Ejercicio de estimación de máxima verosimilitud

El tiempo de realización en minutos de una determinada tarea dentro de un

proceso industrial es una variable aleatoria con función de densidad
x −x/θ
f (x) = e si x > 0
θ2
donde θ > 0.
a) Calcular el estimador máximo-verosı́mil de θ para una muestra aleatoria
simple de tamaño n.

1. Escribir la verosimilitud:
n n
ind. Y i.d. Y
L(θ) = L(x1 , . . . , xn ; θ) = fXi (xi ) = fX (xi )
i=1 i=1
n  n
n Y n
xi 1
 
−xi /θ
e−xi /θ
Y Y
= e = 2 xi
i=1 θ2 θ i=1 i=1
n n n
( )
1 1X

ea ·eb =ea+b Y
= exp − xi xi ; x1 , . . . , x n > 0
θ2 θ i=1 i=1

2. Escribir el logaritmo de la verosimilitud:

n n n
( ) !
1 1X
 Y
`(θ) = ln L(θ) = ln exp − xi xi
θ2 θ i=1 i=1
n  n n
( )! !
1 1X

ln(a·b)=ln a+ln b Y
= ln + ln exp − xi + ln xi
θ2 θ i=1 i=1
n n
!
1X Y
= ln (θ−2n ) − xi + ln xi
θ i=1 i=1
n n
!
1X Y
= −2n ln θ − xi + ln xi ; x1 , . . . , x n > 0
θ i=1 i=1

∂
3. Obtener el θ tal que ∂θj
`(θ) = 0.
n n
!!
∂ ∂ 1X Y
`(θ) = −2n ln θ − xi + ln xi
∂θ ∂θ θ i=1 i=1
n n
! !!
∂ ∂ 1X ∂ Y
= (−2n ln θ) − xi + ln xi
∂θ ∂θ θ i=1 ∂θ i=1
n
!
−2n
P
xi
= − − i=12 +0
θ θ
Pn
−2n xi
= + i=12
θ θ

Estadı́stica I 08/09 A. Arribas Gil

 Por lo tanto:
n n
−2n
P P
∂ xi xi 2n
`(θ) = 0 ⇔ + i=12 = 0 ⇔ i=12 =
∂θ θ
Pn
θ Pn
θ θ
×θ i=1 xi xi
⇔ = 2n ⇔ θ = i=1
θ 2n
Pn
i=1 xi
El candidato a EMV es θ̂M V = .
2n
∂2
4. Comprobar que realmente es un máximo, es decir, que ∂θ2
`(θ)|θ=θ̂M V < 0.
Pn
∂2
!
∂ −2n i=1 xi
2
`(θ) = +
∂θ ∂θ θ θ2
n
−1 X −2
= (−2n) + x i
θ2 i=1 θ3
n n
!
2n 2 X 2 1X
= − x i = n − xi
θ2 θ3 i=1 θ2 θ i=1
Pn
i=1 xi
Si ahora lo evaluamos en el candidato θ̂M V = , tenemos:
2n
 
2 n n
!
∂ 2 1 X 2  1 X
`(θ)|θ=θ̂M V = n− xi = n − Pn xi 
∂θ2 2
θ̂M V θ̂M V i=1
2
θ̂M V i=1
xi
i=1
2n
2 2
= 2
(n − 2n) = 2
(−n) < 0
θ̂M V θ̂M V

obtenemos que la segunda derivada de `(θ) es negativa en θ̂M V y por tanto es un

máximo.

X
El estimador máximo verósimil de θ es θ̂M V = . Para una muestra particular, la
2
x
estimación máximo verosı́mil será θ̂M V = .
2
b) Calcular el estimador máximo-verosı́mil de E[X] para una muestra aleatoria
simple de tamaño n.

