EAE5841 - Lista de Exercı́cios 11

Beti Kira Entregar os exercı́cios assinalados com ♣

2023 Os exercı́cios assinalados com l serão resolvidos em classe.
Os exercı́cios assinalados com ♢ podem ser resolvidos depois.

1. l Seja (X1 , . . . , Xn ) uma a.a. de X ∼ Uniforme(0, θ), θ > 0.

(a) Vimos que X(n) = max{X1 , . . . , Xn } = Yn é estatı́stica suficiente para θ. Obtenha a f.d.p.
de X(n) = Yn . Lembre-se de especificar o suporte de Yn , e mostre que

n nθ2
E(X(n) ) = θ e Var(X(n) ) =
n+1 (n + 1)2 (n + 2)
Esse resultado implica que X(n) é estimador viciado para θ, mas é assintóticamente não-
viciado e consistente.
(b) Considere os estimadores θb1 = aX e θb2 = bYn para θ, com a e b reais. Encontre os valores
de a e b que tornam os estimadores não-viciados.
(c) Encontre Var(θb1 ) e Var(θb2 ); e compare-as.
(d) Calcule o LI de Cramér-Rao. Compare com o item anterior e comente.

2. Seja (X1 , . . . , Xn ) uma a.a. de X ∼ Normal(µ, σ 2 ), com µ e σ 2 desconhecidos.

(a) Mostre que θbM V = X n , o estimador de máxima verossimilhança de µ é não-viesado e

consistente.
(b) O EMV de σ 2 é σb2 (Arquivo 10 - Slide 9 - Exemplo 2). Vimos que σb2 é viesado para σ 2
(Lista 05 - Exerc.6). Então S 2 é o estimador não-viesado de σ 2 . Mostre que
    2    2n − 1 
2 2 4
EQM S = Var S = σ e EQM σ b2 = 2
σ4
n−1 n

portanto EQM(b σ 2 ) < EQM(S 2 ).

Sugestão: use o resultado do Slide 3-Arquivo Propriedades de Estimadores, calculando o
4o.momento da Normal, via f.g.momentos.
(c) l Usando os resultados do item anterior, mostre que σb2 , o EMV de σ 2 é consistente.
(d) l Considere θ = σ 2 . Mostre que o LI de Cramér-Rao para θ é 2σ 4 /n. Compare com
Var(S 2 ).

3. ♣ (Continuação do Exercı́cio 3 das listas 9 e 10)

Seja (X1 , . . . , Xn ) uma a.a. de X com f.d.p. dada por

f (x; θ) = θ xθ−1 1l(0,1) (x), θ > 0.

(a) Determine o limite inferior da variância dos estimadores não-viesados de θ.

(b) Sugira um estimador não-viesado para θ que seja função da estatı́stica suficiente (que você
encontrou na Lista 10) e verifique se ele é ou não é eficiente. Justifique.

1
4. l Seja (X1 , . . . , Xn ) a.a. de X ∼ Poisson(θ), θ > 0.
Como E(X) = θ = Var(X), temos 2 estimadores não-viesados para θ: T1 (X)= X e T2 (X)= S 2 .

(a) Qual é o EMV de θ?

(b) Calcule o Limite Inferior de Cramér-Rao.
(c) Calcule as variâncias de T1 e T2 .
Sugestão: Para o cálculo de Var(S 2 ), use o resultado do Slide 3-Arquivo Propriedades de
Estimadores, calculando o 4o.momento da Poisson, via f.g.momentos.
(d) Um desses estimadores, ou ambos, são eficientes? São ENVVUM? Comente.

5. Seja (X1 , X2 , . . . , Xn ) uma a.a. de X ∼ Geométrica(θ), θ > 0.

Encontre o ENVVUM para 1/θ. Ele é eficiente?

6. ♣ Seja (X1 , X2 , . . . , Xn ) uma a.a. de X ∼ Exponencial(θ) com f.d.p. dada por

1
f (x; θ) = e−x/θ 1l(0,∞) (x)
θ
(a) Mostre que a estatı́stica S = X1 + · · · + Xn é suficiente para θ.
(b) Encontre o ENVVUM para E(X).
(c) Encontre o EMV de 1/θ e determine sua distribuição assintótica.

7. Seja (X1 , X2 , . . . , Xn ) uma a.a. de X ∼ Bernoulli(θ), 0 < θ < 1.

(a) Encontre o estimador de máxima verossimilhança θbM V de θ e mostre que ele é não-viesado
e consistente para θ.
(b) Encontre o estimador de máxima verossimilhança de g(θ) =Var(X) e mostre que ele é
viciado, mas assintóticamente não-viciado.
(c) Encontre a distribuição assintótica do estimador obtido no item (b).

8. ♣ Considere que X1 , X2 , . . . , Xn é uma amostra aleatória das seguintes variáveis aleatórias.

Mostre que as respectivas função escore S(θ) e estatı́stica escore Sn (θ) são dadas pelas expressões
a seguir.

(a) X ∼ Bernoulli(θ), θ ∈ (0, 1)

X −θ X −θ X −θ
S(θ) = e Sn (θ) = n =
θ(1 − θ) θ(1 − θ) θ(1 − θ)/n

(b) X ∼ Poisson(θ), θ > 0

X −θ X −θ X −θ
S(θ) = e Sn (θ) = n =
θ θ θ/n

(c) X ∼ Normal(θ, σ 2 ), θ real, σ 2 conhecido

X −θ X −θ X −θ
S(θ) = e Sn (θ) = n = 2
σ2 σ 2 σ /n

2
9. ♢ (Continuação do Exercı́cio 7 da Lista 10)
Seja (Y1 , . . . , Yn ) uma a.a. tal que Yi ∼ Normal(βxi , σ 2 ), em que xi é uma constante conhecida
para i = 1, . . . , n. Note que, nesse caso, as variáveis aleatórias Yi , i = 1, . . . , n são independentes
mas não são identicamente distribuı́das.
Usando a estatı́stica conjuntamente suficiente do item (a) da Lista 10, obtenha os estimadores
não-viciados de variância uniformemente mı́nima para β e σ 2 .