Problemas Estimacin Puntual

P1: Sea y
1
,....,y
n
una m.a.s. D el estimador de mxima verosimilitud para cuando:
a) f y ( )

'

1
0

;
0 0 y
)
f y
e
y
( )
( )

'

0
;
y
Soluci!n
a)
fn y yi i
n
( , ) ;

1
"sta #unci!n no se puede derivar c$r a pues est en el dominio. %ue&o #n es mximo
cuando es lo ms c'ico posile, por lo tanto el ".(.). de es:
{ }

,..., max y y
n 1
pues de otra manera se romper*a el 'ec'o +ue
[ ]
y i
i
0,


) Ln y e e
y y n
i i
( $ )
( )

+
Ln y e
n y
i
( $ )

y
i i
;
,o se puede derivar pues est en el dominio. %ue&o %n es mximo cuando
es lo ms &rande posile, por lo +ue el ".(.). de es:
{ }

,..., min y y
n 1
pues de otra manera se romper*a el 'ec'o +ue
y
i i

;
Problema 1 Se tiene una muestra aleatoria simple x1 ... xn de una variale aleatoria - tal +ue (-) . y
)ar(-) .
/
. Se consideran los estimadores de de la #orma

n
i
i i
x a
1
0 .
1.1 Determine una condici!n sore los ai para +ue
0
sea un estimador inses&ado.
1.2 Determine los ai para +ue
0
sea inses&ado y de varian1a m*nima.
Solucin:
1.1 Para +ue el estimador
0
de sea inses&ado ) 0 ( .

n
i
i i
x a
1
0



,
_

n
i
i
n
i
n
i
i i i i
n
i
i i
a x a x a x a
1 1 1 1
) ( ) ( ) 0 (

n
i
i
a
1
1
1

n
i
i
a
1./ Se dee minimi1ar la varian1a de
0
su2eto a

n
i
i
a
1
1
3alculemos primero la varian1a de
0
) var( ) 0 var(
1

n
i
i i
x a



n
i
n
i
n
i
i i i i i
a x a x a
1 1 1
/ / /
) var( ) var(

,
_

n
i
n
i
i i
a a Q
1 1
/
1
derivando e i&ualando a cero para minimi1ar
0 /
/

i
i
a
a
Q
i
a
/
/
3on

n
i
i
n
a
1
/
/
1

; lue&o
n
a
i
1

X x
n
n
i
i


1
1
0
Problema 2
Sean n variales aleatorias independientes x1, x/, ...,xn de #unci!n de densidad distintas.
%a #unci!n de densidad de x4 es
5 0
) ; (

k x e
x f
x k
k

'

1.1 D la esperan1a y la varian1a de x4.

Por de#inici!n :

dx xe e dx xe x f x x E
x k x k
k k k

) ; ( ) (
Para resolver la inte&ral utili1amos el mtodo de resoluci!n por partes

vdu uv udv
; "n nuestro caso sean :
dx du x u
e v e dv
x x



volviendo a la inte&ral de la esperan1a: "(x4) . 16 4
3lculo de la varian1a

k
x k x k
k
k
dx e x e dx e x x E
/ / /
) ( ) ( ; nuevamente por partes se otiene
/ /
) ( / / ) ( k k x E
k
+ + ; con lo +ue la varian1a [ ]
/ /
) ( ) ( ) ( x E x E x Var =1
1./ D la #unci!n de densidad con2unta de (x1, x/, ...,xn) ( 7servar +ue las x4 tienen #unci!n de densidad
distintas y no olvide precisar el dominio).

n
1 4
n / 1
) ; ( ) ; x ..., , x , x (
k
x k
k k n
e x f f

; para x k 4:1..n
8ecordemos +ue
/
) 1 (
1
+

n n
k
n
k
, con lo +ue

+
k
x
n n
n
e x f
/
) 1 (
) (

1.9 D el estimador de mxima verosimilitud de

0 de .

