Page 94 - EI2019.pdf
P. 94

86                                                      2.   Estimaci´ on puntual






                   Definici´on 2.1 Al conjunto de todos los posibles valores de un par´ame-
                   tro de una distribuci´on de probabilidad se le llama espacio parametral
                   yse ledenotaporla letra Θ (teta may´uscula).




                  En realidad, el par´ametro θ puede ser una cantidad unidimensional, es decir,
                  un solo par´ametro, o bien un vector de dos o m´as par´ametros θ “pθ , θ ,...q.
                                                                                                1
                                                                                                   2
                  Por otro lado, sabemos bien que existen distribuciones de probabilidad que
                  no dependen de ning´un par´ametro; sin embargo, aqu´ıestamos consideran-

                  do la situaci´on en donde por lo menos hay un par´ametro involucrado y es
                  desconocido.


                  Tenemos as´ılacolecci´on o familia parametral tfpx, θq : θ P Θu de funciones
                  de densidad o de probabilidad, en donde la letra θ es el nombre gen´erico que
                  utilizaremos para denotar a un posible par´ametro. Veamos algunos ejemplos.

                      ‚ Para la distribuci´on Berpθq,elpar´ametro θ toma valores en el espacio
                        parametral Θ “p0, 1q.


                      ‚ Para la distribuci´on binpk, pq, el par´ametro θ es el vector de par´ame-
                        tros pk, pq yel espacio parametrales el producto cartesiano Θ “
                        t1, 2,...uˆp0, 1q.

                                                        2
                      ‚ Para la distribuci´on Npµ, σ q,el par´ametro θ es el vector de par´ametros
                              2
                        pµ, σ q yel espacioparametrales elconjunto Θ “ p´8, 8q ˆ p0, 8q,
                        correspondiente a la mitad superior del plano cartesiano.

                  Supongamos ahora que x ,...,x son observaciones independientes que se
                                                         n
                                                1
                  han obtenido de la variable aleatoria de inter´es. Es claro que estos valores
                  observados pueden dar alg´un indicio del valor desconocido del par´ametro θ.
                  El problema que se plantea es el siguiente: ¿c´omo podemos usar estas obser-
                  vaciones para estimar el par´ametro θ para que de esta manera la funci´on de
                  densidad o de probabilidad fpx, θq quede completamente especificada? Ilus-
                  traremos la situaci´on con algunos ejemplos dentro de un contexto pr´actico.


                  Ejemplo 2.1 Se desea conocer la calidad de un lote de 1, 000 art´ıculos.
                  Dada la imposibilidad o no conveniencia de someter a prueba a todos ellos,
                  se escogen 20 art´ıculos al azar obteni´endose los siguientes resultados.
   89   90   91   92   93   94   95   96   97   98   99