Lo
R∞
primero es calcular E[X]. Como X es una v.a. continua, sabemos que E[X] =
−∞ x f (x)dx. Pero como X sólo toma valores positivos:

Z ∞ 2
Z ∞ Z ∞
x −x/θ x −x/θ 1 Z ∞ 2 −1 −x/θ
 
E[X] = x f (x) dx = x 2e dx = e dx = − x e dx
0 0 θ 0 θ2 θ 0 θ

Estadı́stica I 08/09 A. Arribas Gil

 partes1
 
integr. por
1 h 2 −x/θ i∞ Z ∞ −x/θ
 
=  u = x2 du = 2x dx =− x e − e 2x dx

θ 0 0
dv = −1
θ
e−x/θ dx v = e−x/θ
1h 1Z ∞ 1 1Z ∞
i∞  
= − x2 e−x/θ + 2x e−x/θ dx = − lim x2 e−x/θ − lim x2 e−x/θ + 2x e−x/θ dx
θ 0 θ 0 θ x→∞ x→0 θ 0
partes1
 
integr. por
1 1 Z ∞ Z ∞ 
−1 −x/θ

=2 − (0 − 0) + 2x e−x/θ dx = −2 x e dx =  u = x du = dx 

θ θ 0 θ

0 −1 −x/θ −x/θ
dv = θ e dx v = e
h i∞ Z ∞   h i∞ 
−x/θ −x/θ
= −2 xe − e dx = 2 − 2 0 − −θe−x/θ
0 0 0
 
= −2θ lim e−x/θ − lim e−x/θ = −2θ(0 − 1) = 2θ
x→∞ x→0

Tenemos que E[X] = 2θ. Por el principio de invarianza del EMV, sabemos que si θ̂M V
es el estimador máximo verosı́mil de θ, el estimador máximo verosı́mil de cualquier
función h(θ) es h(θ̂M V ).
Por tanto, el EMV de E[X] será:

X
E[X]
d
M V = 2 θ̂M V = 2 = X.
2

c) Mediante un muestreo aleatorio simple se han recogido los siguientes 15

tiempos de realización de la tarea:
5.56 2.23 0.58 1.37 0.21 1.98 2.44 2.71
10.12 4.69 3.47 1.73 3.51 1.19 0.97
Obtener la estimación máximo-verosı́mil del tiempo medio de realización
del proceso.

15
1 X
Para esta muestra se tiene que x = xi = 2.8507, por tanto, la estimación máximo
15 i=1
verosı́mil para el tiempo medio será:

E[X]
d
M V = x = 2.8507 minutos.
Z Z Z b
1
Integración por partes: u · dv = u · v − v · du. Si la integral es definida, entonces u · dv =
Z b a

[u · v]ba − v · du.
a
2
La exponencial negativa decrece mucho más rápido hacia cero que lo que x2 crece hacia infinito.
En general, cuando tenemos una indeterminación en la que aparece una exponencial y cualquier
función polinomial, siempre “gana” la exponencial. De forma rigurosa, tenemos:
x2 L’Hôpital (x2 )0 2x L’Hôpital 2
lim x2 e−x/θ = lim = lim = lim x/θ = lim x/θ 2 = 0
x→∞ x→∞ ex/θ x→∞ (ex/θ )0 x→∞ e /θ x→∞ e /θ

Estadı́stica I 08/09 A. Arribas Gil

 d) Para la muestra del apartado anterior, dar una aproximación de la varianza
asintótica del estimador de máxima verosimilitud de θ.

Sabemos que el EMV es asintóticamente normal, y que su varianza asintótica es aprox-

1
imadamente − ∂ 2 . En nuestro caso, en el apartado a) (paso 4) hemos
∂θ 2 `(θ)|θ=θ̂ MV
obtenido que

∂2 −2n
2
`(θ)|θ=θ̂M V = 2
∂θ θ̂M V

por tanto, la aproximación de la varianza asintótica de θ̂M V para esta muestra partic-
ular será:

2
h i A 1 1 θ̂M V
V ar θ̂M V ≈ − = − =
∂2
`(θ)|θ=θ̂M V −2n 2n
∂θ2
2
θ̂M V
(x/2)2 c) 2.85072
= = = 0.0677
2n 8 · 15

Estadı́stica I 08/09 A. Arribas Gil