+
k
x
n n
n
e x f
/
) 1 (
) (

Ln $

k n
x
n n
x g
/
) 1 (
) (

; derivando se otiene
0
/
) 1 (

n n g
n

no lle&amos a nada
por lo +ue deemos anali1ar el dominio de la #unci!n de verosimilitud.
Si k x x k x
min
;
todos los x muestrales son mayores ! i&uales al m*nimo de la muestra . :omamos entonces
k
x
min

0

,
_

k
x
min
k

0
1.;D la #unci!n de distriuci!n de
0

,
_

k
x
min
k

0
; primero necesito la distriuci!n de
k
x
k
; Sea
k
y
x
ky x
k
x
y
k
k
k k
k

;
[ ] ) 1 (

k e e xe dx e xe xe
k
k
x x
k
x x
k
x
+ +

) ( 1
) ( ) (
y k
k
k
k k
ke
x
y
x f y g

) ( ) (
1 ) ( ) (
a k
a
a k
k k
e ke a y P a G

si a 0
3on esta distriuci!n encontramos la distriuci!n del m*nimo.
) ( 1 ) ( y miny P y miny P
k k
si el m*nimo de los y y
k
; s +ue todos los y miny y
k k

) (
/
) 1 (
1
) ( ) (
y
n n
n
k
k k
e y y P y miny P

+

/
) )( 1 (
1 ) ( ) (
y n n
k
e y miny P y H
+

y
%ue&o, la #unci!n de densidad de y es:
/
) )( 1 (
/
) 1 ( ) (
) (
y n n
e
n n
y
y H
y h
+
+

si
y
1.< D el estimador
=
tal +ue


k
k
k
k
x x E ) (
.
3alculando su esperan1a y su varian1a, dedu1ca +ue
=
es un estimador consistente


+
+ + +
n
k
n
k
n
k
k
k
n n
n k k x E
1 1 1
/
) 1 (
1 ) 1 ( ) (
) 1 (
) 1 ( /
/
) 1 (
=
1
+

+
+

n n
x
x
n n
n
k
n
k
k

0
) 1 (
;
) var(
) 1 (
;
) (
/
) 1 (
) 1 (
/
) (
/ / /
=
=

+

+
+

n k
n n
x
n n
n
Var
n n
n n
E

Por lo tanto el estimador es consistente.

Problema 1 : Se tiene una muestra aleatoria simple
n
x x ..
1
de una variale aleatoria x tal +ue ) (x E
y
/
) ( x Var . Se consideran los estimadores de

de la #orma

n
i
i i
x a
1
0 .
1.1 Determine una condici!n sore los
i
a para +ue
0 sea un estimador inses&ado.

n
i
i i
x a
1
0

n
i
i i
x a E E
1
) ( ) 0 (

) (
i i
x a E

) (
i i
x E a

i
a

1
i
a
1./ Determine los
i
a para +ue
0 sea un estimador inses&ado y de varian1a m*nima.
Se dee:
min ) 0 var(
s.a

1
i
a
%a ) 0 var( .

) var(
i i
x a .

) var(
/
i i
x a .

/ /

i
a .

/ /
i
a
>plicando %a&ran&eano
L=

/ /
i
a -(

1
i
a )
0 /
/

i
i
a
a
L

i
a
/
/ (=)
con

1
i
a


i
a
/
/

/
/ n

n
/
/

reempla1ando en (=)
i
a
n
/
/
/
/

n
a
i
1

%ue&o
0 .

X
n
x
i
1.9 "ncuentre el estimador

n
i
i i
x a
1
5
.+ue minimi1a [ ]
/
)
5
( E . 3ompare los ses&os y las varian1as
de los estimadores
0 y

5
.
[ ] [ ]
[ ] [ ]
/ /
/ /
)
5
( )
5
var( )
5
(
)
5
( )
5
( )
5
var(


+

E E
E E
)
5
var( .

/ /
i
a
y )
5
( )
5
( E E .

) (
i
a . ( )

1
i
a
[ ]
/
)
5
( E .

/ /
i
a 6 ( )
/
/
1

i
a Para minimi1ar derivamos
[ ]
0 ) 1 ( / /
) (
/ /
/
+

i i
i
a a
a
E

/
/
) 1 (

i
i
a
a
$

%a

cte a
i
/
/
) 1 (

i
i
a n
a
despe2ando
i
a
/ /
/

n
n
a
i
+

3omo los
i
a son todos i&uales
/ /
/

n
a
i
+

i
x
n
/ /
/
5

/ /
9
)
5
(
n
n
E es ses&ado
/
/ / /
;
) (
)
5
var(

n
n
+

recordando +ue la
n
/
) 0 var(


)
5
var( ) 0 var( 1
) (
)
5
var(
) 0 var(
; /
/ / /

n
n
Problema 2 : Sea una variale aleatoria x de #unci!n de densidad
1
) (
1
) (

r
a
x
r
x e
r a
x f si 0 > x
donde a?0 es desconocido, r?0 es dado y

0
1
) ( dx e x r
x r
, ) ( ) 1 ( r r r + . %a #unci!n
&eneratri1 de momentos de x es i&ual a
r
tx
ta
t e E
,
_

1
1
) ( ) ( , para ta@1.
/.1 Se extrae al a1ar una muestra de tamaAo m. D el estimador de mxima verosimilitud
m
a0 de a .
) (x f
n
.

