasticidad

El juzgamiento de homoscedasticidad fue tratado en el ejemplo 4.2.7,
página 205. Sin embargo, en el caso usual referente a dos poblaciones in-
dependientes, corresponde al juzgamiento de la hipótesis nula
Ho : (ji= (j~. Para tal efecto, pueden establecerse tres sistemas de
hipótesis:
• Sistema A:
Ha : (ji = (j~
frente a
H1 : (ji < (j~.
4.4. JUZGAMIENTO DE HIPÓTESIS SOBRE VARIANZAS BAJO NORMALIDAD 241
J uzgamiento de

Hu: aL = a;} Ho : a 2 = a(~ Ho: (72 = a5
frente a frente a frente a
H¡ : aL < al~ H¡ : (J2 > (T(~ H¡ : ,,2 #,,~
n
L(:r, -In)' f= (x, - J1.)2
r--:-j
X~l = =,~,-,1_",,~ __
Tests
TA : "lV'('hazar Hu si TA : "Rechazar Ha si
\;, < \~(fl -- 1)" X~, < x;(n)"
TU : "Rpcha:;;ar /lo si Tn : "Rechazar Ho si
,;, > \~(n- 1)" X~, > x~(n)"
: "l{í·dlazar Ho si Te : "Rechazar Ho si
< \;(71 - 1) () si X~, < x;(n) o si
> x¡(n - 1)" X:, > x~(n)"
n = (+ (1- J) a = f + (1 - o)
Figura 4.15: Compendio 3 .
• Sistema B:
Ho : (Ti = (T~
frente a
H1 : (Ti > d·
• Sistema C:
lJ 2 2
110 : (TI = (T2
frente a
H1 : (Ti 1= (T~.
Los tests utilizados en el juzgamiento de H o, en cualquiera de los tres

sistemas, están basados en el valor de la estadística
2
fe -
-~2
82
donde Fe rv F(n - 1, m - 1) bajo las condiciones del numeral 4.3.2,

página 227. Entonces, los respectivos tests pueden enunciarse como
TA : < fa(n - 1, m - 1)".

"Rechazar Ho si fe
TB : "Rechazar Ho si fe > h-a(n - 1, m - 1)".
Te : "Rechazar Ho si fe < f,(n - 1, m - 1) o fe > fo(n - 1, m - 1)".
Lo mismo que en el caso anterior a = E + (1 - 5). La escogencia de los

percentiles f,(n - 1, m - 1), fo(n - 1, m - 1) que incluye el test Te, es
la misma que la de los percentiles de los intervalos confidenciales para
el cociente de varianzas de dos poblaciones independientes desarrollados
en el numeral 3.4.2, página 169. Si los tamaÍios de las muestras son
relativamente grandes, se pueden usar E = ~ = 5.
4.5 Juzgamiento de proporciones

El juzgamiento de proporciones poblacionales es un tema muy común
en los textos de estadística de todos los niveles, en razón de que muchas
afirmaciones de la cotidianidad, de la actividad industrial, del desarrollo
del comercio, de los quehaceres de la ciencia recurren a porcentajes y
por tanto su empleo es muy amplio. El lenguaje común y el especia-
lizado han incorporado tasas y porcentajes con el sentido específico de
su campo, para proporcionar un elemento descriptivo en la obtención
de información o conocimiento sobre el tema en cuestión y su usanza se
ha ampliado porque aritméticamente es simple y su comprensión muy
generalizada.
Presentar algunas ideas en el juzgamiento de la cuantía de una
proporción poblacional, o porcentaje como ordinalmente se le designa,
cuantía que generalmente no es posible determinar para una población
particular, constituye el propósito de esta sección. Se evitan algunos de-
talles considerados en secciones anteriores, pues en este punto ya deben
ser familiares la estructura y las rutinas propias del juzgamiento de hi-
pótesis, pero con base en las consideraciones que se realizan es posible
construir con los detalles necesarios los distintos tests requeridos.
4..5. JUZGAMIENTO DE PROPORCIONES 243
Para comenzar, el modelo asumido es el modelo de Bernoulli de

parámetro K. La familia de densidades de Bernoulli posee caracterís-
ticas especiales, en el sentido que los teoremas 4.2.14 y 4.2.15, páginas
n
212 y 213 respectivamente, legitiman a ¿ Xi como la estadística que
i=l
fundamenta el juzgamiento de la hipótesis nula Ha : K = Ka en el sistema
Ha : K = Ka
frente a
H 1 : K > Ka,
n
por medio de un test establecido como T : "Rechazar Ha si ¿ Xi > k".
i=l
n
Bajo la hipótesis nula ¿ Xi rv Bin(n, Ka), elegido un nivel del test
i=l
a, y con el ánimo de determinar plenamente el valor de k, puede suceder
que
P,, [t,Xi 2 k+ 1] <" < P,, [t,Xi 2 k]

es decir, no se puede determinar un valor de k para el cual el nivel del
test sea exactamente a. En esta situación hay dos soluciones: modificar
el valor de a por un valor menor a' o establecer un test aleatorizado.
La primera solución es adoptar el nivel a' = P-rro [i~ Xi 2: k + 1] .
La segunda solución es establecer una función crítica:
n
1 si ¿ Xi 2: k +1
i=l
n
1jJ(x~) = r5 si ¿ Xi = k
i=l
n
O si ¿ Xi <k
i=l
La probabilidad de éxito r5 de la variable auxiliar en el test aleatorizado

corresponde a:
a - P-rro [i~ Xi 2: k + 1] a - P-rro [i~ Xi 2: k + 1]

r5 = -~---~.:---=_--;=---=-----~
[t
l=l
Xi 2: k] - P-rro [t l=l
Xi 2: k + 1] P-rro [t
l=l
Xi = k]
De manera que el tamaño del test será:
a - Pno [i~ Xi ~ k + 1] [ n ]
o· P" [t,Xi <k] + P no ['"
n
0 X ,. = k
] Pno l:= Xi
i=l
= k
i=l
+ 1 . P'o [t, Xi
k+ 1] 2
= (a -P" [t,Xi 2 k+ 1]) +P. [~Xi 2 k+ 1] = o Q
Consideraciones similares pueden realizarse en el juzgamiento de la hi-

pótesis nula Ho : 7r = 7ro en el sistema
Ho : 7r = 7ro
frente a
HI : 7r < 7ro,
n
a través de un test establecido como T : "Rechazar Ho si LXi < k", Y
i=l
para el juzgamiento de la referida hipótesis nula en el sistema
Ho : 7r = 7ro
frente a
HI : 7r #- 7ro,
por intermedio de un test
n n
T : "Rechazar Ho si l:= Xi < k l o si l:= Xi > k 2".
i=l i=l
Recurriendo a otras consideraciones, referentes a tamaños de muestra

grandes, las cuales encaminan el desarrollo de los tests más difundidos
en el juzgamiento de un proporción poblacional, se presentan los rasgos
generales de la deducción de los tests correspondientes.
Siendo Xl, X2, . .. ,Xn una muestra aleatoria de una población con
n
distribución de Bernoulli de parámetro 7r, la estadística Pn = ~ LXi,
i=l
4.5. JUZGAMIENTO DE PROPORCIONES 245
la proporción muestral, es un MLE insesgado para 7T, y siendo 1r(L1r) la

correspondiente información de Fisher,
~ f¿ (Pn - 7T) d
---+ Z rv N(O, 1),
(
7T1-7T )
con lo cual la hipótesis nula Ho : 7T = 7To puede juzgarse atendiendo a
este resultado, según alguno de los siguientes sistemas:
• Sistema A:
Ho : 7T = 7To
frente a
H1 : 7T < 7Too
• Sistema B:
Ho : 7T = 7To
frente a
H1 : 7T > 7Too
• Sistema C:
Ho : 7T = 7To
frente a
H1 : 7T =1= 7Too
Basados en la estadística
los tests respectivos pueden formularse como
TA : "Rechazar Ho si Zc < Za"o

TE : "Rechazar Ho si Zc > Zl-a" o
Te : "Rechazar Ho si Izcl < Zl--"'-"

2
o
El requisito que algunos autores subrayan en la utilización correcta de

estos tests consiste en garantizar que npn > 5 y que n(l - Pn) > 50
Por último, cuando se desea juzgar la diferencia entre dos propor-

ciones poblacionales correspondientes a dos poblaciones, se considera
una muestra aleatoria Xl, X2, .. . , X n , de una población con distribu-
ción de Bernoulli de parámetro Irl, Y una muestra Yl , Y2 , ... , Yrn, de una
población con distribución de Bernoulli de parámetro Ir2, siendo estas
poblaciones estadísticamente independientes.
Particularmente, si los tamaños de las muestras son relativamente grandes,
los tests para el juzgamiento de la hipótesis nula Ho : Irl - Ir2 = 00, se
basan en la estadística
(pÁl) - pj;)) - 00
Zc = ----¡:::==============
n
(l_P(l)) + = (1_P(2))
/ p(1)
n = p(2)
siendo p2) = ~ t
i=l
Xi Y pj;) = ~ f
j=l
}jo
Si algún sistema enuncia la hipótesis nula como Ho = IrI - Ir2 = 0, la
estadística apropiada que fundamenta el respectivo test es
p(1) _ p(2)
n m
Z c=
J P(l - P) (~ + ~)
1")(1) + 1")(2)
nrn mrm
siendo P entendida esta estadística como un esti-
n+m
mador del valor común Ir = Irl = Ir2.
4.6 Ejemplos numéricos de aplicación

Ejemplo 4.6.1. El índice de Fishman es un indicador de la madurez
esquelética de adolescentes y preadolescentes. Dentro del estudio epi-
demiológico de salud y mal oclusión dental realizado por la Facultad
de Odontología de la Universidad Nacional de Colombia y la Caja de
Compensación Familiar Colsubsidio, entre 1994 y 1996 Y basado en una
muestra de 4.724 pacientes de su antigua clínica infantil, se comparó
la edad cronológica de niños y niñas con igual maduración esquelética.
Particularmente para un análisis puntual, se consideró una submuestra
de 64 niñas con Índice igual a siete que registró un promedio de edad de
12.6 años con una desviación estándar de 1.21 años, y paralelamente una
4.6. EJEMPLOS NUMÉRICOS DE APLICACIÓN 247
submuestra de 51 mnos, con Índice igual a siete presentó un promedio

de edad de 14.4 años con una desviación estándar de un año.
Bajo el modelo gaussiano, que mostró ser apto para representar la edad
cronológica en este nivel de maduración, ¿es razonable afirmar que el
promedio de eelad en la cual los niños y las niñas alcanzan un Índice de
maduración esquelética de siete, difiere según el género?
En primer lugar, ¿es pertinente adoptar la homoscedasticidad? Dentro
2
de su juzgamiento, SI = 1.21, S2 = 1 Y fe = ~
= 1.4641 Y teniendo en
S2
cuenta que Fe F(63, 50), la probabilidad P[Fe > 1.4641J = 0.0811587
rv
es un valor que al asumir a = 0.05 permite adoptar la homoscedasti-

cidad como supuesto de juzgamiento de Ha : MI = M2 (el promedio de
edad en la cual los niños y las niñas alcanzan un Índice de maduración
de siete es el mismo) dentro del sistema
Ha : MI = M2
frente a
HI : MI -¡ M2·
2 (n-l)s2 +(m-l)s2 .
Entonces como Sp = ~~m-2 2,m, para este caso partIcular, la
· ., cornun
es t lmaClOn 'ele l '
a vananza es 2
sp = 63x(1.21)2+5axl
64+51-2
1 258746018 ,
=.
y con este resultado
12.6 - 14.4 = -8.54731294.

