You are on page 1of 8

M

ESTADIST^CA ESPANOLA
Nm. 1 15, 1987', pgs. 105 a 1 1 1
Sobre estimadores UMV y UMECMen
poblaciones finitas
pr
MARIANO RUIZ ESPEJO
Universidad Complutense de Madrid
c/ Chile, 5- 4.H
2801 fi - Madrid
RESUMEN
Ofrecemos una demostracin ms de un resultado dado por Godarnbe y
Joshi (1965) y justificado posteriormente por Basu (1971) y RamalCrishnan
(1975) de rnodo diferente, relativo a la no existencia de estimador unifor-
memente de mnima varianza (o uniformemente de mnimo error cuadr-
tico medio) en la clase de todos los estimadores insesgados (o todos los
estimadores) de funciones paramtricas que dependen funcionalmente de
todos los argumentos del parmetro y, para todos los diseos no censales.
Palahras clave: admisibilidad, estimacin insesgada, estimacin uniforme-
mente de mnima varianza, muestreo de poblaciones finitas, teoremas
de no existencia, teorema de Rao.
Clasificacin AMS: 62 DOS, 62C99.
ESTAUISTIC'AESPAOLA
l. INTRODUCCION
Varios autores han tratado el tema de la no existencia, asi como de la existencia en
ciertas condiciones, de estimador insesgado de la media poblacional y(o equivalente-
mente del tatal poblacional Ny ) que sea uniformemente de rnnima varianza. Una
completa referencia puede verse en el libro de Cassel, S^irndal y Wretman { 1977), del
que extraemos su notacin bsica.
Lo que nos proponemos a continuacin es dar una demostracin ms de un resultado
dado inicialmente por Godambe y Joshi { 195) y justificado posteriormente por Basu
(1971) y Ramakrishnan ( 1975) de la no existencia de estimador UMV (uniformemente
de mnima varianza) de la media poblacional y en la clase .Au de todos los estimadores
insesgados para diseo no censal ( exigiendo naturalmente probabilidades de inclusin de
primer orden positivas para todas las unidades de la poblacin finita de tamao N, para
hacer estimable la funcin paramtrica y^ , Ruiz, 1986). Ampliaremos este resultado a la
clase de todos los estimadares insesgados de funciones paramtricas ,j' (y) que dependen
funcionalmente de todos los argumentas del parmetro y, para todos los diseos no
censales, sin limitarnos al caso particular.f (y) = v.
Definicin. Un estimador t perteneciente a alguna clase C de estimadores, se dice
estimador UMVen C bajo el diseo p si y solo si V(t^,) <V(t) para todos los
estimadares t^ ^ ypara todo parmetro y E IR`N.
La propiedad de que un estimador sea UMV unida a su insesgacin es muy exigente.
Si existiera tal estimador insesgado UMV en la clase ^, dicho estimador sera la
eleccin natural en la clase C segn el criterio ms tradicional en inferencia estadstica.
Tampoco existe estimador UMV en la clase ^,1, de todos los estimadores linea[es
insesgados de y, segn justific Basu { 1971). Los trabajos de Lanke (1973, l 975) dieron
mayor claridad en los planteamientos, dando la primera demostracin enteramente
satisfactoria de la no existencia de estimador U M V en la clase L^, de todos los
estimadores lineales homogneos insesgados salvo casos triviales, cuya demostracin
inicial de Godambe ( 1955) careca de exhaustividad aunque represent el trabajo pione-
ro que motiv un gran nmero de investigaciones que llegan hasta nuestros das.
La eliminacin del diseo censal se debe a que bajo tal diseo en que la probabilidad
de inclusin T l ^. - 1 para toda unidad k de la pablacin f-inita, el nico estimador
insesgado es el Horvitz-Thompson, que adems pasee en tal caso varianza nula, siendo
por tanto el estimador insesgado l1 MVencualquier clase que lo contenga.
