Page 96 - EI2019.pdf
P. 96

88                                                      2.   Estimaci´ on puntual



                  De esta manera, habiendo supuesto una distribuci´on de probabilidad para
                  una variable aleatoria de inter´es, en donde la distribuci´on depende de un

                  par´ametro no especificado en su valor, el problema consiste en encontrar un
                  mecanismo para estimar el par´ametro desconocido tomando como informa-
                  ci´on una serie de observaciones de la variable aleatoria.


                  En el tratamiento que seguiremos no vamos a considerar observaciones par-
                  ticulares x ,...,x , sino observaciones aleatorias. Escribiremos entonces a
                                       n
                              1
                  ´estas como la colecci´on de variables aleatorias X ,...,X , e impondremos
                                                                                     n
                                                                            1
                  dos condiciones fuertes sobre ellas: independencia e id´entica distribuci´on. A
                  esta colecci´on se le llama muestra aleatoria, lo que se abrevia usando las
                  letras iniciales m.a.




                   Definici´on 2.2 Una muestra aleatoria es una colecci´on de variables
                   aleatorias X ,...,X que son independientes e id´enticamente distribui-
                                           n
                                  1
                   das.



                  Las dos hip´otesis mencionadas son caracter´ısticas ideales de n observacio-
                  nes de la variable aleatoria y que no necesariamente se cumplen en una
                  situaci´on real, pero facilitan considerablemente el an´alisis probabil´ıstico de

                  los modelos. Sobre la independencia, tenemos que un valor observado para
                  una de las variables no influye o afecta la distribuci´on de probabilidad de
                  cualquier otra variable, siendo esta distribuci´on la misma para obtener cada
                  una de las observaciones. Esto ´ultimo se refiere a la id´entica distribuci´on.
                  Supondremos, entonces, que todas las variables de una muestra aleatoria
                  tienen la misma funci´on de densidad o de probabilidad fpx, θq.


                  En particular, la primera observaci´on x puede ser un valor de X ,lase-
                                                                 1
                                                                                                 1
                  gunda observaci´on x puede ser un valor de X ,etc´etera. As´ı, las variables
                                                                         2
                                          2
                  aleatorias X ,...,X representan n observaciones al azar e independientes
                                1
                                          n
                  de la variable aleatoria en estudio. Al n´umero entero n ě 1 se le llama ta-
                  ma˜no de la muestra aleatoria y, a menos que se especifique los contrario,
                  supondremos que este entero es conocido.
   91   92   93   94   95   96   97   98   99   100   101