(1.121938509)) l4 + II
En consecuencia como el valor p para este juzgamiento es 6.8511 x 10- 14 ,
éste valor se constituye en evidencia estadística para rechazar la hipótesis
nula Ha : MI = M2 dentro del sistema en consideración.
Si se pasa por alto la homoscedasticidad o si la decisión respecto
a ella hubiese sido contraria, se acudiría a la solución de Welch para
poder contar con los argumentos necesarios para sustentar la afirmación
de igualdad de promedios poblacionales. Dado que
12.6 - 14.4 = -8.6928

) 1.4641
64
+ ..l.
51
su valor absoluto supera ampliamente al percentil 0.975 de una distribu-

ción t con 112 grados de libertad, 1.98137059, porque
2
82 8 ) 2
~+~ 2
f=
(
(~ + ir) = 112.83397.
C~n) C~~m )
-.-+--.
2 2
( 1.4641 )
64_
63
2 ( 51
+ 50
1 ) 2
En consecuencia, bajo esta solución, también hay suficiente evidencia

estadística para rechazar la hipótesis Ho : ¡'.11 = /-12, es decir, la informa-
ción contenida en la muestra respalda cuantitativamente la afirmación
motivada por este análisis puntual.
Ejemplo 4.6.2. El estrés afecta de manera importante la producción de

leche en el ganado vacuno. Las causas que lo producen son de distinta
naturaleza, pero una de ellas parece ser la temperatura del ambiente,
pues las reses tienden a reducir la ingestión de alimento cuando la tem-
peratura aumenta y por consiguiente se ve reducida la producción láctea.
Para evaluar esta circunstancia, se construyeron establos con cubierta de
material aislante del calor para ubicar durante un mes 47 vacas Holstein
de las mismas características que 38 vacas mantenidas en los potreros,
durante el mismo período, cuya protección solar fueron los árboles y ar-
bustos presentes en el lugar. Del acopio de información de la producción
de leche de cada una de las vacas, se tiene lo siguiente:
El promedio de producción mensual de las 47 vacas aisladas del calor
fue de 597 1 con una desviación estándar de 36 1, mientra..'l que el prome-
dio de producción de leche del otro grupo de vacas fue de 360 1 con
una desviación estándar de 45 1. ¿Independientemente de la producción
lechera, modelada apropiadamente de forma Normal según el test de
Lilliefors, se puede afirmar que, de todas maneras, la variabilidad de la
producción es prácticamente igual en las dos condiciones de temperatu-
ra?
Además de preguntarse si ante las condiciones de temperatura del am-
biente se modifica la producción lechera, lo cual puede analizarse de
manera similar al ejemplo anterior, el investigador centra su atención
sobre la variabilidad de la producción. La hipótesis de que el efecto de
la temperatura no altera la variabilidad de la producción, Ho : = ()~, (}r
al manifestarse el sentido de aumento o disminución de la misma, se
4.7. TAMAÑO DE LA MUESTRA 249
juzga en el sistema
Ho: a~ = a~
frente a
Hl : a~ i= a~.
Entonces, fe= ~ = i!~l~ = 0.64. La solución corriente establece para
este caso que fO.025 (46, 37) = 0.54323124 Y que fO.975 (46, 37) = 1.8880067,
con lo cual
fO.025 (46,37) < fe < fO.975 (46,37)
y de allí concluir que no hay la suficiente evidencia estadística para

rechazar la homoscedasticidad, con lo cual se puede asegurar que bajo
las dos condiciones de temperatura en las cuales permanecen las reses,
la variabilidad no se modifica de una manera notable.
4.7 Tamaño de la muestra

El tamaño de la muestra tiene consecuencias ostensibles en la toma de
decisiones, así como en la calidad de las estimaciones. Estimar un pará-
metro es una actividad que persigue fines distintos de los del juzgamiento
de una afirmación acerca de él, y, por tanto, la disposición de lo necesario
para el logro de los fines estrictamente no es la misma. Son dos procesos
entroncados pero distintos en sus efectos o trascendencias. El tama-
ño de la muestra que se utiliza con la finalidad de estimar paráme-
tros no necesariamente es el tamaño apto para el juzgamiento de hi-
pótesis, o, contrariamente, un tamaño elegido para juzgar una hipóte-
sis no propiamente es el tamaño adecuado para estimar el parámetro
correspondiente.
El tamaño de la muestra es un tema que induce la reflexión en los
teóricos y la indagación de su magnitud en los usuarios de la estadística;
corresponde a un asunto de gran amplitud que contiene muchas singula-
ridades y por supuesto no puede ser abordado por un texto que tiene otra
mira. Reiterando lo expresado en el capítulo 3, sólo se presentan unas
minúsculas consideraciones, sin mayor pretensión, sobre dos tamaños de
muestra simple bajo la orientación del modelo gaussiano.
Como el tamaño de la muestra tiene efectos directos sobre los errores
del tipo 1 y del tipo Il, la función de potencia asiste su determinación.
Usualmente se suele asumir un valor de a deseado y a partir de él ajustar

un tamaño muestral para obtener un pretendido valor de (3.
Particularmente, el juzgamiento de la hipótesis nula Ho : ¡..¿ = ¡..¿o
en el sistema A, asumiendo Normalidad y varianza conocida, requiere
un tamaño de muestra específico. Según las consideraciones anteriores,
el test correspondiente de tamaño a, como se dedujo en la subsección
4.3.1, es
T : "Rechazar Ho si y'Ti(x n ~ ¡..¿o) < Z
O" a"
que puede enunciarse igualmente como
T : "Rechazar Ho si x n < ¡..¿o + O"Zü"

y'Ti .
Si ¡..¿ fuese igual a ¡..¿* (¡..¿* .¡. ¡..¿o), la probabilidad del error del tipo II sería,
por consiguiente,
(3=PJL* [X
- n 2:¡..¿o+ O"za]
y'Ti
_
- PJL*
[y'Ti CXn ~ ¡..¿*) > y'Ti(¡..¿o
~ O"
~ ¡..¿*) + Zü]
O"
Por tanto,
y'Ti(¡..¿o ~ ¡..¿*)
~~--=-------.:-----.:.. + Za = Zl-¡3
O"
y como Za = ~Zl-a, entonces
y'Ti(¡..¿o ~ ¡..¿*) ~ Zl-ü = zl-¡3

O"
de donde finalmente,
n= [0"(Zl-a+ Zl_¡3)]2
¡..¿o ~ ¡..¿*
tamaño idéntico al requerido para el juzgamiento de la hipótesis nula

Ho : ¡..¿ = ¡..¿o en el sistema B. La determinación de ¡..¿* no es del todo
arbitraria, como puede ser la de a o la de {3. Concretamente, la pre-
tensión del menor riesgo en la decisión se materializa en la adopción de
probabilidades pequeñas para los errores del tipo 1 y II; pero la elección
de ¡..¿* que acompaña las reflexiones alrededor del error del tipo II, que
4.7. TAMAÑO DE LA MUESTRA 251
corresponda al valor de f3 deseado, debe responder a razones de índole

de sensibilidad del test. Fijar el valor de /L* cercano a /Lo, permaneciendo
constantes los valores de la desviación estándar y los percentiles seña-
lados, tiene un efecto extraordinario en el tamaño de la muestra, pues
lo magnifica sobremanera. En este sentido, la respuesta a la pregunta
¿qué tan sensible debe ser el test? es la única vía que proporciona los
elementos y argumentos para la escogencia de /L*.
Otra situación particular la constituye el establecimiento del tamaño
de muestra adecuado para juzgar la hipótesis nula Ho : /Ll - /L2 = Jo, en
el sistema B. Al igual que el caso anterior se asume el modelo gaussiano
y adicionalmente el conocimiento de las varianzas poblacionales y (T~. (Ti
El test TB desarrollado en el numeral 4.3.2, considerando m = n
puede formularse de otra manera como
TB : "Rec h azar H ' (-

o SI Xn - -
Y n) > ¡;
uO + V(Ti + (T~
n "
Zl-a·
Si /Ll - /L2 fuese igual a 15*, la probabilidad del error del tipo II sería, en
consecuencia,
f3 = Po*
Con lo cual se puede afirmar que

Jo - 15*
2 2 + Zl-ü = Z(3, y debido a que Z(3 = -Zl-(3, entonces
PfI
al
JO -
+a2
n
15*
--;:==
2 2
+ Zl-a = -Zl-(3, luego
al +a 2
n
15* - JO
= Zl-a + Zl-(3, con lo cual se deduce que
PfI 2
al +a 22
n
Cada una de las dos muestras debe entonces contar con n unidades para
cumplir cabalmente las exigencias relacionadas con las probabilidades
de los errores en la decisión. Esta expresión es igualmente válida para

el cálculo del número de unidades estadísticas que deben seleccionarse
en cada una de las dos poblaciones, para el caso del juzgamiento de la
hipótesis nula Ho : /11 - /12 = 50, en el sistema A. La sensibilidad del
test, como en el caso anterior, es la determinante del valor 5*.
4.8 J uzgamiento secuencial

Como formas especiales de juzgamiento de hipótesis, dentro de la temá-
tica conocida como análisis secuencial que incluye también estimación de
parámetros, se encuentran procedimientos basados en tests llamados se-
cuenciales surgidos de la idea de Wald, denominada originalmente como
tests secuenciales de razón de probabilidad (SPRT Sequential Probabi-
litY Ratio Test). Estas formas especiales de juzgamiento de hipótesis
utilizan explícitamente tanto la probabilidad del error del tipo 1 como
la probabilidad del error del tipo II fijando de antemano sus valores,
de manera que el tamaño de la muestra no está predeterminado sino
que ahora depende de Q y (3 y la decisión final está sujeta a decisiones
previas tomadas en pasos consecutivos dentro del proceso. En términos
generales, un test secuencial requiere menor número de observaciones
muestrales que un test basado en una muestra aleatoria de tamaño fijo.
Como punto de partida en la construcción del concepto de juzga-
miento secuencial de hipótesis, se presenta la siguiente definición inicial
que detalla la idea de una clase particular de tests secuenciales, recono-
cida como tests secuenciales de razón de verosimilitudes.
Definición 4.8.1. Siendo Xl, X 2 , . .. , X j una muestra aleatoria de ta-

maño j de una población con función de densidad f x (x, e), fijando los
valores ""o y ""1 tales que ""o < ""1, estableciendo el sistema de hipótesis
Ho : fx(x, e) = fx(x, eo )
frente a
H1 : fx(x, e) = fx(x, et)
y denotando la razón de verosimilitudes Aj, para j = 1,2, ... , como
j
TI fx(x, eo )
L(eO;X1,X2, ... ,Xj) i=l
Aj = L(fh;X1,X2, ... ,Xj) j
TI fx(x, el)
i=l
4.8. JUZGAMIENTO SECUENCIAL 253
al test descrito por

T : "Rechazar Ho en el paso j si Aj S /'\:0; no rechazar Ho si
Aj 2: /'\:L incluir la observación Xj+1 Y calcular la nueva
razón de verosimilitudes Aj+1 para continuar en el paso
j +1 si /'\:0 < Aj < /'\:1 "
se le denomina test secuencial de razón de verosimilitudes.

La región crítica C T de un test secuencial T está conformada por la
unión de las regiones CT,n a saber:
donde la región CT,n = {X~IAj E (/'\:0, /'\:1), An S /'\:0, j = 1,2, ... ,n - 1}

describe el subconjunto del espacio de las observaciones, cuyos elementos
facultan al test secuencial para rechazar la hipótesis nula en el sistema
de hipótesis establecido.
La región de aceptación del test secuencial T, denotada por A T , de
manera similar a su región crítica es
siendo AT,n = {X~IAj E (/'\:0, /'\:1), An 2: /'\:1, j = 1,2, ... , n - 1}.

