Professional Documents
Culture Documents
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
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!)
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
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
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.
λ̂ = X̄ = 3
32 ∗e−3
P((λ̂) > 2) = 2!
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
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
expresin:
ȳ − γ > n
Finalmente, dado que la gamma tiene signo negativo, para que la de-
γ̂ = Y min = Y 1
ESTIMADOR DE TETA
θ̂ = ȳ − Y 1,
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<∞
=-(-γ − λ1 ) = γ + 1
γ
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 < ∞
=-(-γ 2 − 2γ
λ
− λ22 ) = γ 2 + 2γ
λ
+ λ22 = E[Y 2 ]
V[Y]=γ 2 + 2γ
λ
+ λ22 −y¯2
7
V[Y]=y21 − 2y1 ȳ + 2y¯2 − y¯2
V[Y]=(y1 − ȳ)2
C)
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)
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