Professional Documents
Culture Documents
Estimaci
on Puntual
Definici
on 14.1 Un estimador puntual corresponde a cualquier funcion de la muestra
g(X1 , X2 , . . . , Xn )
14.1.
M
etodo de Momentos
Definici
on 14.2 Sea X1 , X2 , . . . , Xn una muestra aleatoria de una variable X, proveniente de una
poblacion con funcion de densidad f , con
= (1 , 2 , . . . , k )
El estimador de momentos e de corresponde a la solucion del sistema de ecuaciones
n
E(X 1 ) =
1X 1
X
n i=1 i
n
1X 2
E(X ) =
X
n i=1 i
2
.
= ..
n
E(X k ) =
1X k
X
n i=1 i
73
14.2.
M
etodo de M
axima Verosimilitud
Definici
on 14.3 Sea X1 , . . . , Xn una muestra aleatoria proveniente de una poblacion con funci
on
densidad f . Se define la funci
on de verosimilitud como la funcion densidad conjunta del vector
X1 , . . . , Xn y esta dada por
n
Y
L(, x) =
f (xi )
i=1
iid
log(L(, x)) = 0
j
j = 1, . . . , k
iid
74
75
15.
Insesgamiento y eficiencia
Definici
on 15.1 Un estimador puntual b de es insesgado si
b =
E()
Ejercicios 16 Si X1 , X2 , . . . , Xn f , determine si los estimadores de momentos y maxima verosimilitud son insesgados para f
1. exp()
2. (, ), con conocido.
3. Bin(n, p) con n conocido.
4. P oisson()
Definici
on 15.2 El error cuadr
atico medio de un estimador b de corresponde a
b = E(b )2
ECM()
b + (b())
b 2
= V()
iid
b
Ejemplo 15.1 Sea X1 , . . . , Xn exp() y consideremos b = 1/x. Calcule el ECM().
Definici
on 15.3 Se define la matriz de informaci
on de Fisher como
2
I() = E
logL(, x)
E
logL(, x) =
logf (x) f (x) dx,
d
entonces,
2
2
E
logL(, x) = E
logL(, x)
2
76
E
log L(, x)
Observacion: La cantidad
d
E(g(X))2
( d
log
L(, x)
2
V(g(X))
E
log
2
L(, x)
Ejercicios 17 .
iid
x x/
e
2
x > 0,
>0
iid
b si b = x.
3. Sea X1 , . . . , Xn N (, 2 ). Calcule el ECM()
x>0 >0
s21
1 X
(Xi X)2
=
n 1 i=1
78
s22 =
n1 2
s
n 1