Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/317178846
Distribución del Máximo y del Mínimo de una muestra aleatoria de una variable
aleatoria X.
CITATIONS READS
0 5,726
1 author:
Claudia Castro-Kuriss
Instituto Tecnológico de Buenos Aires
27 PUBLICATIONS 89 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Claudia Castro-Kuriss on 28 May 2017.
Introducción
Este problema se plantea en el ejercicio 32 del libro de Jay Devore, séptima edición y
también en el ejemplo 6.4 página 232 del mencionado libro. Tambin se propone en el
ejercicio 17 del Trabajo Práctico 6, 2016.
Sea una muestra aleatoria X1 , X2 , . . . , Xn , de una variable aleatoria X, que supondremos
continua, y sea
X(n) = max(X1 , X2 , . . . , Xn ) , es decir, la variable aleatoria que representa el Máximo de
la muestra.
Sea también la variable aleatoria X(1) = min(X1 , X2 , . . . , Xn ) ,es decir, la variable aleato-
ria que representa el Mı́nimo de la muestra.
Hallaremos la función de distribución acumulada (FDA) de estas variables aleatorias y
sus densidades a partir de derivar las correspondientes FDA.
Primero lo haremos en general y luego aplicaremos los resultados obtenidos al caso par-
ticular de una muestra aleatoria de X ∼ U (0, θ).
1
y que tienen la misma distribución.
Derivando esta expresión, obtenemos la densidad de la variable aleatoria, Máximo de una
muestra aleatoria.
Luego,
FX(1) = 1 − (1 − FX (x))n (4)
Para deducir lo anterior (4 ) hemos usado el hecho de que las variables son independi-
entes y que tienen la misma distribución.
Además hemos utilizado la función de sobrevida definida como SX (x) = P (X > x) =
1 − FX (x).
Derivando la expresión 4, obtenemos la densidad de la variable aleatoria, Mı́nimo de una
muestra aleatoria.
2
xn−1
n θn
si 0 ≤ x ≤ θ
fX(n) (x) = (7)
0 sino
n(1 − xθ )n−1 1θ si 0 ≤ x ≤ θ
fX(1) (x) = (10)
0 sino
5 Ejemplo de aplicación.
La siguiente Tabla 1 contiene 30 observaciones. Se trata de una muestra generada al
azar de una distribución U (0, 1) obtenida a partir del programa Excel. Supongamos que
sabemos que provienen de una distribución U (0, θ) y queremos estimar dicho parámetro θ.
Table 1: Muestra ordenada de tamaño 30 generada al azar de una distribución U (0, 1).
0,03952147 0,09710990 0,10501419 0,11990722 0,14117862
0,15335551 0,16446425 0,20990631 0,28782006 0,28962065
0,32230598 0,45457320 0,46867275 0,47193823 0,49955748
0,53028962 0,53221229 0,55687124 0,58757286 0,61375774
0,69789727 0,70848720 0,72719504 0,74617756 0,75249489
0,76702170 0,82412183 0,83684805 0,84182257 0,89461959
La pregunta que nos podrı́amos formular ahora es cual estimador es mejor, en principio
el basado en el Máximo es un estimador asintóticamente insesgado por lo tanto este
serı́a en un sentido mejor. Otra forma de determinarlo es comparar los dos estimadores
insesgados que hemos deducido a partir de las v.a. Máximo y Mı́nimo y por lo tanto lo
que habrı́a que comparar es la varianza de los estimadores y elegir aquel cuya varianza
sea menor. Queda como ejercicio para el lector hallar la varianza de ambos estimadores
insesgados basados en las variables que estudiamos y ver cuál resulta menor.
Como ayuda indicamos que,
n+1 θ2
V[ X(n) ] = (12)
n (n + 2)(n)