Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2oB
Soluciones de la hoja de problemas no 2
1
Para estudiar la consistencia incluimos en la notación para T el subíndice n: Tn = T .
Si expresamos Tn como un media de vaiid, podemos aplicar la ley débil de los grandes
números (LDGN) para comprobar la convergencia de esta media a la esperanza de
las vaiid consideradas. Y esto nos permitirá comprobar o descartar la consistencia.
Así lo hacemos.
2
Sea Zi = h (Xi ) con h (x) = (x 0 ) , esto es:
2
Zi = (Xi 0) .
n 1 z n 1 1 nz n 1
g(z) = n [F (z)] f (z) = n = n
si 0 < z < .
Se tiene que
Z 1 Z n+1
n n n
E X(n) = zg(z)dz = n
z n dz = n
= ,
0 0 n+1 n+1
n
y de aquí se obtiene que ET = E cX(n) = cE X(n) = c n+1 . Si ET = , entonces
n n+1
debe ser c n+1 = 1, y de aquí se obtiene que c = n .
Por tanto, T = n+1 n
X(n) es centrado para .
n
Para z < se tiene que z < 1, y entonces l mn!1 Gn (z) = l mn!1 z = 0. Para
z = se tiene que Gn (z) = 1, y entonces l mn!1 Gn (z) = 1. Por tanto, l mn!1 Gn (z)
2
d
es la función de distribución de una degenerada en , y entonces X(n) ! . Puesto
d p
que l mn!1 n+1n
= 1, se tiene que T ! , y entonces T ! . Por tanto, T = n+1
n
X(n)
es consistente para .
5.- Un estimador c0 X(n) que sea preferible a otro estimador cX(n) debe tener
menor ECM para todo . A priori, no tiene porqué existir un c0 X(n) preferible a
cualquier otro estimador cX(n) con c 6= c0 . Con los siguientes cálculos, comprobamos
que sí existe y lo obtenemos.
n
En el ejercicio anterior hemos obtenido que E X(n) = n+1 . Se tiene que
Z 1 Z
2 2 n n n+2 n 2
E X(n) = z gX(n) (z)dz = n z n+1 dz = n = , (1)
0 0 n+2 n+2
y de aquí se obtiene que el sesgo y la varianza de cX(n) son:
n n
bcX(n) ( ) = E cX(n) =c = c 1 y
n+1 n+1
!
2
2 2 2 n 2 n
V cX(n) = E X(n) E X(n) c = c2
n+2 n+1
n n2 2 2
= c .
n+2 (n + 1)2
El error cuadrático medio de cX(n) como estimador de es:
2
ECMcX(n) ( ) = V cX(n) + bcX(n) ( )
" #
2
n n2 n
= 2 c2 + c 1 2
n + 2 (n + 1) n+1
n n2 2 n2 2 n 2
= c + 2c + 1 2 c
n + 2 (n + 1)2 (n + 1) n+1
n 2 n
= c +1 2 c 2 = h(c) 2 ,
n+2 n+1
n 2 n
con h(c) = n+2 c 2 n+1 c + 1 , que es un polinomio de segundo grado en c. El
n 2
coe…ciente n+2 de c es positivo, y entonces la parábola (c; h(c)) tiene el vértice
hacia abajo. Por tanto, h(c) tiene un mínimo único, que calculamos. Resolviendo la
ecuación h0 (c) = 0, se obtiene:
n n n+2
h0 (c) = 2 c 2 =0; c= .
n+2 n+1 n+1
3
Entonces, tomando c0 = n+2 n+1
, se tiene que h(c) > h(c0 ) si c 6= c0 , y por tanto
2 2
h(c) > h(c0 ) para todo .
Por tanto, si c 6= c0 , se tiene que ECMcX(n) ( ) > ECMc0 X(n) ( ) para todo , y
entonces
n+2
c0 X(n) = X(n)
n+1
es preferible a cX(n) para cualquier valor c 6= n+2
n+1
.
Obsérvese que este estimador no es el insesgado, con c = n+1 n
, obtenido en el
ejercicio anterior.
Utilizando los cálculos del ejercicio anterior, obtenemos que el ECM del estimador
c
X = 21 n+2
2 (n)
X de = =2 es:
n+1 (n)
1 2 2
ECM 2c X(n) ( ) = 2
ECMcX(n) ( ) = 14 h n+2
n+1
h i
1 n n+2 2 n n+2 2
= 4 n+2 n+1
2 n+1 n+1
+1
n(n+2)+(n+1)2 2 1 2
= 4(n+1)2
= 4(n+1)2
.
para todo (y para todo n), y por tanto 2c X(n) es preferible a X para estimar = =2.
Se tiene que
4
b) mv: Se tiene que
5
+1 +1
a) mm: Se tiene que = E [X] = E [Be( + 1; 1)] = +1+1 = +2
. Aunque
ya es innecesario, calculamos también de un modo directo:
Z 1 Z 1
+1
E [X] = xf (x)dx = ( + 1) x +1 dz = .
1 0 +2
e = 2X 1 .
