Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPTULO 3
3. ESTIMACIN JACKNIFE UTILIZANDO SIMULACIN
3.1 Introduccin
En este captulo desarrollamos el modelo de simulacin del sistema
identificado y planteado, adems se explican cada una de las funciones
desarrolladas en el programa de simulacin, el cual se realiz en el
lenguaje Matlab 5.3;
44
45
poblacin terica.
Atributos: Los atributos para la entidad unidad observada de la poblacin
son:
Valor de la unidad observada:
uk,i
Tamao de la muestra: n
Nmero de vueltas (# de estimadores a generarse a partir de las
muestras): nv
Parmetro Poblacional: parametro
Vector con la muestra aleatoria i-sima: mi
Valor del estimador i-simo Jacknife: VEJi
Valor del i-simo estimador obtenido por el mtodo convencional: VEC i
Intervalo de confianza para el valor del estimador Jacknife i-simo: ICJ i
Intervalo de confianza para el valor del estimador i-simo obtenido por
el mtodo convencional: ICCi
Sesgo obtenido con el valor del estimador Jacknife i-simo: SJ i
46
VEJi
MJ i1
nv
47
nv
MC
VEC i
i 1
nv
nv
SPJ
SJi
i 1
nv
nv
SPC
SCi
i 1
nv
nv
2
(VEJi MJ)
VEJ i 1
nv - 1
nv
2
(VECi MC)
VEC i 1
nv - 1
48
necesarias
para
el
ingreso
de
los
parmetros
Cuadro 1
Estimacin por el Mtodo Jacknife
Poblaciones Discretas y Continuas utilizadas en la simulacin
Discretas
Continuas
Binomial
Uniforme
Binomial Negativa
Exponencial
Poisson
Beta
Hipergeomtrica
Normal
Normal Bivariada
Elaboracin: R. Pla
Cuadro 2
Estimacin por el Mtodo Jacknife
Estimadores utilizados en la simulacin
Discretas
Continuas
Media
Media
Varianza
de
mxima
Mediana
verosimilitud
Varianza
de
mxima
Varianza muestral
verosimilitud
Primer estadstico de orden
Varianza muestral
ltimo estadstico de orden
Primer estadstico de orden
ltimo estadstico de orden
Elaboracin: R. Pla
49
podemos
obtener
el
parmetro
de
la
varianza
50
generar
los
50
estimadores
en
la
funcin
51
52
kx
entonces x=x+1
N r 1
un
nmero
aleatorio
perteneciente
una
distribucin uniforme R.
2. Inicializamos: i=0, po=e- y F0=p0
3. Si R < Fi entonces x=i caso contrario incrementamos pi 1
p i
i 1
covm (matriz
positiva definida)
1.
2.
covarianzas R=Cholesky(
53
3.
nxd
de nmeros aleatorios
X=Z (R) + v ( )