Biased and Unbiased Estimates · Estimadores con y sin sesgo
| English | Español |
|---|---|
| point estimate/pɔɪnt ˈestɪmət/ | estimación puntual |
| unbiased/ʌnˈbaɪəst/ | No sesgado |
Guessing the parameter
- A point estimate 点估计 is a single number from a sample used to estimate a parameter.
- $\bar{x}$ estimates $\mu$; $\hat{p}$ estimates $p$; $s$ estimates $\sigma$.
- It's our best single guess — but it's just one value from a varying statistic.
- The quality of an estimator depends on where it centers and how much it varies.
Adivinar el parámetro
- Una estimación puntual 点估计 es un número único extraído de una muestra que se utiliza para estimar un parámetro.
- $\bar{x}$ estima $\mu$; $\hat{p}$ estima $p$; $s$ estima $\sigma$.
- Es nuestro mejor intento único, pero sigue siendo simplemente un valor de una estadística variable.
- La calidad de un estimador depende de dónde se centra y cuánto varía.
What "unbiased" means
- An estimator is unbiased 无偏 if its sampling distribution is centered on the true parameter.
- "Centered on" means the mean of the estimator equals the parameter.
- On average, over many samples, an unbiased estimator hits the target.
- $\bar{x}$ and $\hat{p}$ are unbiased estimators of $\mu$ and $p$.
Qué significa "insesgado"
- Un estimador es insesgado 无偏 si su distribución muestral está centrada en el parámetro verdadero.
- "Centrado en" significa que la media del estimador es igual al parámetro.
- En promedio, a lo largo de muchas muestras, un estimador insesgado da en el blanco.
- $\bar{x}$ y $\hat{p}$ son estimadores insesgados de $\mu$ y $p$, respectivamente.
Center = bias
- Bias is about the center of the sampling distribution, not any single estimate.
- If the estimator's mean sits off the parameter, it's biased — systematically too high or low.
- An unbiased estimator can still miss on any one sample (that's variability, not bias).
- Aim first for an estimator centered in the right place.
Centro = sesgo
- El sesgo se refiere al centro de la distribución muestral, no a cualquier estimación individual.
- Si la media del estimador está desplazada respecto al parámetro, entonces está sesgada: sistemáticamente demasiado alta o demasiado baja.
- Un estimador insesgado puede fallar en una sola muestra (eso es variabilidad, no sesgo).
- Apunte primero a obtener un estimador centrado correctamente.
Variability shrinks with n
- The variability of an estimator (how much it bounces around) decreases as $n$ increases.
- Bigger samples → a narrower sampling distribution → more precise estimates.
- Bias and variability are separate goals: hit the center, and keep the spread small.
- The ideal estimator is unbiased with low variability.
La variabilidad disminuye con n
- La variabilidad de un estimador (cuánto fluctúa) disminuye a medida que aumenta $n$.
- Muestras más grandes → una distribución muestral más estrecha → estimaciones más precisas.
- Sesgo y variabilidad son objetivos separados: acierta al centro, y mantén la dispersión pequeña.
- El estimador ideal es insesgado con baja variabilidad.
Bias and variability are different things. Bias is about the center of the sampling distribution (is it on target?); variability is about its spread (how much do estimates bounce?). A larger sample size shrinks variability but does not fix bias — a biased method stays off-center at any $n$ (echoing Unit 3).
El sesgo y la variabilidad son cosas distintas. El sesgo se refiere al centro de la distribución muestral (¿da en el blanco?); la variabilidad se refiere a su dispersión (cuánto oscilan las estimaciones). Un tamaño de muestra mayor reduce la variabilidad, pero no corrige el sesgo: un método sesgado permanece desplazado del centro en cualquier $n$ (recordando la Unidad 3).
Estimating a population mean $\mu = 100$.
- $\bar{x}$ is unbiased: the mean of its sampling distribution is exactly $100$.
- With $n = 25$ the estimates spread widely; with $n = 400$ they cluster tightly around $100$.
- Same center (unbiased), smaller variability — a better estimate.
Estimando la media poblacional $\mu = 100$.
- $\bar{x}$ es insesgado: la media de su distribución muestral es exactamente $100$.
- Con $n = 25$ las estimaciones se dispersan ampliamente; con $n = 400$ se agrupan estrechamente alrededor de $100$.
- Mismo centro (insesgado), menor variabilidad — una mejor estimación.
A point estimate is a single-number guess of a parameter (e.g. $\bar{x}$ for $\mu$). An estimator is unbiased when the center of its sampling distribution equals the parameter. Bias concerns that center; variability concerns the spread and shrinks as $n$ grows — but a larger sample never removes bias.
Una estimación puntual es una estimación numérica única de un parámetro (p. ej., $\bar{x}$ para $\mu$). Un estimador es insesgado cuando el centro de su distribución muestral es igual al parámetro. El sesgo concierne a ese centro; la variabilidad concierne a la dispersión y disminuye conforme crece $n$, pero una muestra más grande nunca elimina el sesgo.
Center = bias, spread = variability · Centro = sesgo, dispersión = variabilidad
Unbiased means centered on the parameter; larger n narrows the spread. · Sin sesgo significa centrado en el parámetro; una n mayor reduce la dispersión.
An estimator is unbiased when the center of its sampling distribution... · Un estimador es sin sesgo cuando el centro de su distribución muestral...
Unbiased = centered on the parameter. · Sin sesgo = centrado en el parámetro.
Increasing the sample size reduces an estimator's variability. · Aumentar el tamaño de la muestra reduce la variabilidad de un estimador.
Bigger n → narrower sampling distribution. · Una n mayor → distribución muestral más estrecha.
A larger sample size can fix the bias of a biased estimator. · Un tamaño de muestra mayor puede corregir el sesgo de un estimador con sesgo.
Size shrinks variability, not bias — a biased estimator stays off-center. · El tamaño reduce la variabilidad, no el sesgo: un estimador con sesgo permanece descentrado.
A single number from a sample used to estimate a parameter is a ___ estimate (one word). · Un único número extraído de una muestra utilizado para estimar un parámetro es una estimación ___ (una palabra).
A point estimate is the best single-number guess. · Una estimación puntual es la mejor suposición de un solo número.
Bias is a property of the ___ of the sampling distribution. · El sesgo es una propiedad del ___ de la distribución muestral.
Bias = center off target; variability = spread. · Sesgo = centro desviado del objetivo; variabilidad = dispersión.