eficiencia del estimador

[anapsi3]

v5, p11

[Solebo]

Fusiono hilos

[Solebo]

[Valenciana]

Sí, perdón, el hilo correcto era éste
Es que al decir en el Sánchez Elvira que como sólo se estudiaban muestras de estudiantes se restringía el grado de CI y se atenuaba las correlaciones me lleva a pensar que el que una muestra sea más homogénea en Ci hace restrinja las correlaciones y eso lo veo contradictorio con que a menos varianza haya más precisión del estimador, es decir, si en ese libro se dice que menos variabilidad en el CI (o sea, se restringía el grado de CI) atenuaba las correlaciones, lo veo contradictorio con que se diga que a menos varianza más precisión (entendiendo que más precisión es más correlación, pero no sé si es cierto)

No sé si es que habré confundido términos pero lo veo contradictorio

[Solebo]

(entendiendo que más precisión es más correlación, pero no sé si es cierto) No sé si es que habré confundido términos pero lo veo contradictorio

El párrafo que citas de Sánchez Elvira no está relacionado con las propiedades de los estimadores, al menos yo no lo veo.


PROPIEDADES DE LOS ESTIMADORES
Carencia de sesgo: es de desear que un estimador no sobre ni subestime al parámetro correspondiente. Dicho de otra manera, esperamos que la media de un número infinito de valores de un estimador sea igual al parámetro. Cuando un estimador cumple esta propiedad se dice que es insesgado (o centrado). En definitiva, un estimador es insesgado cuando la media de los valores tomados por el estimador en las infinitas muestras de tamaño n extraídas de una población, coincida con el valor del parámetro que queremos estimar.

Eficiencia: se denomina precisión o eficiencia de un estimador a la INVERSA de la varianza de su distribución muestral. Cuanto mayor es el cociente, mayor es la eficiencia. En otras palabras, cuanto MENOR es la varianza de la distribución muestral del estimador MAYOR es la eficiencia, lo cual es razonable pues menos varía el valor del estimador de una muestra a otra.

Suficiencia: un estimador suficiente es aquel que utiliza toda la información de la muestra para estimar el parámetro, dándose esta propiedad sólo cuando la distribución de probabilidad propuesta es correcta.

Consistencia: el requisito mínimo que se le exige a un estimador es que sea consistente. Un estimador es consistente si al incrementar n, es decir, a medida que se dispone de más información, aumenta la probabilidad de que la estimación coincida con el parámetro.

[Valenciana]

Gracias, cuando llegue al tema dr los estimadores lo revisaré de nuevo a ver si me queda más claro

[Solebo]

Valenciana, no sé si te estás refiriendo al concepto de restricción de rango

El rango de una o ambas variables, afecta notablemente a la correlación entre ambas variables. La restricción del rango de ambas variables, reduce el valor de la correlación. Por ejemplo, la correlación entre el CI y eficiencia lectora de la población en general, es de + 0.5 - +0.6, pero si la obtenemos en una muestra de estudiantes universitarios avanzados este rango de correlación se reduce a +0.0 - +0.1.

[Valenciana]

Posiblemente sea eso lo que me confunda
Lo revisaré cuando llegue ahí con más detenimiento

Gracias :)

[StopWars]

Eficiencia: se denomina precisión o eficiencia de un estimador a la INVERSA de la varianza de su distribución muestral. Cuanto mayor es el cociente, mayor es la eficiencia. En otras palabras, cuanto MENOR es la varianza de la distribución muestral del estimador MAYOR es la eficiencia, lo cual es razonable pues menos varía el valor del estimador de una muestra a otra..

la distribución muestral del estimador , esto se refiere a una muestra de estimadores, es decir, se han creado varias muestras de la población y para cada una de ellas se ha calculado un estimador. Luego se observa la distribución (varianza) de todos esos estimadores calculados (=distribución muestral de estimadores)

, y claro, si la dispersión es muy amplia... entonces...

... malamente... porque hay poca precisión..