1 X
Pn
b) mv: Se tiene que log L ( ) = n log( + 1) + i=1 log xi , y
d n Xn
log L ( ) = + log xi .
d +1 i=1
d 1
Se tiene que log f (x) = log ( + 1) + log x , y log f (x) = +1 + log x. En
d
este caso es mas rápido y sencillo obtener i( ) utilizando la expresión que considera
d2
la derivada segunda. Se tiene que 2
log f (x) = ( + 1) 2 , y entonces la in-
d
d2 1
formación de Fisher es i( ) = E log f (X) = . De aquí se obtiene
d 2
( + 1)2
que
b AN ; p +1
.
n
Qn
xi Q
c) Se obtiene C = Qi=1 n 0
, y entonces el estadístico sm es ni=1 Xi , ó
i=1 xi
Pn 1
S = i=1 log Xi . El emv veri…ca que b = 1
n
S 1.
10.- Suponemos que ninguno de los parámetros es conocido, puesto que no se dice
nada al respecto.
a) Los cuartiles son los valores xp para p = 14 ; 24 ; 34 con P fN ( ; ) xp g = p .
Los expresamos en función de y , y obtenemos el estimador utilizando la propiedad
3 de los emv. Se tiene que
xp
P fN ( ; ) xp g = P N (0; 1) < =p.
6
Utilizando las tablas de la N (0; 1) se obtiene
P fN (0; 1) < 0:67g = 0:25, P fN (0; 1) < 0g = 0:5 y P fN (0; 1) < 0:67g = 0:75 ,
De aquí se obtiene
b0:25 = b
x 0:67b = X 0:67s ,
b0:5 = b = X
x y
b0:75 = b + 0:67b = X + 0:67s .
x
b0:25 = x
x 0:67s = 58:15 ,
b0:5 = x = 63:44
x y
b0:75 = x + 0:67s = 68:74 .
x
e = 3:510 , e = 0:2091
7
mv: La función de densidad de la muestra es
( )
1 X
n
(2 ) n=2 n
f ; (x1 ; : : : ; xn ) = Qn exp 2
(log xi )2 .
i=1 xi 2 i=1
Se tiene que
n Yn 1 X
n
log L ( ; ) = log (2 ) n log log xi 2
(log xi )2
2 i=1 2 i=1
!
d 1 X
n
1 X
n
log L ( ; ) = 2 ( 1) (log xi )= log xi n
d 2 2 i=1
2
i=1
1X
n
d n 3
log L ( ; ) = ( 2) (log xi )2
d 2 i=1
1 X
n
n
= + 3
(log xi )2 .
i=1
b = 3:511 , b = 0:2029 .
8
tiene que
!
1X X
n n
1 2
s2 = (Xi X)2 = Xi2 nX
n i=1 n i=1
!
1 X
n
2 1 2
= Xi nX = nX nX
n i=1
n
=X 1 X ,
y entonces
n
S2 = X 1 X .
n 1
La cuasivarianza muestral S 2 es siempre centrada para 2 y, en este caso de
distribución teórica B (1; ), se expresa en función del estadístico su…ciente minimal
X. Es la única función con estas características, y entonces S 2 es el ECUMV para
2
= (1 ).
13.- Sea la probabilidad de obtener cara con esa moneda. Sea Xi la v.a. que
vale 1 si sale cara en el lanzamiento i-ésimo y 0 si sale cruz. Las v.a X1 ; : : : ; Xn , con
n = 100, son iid, y entonces constituyen una m.a.s. de una B (1; ). Hemos observado
P
una realización muestral x1 ; : : : ; xn con ni=1 xi = 68, y entonces x = 0:68.
El ECUMV de es b = X, que da lugar a la estimación
b = x = 0:68 .
h i
Se tiene que V b = V X = n , y, puesto que el ECUMV para 2 es S 2 , el
2
h i h i
ECUMV para V b es Vb b = Sn . Calculamos el valor de la estimación:
2
h i S2 1
Vb b = = x (1 x) = 0:00220 .
n n 1
h i
(Su raiz cuadrada es un buen estimador de b , aunque no es su ECUMV. Da lugar
h i q
a la estimación b b = n 1 1 x (1 x) = 0:0469).
9
(Obsérvese que es un mal estimador, puesto que es función de la muestra a tra-
ves solamente de X1 , pero tiene una estructura muy sencilla que va a facilitar los
cálculos).
T es centrado:
10
b) Se tiene que
d2 X 1 1 1
i( ) = E log f (X) = E = E [X] = = ,
d 2 2 2 2
h (x) q( ) q1 ( ) q2 ( )
V (x) V1 (x) V2 (x)
1
= (1 x) 1 log x
= x 1 1 log (1 x)
=( ; ) 1 1 1 log x log (1 x)
P P P P
El estadístico sm es ni=1 V (Xi ) = ni=1 log (Xi ) , ni=1 V (Xi ) = ni=1 log (1 Xi )
P P P P
y ( ni=1 V1 (Xi ) ; ni=1 V2 (Xi )) = ( ni=1 log (Xi ) ; ni=1 log (1 Xi )) , respectiva-
mente.
11
k
17.- a) Se tiene que g( ) = P fX = kg = e =k! . Consideramos un estimador
T centrado para g( ) y calculamos E[T =S], que es el ECUMV para g( ), siendo
P
S = ni=1 Xi el estadístico sm. Se tiene que
(
1 si X1 = k
T =
0 si X1 6= k
es centrado:
Se tiene que
12