SESGO DE UN ESTIMADOR PUNTUAL.

Palabra: SESGO DE UN ESTIMADOR PUNTUAL.

Definición:
Una estimación puntual consiste en establecer un valor concreto (es decir, un punto) para el
parámetro. El valor que escogemos para decir “el parámetro que nos preocupa vale X” es el que
suministra un estadístico concreto.
Se denomina sesgo de un estimador a la diferencia entre la esperanza (o valor esperado) del estimador
y el verdadero valor del parámetro a estimar. Es deseable que un estimador sea insesgado o centrado,
es decir, que su sesgo sea nulo por ser su esperanza igual al parámetro que se desea estimar.

Características o propiedades:
En lo que respecta a la varianza en general serán preferibles aquellos estimadores que tengan menor
varianza, pues serán más precisos en el sentido de que variarían poco de unas muestras a otras.
Sean θ 1 y θ 2 dos estimadores insesgados de θ. Diremos que θ1 es más eficiente que θ 2si se verifica
que: V[θ 1] < V[θ 2]

Si θ es un estimador insesgado de θ, y no hay ningún otro estimador insesgado que tenga menor
varianza, entonces se dice que θ es el estimador insesgado más eficiente o estimador de mínima
varianza.

Interpretación:
Ejemplo: X = el gasto de un estudiante universitario en la compra de libros de texto. ¿cuál es el gasto
medio µ = E[X]? Una m.a.s. de tamaño n: (X1, X2, ..., Xn). Obtenemos los valores: (x1, x2, ..., xn).

Significado estadístico:
Estadístico: Un estadístico T es una función real de la muestra aleatoria (X1, X2, . . . ..., Xn).
Estimador: Estadístico que se usa para estimar un parámetro.

Estimación: Realización específica de un estimador.

Estimador Puntual: Función de la muestra que da como resultado un ´único valor.

La correspondiente realización se llama estimación puntual del parámetro. Notación: θ = parámetro

que se quiere estimar θ = estimador de θ (acento circunflejo (ˆ) encima)
Para qué o cuando se utiliza, símbolo:

El no tener sesgo es una propiedad deseable de los estimadores. Una propiedad relacionada con esta
es la de la consistencia: un estimador puede tener un sesgo, pero el tamaño de este converge a cero
conforme crece el tamaño muestral.

Dada la importancia de la falta de sesgo, en ocasiones, en lugar de estimadores naturales se utilizan

otros corregidos para eliminar el sesgo. Así ocurre, por ejemplo, con la varianza muestral.

En notación matemática, dada una muestra x1 , ….xn,, y un estimador T(x1 , ….xn,, ) del
parámetro poblacional θ , el sesgo es: E(T)- θ

Unidad de medida:

Modelo matemático:
Básicamente estudiaremos la forma en que debemos hacer uso de la información muestral para
determinar el valor de los parámetros que determinan un modelo de probabilidad.

Por ejemplo, en un proceso industrial de llenado de paquetes de detergentes, sabemos que esta
variable se ajusta a una distribución Normal, y debido a la larga experiencia podemos afirmar que en
términos medios cada paquete es llenado con 5 Kgr. de detergente, pero desconocemos la regularidad
del proceso (la desviación típica). Con el fin de determinar este valor desconocido debemos
seleccionar una muestra y en función de los valores obtenidos asignar un valor a este parámetro.

Identificación o definición de cada una de las variables o constantes que hacen parte integral del
modelo matemático, según sea el caso:
Palabra: estimación puntual

Definición:
La estimación puntual consiste en atribuir un valor (la estimación) al parámetro poblacional. Si la
muestra es representativa de la población, podemos esperar que los estadísticos calculados en las
muestras tengan valores semejantes a los parámetros poblacionales, y la estimación consiste en
asignar los valores de los estadísticos muestrales a los parámetros poblacionales. Los estadísticos
con que obtenemos las estimaciones se denominan estimadores.

Características o propiedades:
Se dice que un estimador es insesgado si la Media de la distribución del estimador es igual al
parámetro. Estimadores insesgados son la Media muestral (estimador de la Media de la población)
y la Varianza (estimador de la Varianza de la población).

Por lo tanto, el valor esperado, o media, de todos los posibles valores de un estadístico muestral
insesgado es igual al parámetro poblacional que se estudia.

Eficiencia: Se dice que el estimador puntual con menor error estándar tiene mayor eficiencia
relativa que los otros.

Cuando se muestrean poblaciones normales, el error estándar de la media muestral es menor que
el error estándar de la mediana muestral. Por tanto, la media muestral es más eficiente que la
mediana muestral.

Interpretación:
El objetivo de la estimación puntual es aproximar el valor del parámetro desconocido (tiempo
medio de ejecución de un algoritmo, altura media de las mujeres de una población, diferencia del
resultado medio entre dos tratamientos médicos, proporción de gente que mejora con un
tratamiento médico…)

Para ello se utiliza la información de la muestra (x1,x2,…,xn)(x1,x2,…,xn), a través de un estimador.

Significado estadístico:

Para qué o cuando se utiliza, símbolo:

Unidad de medida:
Modelo matemático:
Identificación o definición de cada una de las variables o constantes que hacen parte integral del
modelo matemático, según sea el caso: