10/9/2023

Construcción de
estimadores

Método de los momentos

1
 10/9/2023

Considere una población X~U[0,]

Construya el estimador del
parámetro  utilizando el método
de los momentos

2
 10/9/2023

Considere una población X~[2,]

Construya el estimador del
parámetro  utilizando el método
de los momentos

Considere una población X~n[,2]

Construya el estimador del
parámetro  utilizando el método
de los momentos

3
 10/9/2023

Considere una población X~n[2,2]

Construya el estimador del
parámetro 2 utilizando el método
de los momentos

Considere una población X~n[,2]

Construya un estimador para cada
uno de los parámetros  y 2
utilizando el método de los
momentos

4
 10/9/2023

Si X ~ U[a,b]
Construya los
estimadores de a y b
utilizando el método
de los momentos

10

5
 10/9/2023

11

Método de máxima verosimilitud

12

6
 10/9/2023

P(X = a) = 0
X f(x) : verosimilitud del valor

X1,…..,Xn

f(X1,…..,Xn) :
verosimilitud de la
muestra

V = f(X1,…..,Xn)= f(X1)…..,f(Xn)
L( X1,…Xn) = ln( f(X1)…..,f(Xn))

13

14

7
 10/9/2023

Los ingenieros de tráfico utilizan la distribución de Poisson para modelar el flujo del tráfico. Los datos siguientes
muestran la cantidad de vehículos que hacen un cierto giro, en una intersección vial, durante un intervalo de tiempo
de 5 minutos
Estime el parámetro
de la distribución
utilizando el estimador
MV que construyó

15

16

8
 10/9/2023

17

18

9
 10/9/2023

19

Si X ~ U[θ-1, θ-1]
Construya un
estimador para θ
utilizando el método
de máxima
verosimilitud

20

10
 10/9/2023

La función de densidad de una variable

aleatoria con distribución de Weibul con
parámetro α es

si no

Construya el estimador máximo verosímil

del parámetro de la distribución de
Weibul.
Si los datos siguientes se obtuvieron en
una población con distribución de Weibul
utilice el estimador para estimar el
parámetro

21

22

11