Escolar Documentos
Profissional Documentos
Cultura Documentos
Facultad de Matematicas
Departamento de Estadstica
Profesora: Lorena Correa A.
Ayudante: Ana Maria Alvarado
Segundo Semestre 2005
(x)1 ex
> 0, > 0
()
y 1 ey/
> 0, > 0.
()
Verifique que estos modelos son efectivamente reparametrizaciones uno del otro.
fY (y) =
3. Encuentre estadgrafos suficientes para estimar en base a una muestra de las siguientes
distribuciones con a conocido :
a) p(x, ) = x1 ,
0 < x < 1, > 0.
a1
a
b) p(x, ) = a x
exp{x }, x > 0, > 0, a > 0.
c) p(x, ) = xa
,
x > a, > 0, a > 0,
+1
4. Sean X1 , X2 i.i.d. P (). Se desea estimar P (X1 = 0) = e . Encuentre el E.C.M. de
los siguientes estimadores:
a.-
1 X1 +X2
2
6. Sean X1 , X2 i.i.d. P (). Se considera el estimador de , Sa = aX
a.- Encuentre el sesgo, varianza y E.C.M. de Sa (X) en funcion de a y de .
b.- Para fijo, encuentre el valor de a que minimize el E.C.M.
c.- Para a fijo, determine para que valores de , Sa (X) es mejor.
7. Se tiene una muestra aleatoria simple Y1 , . . . , Yn de una variable aleatoria Y tal que E(Y ) = ,
V (Y ) = 2 . Considere el estimador de
ai Yi .
pk =
r!(n 1)rk
k!(r k)!n
, r=
n
X
Xi k
i=1
, r<k
es insesgado.
10. Sea Y1 , ..., Yn una muestra de la distribucion Normal bivariada con media y matriz de
covarianzas . Escriba la funcion verosimilitud y encuentre estadgrafos suficientes para y
.
11. Sea Y1 , ..., Yn una muestra de la distribucion N (, 2 ).
(a) Grafique la funcion de verosimilitud y su logaritmo si 2 = 1, Y = 10.
P
(b) Grafique el logaritmo de la funcion verosimilitud si Y = 10,
(Yi Y )2 = 20.
(c) Repita (a) si el tama
no de la muestra es 100. Compare los resultados.
12. Sean X1 , ...Xn iid N (, 2 ) y considere la familia de estimadores
2.
2 = ni=1 (Xi X)
Encuentre el valor de que minimizeel E.C.M.
1 =
1X
Xi
n
2 =
X
2
iXi
n(n + 1)
son estimadores insesgados de . Calcule las varianzas de estos estimadores y compare sus
propiedades.
14. Sea Y1 , . . . , Yn una muestra aleatoria de la variable Y B(1, ), donde es un parametro
desconocido. Considere los estimadores
1 =
n
1X
Xi
n i=1
2 = (X1 + Xn ).
2
1
n
Pn
2
2
i=1 (Yi Y ) no es un estimador insesgado de .
1 Pn
2
2
i=1 (Yi Y ) es un estimador insesgado de .
n1
un estimador asintoticamente insesgado de 2 .
1 =
1X
Yi ,
n
2 =
n
1
1 +
.
n+2
n+2
18. La variable aleatoria X esta distribuida uniformemente en el intervalo (0, ). Se toma una
muestra aleatoria de tama
no 1 para estimar . Estudie y compare las propiedades de los
siguientes estimadores:
1 = X1 ,
2 = 2X1 .
19. Sean Y1 , . . . , Yn U [0, ]. Sea T = max(Y1 , . . . , Yn ) y considere los estimadores de de la
forma cT, c > 0.
(a) Para que valor de c, cT es insesgado ?
(b) Para que valor de c, ECM (cT ) es mnimo ?.
20. Sean Y1 , . . . , Yn una muestra aleatoria de una distribucion Log-Normal (, ). Sea Tn la
media geometrica de la muestra:
n
1X
Tn = exp
logYi
n i=1
a
x+1
24. Sea Y1 , ..., Yn una muestra de la distribucion Normal bivariada con media y matriz de
covarianzas . Escriba la funcion verosimilitud y encuentre estadgrafos suficientes para y
.
25. Sea Y1 , ..., Yn una muestra de la distribucion N (, 2 ).
(a) Grafique la funcion de verosimilitud y su logaritmo si 2 = 1, Y = 10.
P
(b) Grafique el logaritmo de la funcion verosimilitud si Y = 10,
(Yi Y )2 = 20.
(c) Repita (a) si el tama
no de la muestra es 100. Compare los resultados.
M
etodos de Estimaci
on
3 = a b + c
2 = a + b c,
4 = a b c
1)
1 (y
e 2 ,
2
1 y < ,
< 1 < ,
0 < 2 < .
Encuentre los estimadores maximo verosmil de 1 y 2 .
8. La duracion de una cierta marca de ampolletas tiene una distribucion Exponencial con parametro
y media 1/. Una muestra de 50 ampolletas es ensayada, registrandose cada vez la duraci
on
medida en horas :
1000
1327
1430
1540
1710
1010
1340
1445
1560
1720
1125
1348
1448
1580
1730
1181
1350
1502
1595
1780
1230
1365
1505
1602
1810
1250
1370
1507
1605
1815
1265
1380
1510
1608
1860
1270
1400
1515
1610
1940
1275
1406
1521
1620
1984
1285
1409
1525
1630
2000
(a) Grafique la funcion verosimilitud usando solo las dos primeras columnas de observaciones y luego todas las observaciones.
(b) Obtenga una estimacion de maxima verosimilitud para usando la informacion dada.
Estime la varianza del estimador.
9. Suponga que se dispone de una muestra aleatoria de tama
no n de una variable con distribuci
on
Gamma(, r) con funcion densidad,
f (y) =
r1 ey
(r) (y)
,y>0
, caso contrario.
donde y r son parametros desconocidos. Encuentre estimadores para ambos parametros a partir
del metodo de momentos y el metodo de maxima verosimilitud.
10. Muestre que el estimador maximo verosmil de en la distribucion U [, + 1], construido a partir
de una muestra aleatoria de tama
no n, no es u
nico.
11. Suponga que la vida u
til de un cierto tipo de ampolletas tiene distribucion exponencial de parametro
, con desconocido. Suponga que n ampolletas son probadas durante T horas y que x0 de ellas
falla antes de completarse el perodo de T horas. Encuentre el estimador maximo verosmil de
basado en los datos.
0<x<1
() =
()1 e
()
>0.
Encuentre E(|X).
Estimaci
on Bayesiana
1. Una poblacion de N elementos tiene defectuosos ( es desconocido). Se extrae una muestra de tama
no n obteniendose 1 defectuoso (la muestra es con reemplazo). Se desea hacer
inferencia sobre .
2. Para una funcion probabilidad a priori () definida para = 0, . . . , N , determine la funci
on
de probabilidad a posteriori ().
(Deje expresado en funcion de una sumatoria).
3. Sea () = r ( 1), = 1, . . . , N . Calcule ( + 1)/() y examine su comportamiento
para determinar la moda de la distribucion a posteriori.
4. Suponga una variable aleatoria X, tal que X|p Bin(n, p) donde p tiene una distribuci
on a
priori (p) = cp1 (1 p)1 . Se se asume una funcion de perdida cuadratica, encuentre la
estimacion optima para p.
5. Sea
f (x) = x1 ,
0<x<1
() =
y
()1 e
()
> 0.
ci cj t
e ,
t > 0.