Ayudanta N2

Ayudantes: Waldo Ahumada Amrica Hernndez / Profesor: Hugo Robotham

1) La compaa Pony es una de las grandes productoras de televisores LCD. Segn un estudio
realizado por sus trabajadores, el nmero de televisores que salen defectuosos o mal
fabricados est en base a la siguiente funcin de probabilidad:

f ( x, ) x( 1)
Donde y son constantes de calidad. Determine el estimador mximo verosmil para el
parmetro .

2) En la tienda de ropa Fashion Emergency se realiz un estudio, y se lleg a la conclusin de

que el n de compradores de poleras negras, es una variable aleatoria con la siguiente
funcin de probabilidad:

x 3 ( 7) x 1 E( X i )
f ( x) * 7
5 x ;
V ( X i ) 3

Donde representa el n de poleras disponibles. Encuentre el estimador mximo

verosmil para el parmetro . Pruebe si el estimador es insesgado y consistente en
media cuadrtica.

3) Admtase que la duracin de vida, expresada en unidades de tiempo convenientemente

elegida, de cierto tipo de material est expresada por una variable aleatoria que sigue una
distribucin como la que se indicar a continuacin en el que a y c son positivos:

xa
c

c
x a
c 1
f ( x) e
; xa

 a) Encontrar el estimador mximo verosmil para el parmetro para muestras de
tamao n.

b) Si a = 0 y c = 0,5 y se observa que para n = 15 se obtiene que:

15

x
i 1
0,5
i 15, 23

Cul sera la estimacin puntual de ?

4) Suponga que los valores 1 , 2 , 3 representan una muestra simple de tamao 3

seleccionada en forma aleatoria, con media y desviacin tpica . Si se tienen como
posibles estimadores de a los siguientes estadsticos:

^ 1 ^ 1
1 = ( x1 2 x2 x3 ) ; 2 = (2 x1 x2 3x3 )
4 6

Cul de los dos estimadores utilizara para realizar la estimacin?

Desarrollo

1) Para obtener el estimador mximo verosmil para el parmetro , primero necesitamos la

funcin de verosimilitud:

n
L( x , , ) xi ( 1) Aplicamos ln
i 1
n
ln L( x , , ) ln xi ( 1)
i 1
n

ln ln ( 1) ln xi Aplicamos
i 1
ln L( x , , ) n 1
ln ln xi 0
i 1
n

ln 1 ln x 0
i 1
i

ln ln x 1 0
i 1
i

n n

ln x ln 1
i 1
i
i 1
n
xi

i 1
ln n

n
x
ln i n
i 1
n
n
xi
i 1
ln

2) Primero, necesitamos la funcin de verosimilitud:

n
xi 3 ( 7) xi 1
L ( x , ) * Aplicamos ln
i 1 5 xi
n xi 3 ( 7) xi 1
ln L( x , ) ln *
i 1 5 xi

n
x 3
ln i ( xi 1) ln 7 xi ln Aplicamos
i 1 5
ln L( x , ) n xi 1 xi
0
i 1 7
n

7 x 0
i 1
i

n n

7 x
i 1
i
i 1
n

7x
i 1
i = n
n

7x i
i 1

Ahora, veremos si es insesgado:

n
7 xi 7 n 7 n 7 n
E E i 1 E ( xi )
n n i 1 n i 1 7 n 7


Segn lo anterior, el estimador es insesgado. A continuacin, veremos si es consistente en MC:

n
i 49 n
7 x
49 n 49 3n 147
V ( ) V i 1
2 V (xi ) 2 3

2
n n i 1 n i 1 n n


147
ECM ( ) V ( )
n
Luego :
147 0
lim ECM ( ) lim 0
n 1
n n

Por lo tanto, el estimador es consistente en MC (media cuadrtica).

3) a) Para obtener el estimador de mxima verosimilitud para el parmetro , haremos el siguiente
procedimiento:

c xi a
c
n
c 1
L( x , , a, c) xi a e Aplicamos ln
i 1

c xi a
c
n
c 1
ln L( x , , a, c) ln xi a e
i 1
c xi a
c
n

ln c 1 ln xi a Aplicamos
i 1

ln L( x , , a, c) n 1 xi a
c

0
2

i 1

n xi a c

2
0

i 1

x a 0
n
c
i
i 1
n n

x a
c
i
i 1 i 1

xi a
c
n n
n xi a
c

i 1 i 1 n

b) Con a = 0, c = 0,5 y n= 15, al reemplazar los valores nos queda:

15

15
xi 0
0,5 x 0,5
i
15, 23
i 1
1, 01533
i 1 15 15 15
4) Veremos cul es el mejor estimador:

a) Insesgamiento:

^
1 1
E ( 1 ) E ( x1 2 x2 x3 ) E ( x1 2 x2 x3 )
4 4
1 1
E ( x1 ) 2 E ( x2 ) E ( x3 ) 2
4 4
4 ^
1 es insesgado
4

^
1 1
E ( 2 ) E (2 x1 x2 3x3 ) E (2 x1 x2 3 x3 )
6 6
1 1
2 E ( x1 ) E ( x2 ) 3E ( x3 ) 2 3
6 6
6 ^
2 es insesgado
6
b) Consistencia en media cuadrtica:

^
1 1
V ( 1 ) V ( x1 2 x2 x3 ) V ( x1 2 x2 x3 )
4 16
V ( x1 ) 4V ( x2 ) V ( x3 ) 2 4 2 2 2
1 1 6
16 16 16
^ ^ 3
ECM ( 1 ) V ( 1 ) 2
8

^
1 1
V ( 2 ) V (2 x1 x2 3x3 ) V (2 x1 x2 3x3 )
6 36
4V ( x1 ) V ( x2 ) 9V ( x3 ) 4 2 2 9 2 2
1 1 14
36 36 36
^ ^ 7
ECM( 2 ) V ( 2 ) 2
18

Finalmente, calculamos la eficiencia:

^
ECM ( 1 )
3 2 18 27
e 2 1
^
ECM( 2 ) 8 7 28

Por lo tanto, el mejor estimador es 1.