Corno se comentó al iniciar la sección 4.8, el juzgamiento secuencial
establece previamente los valores de a y (3 manejando así simultáneamente
los errores del tipo 1 y del tipo II y la delimitación del tamaño de la
muestra sujeta a esas determinaciones previas. En consecuencia,
a = f 1, f:r
n=l Cr,n i=l
fx(xi, ()0) dX 1 dX2 ... dX n
(3 = f 1 f:r fx(xi, ()1) dx 1 dX2 ... dx n .

n=l Ar,n i=l
Como a y (3 han sido establecidos de antemano, los conjuntos AT,n y CT,n

no están totalmente especificados y requieren para su determinación los
valores de las constantes /'\:0 y /'\:1, los cuales definen plenamente el test
secuencial. Entonces, el paso siguiente consiste en la concreción de esos
valores, para los cuales el teorema siguiente facilita una aproximación.
254 CAPÍTULO 4. JUZGAMIENTO DE HIPÓT~~SIS
Teorema 4.8.2. Definidos los tamaños de los errores o: y (3, los valores
""o y ""1, que definen un test secuencial T, pueden aproximarse mediante
o: 1-0:
""o ~ 1 - J1 Y ""1 ~ -(3 .
Teorema 4.8.3. Definidos los tamaños de los errores a y (3, y aproxi-

ma dos 1os va1ores ""o Y ""1, por ""o* = 1-,6
Q
Y ""1* = T
1-Q
' respec t'zvamen t e,
los tamaños 0:* y (3* correspondientes a los valores por ""o y ""i son tales
que
a * + (3* < o: + (3.
Ejemplo 4.8.4. Sea Xl, X 2 , . .. ,Xn una muestra aleatoria de tamaño n,

n un valor no prefijado, de una población con distribución de Bernoulli
de parámetro O. Un test secuencial T para el juzgamiento de la hipótesis
Ho : 0=00 en el sistema de hipótesis simples
Ho: 0=00
jrentea
H 1 : 0=0 1
habiendo definido previamente o: y (3, puede formularse en los siguientes
términos.
Definida la razón de verosimilitudes
rr
j
O~i(l - OO)l-xi
00 (1- Od] i~l x,
J
[1 - Oo]j
A' - _i=_l_ _ _ _ __
J - j [01(1 - 00 ) 0
rr
i=l
O~i(l - 01)1-x i
1- 1
el test secuencial T rechaza Ho : O = 00 si Aj :s; ""o. Al utilizar la

aproximación derivada anteriormente, el test rechaza Ho si Aj :s; 1~,6' es
decir, si
j
[ 000(1-0d]i~lXi
1(1-0 0) :s;
o:
1-(3
[1-01]j
1-00
Asumiendo que 00 < 01 , entonces i=~~ < 1 Y ~~g::::~:)l < 1, luego el test
secuencial rechaza la hipótesis nula Ho : 0= 00 , si
j
1n [01(1
O0(1 - O) 00 )] L: X2
. -> 1n [~] + J. In [~]
O
-1. o: 1-1
2=1
Denotando por
In [~]
al = y por
In [e 1 (1-eol ]
eo(l-eIl
el test rechaza la hipótesis nula si
j
¿Xi:2: al + bj.
i=l
Por otra parte, el test secuencial no rechaza la hipótesis nula, si Aj :2: '"'1;
igualmente, al utilizar la aproximación derivada anteriormente, el test
no rechaza Ho si Aj :2: 1ft, es decir, si
Denotando por
-In (T)
ao =
In [e 1 (1-eol ] ,
eO(l- el)
el test no rechaza la hipótesis nula si
j
¿Xi :S ao + bj.
i=l
En síntesis, el test secuencial se puede formular de manera simplificada

como
j
T : "En el paso j rechazar Ho si ¿ Xi :2: al + bj; no rechazar Ho
i=l
j
en el paso j si ¿ Xi :S 00 + bj ; incluir la observación Xj+1 para
i=l
j+1
calcular el nuevo valor ¿ Xi Y continuar en el paso j + 1, si
i=l
j
ao + bj < ¿ Xi < al + bj" .

;=1
De manera gráfica puede entenderse el test como lo muestra la figura

4.16.
i~ Xii
...
_.. .......
..- . -
Rechazar Ho
_.- .- _ ....... ...

_..
.......
.. - .-
...... Continuar
..-
_. - ......
.. -
_.- N o rechazar H o
1 2 3 4 5 6 7 8 9 10 J
Figura 4.16: Representación del test secuencial del ejemplo 4.8.4.
Ejemplo 4.8.5. Sea Xl, X 2 , . .. ,Xn una muestra aleatoria de tamaño

n, n un valor no prefijado, de una población con distribución gaussiana
de valor esperado f) y varianza (J2 conocida. Un test secuencial T para
el juzgamiento de la hipótesis Ho : f) = ¡.Lo en el sistema de hipótesis
simples
Ho : f) = ¡.Lo
frente a
HI : f) = ¡.Lo + C(J,
siendo e una constante conocida y definidos previamente O' y (3, puede
formularse en los siguientes términos:
En primer lugar,
Aj = cxp [2~2 (t,(Xi -"o - ca)' - t,(Xi -1,o)2) 1

El test secuencial T rechaza Ha : () = ¡..ta, si Aj ::; /'\,a, que al utilizar la

aproximación obtenida anteriormente, el test rechaza Ha si Aj ::; 1~,B'
es decir, si
a
<--
-1-,6
o rechazar la hipótesis nula, si
(Xi - ¡..ta) > - -11n (1--- a) + J.-e2 .

j
2: -'-----'----'-
i=1
(J" e ,6 -
En segundo lugar, el test secuencial no rechaza la hipótesis nula si

Aj 2:: /'\,1; igualmente, al utilizar la aproximación obtenida anteriormente,
el test no rechaza Ha si Aj 2:: l~a, es decir, si
j
(Xi - ¡..ta)
2: -'-----'----'- -
< - - 1n
(J"c
1 (1 -,6 a) + .e
-- J- .
2
i=l
Recapitulando, el test secuencial se puede formular de manera simplifi-

cada corno
T
, . . ~ (Xi - ¡..ta)
:"En el paso J rechazar Ha SI 6
(J"
1
2:: --In
e
(a) + .
~
1-jJ
e
J-;
2
i=1
no rechazarla si ~
6
j
(Xi - ¡..ta) ::;
(J"
_~ In (1
e
-
,6
a) + j~;2 calcular el
}.=1
)+1
~ (Xi - ¡..ta) para cont·rnuar en e1 paso J. + 1, SI.
va1or 6
(J"
;.=1
j
2: -'-------'-
. (J"
1 (a)
(Xi - ¡..tu) E (--In
e 1-,6
e--In
- - + j-,
2 e
1 (1-- -
,6
a) + j -2e) ".
1=1
El tamaño de la muestra que siempre ha sido un interrogante ma-

yúsculo, en el juzgarniento secuencial tiene un sentido singular. Corno la
decisión de rechazar o no rechazar la hipótesis nula puede ser pronta, es
decir tornada con muy pocas unidades observadas, pero también tardía
después de haber observado un número considerable de unidades, el
interrogante cambia de ¿cuál será el número de unidades que se debe

elegir? a ¿cuántas unidades en promedio se deben elegir?, puesto que el
tamaño de la muestra final como no está predeterminado ya no es un
número fijo sino variable porque depende de Aj, y precisamente para es-
tos procedimientos de tipo secuencial se asume como una variable aleato-
ria, denotada como N.
En términos de la definición 4.8.1 se puede demostrar que tanto
Eoo [N] como EOl [N] son finitos. Mediante la llamada ecuación de Wald
es posible establecer aproximaciones a estos valores esperados del tama-
ño de muestra.
Teorema 4.8.6 (Ecuación de Wald). Si la sucesión Y1 , Y 2 , · · · , Yr¿, ... ,

es una sucesión de variables aleatorias independientes e idénticamente
distribuidas, tales que E[iYi 1] y E[Yi] = r¡ son finitos, y si N es una
variable aleatoria cuyo recorrido es el conjunto de los naturales y cuyos
valores n, dependen de las variables Y 1 , Y2, ... , YrL' entonces
E [t Y¡ 1~ 1¡E[N].
r t
E lec uan d o 1a sus t't"
1 uClOn Yi = 1n [fX(Xi,Ool]
fX(Xi,O¡) ,Z. = 1, 2 , 3 , ... , 1a razon
'
j
de verosimilitudes Aj se puede expresar como Aj = L Yi. De esta ma-
i=l
nera el test secuencial se puede enunciar como
j
T : "Rechazar Ha : e = ea, si LYi :::: In Ka, no rechazar Ha : e = ea,
i=l
j
si LYi :::: In Kl, ... ; incluir la observación Yj+l para calcular la
i=1
]+1
nueva razón de verosimilitudes LYi' para continuar en el paso
i=1
j
j + 1, si In Ka < L Yi < In K 1" .

i=1
Como el tamaño de muestra no está prefijado, y sus valores considerados

como observaciones de la variable aleatoria N, cuando el test secuencial
conduce a rechazar la hipótesis nula, P [i~ Yi :S In ""o] = 1 Y i~ Yi

tiende a tomar valores cercanos a In ""o y cuando el test conduce a no
rechazar la hipótesis nula P [i~ Yi 2': In ""1] = 1 Y i~ Yi tiende a tomar
valores cercanos a In ""l. Con estas consideraciones, Eeo [f Yi] ~

t=l
In ""o
e igualmente EOl [i~ Yi] ~ In"" 1, entonces
siendo r la probabilidad de rechazar la hipótesis nula.

Usando la ecuación de Wald, el tamaño de muestra esperado
E[N] =
E [f Yi]
i=l
r¡
de manera que su valor puede aproximarse como
E [N] ~ r In ""o + (1 - r) In "" 1 .

r¡
Luego
o: In ""o + (1 - 0:) In "" 1 o: In [ ~] + (1 - 0:) In [T ]

1. Eoo[N] ~ E [Y;] ~ E [Y;]
~ t ~ t
(1 - 13) In ""o + 13 In ""1 (1 - 13) In [~] + 13 In [T]

2. EOl [N] ~ E [Y;] ~ E [Y;]
el t el t
Ejemplo 4.8.7. Sea Xl, X 2, ... ,Xn una muestra aleatoria de una po-
blación con distribución gaussiana de valor esperado () y varianza cono-
cida a 2 . Determinar el tamaño de la muestra requerido para el juzga-
miento de la hipótesis nula H o, en el sistema de hipótesis
Ho : () = 75
frente a
H1 : () = 80,
con las siguientes condiciones: a = 0.01, j3 = 0.05, (]"2 = 25. Igualmente,

determinar los tamaños de muestra esperados si el test que se va utilizar
es un test secuencial.
El test T: "Rechazar Ho si xn > c" es un test equivalente al test de
razón simple de verosimilitudes. Entonces
PO=75 [Xn > cJ = 0.01 = PO=75 [yIn(X~ -75) > y1n(c - 75)]
5
PO=80 [Xn < cJ = 0.05 = PO=80 [yIn(X n - 80) < y1n(c - 80)]
5 5 '
Luego
 ( y1n(c - 75)) = 0.99 Y ( y1n(c - 80)) = 0.05

5 5
es decir,
y1n(c - 75) y1n(c - 80)
5 = ZO.99 = 2.326347 Y 5 = ZO.05 = -1.64485348
de donde se deduce que yIn = 3.97120048, entonces n = 15.7704332, es
decir, n = 16. En general, si el sistema de hipótesis se formula. como
Ho: e = ¡..to
frente a
HI : e = ¡..tI,
siendo ¡..to < ¡..tI,
Yi = In [IIx (Xi,
( /LO)].,
),2 = 1,2,3, ... , Yi = 1 [( ILo2 -
-----:2 2)
P'1 -
2Xi (ILo - IL]
)] .
X Xi, /LI 2a
Luego
1 2
E¡.to [Yi] = 2(]"2 (¡..tI - ¡..to)
1 2
E¡.tl [Yi] = - 2(]"2 (¡..tI - /Lo) .
I
En el caso particular ¡..to = 75, ¡..tI = 80, (]"2 = 25, EO=75 [Yi] 2'
E O=80[Yi] = -~, a = 0.01, j3 = 0.05, entonces
Eoo [N] ~ 2 [a In (1 ~ j3) + (1 -

a) In (1 ~ a)] 5.8206 ~ 6 =
EOl[N] ~ -2 [(1- j3) In (1 ~ j3) + j31n (1 ~ a)] = 8.3538 ~ 9.

4.9. JUZGAMIENTO DEL AJUSTE 261
En general, esta propiedad de necesitar un tamaño esperado de la mues-

tra menor al tamaño de la muestra que requieren los tests que deben
determinar previamente el tamaño citado, es una propiedad que carac-
teriza a los tests secuenciales.
Terminada esta breve presentación de la idea central de un test se-
cuencial, se continúa con la siguiente sección dedicada al juzgamiento
del ajuste.
4.9 Juzgamiento del ajuste

Al constituir distintas formas de teorizar y de aplicar conceptos, posi-
ciones que no rivalizan dentro de una concepción unitaria de la es-
tadística, algunas áreas de la estadística prescinden de los modelos de
probabilidad mientras que otras, como la concepción bayesiana, extien-
den su tarea. Pero indiscutiblemente a la esencia misma de la inferencia
estadística son inherentes los modelos probabilísticos; por ello en rei-
teradas ocasiones este texto se ha referido al modelo de probabilidad
elegido, como la manera propia de representar el comportamiento de
una variable y más específicamente para representarlo en la acepción de
población.
Con la elección de un modelo se buscan o evalúan estadísticas para
su certificación como estimadores, se construyen buenos intervalos confi-
denciales para alguna función del parámetro o para sus componentes, se
apoya el juzgamiento de una hipótesis relativa precisamente al modelo
elegido. Pero, en un caso particular, ¿cuál debe ser el modelo adecuado?
Por supuesto que hay innumerables distribuciones estadísticas que
pueden servir de modelo para representar una población específica; pero
por tratarse de una tarea de adopción de un paradigma lo más fiel a
la realidad en estudio, la elección debe responder tanto a razones es-
tadísticas como a argumentos no estadísticos. La tradición de un mo-
delo para representar una variable puede ser un argumento importante,
porque permite la comparación de resultados de distintas investigaciones
o estudios, pero no siempre debe ser el único argumento. Indiscutible-
mente, en los detalles del conocimiento del fenómeno dentro del cual se
modela una variable se encuentran argumentos de mayor significación
para señalar a un modelo en particular.
Pero al lado de razones propias de la naturaleza del fenómeno, hay
instrumentos estadísticos que permiten valorar la aptitud del modelo
de ser emulado por la información disponible en la muestra. Se tra-

ta de un variado repertorio de procedimientos con la denominación de
bondad del ajuste, construidos sobre diversos puntos de vista. El lector
encontrará una profusa bibliografía acerca del ajuste a modelos proba-
bilísticos, principalmente al modelo gaussiano, conocido como pruebas
de Normalidad. Este texto solamente introduce las ideas pertinentes al
tema por medio de los tests, de Pearson, como uno de los procedimientos
más tradicionales para el examen de la calidad del ajuste y el test de
Kolmogorov-Smirnov. Sin embargo es necesario mencionar la existen-
cia de tests como los de Lilliefors, el test de Normalidad de Anderson-
Darling, pruebas especiales para el juzgamiento de la Normalidad como
la de Shapiro-Wilk o la de Martínez-Iglewics, que poseen propiedades
especiales y las hacen en cierta forma más demandadas, tests entre otros
que el lector podrá estudiar y profundizar en un curso de estadística no
paramétrica principalmente.

