Tarea de la semana 5

1. Para una muestra de una normal con media θ y varianza 1 mostrar que
X̄ es un estimador eficiente para m.
2. Sea X1 , X2 , . . . , Xn una muestra de una distribución Gamma con función
de densidad
xλ−1 −x/θ
fθ (x) = e , x > 0,
Γ(λ)θλ
donde λ > 0 es un número dado y θ > 0, un parámetro desconocido.
Demostrar que el estimador de máxima verosimilitud es un estimador
eficiente.
3. Sea X1 , . . . Xn una muestra de una distribución con función de densidad:

fθ (x) = θxθ−1 , 0 < x < 1, θ > 0.

Pn
Demostrar que para τ (θ) = 1/θ el estimador τ̂ = − n1 i=1 ln Xi es efi-
ciente.
4. Sea X una variable aleatoria discreta con distribución binomial negativa:
 
x−1
Pθ (X = x) = fθ (x) = θm (1 − θ)x−m , x = m, m + 1, . . . .
m−1

donde θ ∈ (0, 1) es un parámetro desconocido. Mostrar que τ̂ = X̄/m es

un estimador eficiente para τ (θ) = 1/θ.
5. Sea X1 , X2 , . . . , Xn una muestra
Pde una distribución de Poisson con parámetro
n
λ (desconocido) y sea T = i=1 Xi . Mostrar que el estimador τ̂ =
T (T −1)/n2 es un estimador insesgado de τ (λ) = λ2 . ¿Alcanza la varianza
de τ̂ la cota de Rao-Cramer?
6. Sea X una variable aleatoria Poisson con parámetro 0 < θ < 1. Mostrar
que para cualquier estadı́stico T = T (X) tal que Eθ T < ∞ para toda
0 < θ < ∞ la función τ (θ) = Eθ T es diferenciable, y su derivada puede
ser calculada derivando los sumandos en la serie correspondiente (diferen-
ciabilidad bajo el signo de esperanza).
7. Para una muestra de una normal con una media conocida m y varianza
desconocida θ, demostrar que el estimador de máxima verosimilitud de θ
es eficiente.