Tambin es conocido el hecho de que baj^ diseo no ordenado por canglomerados
unietpico con muestras de un conglomerado sin submuestreo, es decir aqul en que
paca todo par de muestras .^^,, .ti^^ E,^' con n(s,) > 0 y^(.ti^^) > 4, entonces .^^, =.ti,
SOBRE EST[MADORES UMV Y UMECM EN POBLAC'IONES F^INITAS 10?
o bien s^ ft s, = s, el nico estimador de la clase L^.,^,^, es el Horvitz-Thompson, y de
aqui es U M V en dicha clase.
Salvo estos casos triviales en que la clase de estimadores insesgados se reduce a un
solo elemento, en las dems clases de estimadores insesgados estudiadas hasta ahora no
existe estimador UMV. En particular Hanurav ( l 98) caracteriz la infinidad de estima-
dores admisibles en la clase P^, de todos los estimadores polinomiales insesgados, siendo
todos ellos lineales, y por tanto se deduce que ya en la clase L de todos los estimado-
res iineales insesgados, no existe estimador UMV al existir una subclase infinita de
estimadores admisibles.
2, RESULTADOS
Definicin. Un diseo p no ordenado es una distribucin de probabilidad discreta
sobre S={ s: e^ ^ s c U}, siendo U la poblacin finita.
Definicin. Un diseo censal es un diseo no ordenado cuya distribucin asigna
p(U)= l.
Teorema 1. En la clase A de todos los estimadores insesgados de .J' (y), funcin
parmetrica que depende de todos los argumentos de y, con respecta a un diseo no
censal p, noexiste esti mador U M V K.
Demostracin. Para la nueva demostracin, ms general en cierto sentido, utilizare-
mos un teorerna de Rao (1952) referido en el libro de Raj (1968):
Teorema de Rao. U na condicin necesaria y suf ciente para que el estadstico insesga-
do to sea estimador U M V es que Cov(t^,,z) =0 para todas las variables aleatorias : con
esperanza matemtica nula K
Este resultado puede modiftcarse escribiendo
Gov(t^z) = E(t z) - E(t) E(z) = E^ t,^E(z I t) ]
por ser E(z) = 0.
Sean dos muestras distintas .^^^ y.^2 con p{.s,) >0 y p(.^,) >0. Construmos una
variable aleatoria z de esperanza cero del modo
- p(s,) si sucede s,
z = p(.s^) si sucede .^,
0 si sucede . ^ ^ . ti , , . s , .
^^g
ESTADISTIC'A ESPAtiC)LA
Entonces para cualquier estimador t se tiene en nuestro caso
C'ov(t,^)=E{E[t.E(^f t)j^s}
siendo t. E(^ ^ t) una constante para cada muestra s dada, As, usando la notacin cl para
el dato no ordenado asociado a la muestra s, d={(k,^.^^;): k^ s}{Cassel et al. 1977).
Cov(t, ^)= -t(d^) p(s,) p(s^) + r(d,) p(s,) p(s,) = o
cuando y solo cuando
t(d,) =t(dz) para todas s,, sz E,$^ tales que p(s^) > 0, p(s,) > 0 y para todo y E IRN. (1)
Para cualquier funcin paramtrica que dependa funcionalmente de todos los argumen-
tos del parmetro y, es decir en los casos en que toda la informacin proporcionada por
el estadstico suficiente minimal D es necesaria, la igualdad (1) se da solo cuando s, 1^
s^ # 0 ^ s, =s^ , pues si s, # s^entonces no es posible que sea siempre t(d,) =t(d,)
para todo y E IRN , con t insesgado. Luego se tratar de un diseo por conglomerados
unietpico con muestras de un conglomerado sin submuestreo. Adems, si .s, 11 s2 = e se
contradice (1) por el mismo argumento, por lo que (1) solo es posibie ba,^o diseo
censal.