Pearson
Propuesta a principio del siglo XX por Pearson, es la forma pionera de
los tests de juzgamientos del ajuste, aun cuando un concepto paralelo
al tema venía desarrollándose en el siglo anterior: la estimación de una
función de densidad.
Para dar inicio a las consideraciones del juzgamiento del ajuste, se
fija una partición del recorrido de la variable que va a ser representada
por la variable aleatoria X, asumida como modelo para la población,
partición constituida por k clases disjuntas y se considera además una
muestra aleatoria Xl, X2, .. . , X n , de tamaño n de una población cuya
función de densidad no se conoce.
En términos muy concretos, la decisión frente a la elección de un
modelo propuesto corresponde al juzgamiento de la hipótesis "el modelo
candidato interpreta adecuadamente el comportamiento poblacional",
que se traduce en la mayoría de las veces a través de la función de
distribución como Ho : Fx(x) = Fo(x, e) para todo x, frente a alguna
hipótesis alterna apropiada.
Siendo N j la variable que contabiliza el número de observaciones
muestrales que pertenecen a la j-ésima clase ej, j = 1, 2, ... ,k, el vector
aleatorio V = (Ni, N 2 , . .. ,Nk )' tiene distribución multinomial con pará-
metro
k
e= (1f1,1f2,'" ,1fk)', cuyos componentes son tales que ¿ 1fj = 1, Y
j=l
k
por otra parte ¿ nj n, nj E {O, 1, ... , n}. En otras palabras, su
j=l
función de densidad es:
__kn_'-II 1fj
-
, n
nj
.
TI nj! i=l
j=l
El j-ésimo componente del vector e,

1fj denota la probabilidad de que
una observación muestral pertenezca a la clase j, probabilidad que se
calcula por supuesto por medio del modelo en consideración. De esta
manera, el sistema de hipótesis que incluye la hipótesis nula reformulada
puede plantearse como
H O :1fj=1fJ, j=1,2, ... ,k

frente a
H1 : 1fj # 1fJ, j = 1,2, ... ,k.
Entonces, el test de razón generalizada de verosimilitudes será
T: "Rechazar H o si An = nn II :J0)
k ( nj
< c ",
j=l J
que al contar con un tamaño de muestra suficientemente grande, en con-

sonancia con el enunciado del teorema 4.2.6 página 205, puede enunciarse
como
La idea de Pearson, anterior a la existencia de conceptos como la razón

generalizada de verosimilitudes, es cotejar la frecuencia N j , denomi-
nada j-ésima frecuencia observada con la frecuencia n1fJ conocida co-
mo j-ésima frecuencia esperada, porque bajo la adopción del modelo,
E[Nj ] = mrJ. Pearson sintetiza su idea en la estadística
L (N
k
j - mrJ)2
j=l n1["°
J '
pues valores pequeños de ella se constituyen en argumentos a favor de la

hipótesis nula, que en general se le entiende como ajuste, mientras que
los valores grandes son evidencias estadísticas de no coherencia con el
modelo, es decir, de no ajuste. La Estadística de Pearson converge en
distribución a una variable aleatoria con distribución Ji-cuadrado con
(k - 1) grados de libertad, luego la adopción del modelo se desecha si
k (N. _ n1["0)2
'~
"' J n1["0 J > x1-oJk
2 - 1).
J=l J
Ejemplo 4.9.1. Como preparación a la evaluación del ajuste al modelo

Uniforme en el intervalo (0,1) de una variable que toma valores en el
mismo intervalo, se establece una partición que por comodidad puede
consistir de subintervalos de igual amplitud; es decir, el subintervalo
j-ésimo es (2if, fe), de manera que
°
1[".=
J
i i
k
~
k
dx=-
1 k'
j = 1,2, ... ,k.
En segundo lugar se considera una muestra aleatoria Xl, X 2 , .. . ,Xn , de

tamaño n de una población Uniforme en el intervalo (0,1), y a partir de
ella se determina cada una de las variables N j , como se señaló anterior-
mente, con lo cual se establece la Estadística de Pearson.
De manera particular, la proporción de la prima legal que el asalariado
dedica a pagar obligaciones económicas contraídas anteriormente es una
de las variables de interés para un estudio sociológico, de cuyos resulta-
dos se extrae la tabla 4.3, basada en los resultados de una entrevista a
950 empleados del sector manufacturero.
Los teóricos sociales encargados de la conducción del estudio no encuen-
tran razones especiales para afirmar que la proporción de la prima dedi-
cada a cubrir obligaciones económicas contraídas tenga una distribución
con algún sesgo o que tenga un apuntamiento especial; por tanto, en-
cuentran razonable el uso del modelo Uniforme para describir rasgos de
4.9. .JUZGAMIENTO DEL AJUSTE 265
Porcentaje Número de
dedicado Empleados
Más de hasta
O 20 162
20 40 210
40 60 194
60 80 186
80 100 198
Total 950
Tabla 4.3: Distribución del número de empleados según el porcentaje de

la prima que dedican al pago de sus obligaciones económicas adquiridas.
este aspecto de los empleados.

La tabla 4.4 presenta tanto las frecuencias observadas y esperadas corno
los sumandos para la determinación del valor de la Estadística de Pear-
son, derivados de la información precedente.
(nj - npi~)2
I j I Clase j I nj I n1rJ I npiC!1
1 [0,0.2] 174 190 1.34736842
2 (0.2,0.4] 198 190 0.33684211
3 (0.4,0.6] 194 190 0.08421053
4 (0.6,0.8] 186 190 0.08421053
5 (0.8,1.0] 198 190 0.33684211
Total 2.18947368
Tabla 4.4: Elementos para el cálculo del valor de la Estadística de Pear-

son correspondiente al ejemplo 4.9.1.
El valor 9.48778 corresponde al percentil 95 de una variable con dis-

tribución Ji-cuadrado con (k - 1) = 4 grados de libertad; por tanto,
al ser el valor de la Estadística de Pearson menor que el mencionado
percentil, se concluye que no hay evidencia estadística para rechazar el
modelo uniforme para caracterizar con propiedad la proporción de la
prima de los empleados dedicada a cubrir obligaciones económicas con-
traídas, decisión idéntica si se utiliza el valor p cuyo valor corresponde
266 CAPÍTULO 4. JUZGA MIENTO DE I1IPÓTgSIS
a 0.70095688.
Ejemplo 4.9.2. Igualmente como preparación a la evaluación del ajuste

al modelo gaussiano con valor esperado J.L y varianza CJ2 totalmente es-
pecificados, de una variable de interés, se determina una partición de la
recta real que por comodidad puede consistir de k subintervalos disjuntos
de igual amplitud, exceptuándose el primero y el último. El subinter-
valo j-ésimo (xj -1' xj), con x~ = - 00 y x~ = 00, es un intervalo cuya
probabilidad es
o
]f. -
J
_¡Xj
x'
--
1 [1 (x -
exp - -
vI21iCJ 2
J.L)
--
CJ
2] d x -_ ([> (X-j --JI) -([> (X j -1 - J.L)
CJ CJ
)-1
j = 1,2, ... , k, y seguidamente se considera una muestra aleatoria

Xl, X 2 , . .. ,Xn , de tamaño n de una población cuya densidad se des-
conoce y a partir de ella se determina cada una de las variables N j ,
como se ha señalado, para establecer la correspondiente estadística de
Pearson.
Específicamente, en un estudio neumológico, la CPT (capacidad pul-
monar total) definida como el volumen máximo que los pulmones pueden
alcanzar con el máximo esfuerzo, es una de las variables relevantes. En
los adultos, la CPT tiene como promedio 5.800 mI, con una desviación
estándar de 150 mI. De una muestra de 270 pacientes, sin antecedentes
neumológicos, a los cuales se les realizó un examen para determinar la
CPT, se ha resumido la información de esta variable en la tabla 4.5.
CPT(ml) Número de
Pacientes
Menos de 5 400 12
de 5 400 a 5 500 46
de 5 500 a 5 700 78
de 5 700 a 5 850 80
de 5 850 a 6 000 39
de 6000 y más 15
Total 270
Tabla 4.5: Distribución del número de pacientes según la capacidad

pulmonar total.
¿El modelo gaussiano de valor esperado 5.800 y desviación estándar de

150, será una elección acertada como modelo para representar la capaci-
dad pulmonar total de pacientes que cumplen los criterios de inclusión
definidos para el estudio?
La tabla 4.6 presenta tanto las frecuencias observadas y esperadas como
los sumandos para la determinación del valor de la Estadística de Pear-
son, derivados de la información precedente.
(nj - npi~)2
npi~
1 ( -00,5400] 2 0.003830425 1.03421478 0.90188334
2 (5400,5550] 15 0.043959905 11.86917443 0.82584251
3 (5550,5700] 60 0.204702137 55.26957697 0.40486834
4 (5700,5850] 102 0.378066128 102.07785468 5.9680E - 05
5 (5850,6000] 71 0.278230122 75.12213300 0.22619140
6 (6000,00] 20 0.091211282 24.62704613 0.86935135
Total 3.22819633
Tabla 4.6: Elementos para el cálculo del valor de la Estadística de Pear-

son correspondiente al ejemplo 4.9.2.
El valor 11.0705 corresponde al percentil 95 de una variable con dis-

tribución Ji-cuadrado con (k - 1) = 5 grados de libertad; por tanto,
al ser el valor de la estadística de Pearson menor que el mencionado
percentil, se conduye que no hay evidencia estadística para rechazar el
modelo gaussiano como modelo apto para caracterizar la CPT, decisión
que equivale a utilizar el valor p cuyo valor es 0.66485144.
En estos ejemplos se proporcionaron explícitamente los valores de

los componentes del parámetro. En el primer caso, (h = O y fh = 1;
en el segundo, el = f.j = 5800 Y e2 = 0- 2 = (150)2. Sin embargo no
siempre ocurre que el modelo en elección esté completamente especi-
ficado; muchas veces se candidatiza a la familia de modelos y no a un
miembro particular de ella, lo cual implica la estimación de componentes
del parámetro, bajo el modelo en consideración por supuesto, y de esta
manera se afecta la distribución de la Estadística de Pearson, pues se
reducen los grados de libertad en el número de componentes estimados.
La demostración de esta afirmación está en concordancia con el teorema
4.2.6 Y está fuera de los alcances de este texto.

Entonces, si en el ejemplo anterior no se hubiesen especificado los
valores de J..l = 5800 Y (J = 150, habría sido necesario estimar los dos
componentes del parámetro, y como consecuencia los grados de libertad
disminuirían de 5 a 3. Con esta modificación en los grados de libertad
y la sustitución de J..l y (J por sus respectivas estimaciones, que para este
caso son X270 = 5698.88 Y 8270 = 182.45, el procedimiento es el mismo
que el seguido en los dos ejemplos anteriores.

