Estimacion espectral

Y aplicaciones

Que es una estimacin

Es

un valor que se tasa algo.Ejemplo: Promedio de vida util de bateria.

Ejemplo
Espacio muestral: n=3 Parametro: u

Valor promedio = 5.77 X1=5 X2=6,4 X3=5,4

Estimacion puntual
Dado

un parametro ,por ejemplo un media poblacional,una estimacion

puntual es usar una muestra para calcular un numero que representa, en cierto sentido , una buena estimacion del valor real del parmetro.

Ejemplo:

Sea un diodo 1N4001:Estamos calculando de manera experimental su corriente maxima en polarizacion directa y se obtiene los conjuntos de datos: 0.98,0.97,0.95,0.89,0.99 Entonces si estimamos su corriente (promedio)seria 0.96.Fijandonos en su hoja de caracteristica lo correcto seria:

Del ejemplo de la bateria:

El estimador utilizado para obtener la estimador puntual de u fue y la estimacion puntual de u fue de 5.77

Al analizarlos necesitamos tener un simbolo generico para el parametro en interes

Ese simbolo usado sera letra griega .
Promedio

Etc.. Varianza

Matematizando:
Sea X1,X2,X3,..Xn una muestra aleatoria y sean x1,x2,x3,.xn los valores que toma la muestra entonces: Y=G(X1,X2,X3,Xn)estadstico* y=G(x1,x2,x3,xn) valor Cualquier estadstico cuyo valor es *se utiliza para estimar el parmetro

El simbolo de por lo comun se usa para denotar tanto el estimador como la estimacion puntual resultantede una muestra en particular
Considerando el ejemplo de la bateria : Y=(X1,X2,X3) y=(x1,x2,x3) Selecionando un estadistico: Y=(X1,X2,X3)=

Entonces :
Estimador: Llamaremos estimador del parametro y lo designaremos a cualquier funcion de los valores de la muestra: = (x1,x2,x3,xn) cuyo valor se asigna al parametro. Estimacion(estimado):Es el valor numerico concreto que toma para una muestra determinada

Entonces un estimador (para el ejemplo de la bateria - ) de u seria la media muestral y el estimado de u es 5.77

Consideremos que experimentalmente se tiene la capacitancia de un condensador (que fue hecha de manera artesanal)y se obtiene los siguientes datos:

Ejemplo:

Entonces calculemos: a)Estimador ,estimacion =

: 555.86 = 27.793 20 27.94:27.98 = = 2

b)Estimador ,estimacion 27.960 2 c)Estimador ( : ) ,

2

estimacion

( : ) 2

24.46:30.88 2

= 27.670

Cada una de los estimadores emplean una medida diferente del centro de la muestra para calcular u.Ahora cual de las estimaciones es la mas cercana al valor verdadero.Esto no se puede contestar a menos que se tenga el valor verdadero

Mtodos de estimacin puntual Son de dos clases: A)Metodos de momentos B)Metodos de maxima verosimilitud

A)Metodos de Momentos
Es el mtodo ms intuitivo. Consiste en utilizar la relacin que tienen los parmetros con losmomentos de la poblacin (esperanza, varianza,...). Matematizando: Sea X1,X2,X3,..Xn una muestra aleatoria de una fdp f(x) .Para k=1,2,3,4.. El k-esimo momento poblacional o k-esimo momento de la distribucin f(x) es E(xk).El k-esimo momento muestral es (1/n) <1

As remplazando valores a k:
Asi

el primer momento poblacional es E(X) y el primer momento muestral es =

Los
2

segundos momentos poblacionales E(X2) y el segundo momento muestral sera

o

El tercer momento poblacional es E(X3) y 3 el tercer momento muestral sera

Nota:
Los

momentos poblacionales seran funciones de los parametros 1, 2, 3

B)Metodo de maxima verosimilitud

Fisher

un genetista y estadista introdujo este concepto. La mayor parte de los estadistas lo recomiendan porque los estimadores resultante tiene cierta propiedades de eficiencia deseables El mtodo de maxima verosimilitud se basa en la busqueda de aquel valor del parametro que hace mas probable obtener la muestra que precisamente se ha obtenido.

Sea X una variable aleatoria cuya funcion de probabilidad f(x,)depende de un parametro .Sea X1,X2,X3,Xn una muestra aleatoria de X y sean x1,x2,x3,.xn los valores observados de la muestra .La funcion de verosimilitud de la muestra se define asi :

 = 1, 2, . . ; = 1, . 2, . ,

(, )

El metodo de maxima verosimilitud ,consiste en tomar como valor estimado de , el valor el valor que hace que v() sea maximo. Hara maximo a su logaritmo , entonces: L=lnV(), entonces:

= = 0 a partir de esta <1 obtenemos las estimaciones para el parametro

(,)

Ejemplo:
Suponga

que el numero diario de ventas de autos nuevos que efectua determinado consecionario , es una variable aleatoria de Poisson con parametro .Dado que en 20 dias la venta total de autos fue de 30.Cual es el estimador de maxima verosimilitud de Solucion: Comenzaremos determinando , el estimador de maxima verosimilitud del parametro de la distribucin de Poisson. . ; , = !

 Sea

X1,X2,X3,.Xn una muestra aleatoria de tamao n de la variable aleatoria de poisson , con valores x1,x2,x3,xn, entonces:
. !

, =

i=1,2,3,4,5,6.

La funcion de verosimilitud es: . ; ; . V()= , = )= = ! <1 ! Tomando logaritmo a v() obtenemos :

<1 <1

= = +
<1

. ln(
<1

!)

Derivando con respecto a , queda: <1 = = + =

Utilizando

los datos del problema: n=20 dias , 20 <1 = 30 , : 30 = = 1.5 20