Formulario – Parcial 1

Inferencia Estadística – Ciclo 02/2019 – Ing. José María Velásquez, MCs.

DISTRIBUCIONES MUESTRALES Función generadora de momentos
Distribución muestral de la media
𝑀𝑥 (𝑡) = 𝐸(𝑒 𝑡𝑋 )
𝑋̅ − 𝜇
𝑍= 𝜎
Caso discreto
√𝑛
𝑋̅ − 𝜇 𝑀𝑥 (𝑡) = 𝐸(𝑒 𝑡𝑋 ) = ∑ 𝑒 𝑡𝑥𝑖 𝑓(𝑥𝑖 )
𝑇= , 𝜈 = 𝑛 − 1 ℊℓ 𝑡𝑜𝑑𝑎 𝑥𝑖
𝑆
√𝑛 Caso continuo
Distribución muestral para la diferencia de medias ∞
𝑀𝑥 (𝑡) = 𝐸(𝑒 𝑡𝑋 ) = ∫ 𝑒 𝑡𝑥 𝑓(𝑥)𝑑𝑥
(𝑋̅1 − 𝑋̅2 ) − (𝜇1 − 𝜇2 ) −∞
𝑍=
√𝜎12 ⁄𝑛1 + 𝜎22 ⁄𝑛2 Teorema de la función generadora de momentos

Distribución muestral de la varianza de una muestra 𝑑𝑟 𝑀𝑥 (𝑡)

| = 𝜇𝑟′
𝑑𝑡 𝑟 𝑡=0
(𝑛 − 1)𝑆 2
𝜒2 = , 𝜈 = 𝑛 − 1 ℊℓ
𝜎2 ELEMENTOS MATEMÁTICOS BÁSICOS
Variable aleatoria con distribución F Teorema del binomio de Newton
𝑆12 𝑛
𝐹= , 𝜈1 = (𝑛1 − 1) ℊℓ y 𝜈2 = (𝑛2 − 1) ℊℓ 𝑛
𝑆22 (𝑥 + 𝑦) = ∑ ( ) 𝑥 𝑛−𝑘 𝑦 𝑘
𝑛
𝑘
𝑘=0
ESTIMACIÓN
Función de verosimilitud Serie de potencia
𝑛
∞
𝐿(𝜃|𝑥1 , 𝑥2, ⋯ 𝑥𝑛 ) = ∏ 𝑓(𝑥𝑖 ; 𝜃) 𝑥
𝑥𝑘
𝑒 =∑
𝑖=1 𝑘!
𝑘=0
r-ésimo momento alrededor del origen Función Gamma
∞
∑ 𝑥 𝑟 𝑓(𝑥), 𝑠𝑖 𝑋 𝑒𝑠 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎
Γ(𝑧) = ∫ 𝑡 𝑧−1 𝑒 −𝑡 𝑑𝑡
𝑥 0
𝜇𝑟′ = 𝐸(𝑥 𝑟 ) =
∞ Propiedad de la función Gamma
∫ 𝑥 𝑟 𝑓(𝑥)𝑑𝑥, 𝑠𝑖 𝑋 𝑒𝑠 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎
{ −∞ Γ(𝑛) = (𝑛 − 1)!
r-ésimo momento alrededor de la media Γ(𝑛 + 1) = 𝑛Γ(𝑛)
𝑟)
𝜇𝑟 = 𝐸((𝑥 − 𝜇) Función Beta
𝑟
∑(𝑥 − 𝜇) 𝑓(𝑥), 𝑠𝑖 𝑋 𝑒𝑠 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎 1
𝑥 𝐵(𝑥, 𝑦) = ∫ 𝑡 𝑥−1 (1 − 𝑡)𝑦−1 𝑑𝑡
= 0
∞
𝑟
∫ (𝑥 − 𝜇) 𝑓(𝑥)𝑑𝑥, 𝑠𝑖 𝑋 𝑒𝑠 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎 Propiedad de la función Beta
{ −∞
Γ(𝑥)Γ(𝑦)
Esperanza 𝐵(𝑥, 𝑦) =
Γ(𝑥 + 𝑦)
𝐸(𝑥) = 𝜇 = 𝜇1′
Varianza
© {JMV_IE}
𝜎 2 = 𝜇2′ − 𝜇2
DISTRIBUCIONES DISCRETAS

DISTRIBUCIONES CONTINUAS

© {JMV_IE}