Kolmogorov-Smirnov
Como se manifestó en el numeral anterior, la decisión frente a la elec-
ción de un modelo propuesto, equivale al juzgamiento de la hipótesis "el
modelo candidato interpreta adecuadamente el comportamiento pobla-
cional", traducida generalmente a través de la función de distribución.
El método de Kolmogorov-Smirnov evalúa el ajuste a modelos que repre-
senten variables continuas y juzga la hipótesis nula Ho : Fx(x) = Fo(x, B)
para todo x, dentro del sistema de hipótesis
Ho : Fx(x) = Fo(x, B) para todo x

frente a
H 1 : Fx(x) .¡. Fo(x, B) para algún x.
A diferencia de la idea de Pearson que coteja las frecuencias observadas

con las frecuencias esperadas, la idea de Kolmogorov, por su parte, coteja
la función de distribución correspondiente al modelo postulado con la
función de distribución empírica. A principio de la década del 30 del
siglo pasado, Kolmogorov condensó su idea en la estadística
Dn = sup IFn(x) - Fo(x, B)I

-oo<x<oo
que luego Smirnov, a finales del mencionado decenio, la hizo extensiva

a otros propósitos, estadística cuya distribución depende directamente
del tamaño de la muestra como lo garantiza el teorema de Glivenko-
Cantelli. Del mismo teorema se puede afirmar que valores pequeños de
la estadística Dn son argumentos estadísticos a favor de la hipótesis nula,
porque si la mayor diferencia entre la distribución propuesta y la función
de distribución empírica es relativamente pequeña, las demás diferencias
también serán pequeñas y, por tanto, el modelo es pertinente; mientras

que valores grandes de la estadística se constituyen en evidencias es-
tadísticas para prescindir del modelo propuesto como representante del
comportamiento poblacional.
La distribución muestral de Dn tiene una expresión engorrosa, que el lec-
tor puede consultar en Nonparametric Statistical Inference (J. D. Gib-
bons (1971) pp. 77 a 81). El siguiente teorema presenta una aproxi-
mación cuando el tamaño de muestra es relativamente grande.
Teorema 4.9.3. Si Fo(x, fJ) es una función de distribución continua,

entonces para cada v > O,
La función h( v) fue tabulada por Smirnov a mediados del siglo pasa-

do y muchos programas de cómputo estadístico han incluido algoritmos
para la determinación de los respectivos percentiles y el cálculo de los
valores p, e igualmente algunos textos, principalmente los textos de es-
tadística no paramétrica, incluyen tablas que permiten determinar los
percentiles correspondientes.
En pocas palabras, cuando la calidad del ajuste no es satisfactoria
se descarta el modelo propuesto, decisión que se adopta cuando d n > c.
Utilizando la aproximación ofrecida por el teorema anterior, el tamaño
del test puede establecerse mediante la expresión
Ejemplo 4.9.4. Para ilustrar la parte operativa del ajuste por el método
de Kolmogorov-Smirnov, una muestra de 25 baldosas de cerámica de
un lote de producción fueron seleccionadas para identificar el modelo
apropiado para describir la variabilidad del grosor de la baldosa que ella
alcanza al final del proceso de fabricación. Teniendo en cuenta infor-
mación que acopia el Departamento de control de calidad, es razonable
pensar que el grosor tiene un comportamiento uniforme entre 90 y 110
milímetros. La tabla 4.7 presenta los valores particulares de la muestra
ordenados, la función empírica, la función de distribución correspondien-
te al modelo en consideración y las diferencias entre ellas.
Como sup 1F25(X) - Fo(x, fJ)1 = 0.05 y el percentil 95 de la distribución
Valores
ordenados F 25 (X) F o (x, 8) IF25 (X) - Fo(x, 8)1
91 0.04 0.05 0.01
92 0.08 0.10 0.02
93 0.12 0.15 0.03
94 0.20 0.20 0.00
94 0.20 0.20 0.00
95 0.28 0.25 0.03
95 0.28 0.25 0.03
96 0.32 0.30 0.02
97 0.36 0.35 0.01
98 0.40 0.40 0.00
99 0.44 0.45 0.01
100 0.48 0.50 0.02
101 0.52 0.55 0.03
102 0.56 0.60 0.04
103 0.60 0.65 0.05
104 0.72 0.70 0.02
104 0.72 0.70 0.02
104 0.72 0.70 0.02
106 0.76 0.80 0.04
107 0.84 0.85 0.01
107 0.84 0.85 0.01
108 0.88 0.90 0.02
109 0.96 0.95 0.01
109 0.96 0.95 0.01
110 1.00 1.00 0.00
Tabla 4.7: Valores muestrales ordenados del grosor de las baldosas y sus
respectivos valores de las funciones de distribución.
de Dn es 0.238 (valor tomado de la tabla III de Applied Nonparametric

Statistical M ethods (P. Sprent (1993)), no hay evidencia estadística para
desechar el modelo uniforme en el intervalo (90,110) para describir las
irregularidades, respecto al estándar, del grosor de la baldosa.
N ata. El juzgamiento del ajuste de una variable discreta mediante el

método de Pearson no tiene restricción alguna, sólo la que le es común a

cualquier tipo de variable: tamaño de una muestra relativamente grande,
para que sea legítimo el uso de los percentiles de una variable aleatoria
con distribución Ji-cuadrado, o el cálculo de los valores p a través de
ella, corno los puntos de referencia para tornar la decisión. El método de
juzgamiento del ajuste mediante la estadística de K olmogorov-Smirnov
se ha establecido sobre la consideración de que Fo(x, O) es continua. Sin
embargo, algunos autores corno Noether han demostrado que se puede
utilizar el procedimiento para ajuste de modelos discretos, pero que el
nivel del test se altera.
Para finalizar este capítulo y por consiguiente al contenido del libro,

una precisión acerca del vocablo modelo, que aparece por primera vez en
este texto en la página 1 cuando se cita una frase del psicólogo Jerome
Seymour Bruner, con la cual se encabeza el capítulo 1, Y que se menciona
con frecuencia de manera explícita o tácita en todos los capítulos y que
incluso también en estos últimos párrafos se hace alusión a él.
La mente humana puede construir modelos tan artificiosos y comple-
jos como quiera, pues cuenta con herramientas que le permiten elaborar
ilimitadamente mundos virtuales donde puede incorporar, a voluntad,
propiedades, relaciones, normas, semánticas, en fin, un sinnúmero de
elementos, agregados a voluntad o en coherencia con otros, para generar
la dinámica propia de ese mundo virtual.
Pero tal vez no sea la mejor ruta el excesivo detalle y meticulosidad
en la elaboración del modelo, tratándose de encontrar un paradigma
que a manera de una réplica ofrezca alternativas de explicación de la
realidad, de reproducción simplificada de los rasgos y características de
ella. Aunque en el modelado de la realidad se incluyen elementos no
reales y se excluyen realidades que se suponen o se demuestran que son
superfiuas, en la descripción o explicación de un fenómeno ese proceso
modelador debe estar inspirado en un principio de economía que permite
simplificar al máximo los conceptos, elementos y relaciones del modelo.
Guillermo de Ockham, polémico filósofo del siglo XIV ya lo advertía
con su famosa Ley de parsimonia que corrientemente se le conoce como
Navaja de Ockham, que consiste en la inutilidad de multiplicar los ele-
mentos explicativos o descriptivos de algún fenómeno, enunciada como
"Entia non sunt multiplicanda sine necessitate" que puede traducirse co-
mo, no hay que multiplicar las cosas sin necesidad, y entenderse en este
texto como la intención sana de formular modelos y teorías que busquen
explicar los hechos utilizando el mínimo de presupuestos.

Los modelos probabilísticos, como se ha afirmado a lo largo de este
texto, son modelos especiales que intentan reproducir un comportamien-
to exclusivo de variabilidad, modelos que incorporan expresiones mate-
máticas propias que lo identifican y lo caracterizan, expresiones que de-
penden principalmente de parámetros que habilitan la identificación de
miembros de una familia particular de modelos. Como modelos que son,
los modelos probabilísticos no están exentos de construirse de manera
exagerada y compleja complicando posiblemente su manejo.
La sencillez del modelo despojado de lo superfluo, con parsimonia en
sus parámetros, lo enaltece, lo hace atractivo, lo hace útil. Por ello la
propuesta de modelos sencillos para representar una población particu-
lar, cuando los modelos usuales y tradicionales no colman las expectati-
vas de los investigadores y analistas estadísticos en casos específicos, es
un reto interesante para una mente inquieta que ve en la naturaleza la
fuente de inspiración y el motivo de sus reflexiones estadísticas.
"La mayoría de las ideas fundamentales de la ciencia

son esencialmente sencillas y por lo general pueden ser
expresadas en un lenguaje comprensible para todos".
Albert Einstein

Teorema 4.2.3. Sea Xl, X 2 , . .. ,Xn una muestra aleatoria de una po-
blación con función de densidad f X (x, e). Si el sistema de hipótesis es
Ho: e = eo
frente a
Hl : e = el,
el test T cuya función crítica corresponde a
n n
82
;=1 ;=1
n n
;.=1 ;=1
es un test más potente para H o , siendo k una constante positiva y

7r r (e o) = 0:.
Demostración. Como preparación para la demostración, se tienen los

siguientes elementos:
l. Paralelamente al test T, se considera cualquier test T' para el juz-

gamiento de la hipótesis nula, con función crítica CPr' (x~) y nivel
0:.
2. Además de la región crítica Cr,n asociada al test T, cuya función

crítica es 1{!r (x~), se establecen los siguientes conjuntos, disyuntos
entre sí y disyuntos con Cr,n,
D ~ {x;. k gfx(Xi,B¡) < gfX(Xi,BO)};
E ~ {x;. k gfX(Xi,B¡) ~ gfx(Xi,Bo)},

3. 1{!r(X~) puede considerarse una variable aleatoria con distribución
de Bernoulli cuya probabilidad de éxito bajo o es e
4. El símbolo J corresponde a la integral múltiple sobre el conjunto

A
A y dx~ representa a dX1 dX2 ... dx,.,.
El objeto de la demostración es simple: concluir que 7r T (e 1 ) 2" 7r T /(e 1 )

tal como lo estipula la definición 4.2.1 o en otros términos concluir que
Eel ['Ij!T(X~)J 2" Ee1 [<PT/(X~)J .

Para ello, la demostración gira alrededor de la diferencia:
~ = Ee 1 ['Ij!T(X~)] - Ee 1 [<PT/(X~)] = Ee ['Ij!T(X~) - <PT/(X~)]
= J['Ij!T(X~)
X
- <PT/(X~)] fr fx(xi, e1)dx~.
2=1
Como X =G T ,,., U D U E,
~= J ['Ij!T(X~) <PT/(X~)J fr
e T,n
-
2=1
fx(xi, eddx~l
+ J['Ij!T(X~) <PT/(X~)] fr - fx(xi, el)dx~

D 2=1
+ J['Ij!T(X~) <PT/(X~)J fr - fx(xi, e1)dx~1

E 2=1
cuando x~ E GT,n, 'lj!T(X~) = 1 Y cuando x~ E D, 'lj!T(X~) = O; entonces,
6. 1 =
CT,n
J [1- CPT'(X~)J frfX(Xi,eddx~ +./ [-CPT,(x~)l frr'«(xi,eddx~
,=1 D 7=1
+ ./ [~T(X~) - CPT'(X~)l frfX(Xi,eddx~.

E ,=1
,., 11
Adicionalmente, cuando x~ E GT ,,.,, k TI fx(xi,ed > TI fx(xi,e o ), y

i=l i=l
con ello
k ./ [1- CPT'(X~)J frfX(Xi,eddx~ > ./ [1- CPT,(x~)l llfx(:1;i,eu)dx;¡.

i=l i=1
cr,n Cr,n
n n
Igualmente, cuando x~ E D entonces -k TI fx(xi, el) > - TI fx(xi, ea),
i=l i=l
por tanto,
k J[-<PTI(X~)J TI:fx(xi,eddx~ J[-<PTI(X~)J TI:fx(xi,eo)dx~.

