UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN

FACULTAD DE CIENCIAS FISICO MATEMATICAS

Maestría en Ciencia de Datos

Evidencia 4 – Estimación Puntual

Materia: Métodos Estadísticos Básicos

Profesor: MET. Alejandra Guadalupe Cerda Ruiz

Alumno: Leobardo García Reyes

David Eduardo Gallardo Fernández
Matricula: 1616825
0931556

San Nicolás de los Garza, N.L. 30 de junio de 2021

 Evidencia 4
MÉTODOS ESTADÍSTICOS BÁSICOS
MET. Alejandra Cerda

Lea detenidamente los siguientes enunciados y calcule la probabilidad

indicada mediante el uso de técnicas de conteo adecuadas según
corresponda. Incluya la evidencia de su procedimiento.

I.- Considere una muestra aleatoria de tamaño n con distribución Binomial(p)

a) Genere una estimación para p por el método de momentos

Momento Poblacional Momento Muestral

𝑀1 = 𝐸[𝑋] = 𝑛𝑝 𝑚1 = 𝑥̅

• Igualamos los momentos 𝑀1 = 𝑚1 y despejamos 𝑝

𝑛𝑝 = 𝑥̅

̅
𝒙
̂=
𝒑
𝒏

∴ Este es el estimador para 𝒑

b) Genere una estimación para p por el método de MLE

𝑛
𝑓(𝑥) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 𝑝𝑎𝑟𝑎 𝑥 = 0,1,2, … (1)
𝑥

• Calculamos la función de verosimilitud, a partir de la ecuación (1)

𝑛 𝑛
𝑛 (2)
𝐿(𝑝) = ∏ 𝑓(𝑥𝑖 ) = ∏ ( ) 𝑝 𝑥𝑖 (1 − 𝑝)𝑛−𝑥𝑖
𝑥𝑖
𝑖=1 𝑖=1

𝑛 𝑛 𝑛 (3)
𝐿(𝑝) = ( ) 𝑝 𝑥1 (1 − 𝑝)𝑛−𝑥1 ∗ ( ) 𝑝 𝑥2 (1 − 𝑝)𝑛−𝑥2 ∗ … ∗ ( ) 𝑝 𝑥𝑛 (1 − 𝑝)𝑛−𝑥𝑛
𝑥1 𝑥2 𝑥𝑛

𝑛
∑𝑛 𝑛2 −∑𝑛
𝑛 (4)
𝐿(𝑝) = 𝑝 𝑖=1 𝑥𝑖 (1 − 𝑝) 𝑖=1 𝑥𝑖 ∏( )
𝑥𝑖
𝑖=1
• Aplicando logaritmo natural a la ecuación (4)

𝑛
∑𝑛 𝑛2 −∑𝑛
𝑛
𝑙𝑛(𝐿(𝑝)) = 𝑙𝑛 [𝑝 𝑖=1 𝑥𝑖 (1 − 𝑝) 𝑖=1 𝑥𝑖 ∏ ( )] (5)
𝑥𝑖
𝑖=1

𝑛
∑𝑛 𝑛2 −∑𝑛
𝑛
𝑙𝑛(𝐿(𝑝)) = 𝑙𝑛(𝑝 𝑖=1 𝑥𝑖 ) + 𝑙𝑛[(1 − 𝑝) 𝑖=1 𝑥𝑖 ] + 𝑙𝑛 [∏ ( )] (6)
𝑥𝑖
𝑖=1

• Buscamos el máximo, derivamos con respecto a 𝑝 la ecuación (6)

𝑛
𝑑 𝑑 𝑛 2 𝑛 𝑛 (7)
𝑙𝑛(𝐿(𝑝)) = [𝑙𝑛(𝑝∑𝑖=1 𝑥𝑖 ) + 𝑙𝑛[(1 − 𝑝)𝑛 −∑𝑖=1 𝑥𝑖 ] + 𝑙𝑛 [∏ ( )]]
𝑑𝑝 𝑑𝑝 𝑥𝑖
𝑖=1

𝑑 ∑𝑛𝑖=1 𝑥𝑖 𝑛 1 (8)
𝑙𝑛(𝐿(𝑝)) = − (𝑛2 − ∑ 𝑥𝑖 ) ( )
𝑑𝑝 𝑝 𝑖=1 1−𝑝

• Igualamos a 0 la ecuación (8)

∑𝑛𝑖=1 𝑥𝑖 𝑛 1
− (𝑛2 − ∑ 𝑥𝑖 ) ( )=0 (9)
𝑝 𝑖=1 1−𝑝

• Como

∑𝑛𝑖=1 𝑥𝑖
= 𝑥̅
𝑛

• Despejaremos la sumatoria

𝑛
∑ 𝑥𝑖 = 𝑛𝑥̅
𝑖=1

• Usaremos esa igualdad para sustituirla en nuestra ecuación (9)

𝑛𝑥̅ 1
− (𝑛2 − 𝑛𝑥̅ ) ( )=0 ( 10 )
𝑝 1−𝑝
 • Despejaremos 𝑝 de la ecuación (10)

𝑛𝑥̅ 1 ( 11 )
= (𝑛2 − 𝑛𝑥̅ ) ( )
𝑝 1−𝑝

𝑛𝑥̅ 1 ( 12 )
= 𝑛(𝑛 − 𝑥̅ ) ( )
𝑝 1−𝑝

(1 − 𝑝) 1 ( 13 )
= 𝑛(𝑛 − 𝑥̅ ) ( )
𝑝 𝑛𝑥̅

1 𝑛 ( 14 )
−1= −1
𝑝 𝑥̅

1 𝑛 ( 15 )
=
𝑝 𝑥̅

̅
𝒙 ( 16 )
̂𝑴𝑳𝑬 =
𝒑
𝒏

∴ Candidato a máximo para 𝒑

• Comprobamos si es un máximo obteniendo la segunda derivada de la

ecuación (6), pero como ya habíamos derivado, de la ecuación (8) volvemos
a derivar

𝑑2 − ∑𝑛𝑖=1 𝑥𝑖 2
𝑛 1 ( 17 )
𝑙𝑛(𝐿(𝑝)) = − (𝑛 − ∑ 𝑥𝑖 ) [ ]
𝑑𝑝2 𝑝2 𝑖=1 (1 − 𝑝)2

𝑑2 ∑𝑛𝑖=1 𝑥𝑖 𝑛2 ∑𝑛𝑖=1 𝑥𝑖 ( 18 )
𝑙𝑛(𝐿(𝑝)) = − − + <0
𝑑𝑝2 𝑝2 (1 − 𝑝)2 (1 − 𝑝)2

∴ Este es el estimador para 𝒑