La consideracin de diseos no ordenados no implica limitacin alguna debido al
teorema de Rao-Blackwell, que asegura lo siguiente (Conservando la notacin bsica de
Cassel, et al. 1977): ^
Teorema de Rao-Blackwell. Sea t=t(D) un estimador de la funcin paramtrica .J'(y)
(no necesariamente insesgado) y sea t* =E[ t(D) ^ D=d). Entonces:
a) E(t) =E(t*),
h) ECM(t) =ECM(t*) + E[ (t - t*)^ J
^ Y
e) ECM(t*) < ECM(t) con desigualdad estricta en (c^) para todo y E IR^ tal que
p(t^t*,y)>0.
La demostracin del teorema 1 corrobora desde una perspectiva nueva los resultados
conocidos sobre las clases Lu^,, Lu, Pu yu para estimar la media poblacional y,
utilizando el teorema de Rao que es anterior a todos los estudios presentados, dndoles
un interesante punto de vista.
Adems es sencillo ver que la condicin de insesgadez puede ser eliminada en el
teorema de Rao y lo mismo en el teorema 1, limitndonos a considerar los estimadores
que dependen de D, lo cual no es una restriccin sustancial. As, sustituyendo ECM
S4BREESTIMAI3oRES UMVYt1MECMENPOBLAC[oNES F1N1TA5 ! 09
(error cuadrtico medio) por V(varianza) en la definicin de estimador UMECMen
lugar de UMV, podemos enunciar:
Teorerna 2. En la case de todos los estimadores de J'. (y) que depende funcional-
mente de todos los argumentos de y, con respecto a un diseo no censal, no existe
estimador LJMECMD
Demostracin. Observar que un estimador t UMECM debe ser necesariamente UMV
para la funcin paramtricaf(y) = E(t). Ahora basta indicar que como en el teorema l,
el estimador t UMECM debera ser una constante, cosa impasible bajo diseo no censal
al depender.J'(y} de y E IRN .
C'onsecuencia de las anteriores consideraciones es que la varianza poblacional o; no
tiene estimador U MV para cualquier diseo p no censal en la clase de todos los
estimadores insesgados, pues como sabemos p debe tener probabilidades de inclusin de
segundo orden ?l;; > 0 para toda par r` , j (Ruiz, 1986).
DPJinici^^n. Un estimador t E ^(siendo G una clase de estimadores) es adrnisible
en C bajo un diseo ^, si y solo si no existe en ^otroestimador t verificando ECM(t)
< ECM(t)
para todo y E IR^ con desigualdad estricta para algn y E IR'^^ .
De este modo queda completado el resultado dado por Godambe y Joshi (1965) que
afirma que para diseo de muestreo aleatorio simple sin reemplazamiento, el estimador
N- 1 n
N - n- 1
,
^ (v, - v,.)`
tE.c
es admisible en la clase de todos los estimadores insesgados de a; .
Tambin podemos deducir que la varianza poblacional no tiene estimador UMECM
para cualquier diseo ^no ordenado y no censal en la clase de todos los estimadores,
hecho compatible con la admisibilidad del estimador
1
^
t ,ti/(i E '
.^r. ^ ( Vi - ^^.s)
i E^
probada por Meeden, Ghosh y Vardeman (1985) para diseo no ordenado de tamao
fijo n, y la admisibilidad del estimador genrico
tc^ i^ _ ^ ^ ^{^'; - l';)" + (N-n) . ^y,'+ (N-j^) (N-1) ^^^N;
i<j E.^ rE.^
(siendo J^cualquier constante positiva), justificada por Chaudhuri (1978) para diserio no
ordenado de tamao fijo n.
j ^ {) ESTADISTICAESPAOLA
Por lovistohastaaqui, los casos enqueexisteestimador "insesgadoUMV" o
"UMECM" es bajocondiciones enlas queel nmerodecompetidores sereduce
grandemente.