D 2=!
>
D 2=1
n n
Finalmente, cuando x~ E E, k TI fX(Xi, el) = TI fx(xi, ea), con lo cual
i=l i=l
k J[1j)T(X~)
E
- <PTI(X~)J TI: fx(xi, eddx~
2=1
= J[1/JT(X~)
E
- <PTI(X~)J TI: fx(xi, eo)dx~.
2=1
Teniendo en cuenta las desigualdades descritas,
kD.1> / [1- <PTI(x~)l frfX(Xi,eo)dx~ + / [-<PTI(x~)l frfX(Xi,eo)dx~

CT,n 1,=1 D 1,=1
+/ [l/)T(X~) - <PTI(X~)l frfX(Xi,eo)dx~ = D. 2

~' 1.=1
D.2 = / [l/)T(X~) - <PTI(X~)l gfX(Xi,eo)dX~

CT,n
+/ [l/)T(X~) - <PTI(X~)l frfX(Xi,eO)dx~

D 1=1
+/ [l/)T(X~) - <PTI(X~)l frfX(Xi,eo)dx~

E 1=1
= EOo ['l/)T(X~) - <PTI(X~)l·

Como los tests tienen el mismo nivel, ~2 = a-a = O Y como k~l > ~2,
se puede afirmar que ~1 2: O; luego
conclusión que garantiza que el test T cuya región crítica es CT,n es un

test más potente para
Ho : (J = (Jo
frente a
HI : (J = (JI. o
Teorema 4.2.6
Su demostración puede consultarse en Mathematical Statistics (Wilks
(1962), pp. 419 Y 420).
Teorema 4.2.14. Sea Xl, X 2 , .. . , X n una muestra aleatoria de una

población con función de densidad fx(x, (J), (J E e <:;;; IR Y la familia
{Jx(x, (J)} tiene MLR en la estadística T = t(X I , X2,' .. ,Xn ).
1. Si la razón monótona de verosimilitudes es no decreciente y si ta

es tal que
POo[t(X I , X 2 ,···, X n ) < tal = a
entonces el test
T: "Rechazar Ho si t(XI, X2,·· . , x n ) < ta"

es UMP para Ho, en el sistema
Ho : (J :S; (Jo
frente a
HI : (J > (Jo.
2. Si la razón monótona de verosimilitudes es no creciente y si tI-a

es tal que
P OO [t(X I ,X2, ... ,Xn ) > tI-al = a,
entonces el test
T: "Rechazar Ho si t(XI, X2,··· , x n ) > tI-a"

es UMP para Ho, en el sistema
Ho : (J :S; (Jo
frente a
HI : (J > (Jo·
Demostración. Sean fh y e2 dos valores de e de manera que el ~ eo

e e
y 2 > o, con ellos se formula un nuevo sistema de hipótesis simples
como:
Hó : e = el
frente a
H; : e = e2 .
El lema de Neyman-Pearson garantiza que el test
T :
"R h H*· \
ec azar o SI An = L(e l ;Xl,X2, ... ,Xn ) < K,
"
L(e2 ;Xl,X2, ... ,X n )
es un test más potente para Hó en el nuevo sistema. Dado que la fa-

milia {Jx(x, entiene MLR en la estadística T = t(X l , X 2 , ... , X n ),
y suponiendo que el cociente de verosimilitudes es una función no cre-
ciente de t(Xl, X2, . .. , x n ), afirmar que la razón de verosimilitudes An < K,
equivale a afirmar que t(Xl, X2, ... , x n ) > tI-e", como lo indica la figura
4.17. Por tanto, el test se puede formular de manera equivalente como
T : "Rechazar Hó si t(Xl, X2,·· ., x n ) > h-a".

Este test es UMP para Ho en el sistema
Ho : e ~ eo
frente a
Hl : e > eo,
e
debido a que el test no depende de el ni de 2 , porque el test es más
potente para cualquier elección de el, e2 E e, sujetos a que el ~ eo < e2.
El otro numeral del enunciado del teorema se demuestra de igual manera.
O
Teorema 4.8.2. Definidos los tamaños de los errores a y {3, los valores
K,o Y K,l, que definen un test secuencial T, pueden aproximarse mediante
a 1-a
K,o ~-- y K,l ~--
{3 .
1-{3
Demostración. Asumiendo que la hipótesis nula es cierta, entonces
An
tI-a t
Figura 4.17: Esquema de un cociente no creciente de verosimilitudes

como función de los valores de la estadística T n .
Además
rr
i=1
n
fx(xi, 80 ) :s; ~o rr
n
i=1
fx(xi, 8d·
Por tanto,
o: :s; ~o f¡
n=1
TI: fx(xi, 8
CT,n i=1
1 ) dx I dX2' .. dX n = (1 - (3),
porque
f¡
n=1
TI: fx(xi, 8
CT,n i=1
1 ) dx l dX2'" dX n
corresponde a la probabilidad de rechazar Ho cuando Hl se considera

cierta. Luego
o:
o: :s; ~0(1- (3), es decir 1 - (3 :s; ~o·
Por otra parte, la probabilidad de no rechazar Ho siendo ella verdadera

corresponde a
y como en los casos de no rechazo de la hipótesis nula,

n n
i=1 i=1
entonces
Luego
1-0
es decir, i'í:1 :s: -(3-'
tiene entonces una cota inferior 1~¡3 y i'í:1 tiene una cota superior 1~Q,
i'í:o
cotas que se pueden asumir como aproximaciones a i'í:o Y i'í:1, respectiva-
men~. O
Teorema 4.8.3. Dtfinidos los tamaños de los errores o y (3, y aproxi-
ma d os los va lores i'í:o Y i'í:1, por i'í:o* = 1-13
o. Y i'í:1* = T
1-0.' respec t'zvamen t e,
los tamaños 0* y (3* correspondientes a los valores por i'í:o y i'í:Í son tales
que
0* + (3* < o + (3.
Demostración. Sean e;, C;,n' A;, A;,n las regiones críticas y de acep-
tación correspondientes a los niveles 0* y (3* derivados de los valores i'í:o
y i'í:i·
0* = f Ir. rr
n-1 Gr,n i~1
!X(Xi, Bo)dx l dX2'" dX n
:s: ~ f fe.
1 (3
n=1 T,n
rr
z=1
!X(Xi, BI) dx 1 dX2 ... dx n .
De acuerdo con uno de los pasos de la demostración del teorema 4.8.2,
_0_
1 - (3
f r
n=1
) G'
T,n
rr
.
z=1
!X(Xi, B1)dx1 dX2'" dX n = _0_(1 - (3*).
1 - (3
De modo similar,
1 - a* = f 1 fr
n=l
*
A.,.,n i=l
fX(Xi, OO)dXl dX2·· . dX n
lOOr n
~ ~aLJA* rrfX(Xi,01)dxldx2···dxn.
n=l "',n t=l
A su vez,
1-a~
-(3- ~ J) *
r rr fX(Xi, Od dx dX2··· dX
n
l n =
1-a *
--{3
n=l A.,.,n i=l {3
Concretamente de lo anterior,
a* ::; 1 ~ {3(1 - (3*) y (1 _ a*) ~ 1 -{3 a .
Con base en estas desigualdades es fácil comprobar que

a* + {3* ::; a + {3. D
4.11 Ejercicios
1. Adoptando el modelo Uniforme en el intervalo (O, O) para represen-
tar el comportamiento de una población, para la cual se conjetura
además que el valor del parámetro no excede 00 , se determina el
siguiente sistema de hipótesis
Ha : O ::; 00
frente a
Hl : O > Oo.
Formalice un test con nivel a para el juzgamiento de Ha dentro
de este sistema de hipótesis, basado en una muestra aleatoria de
tamaño n de esta población.
2. Con base en las consideraciones del ejercicio 1, formalice un test
con nivel a para el juzgamiento de Ha dentro del sistema de hipó-
tesis
Ha: 0=00
frente a
Hl : O -# Oo·
4.11. EJERCICIOS 281
3. Establezca una expresión algebraica para la función de potencia

del test determinado en el ejercicio 1.
4. Al adoptar la distribución de Poisson con parámetro O para mode-

lar una población particular, conviene proveer un test que permita
decidir sobre la hipótesis nula Ho dentro del sistema
Ho: O = 00
jrentea
Hl : O =1- Oo·
Para tal efecto, determine un test con nivel a basado en una mues-
tra aleatoria de tamaño n de la citada población.
5. La distribución de Cauchy es un modelo muy singular debido a sus

particularidades de no existencia de sus momentos. ¿La familia de
densidades de Cauchy es una familia que tiene MLR en alguna
estadística 7
6. Considere la distribución particular de Cauchy
1
jx(x) = 7f[l+(x_O)2],XER
¿Bajo el siguiente sistema de hipótesis es posible determinar un

UMP de nivel a para el juzgamiento de Ho basado en una muestra
aleatoria de tamaño n
Ho: O = O
jrentea
Hl : O > 07
7. El modelo Exponencial desplazado, mencionado en los ejercicios

del primer capítulo y en un ejemplo de este capítulo tiene diversas
aplicaciones. En particular, regido por este modelo resulta algunas
veces interesante evaluar el hecho de si para un caso individual el
desplazamiento es un elemento significativo dentro del modelado,
es decir, si es preciso introducir un componente del parámetro para
indicar el desplazamiento, o por el contrario es inocuo hacerlo y
de esta manera simplificar el modelo elegido. En el lenguaje del

juzgamiento de hipótesis corresponde al sistema
Ho : el = o
jrentea
H1 : el > o.
Teniendo presente que el parámetro e = (el, e2) reserva el primer

componente para referirse precisamente al desplazamiento, cons-
truya un test de nivel a para este propósito.
8. Una modalidad característica de procedimientos en el control es-

tadístico de la calidad se ha denominado muestreo para la acep-
tación de lotes, dentro de la cual se menciona un procedimiento
particular correspondiente al juzgamiento de la hipótesis Ho dentro
del sistema
Ho: e < eo
jrentea
H1 : e 2 eo,
parámetro cuyo espacio corresponde al intervalo (0,1) y que repre-
senta la denominada fracción no conforme de materia prima, de
productos en proceso o de productos terminados, según el objetivo
y momento de su aplicación, que dentro del modelo de Bernoulli
corresponde a la probabilidad de éxito. Determine un test de ni-
vel cercano a a y su función de potencia. Bosqueje la curva de
operación OC.
9. Desarrolle un test para el juzgamiento de la homoscedasticidad

como el presentado en el numeral 4.4.2, página 240, asumiendo
que J-l1 y J-l2 son valores conocidos.
10. ¿Cambiará radicalmente el test para homoscedasticidad en dos

poblaciones Normales, si se asume que J-l1 y J-l2 son desconocidos
pero iguales?
11. Determine una expresión para el cálculo del tamaño de muestra

apropiado para el juzgamiento de la hipótesis nula Ho : 1f = 1fo en
el sistema
Ha : 7r = 7ro
frente a
HI : 7r > 7ro,
por medio de un test construido considerando un tamaño de mues-

tra grande, siendo 7r la probabilidad de éxito o proporción pobla-
cional.
12. Sea Xl, X 2 , ... , X n una muestra aleatoria de una población con
función de densidad fx(x, e) = e(l - x)e-II(o,I)(X), con e > O.
Este modelo se propone como emulador del comportamiento de la
fracción no conforme de la materia prima que recibe cierta com-
pañía para utilizarlo como la distribución a priori de 8. Pero
previo a ello y dentro del análisis de su ajuste se desea contar con
un test que juzgue la hipótesis nula Ha : e ::; ea dentro del sistema
de hipótesis
Ha : e ::; ea
frente a
HI : e > ea.
Determine un test para tal fin.
13. Sea Xl, X 2 , ... , X n una muestra aleatoria de una población con
función de densidad Uniforme en el intervalo (O, e). Fijando el
valor k, si (Xn.n, k~,Xn,n) es un intervalo confidencial para el pa-
e,
rámetro entonces use este hecho para derivar de allí un test para
juzgar la hipótesis nula Ha : e = ea dentro del sistema de hipótesis
Ha : e = ea
frente a
HI : e -¡. ea.
Si no es así, desarrolle un test utilizando otros medios para el
juzgamiento de la hipótesis nula en el citado sistema.
función de densidad Uniforme en el intervalo (e, e + 1), con
() E lR, determine un test para el juzgamiento de la hipótesis nula

Ho : () = O dentro del sistema de hipótesis
Ho : () = O
frente a
HI : () > O.

