Inferencia Estadística 2
Inferencia Estadística 2
Inferencia Estadística 2
Sabemos que X1 ,
X2 ,..., Xn son v d : .
.
. e vid Que siguen una distribu
·
fx(x(f) = J *, x0
como =x=
·
E() =
/X) 1) -EX =
·
II] = no :
var() =
var (Xi) = var(i)
como todas las Xi son vid, tienen la misma varianza
-Var() = 2
.
n .
02 =
... Var de = * es
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) - + =
#- =- . =
G E E=
-
+
[ =
gado de 0 es :
Var() n =
como vimos la varianza de 8 = es * alcanza la cota V )
.
:
y exponenciales
e- ny
= (e y(f)n
-
P(y(y) P(Xy) = =
.. Y ~ EXD() .
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
.