Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dado un modelo
F == {f (; q ) : q Î Q Ì Rk }
el estadístico T (posiblemente
multidimensional) es suficiente para el
parámetro q sii la distribución de Y
condicionada al valor observado de T,
f(y|T=t), no depende de q
Conocido T, la probabilidad asociada a
la muestra ya no depende del
parámetro
Teorema de factorización de
Neyman
Definición anterior equivalente a poder
escribir.
f (y ; q ) = h (y )g (T (y ); q )
o, equivalentemente,
L (q; y ) µ g (T (y ); q )
es decir, la muestra solamente
interviene en la función de verosimilitud
a través del valor del estadístico
Estadísticos suficientes, ejemplos
Estadístico suficiente trivial. Caso Poisson
Õi= 1
n 1- yi
L ( p; y ) µ p 1- p
yi
( )
å yi n - å yi
= p (1 - p )
frecuencia absoluta n
A ) =p å y i
# n (para
estadístico suficiente
i= 1
(o también frecuencia relativa)
Estadísticos suficientes, ejemplos
Experimentos de Bernouilli multinomiales
Por lo tanto, æ
forma
r
de la verosimilitud:ö
L (q; y ) µ exp çç å y i (q )t i (y ) + t (q )÷
÷
çè i = 1 ÷
ø
Ejemplos de modelos
exponenciales: binomial
æn ö y
q = p f (y ; p ) = çç y ÷ n- y
çè ÷
p (1 - p )
÷
ø
æn ö
t (y ) = y q (y ) = çç y ÷÷
çè ø ÷
p
y ( p ) = log t ( p ) = - log (1 - p )
1- p
æ p ö
f (y ; p ) = exp ççy log + n log (1 - p )÷
÷
è 1- p ø
Ejemplos de modelos
exponenciales: normal
n æ n
1 2ö
2 -
exp çç- å 2s 2 (yi - m) ø÷÷÷
n
- 1
f (y ; q ) = (s ) 2
(2p ) 2
çè 2
i= 1
q = ( m, s 2 )
t 1 (y ) = å yi t 2 (y ) = å y 2i
m 1
y 1 (q ) = 2 y 2 (q ) = -
s 2s 2
- n n m2 n 2
q (y ) = (2p ) 2 t (q ) = + log s
2s 2 2
Propiedades
Reproducible
Soporte independiente del parámetro
Si modelo reducido (no q redundantes),
(t1, ..., tr) suficiente minimal para q
Diferenciable de cualquier orden
respecto de q si i lo son
Integral y derivada intercambiables en
ds
s ò g (y ) f (y ; q ) d n (y )
dq Y