función de densidad fx(x,()) = ()exp(-()x)I(o,oo)(x), determine la
función de potencia de un test para el juzgamiento de la hipótesis
nula Ho : () = 1 dentro del sistema de hipótesis
Ho : () = 1
frente a
HI : () -=1- 1.
16. Determine la función de potencia del test correspondiente al juz-

gamiento de la hipótesis nula Ho : J..lI - J..l2 ::; 60 dentro del sistema
de hipótesis
Ho : J..lI - J..l2 ::; 60

frente a
HI : J..lI - J..l2 > 60,
bajo Normalidad, y con base en dos muestras seleccionadas de
dos poblaciones independientes y homoscedásticas. Exprese esa
función de potencia en términos de 60.
17. Si (Xl, YI ), (X 2 , Y2 ), . .. , (Xn , Yn ) es una muestra aleatoria de una

población Normal bivariada, determine un test para el juzgamiento
de la hipótesis nula Ho : p = O dentro del sistema de hipótesis
Ho: p = O
frente a
HI : P -=1- o.
18. La contaminación de los ríos es un desastre para la humanidad. El

río Bogotá recibe en casi todo su recorrido desechos que trastornan
extraordinariamente la vida del río. Si una autoridad de salud

pública tiene que evaluar el nivel de contaminación del río en un
punto especial y tomar decisiones al respecto, y particularmente
sobre el contenido promedio de plomo J..L, que no debe exceder J..Lo
partes por millón por litro de agua, decisión que debe tomarse a
través de un test estadístico basado en una muestra de tamaño n,
lleve a cabo una reflexión sobre los valores del error del tipo 1 que
deben adoptarse.
19. Muestre que la función de potencia del test Te, correspondiente al

sistema e para el juzgamiento de la hipótesis nula Ho : () = J..Lo
bajo Normalidad y adoptando el primer supuesto, presentada en
la sección 4.3.1, página 218, cumple las siguientes propiedades:
a. 1fTe (()) es simétrica respecto a J..Lo.

b. 1fTJ()) es decreciente en el intervalo (-00, J..Lo) Y creciente en
el intervalo (J..LO, 00 ).
c. lim 1fTc (()) = 1 Y lim 1fTJ()) = 1.
(}->-oo (}->oo
d. 1fTe (J..Lo) = a.
20. Desarrolle un test de nivel a para el juzgamiento de la hipótesis
nula Ho : () <:::: J..Lo frente a la hipótesis alterna H 1 : () > J..Lo bajo
Normalidad y conocido el valor de (J. Muestre que la función de
potencia del test es
función que cumple las siguientes propiedades:
a. 1f T (()) es creciente.
b. lim 1fT (()) = O Y lim 1fT (()) = 1.
(}->-oo (}->oo
C. 1fT (J..Lo) = a.
21. Muestre que la expresión algebraica que permite el cálculo del

valor p al utilizar el test Te en el juzgamiento de la hipótesis nula
Ho : J..L = J..Lo frente a la hipótesis alterna Hl : J..L i- J..Lo, bajo
N ormalidad asumiendo el segundo supuesto, es
siendo F(n-I)(X) la función de distribución de una variable aleato-

ria X, con distribución t con (n - 1) grados de libertad.
22. Muestre que la expresión algebraica de la función de potencia al

utilizar el test Te para juzgar la hipótesis nula Ho : a 2 = a5 frente
a la hipótesis alterna H 1 : (]"2 i= (]"5, bajo Normalidad asumien-
do desconocido el valor del promedio poblacional y eligiendo los
valores E = Ó = ~ es
2
'lfTC(a) = 1-F(n-I)
(a5xL9.(n
~2
-1)) +F(n-I)
(a5X~(n
2a 2
-1))
siendo F(n-I) (x) la función de distribución de una variable aleato-
ria X, con distribución Ji-cuadrado con (n -1) grados de libertad.
Deduzca las propiedades de esta función de potencia.
23. Respecto al ejercicio 22, determine la expresión para el cálculo del

correspondiente valor p.
24. Muestre que la expresión algebraica de la función de potencia, al

utilizar el test T para juzgar la hipótesis nula Ho : a 2 'S a5 frente
a la hipótesis alterna Ho : a 2 > a5, bajo Normalidad asumiendo
desconocido el valor promedio poblacional es
a 2
ao22X1 - O,(n - 1) )
2
'lfT(a ) = 1 - F(n-.I) (
siendo F(n-I) (x) la función de distribución de una variable aleato-

ria X, con distribución Ji-cuadrado con (n - 1) grados de libertad.
Deduzca las propiedades de esta función de potencia.
25. Respecto al ejercicio 24, determine la expresión para el cálculo del

correspondiente valor p.
26. Se cuenta con recursos económicos únicamente para seleccionar

N = n + m unidades estadísticas para el juzgamiento de la hi-
pótesis nula Ho : J-LI = J-L2 concerniente a la "comparación de los
promedios poblacionales" de dos poblaciones independientes regi-
das por el modelo gaussiano y conocidos los valores de ar
y a~,
frente a la hipótesis alterna HI : J-LI i= J-L2. ¿Cómo deben elegirse los
tamaños de las muestras n y m para mantener las características
del test desarrollado para el mencionado juzgamiento?
27. Desarrolle un test para el juzgamiento de la hipótesis nula

Ho : til = 2ti2 bajo la regencia del modelo gaussiano correspon-
diente a dos poblaciones independientes de las cuales se conocen
los valores de (TI y (T§, frente a la hipótesis alterna Hl : f1l i= 2f12.
28. ¿Existe algún impedimento en el desarrollo de un test para el juz-

gamiento de una hipótesis nula más general, que la del ejercicio
27, Ho : f1l = Cf12, siendo C > O una constante conocida?
29. Determine un test secuencial para el juzgamiento de la hipótesis
nula Ho : e = eo, en el sistema de hipótesis simples
Ho: e = eo
frente a
Hl : e = el,
basado en una muestra aleatoria de una población con distribución
de Poisson de parámetro e.
30. Si Xl, X2, . .. , X n es una muestra aleatoria de una población con

distribución Beta con el = 2 = e e,
determine un test más potente
e
para el juzgamiento de la hipótesis nula Ho : = 1, dentro del
sistema de hipótesis
Ho: e = 1
frente a
Hl : e = 2.
31. Dentro del sistema de hipótesis del ejercicio 30, determine un test
e
más potente para juzgar la hipótesis nula Ho : = 1 si el modelo
asumido es un modelo cuya función de densidad es
fx(x,e) = eXB-lI(o,l)(X), e> O.
32. Teniendo en cuenta el ejercicio 31, muestre que el test uniforme

más potente para juzgar la hipótesis nula dentro del sistema
Ho: e = 1
frente a
Hl : e < 1
está basado en una estadística suficiente para e.
33. En un estudio de opinión se realizaron 6.348 llamadas telefónicas

y la firma encuestadora informa que el 25% de las llamadas fueron
fallidas y, por tanto, los resultados se refieren a las entrevistas rea-
lizadas a personas mayores de 18 años correspondiente al restante
porcentaje. El auditor estadístico considera que el porcentaje de
no respuesta está muy elevado, y propone juzgar la afirmación de
la compañía por medio de una muestra seleccionada de los registros
de las llamadas realizadas por los entrevistadores para comprobar
la no respuesta. Puede entonces asumirse el modelo Bernoulli con
parámetro (), y juzgar la hipótesis nula Ho : () = ~, dentro del
sistema de hipótesis
1
Ho : () = -
4
frente a
1
HI : () < :;¡-.
Determine un test que permita el juzgamiento de esta hipótesis.

distribución gaussiana de valor esperado cero y varianza (), ¿exis-
te un test uniforme más potente para juzgar la hipótesis nula
Ho : () = ()o, frente a la hipótesis alterna HI : () "1= ()o?
Bibliografía
[1] Arthanari, T. S. and Yadolah Dodge (1981). Mathematical Pro-

gramming in statistics. New York: John Wiley.
[2] Ash B. Robert (1970). Basic Probability Theory. New York: John
Wiley & Sons, Inc.
[3] Barndorff-Nielsen (1978). Ole Information and Exponential Fami-

lies: in Statistical Theory. New York: John Wiley.
[4] Barnett, Victor David (1975) Comparative Statistical Inference.

London : Jo1m Wiley.
[5] Bartoszynski, Robert and Niewiadomska-Bugaj, Magdalena (1996).

Probability and Statistical Inference. New York: John Wiley.
[6] Beard, Robert Eric; Pentikainen, T. and Pesonen E. (1984) Risk

Theory: the Stochastics Basis of Insurance. 3rd ed. London: Chap-
man and Hall.
[7] Berger, James O. (1985). Statistical Decision Theory and Bayesian

Analysis. second ed. New York: Springer-Verlag.
[8] Bernardo, José Miguel and Smith, Andrain F. M. (1994). Bayesian

Theory. New York: John Wiley.
[9] Brunk, H. D. (1965). An Introduction to Mathematical Statistics.

2nd ed. Waltham, Mass: Blaisdell.
[10] Cramer, Harald (1960). Métodos matemáticos de estadística.

Madrid: Aguilar.
289
290 BIBLIOGRAFÍA
[11] Cramer, Harald (1972). Elementos de la teoría de probabilidades y

algunas de sus aplicaciones. Traducción de Anselmo Calleja. 6a ed.
Madrid: Aguilar.
[12] Daykin, Chris D.; Pentikainen, T. and Pesonen M. (1944). Pmctical

Risk Theory for Actuaries. New York: Chapman and Hall.
[13] De Groot, Morris (1988). Probabilidad y estadística. Wilmington:

Addison-Wesley Iberoamericana.
[14] Dorea, Chang Chung Yu (1995). Teoria assintotica das estatisticas.

Rio de Janeiro: Instituto de Matematica Pura e Aplicada.
[15] Dudewics Edward J. and Mishra Satya N. (1998). Modem Mathe-

matical Statistics. New York: John Willey.
[16] Edwards, Anthony William Fairbank (1972). Likelihood: an Ac-

count of the Statistical Concept of Likelihood and its Application to
Scientific Inference. Cambridge: Cambridge University Press.
[17] Ekeblad, Frederick A. (1962). The Statistical Method in Business,

Applications of Probability and Inference of Business and Other
Problems. New York: John Wiley.
[18] EIlis, Richard B. (1975). Statisticallnference: Basic Concepts. En-

glewood Cliffs: Prentice-Hall.
[19] Feller, William (1968). An Introduction to Probability Theory and

its Applications. 3rd ed. New York: John Wiley.
[20] Fisz, Marek (1967). Probability Theory and Mathematical Statistics.

3a ed. New York: John Wiley.
[21] Freund, John E. (1962). Mathematical Statistics. Englewood Cliffs:

Prentice-Hall.
[22] Freeman, Harold (1963). Introduction to Statistical Inference. Rea-

ding, Mass.: Addison-Wesley.
[23] Guenther, William C. (1965). Concepts of Statistical Inference. New

York: McGraw-Hill.
[24] Gmurman, Vladimir Efimovich (1974). Teoría de las probabilidades

y estadística matemática. Traducción de Akp Grdian. Moscú: Mir.
BIBLIOGRAFÍA 291
[25] Gmurman, Vladimir Efimovich (1975). Problemas de la teoría de

las probabilidades y de estadística matemática. Traducción de Akp
Grdian. Moscú: Mir.
[26] Hacking, Ian (1987). The Emergence of Probability: a Philosophical

Study of Early Ideas about Probability, Induction and Statistical
Infercncc. Cambridge: Cambridge University Press.
[27] Hettmansperger, Thomas P. (1984). Statistical Inference Based on

Ranks. New York: John Wiley.
[28] Hoel Paul G. (1954). Introduction to Mathematical Statistics. 2nd
ed. New York: John Wiley.
[29] Hogg, Robert V. and Craig, Allen T. (1995). Introduction to Ma-

thematical Statistics. 5a ed. Prentice Hall.
[30] Keeping E. S. (1962). Introduction to Statistical Inference. New

York: D. Van Nostrand.
[31] Larson, Harold J. (1974). Introduction to Probability Theory and

Statistical Inference. New York: John Wiley.
[32] Lehmann, Erich Leo (1983). Theory of Point Estimation. New York:
John Wilcy.
[33] Mood, Alexaneler McFarlane; Graybill, Franklin A. anel Boes, Dua-

ne C. (1974). Introd7Lction to the Theory of Statistics. 3rd eel. Inter-
national eel. Sigapore: McGraw-Hill.
[34] Muirhead, Robb John (1982). Aspects of M7Lltivariate Statistical

Theory. New York: John Wiley.
[35] Parzen, Emanucl (1971). Modern Probability Theory and its Appli-
cations. New York: John Wiley.
[36] Randles, Ronald H. and Wolfe, Douglas A. (1979). Introduction to

the Theory of Nonpammetric Statistics. New York: John Wiley.
[37] Rohatgi, Vijak K. (1984). Statistical Inference. New York: John

