Ejemplos

Dada X1, …, Xn una m.a.s. de una población Poisson(θ), con θ >0

 Función paramétrica h(θ) = θ

Buscamos el estimador óptimo  Uh

n

 Xi
 h  X 1  X n  g T  X 1  X n  
1
f  X 1  X n   n
e  n  i1
X !
i 1
i

 n 
1

h  X 1  X n     X i !  n
 i 1    T  1 n   X i es suficiente para 
X  X 
T X X 
g T  X 1  X n    e  n   1 n  
T. de Factorización i 1

f  X 1  X n  pertenece a una familia exponencial uniparamétrica

 n 
1   X i  ln 
 n  i 1 
f  X 1  X n    h  X 1  X n  c   e
Q  T  X1 X n 
n
e e
X !
i 1
i

 
1
 n
h  X 1  X n     X i !  n

 i 1    T  X 1  X n    X i es suficiente y completo
 
para 
 
c    e  n Q    ln  
i 1
ln contiene
un abierto de 1

 n 
E T  X 1  X n    E   X i   n  T no es centrado
 i 1 
T  X1  X n 
Consideramos X   H T 
n
X es función de T (que es suficiente y completo) y 
 
 X  H T  es el ECMV para 
E  X     X es centrado  T. Lehmann-Scheffé
 Función paramétrica h(θ) = e -θ

Buscamos el estimador óptimo  Uh

Partimos sólo de la condición
e 
 P  X  0  T suficiente,
1 si X 1  0 para ver como se aplica el
Consideramos el estadístico W  
0 si X 1  0 Teorema de Rao-Blackwell.
E W   1  P W  1  0  P W  0  P  X 1  0  e   W es centrado para h  

n
T  X 1  X n    X i es suficiente para 
i 1

Por el Teorema de Rao - Blackwell:

H T   E W | T  es un estimador centrado de h   y su varianza es menor que la de W

 n
  n
  n
  n

H T   E W | T   E W |  X i  t   1  P W  1|  X i  t   0  P W  0 |  X i  t   P  X 1  0 |  X i  t  
 i 1   i 1   i 1   i 1  DEF
 n
  n
  n 
P  X 1  0,  X i  t  P  X 1  0,  X i  t  P  X 1  0 P  X i  t    n 1
 n 1 
t

      i2   e t!
i 1 i 2
     
t t
e n 1  
 n   n  n
 n  n
t! e  n nt t  n 
P  X i  t  P  X i  t  X1 ,  X i independientes
i 2
P  X i  t  
i2
X i  Poisson   n 1 

 i 1   i 1   i 1  n
 X i  Poisson  n 
i 1
n n
 X i   X i t
i 1 i 2

 n 1   1  E  H T    E W   e 
t nX

Entonces, H T      1   es un estimador centrado de e  con varianza más pequeña que W

 n   n V  H T    e 2  e n  1
V W   e  1  e  
 Función paramétrica h(θ) = e -θ

Queremos encontrar el estimador óptimo entre los centrados de h(θ)

Ahora partimos de T suficiente y completo, para ver como se aplica el Teorema de
Lehmann-Scheffé.
n
X i  Poisson    T   X i  Poisson  n  , T es suficiente y completo para  .
i 1

Necesitamos encontrar una estimador, función de T ,que sea centrado para e  :

e  n  n   n    n  1 
t t t
  
e   E  H T   =  H T    H T  
  n 1
e 
t 0 t! t 0 t! t 0 t!
n

 Xi
 
 n  1  i 1
  H T  n     n  1   H T    es función de T y centrado 
t t t t

t 0 t 0  n 

 H T  es el ECMV para e 
T. Lehmann-Scheffé
 CONDICIONES DE REGULARIDAD
n
R1
 n
 xi
e  i 1
f  x1  xn   n
xi  0,1, 2... i  1,..., n  Su soporte no depende de 
x !
i 1
i

n n

 xi  xi 1
 e   n i 1
 n
  i 1  1 n 
f  x1  xn    n n  i  n   
 n
e x  f x  xn   x  n 

