A partir de ambas definiciones se puede concluir que todo estimador
1) (
)
3)
(Demostrar)
6) (
Si adems se considera que la poblacin (
) Entonces
7) Se cumple 3) y 4) para todo n
8) (
(Demostrar)
9) (
)
()
10)
() (Demostrar)
11)
(
()
( )
12)
() Entonces:
()
13)
2
2
2
1
+
+
= =
m n
S m S n
S
p
o
( DEMOSTRAR)
16) Si en el caso anterior asumimos que las varianzas son desconocidas pero distintas, es decir
2
1
o
2
2
o
entonces
( ) ( )
( ) v
t
m
S
n
S
Y Y
T ~
+
=
2
2
2
1
1 2 2 2
Donde:
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
|
|
|
.
|
\
|
+
|
|
|
.
|
\
|
|
|
|
.
|
\
|
+
=
1
2
2
2
1
2
2
1
2
2
2
2
1
m
m
s
n
n
s
m
s
n
s
v
17) Si no se tiene la condicin de normalidad, pero ambas muestras son de tamao grande entonces por TLC
se tiene que:
( ) ( )
( ) 1 , 0
2
2
2
1
1 2 1 2
N
a
m
S
n
S
Y Y
Z
~
+
=
18) El ltimo caso que consideraremos es el de la distribucin F de Fischer
) 1 , 1 ( *
2
1
2
2
2
2
2
1
~ = m n F
S
S
F
o
o
Una distribucin F, se construye en base al cociente de dos distribucin Chi-Cuadrado independientes
Sea la v.a.: V
() e independientemente sea
) Entonces
( )