Wiley.
[38] SerfEng, Robert J. (1980). Approximation Theorems of Mathemati-

cal Statistic8. New York: John Wiley.
292 BIBLIOGRAFÍA
[39] Tanner, Martin Abba (1993). Tools for Statistical lnference: Me-
thods for the Exploration of Posterior Distributions and Likelihood
Functions. 2nd ed. New York: Springer-Verlag.
[40] Tennant-Smith. J. (1986). Estadística: teoría, problemas y aplica-

ciones en BASle. Traducción de Manuel Urrutia Avisrror. Madrid:
Anaya Multimedia.
[41] Thomasian, Aram J. (1969). The Structure of Probability Theory

with Applications. New York: McGraw-Hill.
[42] Tucker, Howard G. (1967). An lntroduction to Probability and Ma-

thematical Statistics. New York: Academic Press.
[43] Weatherburn, C. E. (1962). A First Course in Mathematical Statis-

tics. 2nd ed. Cambridge: Cambridge University Press.
[44] Wilks, S. S. (1950). Mathematical Statistics. Princeton: Princeton

U niversity Press.
[45] Zacks, Shelemyahu (1971). The Theory of Statistical lnference. New

York: Wiley.
,
Indice de Materias
análisis en valor esperado, 14

de varianza a una vía, 233 estocástica, 14
cota
Basu de Cramer-Rao, 113
teorema de, 107 Cramer-Rao
Behrens-Fisher cota de, 113
problema de, 232 desigualdad de, 112
bondad criterios
del ajuste, 262 de exclusión, 6
de inclusión, 6
caso
curva
regular de estimación, 112
característica de operación,
completez, 116
198
componente
CO del test, 198
de escala, 155
de localización, 155 desigualdad
concentración, 90 de Cramer-Rao, 112
condiciones de regularidad distribución
cumplimiento de, 112 Beta, 135
confianza, 148 de Cauchy, 281
consistencia, 94 de Gumbel, 138
contorno, 96 de la función de distribución
convergenCIa empírica, 30
casi segura, 13 de la mediana muestral, 29
con probabilidad uno, 13 de Laplace, 138
débil, 14 de las estadísticas de orden,
en distribución, 15 27
en media cuadrática, 14 de Pareto, 59, 136, 184
en medida, 14 de Poisson, 137
en momento de orden r, 14 de Zipf, 136
en probabilidad, 13 del rango, 29
293
294 ÍNDICE DE MATERIAS
del semirrango, 29 estadísticas

exponencial desplazada, 59 conjuntamente suficientes, 100
exponencial doble, 138 equivalentes, 107
Gama, 137 estimación, 10, 11
gaussiana, 137 bayesiana, 84
muestral, 12 por intervalo, 177
normal bivariada, 162 cuasi máximo-verosímil, 79
original de la proporción poblacional,
de las observaciones, 12 161
reducida, 12 en muestras censuradas, 77
U niforme discreta, 146 máximo-verosímil, 69
Zeta, 136 por intervalo, 148
estimador, 11
eficiencia
asin tóticamen te
asintótica, 116
más concentrado, 95
de un estimador, 115
asintóticamente insesgado, 92
relativa, 114
BAN,95
asintótica, 115
bayesiano, 86
equivalencia, 107
BLUE, 141
error
cuadrático medio, 91 BRUE, 115
del tipo 1, 193 CAN,95
del tipo 11, 193 CANE,95
máximo admisible, 176 consistente
espacio débil, 94
de las observaciones, 96 en error cuadrático medio,
del parámetro, 67 94
estadística, 9 simple, 94
auxiliar, 107 de mínimos cuadrados, 126
de primer orden, 107 eficiencia de un, 115
completa, 11 7 eficiente, 115
contorno de la, 96 el más concentrado, 90
de orden, 25, 26 insesgado, 91
de Pearson, 264, 266 insesgado de varianza uniforme-
natural, 106 mente mínima, 109
k-dimensional, 106 L,125
suficiente, 106 M,125
suficiente, 97, 98 más concentrado, 90
minimal, 102 máximo-verosímil, 69
ÍNDICE DE MATERIAS 295
MLE,69 empírica, 26
Pitman muestral, 26
el más concentrado, 91 de potencia, 198
más concentrado, 90 de verosimilitud, 68
QMLE,79 de la muestra, 68
robusto, 123
UMVUE,109 G livenko-Cantelli
uniformemente teorema de, 30
mejor, 109
hipótesis
estimar, 10
alterna, 189
familia compuesta, 189
de densidades estadística, 189
cerrada bajo muestreo, 86 juzgamiento de una, 189
completa, 116 nula, 189
conjugada, 86 simple, 189
de densidades pearsoniana, sistema de, 189
103 homoscedasticidad, 229, 231
exponencial juzgamiento de la, 240
de densidades k-paramétrica,
información
104
de Fisher, 111
p-dimensional de densidades,
intervalo
104
aleatorio, 148
unidimensional de densidades,
bayesiano, 177
104
confidencial, 148
Fisher
unilateral, 149
información de, 111
Fisher-N eyman juzgamiento
criterio de factorización de, del ajuste, 261
98, 100 método de Kolmogorov-Smirno1
función 268
crítica método de Pearson, 262
del test aleatorizado, 191 secuencial, 252
del test no aleatorizado, 194
de cuasi verosimilitud, 79 Khintchine, teorema de, 19
de densidad Kolmogorov-Smirnov
a posteriori, 85 juzgamiento del ajuste, método
a priori, 84 de, 268
de distribución Koopman-Darmois
familia o clase exponencial desplazado, 59

p-dimensional, 104 Gama, 137
gaussiano, 137
Lehmann-Scheffé original, 12
teorema de, 119 probabilístico, 65
Lévy, teorema de, 15 reducido, 12
Ley Zeta, 136
débil momentos
de los grandes números, 19 de estadísticas de orden, 31
fuerte muestrales
de los grandes números, 20 centrales, 12
límite ordinarios, 12
central muestra, 6
Lindeberg-Feller, teorema aleatoria, 7
del,21 bivariada, 162
Lindeberg-Lévy, teorema del, ordenada, 26
21 censurada, 77
confidencial del tipo 1, 77
inferior, 148 del tipo II, 77
inferior unilateral, 149 estimación en, 77
superior, 148 pareada, 162
superior unilateral, 149 piloto, 176
proporción en la, 22
máximo simple
de la muestra, 26 tamaño de la, 175
mediana tamaño, 8
muestral, 26 tamaño de la, 249
poblacional, 34
método N eyman Pearson
de la variable pivote, 149 lema de, 202
de los momentos, 79 nivel
de máxima verosimilitud, 68 confidencial, 148
por analogía, 83 del test, 194
mínimo Normal
de la muestra, 26 bivariada, 162
modelo, 7, 65, 271
Beta, 135 parámetro, 9
de Pareto, 59, 135 de escala, 155
de Poisson, 136 de localización, 155
ÍNDICE DE MATERIAS 297
natural, 106 robustez, 123

Pearson
estadística de, 264, 266 semirrango muestral, 26
juzgamiento del ajuste, método sesgo del estimador, 91
de, 262 suficiencia, 96
población, 6
tamaüo
principio
de la muestra, 8, 249
de invarianza de un MLE,
de la muestra simple, 175
76
de la región crítica, 194
probabilidad
del test, 194
de error del tipo 1, 194
muestral, 8
procedimiento
test, 191
robusto, 123
aleatorizado, 191
promedio
función crítica del, 191
de la muestra, 12
consistente, 201
muestral, 12
curva CO del, 198
poblacional, 18, 37
de razón generalizada de ve-
recortado, 125
rosimilitudes, 207
windsordizado, 125
de razón simple de verosimi-
proporción
litudes, 202
muestral, 22, 73
insesgado, 200
poblacional, 22, 160
LRT, 207
estimación de la, 161
más potente, 201
pruebas de Normalidad, 262
nivel del, 194
no aleatorizado, 191
rango muestral, 26
función crítica del, 194
Rao- Blackwell, teorema de, 109
secuencial
razón
de razón de verosimilitu-
generalizada de verosimilitu-
des, 253
des, 204
tamaño del, 194
MLR, 212
UMP, 210
monótona rk verosimilitudes
212 ' uniformemente más potente,
210
región
confidencial, 149 unidades estadísticas, 6
crítica, 191
tamaüo de la, 194 valor p, 215
de aceptación, 191 variable
de rechazo, 191 pivote, 150
general, 153
método de la, 149
variable aleatoria
contaminada, 124
pivote, 150
varianza
mínima, 108
muestral, 12
poblacional, 18, 37
Wald, ecuación de, 258

Welch, solución de, 232
Inferencia estadística
SE TERMINÓ DE IMPRIMIR
EN BOGOTÁ EL MES DE
JULIO DE 2004 EN LAS
PRENSAS EDITORIALES DE
UNIBIBLOS, UNIVERSIDAD
NACIONAL DE COLOMBIA

Inferencia Estadistica

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Inferencia Estadistica

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD

en la Universidad Nacional de Colombia.

En la actualidad es profesor asociado, vinculado

al departamento de estadística de la Facultad de

Ciencias. Su labor docente, principalmente en las

áreas de teoría estadística, probabilidad y análisis

multivariado, ha estado acompañada por el

desempeño de labores de gestión académica como

director de la carrera de estadística y de actividades

de extensión universitaria en el servicio de

consultoría estadística que el departamento presta

a los sectores público y privado.

Universidad Nacional de Colombia

Primera edición, 2004

Preparaci6n editorial e impresi6n

Catalogación en la publicación Universidad Nacional de Colombia

Mayorga Alvarez, Jorge Humberto, 1951-

CDD-21 519.541 M473i 1 2004

y al grato recuerdo de mi hermana,

2 Estimación puntual de parámetros 65

2.2.2 Consistencia, un requisito ligado al tamaño de la

3 Estimación por intervalo de parámetros 147

4 Juzgamiento de hipótesis 187

4.4.2 Juzgamiento de homoscedasticidad .240

La escritura de este libro siempre estuvo animada por el deseo obstinado

particularmente sobre la inferencia estadística, concepción que he madu-

Este trabajo ha sido concebido como texto guía en el desarrollo de la

El segundo capítulo presenta los métodos corrientes de construcción de

"El conocimiento que tenemos del mundo está basado en la

Antes de entrar en materia, es preciso destinar unos párrafos para

1.1 La inferencia estadística como un soporte

La inferencia inductiva, procedimiento que utiliza la lógica para genera-

mostrado su certidumbre y tampoco tienen la función de la previsibili-

Pero, respecto a la inducción, el Círculo no cerró la discusión; concre-

1 La denominación juzgamiento de hipótesis se justificará en el capítulo 4.

dentro de la filosofía de la ciencia, gran parte de la ciencia actual frente

1.2 Preliminares de la inferencia estadística

1. ¿Cuál es el objeto para el cual son válidos los enunciados generales

2. ¿Cuáles son las unidades que permiten obtener la información de

La pregunta (1) indaga por el conjunto de todos los elementos que

A diferencia de las dos preguntas anteriores, cuyas respuestas son

Definición 1.2.1. Una muestra aleatoria es una sucesión finita de

variables aleatorias Xl, X 2 , . .. ,Xn independientes e idénticamente dis-

La definición anterior revela que en el contexto estadístico el término

La dimensión de la estadística estará dada por el valor de q; una

Ejemplo 1.2.3. Asumiendo el modelo gaussiano para representar una

Las tres primeras estadísticas son unidimensionales, la cuarta bidimen-

El contenido semántico que se les da en estadística tanto al término

Figura 1.1: Diagrama de calidad y cantidad de información.

única que debe censurarse dentro del proceso de estimación. Igualmente

Definición 1.2.4. Una estadística con dimensión igual al número total

tral de la respectiva estadística o del respectivo estimador.

Algunos autores se refieren a la distribución de la variable aleato-

El caso particular cuando r = 1, esto es, el primer momento ordinario

1.3 Preliminares de convergencia de variables

{X n (w)} definida en un espacio muestral O, Y teniendo en cuenta que

Además, si las variables aleatorias Xl, X 2 , . .. , y la variable aleatoria

Ejemplo 1.3.1. Si el comportamiento probabilístico de cada una de las

si lim P [lXn - XI < E] = 1, para E > O. Para referirse a la convergen-

g(X~l), X~2), ... , X~k)) ~ g(X1 , X 2, . .. , X n ).

Corolario 1.3.3. Si X n ~ X Y W n ~ W, entonces

3. aXn + bWn ~ aX + bW; a, b constantes.

4· ~ ~ ~; P[Wn =1= O] = P[W =1= O] = 1.

6. ln ~ 1-; P[Xn =1= O] = P[X =1= O] = 1.