1 PRIMER PUNTO

ESTIMADOR DE LA POISSON

−λ ∗λx
f(x) = e x!

e−λ ∗λxi
L(x,λ) = xi!

Qn Qn e−λ ∗λxi
i=1 L(x, λ) = i=1 xi!

Pn
xi
Qn e−nλ
Q∗λ i=1
i=1 L(x, λ) = n
xi!
i=1

Se aplica logaritmo natural:

Pn
xi
e−nλ
Q∗λ i=1
=ln n
xi!
i=1

Pn Qn
=ln(e−nλ ∗ λ i=1
xi
) − ln( i=1 xi!)

Pn Qn
=(ln(e−nλ ) + ln(λ i=1
xi
)) − ln( i=1 xi!)

Aplicando propiedad de los logaritmos:

Pn Qn
=-nλ + i=1 xi ∗ ln λ − ln( i=1 xi!)

∂ ∂ Pn ∂ Qn
=( ∂λ (−nλ))+( ∂λ i=1 xi ∗ ln λ)-( ∂λ ln( i=1 xi!)=0

Al aplicar derivadas:

Pn
=-n+ i=1 xi ∗ ( λ1 ) = 0

1
 Finalmente se despeja el parametro.
Pn
xi
λ̂ = i=1
n
= X̄

ESPERANZA DEL ESTIMADOR

E[X̄] = E[λ̂]

Pn
=E[ n1 * i=1 xi]

Pn
= n1 * i=1 E[xi]

Pn
= n1 * i=1 λ

= n1 *n*λ

Finalmente.

E[λ̂] = λ

Dado que la esperanza del estimador es igual al estimador, se puede con-

cluir que el estimador es insesgado.

VARIANZA DEL ESTIMADOR

V[X̄] = V [λ̂]

Pn
=V[ n1 * i=1 xi]

2
 Pn
= n12 * i=1 V [xi]

Pn
= n12 * i=1 σ2

V[λ̂] = n12 ∗n ∗ σ 2

V[λ̂] = n1 σ 2

C) 3 , 4 , 3 , 2 , 5 , 6 , 4 , 2 , 1, 0.

Segun estos resultados, estime la probabilidad de que en un dia particular

se reciban como maximo 2 quejas.

λ̂ = X̄ = 3

P((λ̂) > 2) = F (2)

32 ∗e−3
P((λ̂) > 2) = 2!

P((λ̂) > 2) = 0.0213373

2 SEGUNDO PUNTO

ESTIMADOR DE LAMBDA

f(y; λ, γ) = λe−λ(y−γ)

3
L(y; λ, γ) = λe−λ(yi−γ)

Qn Qn
i=1 l (y; λ, γ) = i=1 λe−λ(yi−γ)

Pn Pn
Qn n −λ( yi− γ)
i=1 l (y; λ, γ) = λ e
i=1 i=1

Pn Pn
Qn n −λ( yi− γ)
ln i=1 l (y; λ, γ) = ln λ e
i=1 i=1

Pn Pn
Qn n −λ( yi− γ)
ln i=1 l (y; λ, γ) = ln λ + ln e
i=1 i=1

Qn Pn Pn
ln i=1 l (y; λ, γ) = n ln λ − λ( i=1 yi) + λ( i=1 γ)

∂ Qn ∂ Pn Pn
∂λ
ln i=1 l (y; λ, γ)= ∂λ (n ln λ − λ( i=1 yi) + λ( i=1 γ))

∂ Qn Pn
∂λ
ln i=1 l (y; λ, γ)= nλ - i=1 yi + nγ = 0

n Pn
λ
= i=1 yi − nγ

n
λ̂ = Pn yi−nγ
i=1

n∗n− 1
λ̂ = (Pn yi∗n−1 )−nγ∗(n−1 )
i=1

1
λ̂ = ȳ−γ

ESTIMADOR DE GAMMA

Se deriva en terminos de gamma.

