Professional Documents
Culture Documents
8 Z el n de pacientes contagiados con Z = i=1 Xi donde Xi Ber(p) Z Bin(8, p) X1 = 1, X2 = 1, X3 = 0, X4 = 0, X5 = 0, X6 = 1, X7 = 1, X8 = 1 W (p) = P r(Z = 5) = ( 8 )p5 (1 p)3 5
***********graco****************
Se llama funcin de verosimilitud a la densidad conjunta del vector conformado por los valores muestrales
x1 , ..., xn :
n i=1
f (x1 , ..., xn /) =
Ejemplo
Sea
X1 , ..., Xn
una m.a.s.
de una v.a.
X Ber(p).
Encontrar el estimador
mximo verosmil
p de p.
n i=1 x
f (xi /p)
= p = p
xi xi
(1 p)n (1 p)n
n
i=1
xi xi
n
i=1
n
i=1
=0 p
En este caso es fcil derivar la expresin, sin embargo hay ocaciones donde este clculo es un poo complejo. Para ello recurrimos al siguiente truco:
p fn (x/p)
= 0,
1 p [ln(f (x/p))] = p f (x/p) f (x/p) = 0 como f (x/p) > 0 (funcin de densidad). p f (x/p) = 0 que es la expresin usual para encontrar los puntos criticos de f. n n
fn (x/p) = p i=1 xi (1 p)n i=1 xi /ln L(p) = ln(fn (x/p) = xi ln(p) + (n xi )ln(1 p) xi n xi L = =0 p p 1p
Despejamos
p: p =
n
i=1
xi
n p=x
=x
Otro:
Sea
verosimil
x1 , ..., xn m.a.s. de .
de v.a.
X U [0, ].
1 si 0 x f (x/) = { 0 si no
Solucin
fn (x/) =
para
1 n (forma incorrecta o inapropiada para escribir fn (x/) n = Para hacer fn (x/) mxima, deberamos encontrar el valor ms pequeo
. fn (x/)
1
n
f (x/) = {
Que los
si 0 x1 , ..., xn 0 si no
xi
sean inferiores a
M ax{xi } min{xi }
se alcanza cuando
de
2
es
= M ax{xi } = M ax{xi }.
Ejercicio
Encontrar
E()
V ar().
Recordar que
mom = 2 x
Nota
Ejercicio
Encuentre el E.M.V 1. 2.
de
si
X1 , ..., Xn
es una m.a.s. de
tal que:
X U (0, )
si
0<x<
X U [ 1 , + 1 ] 2 2
Distribucin a Posteriori
El mtodo de Bayes asume la existencia de una distribucin a priori para el parmetro desconocido, por lo cual se convierte en v.a. a su vez. En este caso se procede a recalcular la distribucin del parmetro, dados los resultados de la muestra, obtenindose una distribucin a posteriori:
(|x) =
fn (x/)() f (x/)()d n
En la estimacin bayesiana tenemos 2 elementos: 1. Una distribucin a priori para el parmetro en cuestin. 2. Se cuenta con una m.a.s. Llamemos
X1 , ..., Xn ()
de una v.a.
con
f (x/parmetro)
al parmetro buscado y
a su densidad
supuesta o dada.
dada la eviden-
f (x/)
la densidad para
x. (())
posteriori
para
(|x) =
Teorema de Bayes:
fn (x/)() f (x/)()d n
Sea
B1 , ..., Bn
Ejemplo
Suponga que el n de defectos en una cinta magntica de 1.200 pies tiene una distribucin de de parmetros
P oisson(), y = 3 y = 1.
es una
(|x)
a posteriori para
Gamma .
Solucin
()
1 e () xi en n i=1 xi !
fn (x/) =