1
)) ( (
1
r
i
a
x
m mr
x e
r a
i
$ln
) (x g
n
.

+ ) ln( ) 1 ( ) ( ln ) ln(
i
i
x r
a
x
r m a rm
0
) (
/
+

a
x
a
rm
a
x g
i
n

mr
x
a
i
m

0
r
X
m
/./ Se extrae al a1ar una se&unda muestra de tamaAo n, lo +ue permite tener una muestra total de tamaAo
m6n. Btili1ando los resultados precedentes, dar el nuevo estimador de mxima verosimilitud
n m
a
+
0 de a .
D la esperan1a de
n m
a
+
0 . (puede usar la #unci!n (t)).
r n m
x
a
n m
i
i
n m
) (
0
1
+

+
r
x E
r n m
x E n m
a E
i i
n m
) (
) (
) ( ) (
) 0 (
+
+

+
0
) (
) (

t
x
i
t
t M
x E . 0
1
) 1 (

+

t
r
ta
ra
. ra
) 0 (
n m
a E
+
. a inses&ado
/.9 Se considera otro estimador
0
0 a otenido como promedio del estimador
m
a0 y el estimador de mxima
verosimilitud
n
a0 de a para la se&unda muestra:
/
0 0
0
0
n m
a a
a
+
. 3alcule la esperan1a y la varian1a de
0
0 a .
) 0 (
0
a E )) 0 ( ) 0 ( (
/
1
n m
a E a E +
pero
a a E a E
n m
) 0 ( ) 0 (
del caso anterior
) 0 (
0
a E a a a + ) (
/
1
(inses&ado)
) 0 (
0
a Var )) 0 var( ) 0 (var(
;
1
n m
a a +
/ / / /
) var(
) (
) var(
) (
) var(
) var(
) (
1
) 0 (
mr
x
mr
x m
mr
x
x
mr
a Var
i i
i
i m

/ /
) ( ) ( ) var(
i i i
x E x E x
0
/
/
/
) (
) (

t
x
t
t M
x E
/ /
0
/
/
) (
) 1 (
) 1 (
ra ra
ta
r ra
t
r
+

+
/
) var( ra x
i

mr
a
a
m
/
) 0 var(
rmn
a n m
nr
a
mr
a
a
;
) (
) (
;
1
) 0 var(
/ / /
0
+
+
Bna #rica traa2a con dos m+uinas, una de tipo > y la otra de tipo C. "l costo semanal - de reparaci!n
para las m+uinas de tipo > si&ue una distriuci!n normal ) , / (
/
N . "l costo semanal D de reparaci!n
para las m+uinas de tipo C si&ue una distriuci!n normal ) 9 , (
/
N . "l costo semanal esperado para la
#rica es
9
.
1. Se tienen dos muestras independientes: una muestra aleatoria simple
n
X X X ,..., ,
/ 1
de costos para
las m+uinas de tipo > y una muestra aleatoria simple
m
Y Y Y ,..., ,
/ 1
de costos para las m+uinas de
tipo C y se consideran los estimadores de

de la #orma


+
m
j
j j
n
i
i i
Y b X a
1 1
0
. Determine una
condici!n sore los ai y bj para +ue el estimador
0
de

sea inses&ado.
/. Determine los ai y bj para +ue el estimador
0
de

sea inses&ado y de varian1a m*nima.

9. "l estimador
0
de la pretunta / es de m*nima varian1a entre los estimadores inses&ados de la #orma


+
m
j
j j
n
i
i i
Y b X a
1 1
0
. )eri#i+ue si es de m*nima varian1a entra todos los estimadores inses&ados
de

.
;. Determine los ai y bj para +ue el estimador


+
m
j
j j
n
i
i i
Y b X a
1 1
=

minimi1a E ) F(
/ =
E .
<. G3ul de
0
o
=
tiene la varian1a ms pe+ueAaH
Repuesta
1.
+ +


) / ( ) ( ) ( ) 0 (
1 1 1 1
m
j
j
n
i
i
m
j
j j
n
i
i i
b a Y E b X E a E

+
m
j
j
n
i
i
b a
1 1
1 /
/.
) 9 ( ) ( ) ( ) 0 (
1
/
1
/ /
1
/
1
/


+ +
m
j
j
n
i
i
m
j
j j
n
i
i i
b a Y Var b X Var a V
. Iay +ue minimi1ar
) 0 ( Var su2eto a