1 i
 i 1   
x !
i 1
i x!
i 1
i
i 1

R2 
d 
  
 f  x 
Para cualquier T U h debe cumplirse
d

x1 ,..., xn  0
T  x  f  x    T  x 
x1 ,..., xn  0 
 


E T  x    h 

 xi 
  n
 e  i 1 
T x 
h     T  x  n 
 e  n
  n
 s

 e  n
 B  s  s

 xi !  xi !

x1 ,..., xn  0 x1 ,..., xn  0  s  0 x1 ... xn  s Tx s 0
equivale a B s   n
i 1 x1 ... xn  s
s  0
i 1 x1 ... xn  s
 xi !
i 1
  
h   
 e
 n
 B  s  s
 h   e   B  s  s
n


Diferenciando respecto 
  
s 0 s 0
Tiene radio de
convergencia no nulo


 h '    nh    e   B  s  s s 1 
n

s 0

 
h '    e  n
 B  s  s s 1
 nh   
 e  n
 
 s 0
B  s   s

 s 1
 n 




s 0 Sustituyo h  n
Deshago el c.v. s   xi
i 1
n

 xi 

  T x n
 n
 e  i 1  n  
 f  x 
 i    
x  1
 n   T x
  
x1 ,.., xn  0
 xi ! i 1

i 1
x1 ,.., xn  0

Luego, se cumplen las condiciones de regularidad.

 COTA DE F.C.R e INFORMACIÓN DE FISHER

Cálculo de la Información de Fisher: 1ª Forma

   
2

I n    nI1   I1    E  ln  f  x    
   

  1  xi  i e
1 x 
   e  xi
ln  f  x    ln    xi
  1  xi 1  
   xi !  e 
   
2

 E  ln f  x     E 1  xi2 2  2 xi 1   1     2  2  2 1 

   
1 1 n
 1   1  1   I1     I n   
  
 COTA DE F.C.R e INFORMACIÓN DE FISHER

Cálculo de la Información de Fisher: 2ª Forma

Familia exponencial uniparamétrica f  x1  xn   h  x1  xn  c   e
  T  x1 xn 

1
 n 
h  x1  xn     xi ! c    e  n     ln 
 i 1 
c '    ne  n nI1   1 h '   1
h        n 1   n  k     '     I1     
c    '   e  h '    n 
n
 I n   


n
c '  
T  x1  xn    X i alcanza la cota de FCR para h     n 
i 1 c    '  
n

X i
h '    h '    
2

 i 1
alcanza la cota de FCR para h     y la cota es  
n k   I n   n
 Por el T. de CFR, para cualquier T U h se verifica

 h '   
2

  h '     V T    
2

I n   n

Función paramétrica h(θ) = θ


h '    1  V T     , T U h
n


Sabemos que X es centrado y tiene varianza
n
 X alcanza la cota de FCR  X es ECMV para  (como habíamos visto)

Función paramétrica h(θ) = e -θ

e 2
h '    e 
 V T     , T U h
n
n

 Xi
 n  1  i 1
Habíamos visto que H T     es el ECMV para e  con V  H T    e 2  e n  1
 n 
e 2
V T   V  H T     H T  es el ECMV para h   y no alcanza la cota de FCR
n
 EFICIENCIA

Función paramétrica h(θ) = θ

X alcanza la cota de FCR  X es ECMV para 

 


X es eficiente

Función paramétrica h(θ) = e -θ

n

 Xi
 n  1  i 1
H T     es el ECMV para h   y no alcanza la cota de FCR
 n 
V  H T    e 2  e n  1

 h '   
2
e 2 
Eficiencia de H T   ef  H T      1
V  H T   I n   e 2  e n  1
n n e
 n
 1

 
lim ef  H T    lim  lim  1  H T  es asintóticamente eficiente
ne  1
 n
n  n   n n  ne n