Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 2 vistas

    Inferencia Estadística 2

    Cargado por

    Geraldine

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Inferencia Estadística 2

    Cargado por

    Geraldine
    2 vistas3 páginas

    Título original

    INFERENCIA ESTADÍSTICA 2

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    2 vistas3 páginas

    Inferencia Estadística 2

    Cargado por

    Geraldine

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 3

    e

    Sabemos que X1 ,
    X2 ,..., Xn son v d : .
    .
    . e vid Que siguen una distribu

    ción exponencial XinExo(8) con media O


    y varianza El

    ·
    fx(x(f) = J *, x0

    Ahora, para demostrar que el estimador ,


    es un estimador inses-

    gado, debemos ver que su esperanza es


    Igual al parametro o ie
    Pd .
    #[] =
    G

    como =x=
    ·
    E() =

    /X) 1) -EX =

    y como sabemos que una v.a. .


    exponencial XiExp(0), su esperanza =f

    ·
    II] = no :

    : 8 = E es un estimador insesgado def

    Ahora, calculamos la varianza de -X . Dado que =Vi y los Xi

    son variables vid, podemos usar la propiedad de la varianza de la suma :

    var() =
    var (Xi) = var(i)
    como todas las Xi son vid, tienen la misma varianza

    -Var() = 2
    .

    n .

    02 =
    ... Var de = * es

    La cota inferior de Cramér-Rao nos dice que cualquier estimador

    insesgado e la varianza cumple :

    Var()
    Donde /E es la info de Fisher, para
    .
    . Xi con fx
    una v a .
    (x(0)
    [(0) = -

    en fx(x ] =

    -
    calculemos el log de la función de densidad de Xi

    fx(xif) = -e -0
    > enfx(x ; ) = -
    end-

    Ira .
    derivada : enfx(x i) - + =

    2 da derivadaenfx(xi) = calalamos la esperanza


    ·

    #- =- . =

    G E E=
    -

    +
    [ =

    Como la cota inferior de Cramér-Rao de cualquier estimador inces-

    gado de 0 es :

    Var() n =
    como vimos la varianza de 8 = es * alcanza la cota V )
    .
    :

    La función de supervivencia de y está olada por :

    P(yyy) = P(X1 y1 , Xz y , ..., xn >


    y)
    como las Xi son ind .

    y exponenciales

    e- ny
    = (e y(f)n
    -

    P(y(y) P(Xy) = =

    La función de densidad se puede sacar derivando la de supervivencia :

    fy(y) = = eny(8) = e ny10


    y(1 p(y -
    y)) y(1
    -

    .. Y ~ EXD() .

    Ahora, para la media y la varianza :

    ESY] =

    E .
    var(Y) =
    *
    comoX =
    S E[Y] =
    E , var(Y) =E
    Sabemos que ECY] = En , podemos usar Ex = nY

    calculamos la F (Ey) =

    IECEx] EInY] =
    =
    nIELY] =
    n .
    E : E

    ... Ey = ny es un estimador
    insesgado de 0
    .

    ¿Cuál es eficiente ? El estimador X , porque alcanza la cota inferior de Cré-


    mer-Rao.
    a Cuál es consistente ? Ambos son consistentes sus varianzas tienden
    ,
    ya que
    a O cuando n -o , sin embargo * es más eficiente que

    ny porque su varianza es menor.

    También podría gustarte