Veamosfinalmente:
Teorema 3. Encualquier clasedeestimadores def(_y) quecontengalasubclase
{ t ^ , : t ^ .(r^ = c, e E
iR}, noexisteestimador UMECM, bajodiseonocensal K
Demc^ st racic^ n. Sea t ^ .(r.^ = c un
estimador constanteparatodacEIR, delafuncin
paramtrica,J'(y) . EvidentementeECM(t^.) = 0 enel subespacio{ y^ IRN:.J (y) = c' }_
S^. . Ademsesfci l comprobar que
^j
S^.
_IR.^^ .
^ ^ E ^
Luego si un estimador t es UMECMen una clase que contenga a { t ^ .: c E IR},
entonces
ECM(t) <inJ' ECM(t t .) =0 para todo y E IRN
^ ^ ^ rR
y por tanto t necesariamente debe verificar t (c, ^ = f(y) para toda s E,^
conn(s1>0 y paratodoy EIR'^ ,
y esto solo se puede conseguir bajodiseo censal.
Este es el caso de las clases ^, Py L, detodos los esti madores, todos los esti madores
polinomiales y todos los estimadores lineales respectivamente.
REFERENC^AS
BASU, D. (197 I). Anessay of the logical foundations of survey sampling. Part one.
H'uunclut i^^ns ui'
St c^t i.^^t ir u! Inj^ ^ rc^ nc^ c- (V. P. Clodamhe&D. A. Sprott, eds). Tornto: Holt, Rinehart and
Winston, 2U3-242.
CASSEL, C. M S^RN[)AL, C.. E. y WR[^.TMAN, J. H. (1977).
f^'(11anc1LlilOi1.^^ ^^J^ lrtJ^^ ^ ^c^nc^c^ in .St^rvc^l'
Sumnlin^^. NewYork: Wiley.
CHAL1[^HURI, A. {1978). On esiimaling thc variancc of^ a finitc population. Mc^ t rit iu ?S, b7-76.
Gc^nAMH^, V. P. (1955). Auniticdthcory of
samplin^ fromfinite populations. J. R^^t'. S'lut i.t il. .S'r ^c^.
B 17, 269-2 78.
SOBRE ESTIMADORES UMV Y UMECM EN POBLAC.'IONES FCNITAS lll
GODAMBE, V. P. yJosHl, V. M. (1965). Admissibility and Bayes estiimation in sampling finite
populations I. Ann. Math. Statist. 3b, 1707-1722.
HANURAV, T. V. (1968). Hyperadmissibility and optimumestimators for samping finite popula-
tions. Ann. Math. Statist. .39, 621-642.
LANKE, J. {1973). On UMV-estimators in surveysampling. Metrika ^4, 19-202.
LANKE, J. {1975). Some Contributions to the Theory of Survey Samplin^g. Lund: AV-Centralen.
MEEDEN, G., GHOSH, M. yVARDEMAN, S. (1985). Some admissible non-paran^etric and related finite
population sampling estimators. Ann. Statist. 1.3, 81 1-817.
RA^, D. (1968). Samplin^g Theory. New York: McGraw-Hill.
RAMAKRISHNAN, M. K. (1975). Choice of an optimumsampling strategy I. Ann. Statt.st. 3, 669-679.
RAO, C. R. (1952). Some theorems on minimumvariance unbiased estimation. Sankhya 12.
Rulz M. ( 1986). Funciones paramtricas estimables en teora de muestras. Estadstica .EspaJota
112-11.3, 69-73.
ON UMV AND UMMSE ESTIMATORS IN FINITE POPULATIONS
SUMMAR^
We are offering another proof of a result given byGodambe and Joshi
(1965) that it was justified alsobymeans of other techniques byBasu
(1971) and Ramakrishnan (1975) relative tothe non-existence of uniformiy
minimum variance estirnators {or uniformlyminimum mean square error
estimators) in the class of all unbiased estimators (or all estimators) of
parametric functions that depends functionallyof all parametric arguments
for all non-census designs.
Key wor<.Is.- admissibility, unbiased estimation, uniformly minimumvarian-
ce estimation, finite
population sampling, non-existence theorems, Rao
theorem.
AMS Classification: 62D05, 62C99.