Qn Pn Pn
ln i=1 l (y; λ, γ) = n ln λ − λ( i=1 yi) + λ( i=1 γ)

4
 ∂ Qn ∂ Pn Pn
∂γ
ln i=1 l (y; λ, γ)= ∂γ (n ln λ − λ( i=1 yi) + λ( i=1 γ))=0

nλ = 0

1
n ȳ−γ =0

Debido a que el resultado obtenido al derivar es una expresion de frac-

cionarios igualada a cero, el denominador debe ser ms grande que el nu-

merador para que sta se acerque a cero. Entonces se recurre a la siguiente

expresin:

ȳ − γ > n

Finalmente, dado que la gamma tiene signo negativo, para que la de-

sigualdad se conserve, ste debe ser el menor. y As el estimador de la gamma

serian los menores.

γ̂ = Y min = Y 1

ESTIMADOR DE TETA

θ̂ = ȳ − Y 1,

Dado que es donde se maximiza.

5
B)Media de Y o E[Y]

R∞
γ y(e−λ(y−γ) )dy

u=y du=dy

−λ(y−γ)
−λ(y−γ)
dv= e v = −e λ

−λ(y−γ) R e−λ(y−γ)
λ( −ye λ
+ λ
dy) γ<y<∞

−λ(y−γ) e−λ(y−γ)
= -y e − λ
γ<y<∞

Evaluando la integral en [γ; ∞] :

=-(-γ − λ1 ) = γ + 1
γ

Finalmente se reeplazan los estimadores obtenidos:

E[Y]=y1 + (ȳ−y11 )−1 = y1 + ȳ − y1

E[Y]=ȳ

MEDIANA

λe−λ(y−γ) = 0.5
R

−λ(y−γ)
=-[ e ] = 0.5

−λ(y−γ)
-ln[ e ] = ln(0.5)

6
λy − λγ) = ln(0.5)

y (0.5) = ln(0.5)(ȳ − y1 ) + y1

VARIANZA

R ∞ 2 −λ(y−γ)
E[ Y 2 ] = γ y λe dy

u=y2 du = 2ydy

2 e−λ(y−γ)
λ( −y 2
y ∗ e−λ(y−γ) dy) γ < y < ∞
R
λ
+ λ

u=y du=dy

−λ(y−γ)
−λ(y−γ)
dv= e v = −e λ

2 e−λ(y−γ) −λ(y−γ)
=λ[ −y + λ2 ( −ye + λ1 e−λ(y−γ) dy)] γ < y < ∞
R
λ λ

2 e−λ(y−γ) −λ(y−γ)
=λ[ −y λ
+ λ2 ( −ye λ
− 1 −λ(y−γ)
λ2
e ) γ<y<∞

2 e−λ(y−γ)
=λ[( −y λ
) − ( λ22 ye−λ(y−γ) ) − ( λ23 e−λ(y−γ) )] γ < y < ∞

=( -y2 e−λ(y−γ) ) − ( λ2 ye−λ(y−γ) ) − ( λ22 e−λ(y−γ) ) γ < y < ∞

=-(-γ 2 − 2γ
λ
− λ22 ) = γ 2 + 2γ
λ
+ λ22 = E[Y 2 ]

V[Y]=γ 2 + 2γ
λ
+ λ22 −y¯2

V[Y]=(y21 + 2y1 ȳ − 2y12 + 2y¯2 − 4ȳy1 + 2y12 ) − y¯2

7
V[Y]=y21 − 2y1 ȳ + 2y¯2 − y¯2

V[Y]=y21 − 2y1 ȳ + y¯2

V[Y]=(y1 − ȳ)2

C)

P(λ̂ < 730) ȳ = 783

1
=P(( ȳ−γ ) < 730) = P(1 < 730(ȳ − γ))

1
=P(( ȳ−γ ) < 730) = P(1 < 730(783 − γ))

1 1
=P(( 730 ) − 783 < −γ)=P((− 730 ) + 783 > γ)

=P(γ < 782, 998) = P (γ < 783)

R 783 1 1
0 783
e− 783 (y−0) dy

1
1 e− 783 (y−0)
=( 783 −0.001277
) 0 < y < 783

−1
=(- e 783
(y)
) 0 < y < 783 = −( 1e − 1)

=0.632