+
m
j
j
n
i
i
b a
1 1
1 /
( ) 0 ( Var Q ) 1 /
1 1


+
m
j
j
n
i
i
b a
j i
j j j
j
i i i
i
b a
b b b
b
Q
a a a
a
Q
J
i&uales) todos (
J
0 J 0
i&uales) todos ( 0 / / 0
/
/
/
/

De


+
m
j
j
n
i
i
b a
1 1
1 /
se deduce +ue
m n
b
m n
a
j i
+

1/
1
,
1/
J
y

+
,
_

j
j
i
i
Y X
m n
) J (
1/
1
0
9. 3alculemos la cota in#erior de la desi&ualdad de 3ramerK8ao. %a #unci!n de verosimilitud de las (nm)
valores muestrales es:

,
_

,
_

j
j
m
i
i
n
Y X L ) ) (
J
1
exp(
J
1
) ) / (
/
1
exp(
/
1
/
/
/
/
/
/

,
_

,
_

j
j
i
i
Y X
m n
L E ) (
J
1
) ) / (
/
1
F
1
) J lo&(
/
) / lo&(
/
) lo&(
/ /
/
/ /

j
j
i
i
Y X
L
)E (
9
1
) ) / ( / F
1 ) lo&(
/


E
9
1/
F
1
E
9
; F
1 ) lo&(
/ / /
/
m n m
n
L +
+

m n
Var
+

1/
9
) 0 (
/

Por otro lado:

m n
b a Var
i j
j i
+
+

1/
9
) 9 ( ) 0 (
/
/ / /


0
es un estimador inses&ado de m*nima varian1a para

.
;. Se tiene


+
m
j
j j
n
i
i i
Y b X a
1 1
=

y
/ = = / =
))E ( F ) ( E ) F( + E Var E .

+
i j
j i
b a Var ) 9 ( ) (
/ / / =

y

+
i j
j i
b a E ) 1 / ( ) (
=

E ) F(
/ =
E
+ +

i j
j i
b a ) 9 (
/ / /

+
i j
j i
b a
/ /
) 1 / (
(inimi1ando:

+ +

j
j
i
i i
i
b a a
a
E
0 ) 1 / ( ; /
E ) F(
/ /
/ =





j
j
i
i i
b a a ) / 1 L(
/
/
/

+ +

j
j
i
i j
j
b a b
b
E
0 ) 1 / ( / J
E ) F(
/ /
/ =





j
j
i
i j
b a b ) / 1 L(
9
/
/

%ue&o todos los

j
b
son i&uales y todos los
i
a son i&uales a
j
b J
. Sea
b b
j

y b a
i
J . "ntonces


i
j i i
b a
n
a ) / 1 (
/
/
/

o sea ) 1/ 1 (
/
J
/
/
mb nb
n
nb

Minalmente:
/ /
/
) 1/ ( 9

m n
b
+ +
y

+ +

j i
m
j
j j
n
i
i i
Y b X b Y b X a J
1 1
=

+ ) J (
=
j i
Y X b
/ /
/
) 1/ ( 9

m n + +

+ ) J (
j i
Y X
<. Se deduce la varian1a de
=
:
) (
=
Var
/
/ /
/
) 1/ ( 9

,
_

+ +

m n
/ / /
/
=
) ) 1/ ( 9 )( 1/ (
) var( ) 0 var(

m n m n
!
+ + +

con
; / ; ; / / / / / ;
/ ;N /NN 1N /1J /O m nm n m n ! + + + + +
%ue&o la di#erencia es positiva y
=
tiene menor varian1a +ue
0
.
Problema :
Sea una muestra aleatoria {x1, x2,,xn}e !uncin e ensia:

'

<

+
si
si
" x #
" x
x
"
$ % x & f
'

con # >
1.1 Encuentre el estimaor
'
( e m"#ima $erosimilitu e .
8esp:
%a #unci!n de densidad " x
x
"
$ % x & f
'

+
si

y la #unci!n de verosimilitud:
" x
x
"
$ % x )***) x & L
i
i
'
i
n n
n '

+
si

+ +
i
i
$ x +,g& $ ' & $ " +,g& n $ +,g& n $ L +,g&
$ " - x +,g&
n
# $ x +,g& $ " +,g& n
n $ L +,g&
i
i
i
i
+

i
i
'
$ " - x +,g&
n
(
1.2 Encuentre el estimaor
"
( e los momentos e .
%a esperan1a de X es:
'
"
dx
x
"
$ X & E
"

para ' > . Pdenti#icando E&X$ con x se

otiene el estimador
"
( :

x
' (
( "
"
"

" x
x
(
"