Ejercicio de estimaci

on de m
axima verosimilitud

El tiempo de realizaci
on en minutos de una determinada tarea dentro de un
proceso industrial es una variable aleatoria con funci
on de densidad
f (x) =

x x/
e
2

si x > 0

donde > 0.
a) Calcular el estimador m
aximo-verosmil de para una muestra aleatoria
simple de tama
no n.
1. Escribir la verosimilitud:
L()

ind.

L(x1 , . . . , xn ; ) =

n
Y

i.d.

fXi (xi ) =

i=1
n 
Y
xi

i=1
ea eb =ea+b

1
2

n

xi /

1
= 2

n Y
n

n
1X
exp
xi
i=1

exi /

i=1
n
Y

n
Y

fX (xi )

i=1
n
Y

xi

i=1

xi ;

x1 , . . . , x n > 0

i=1

2. Escribir el logaritmo de la verosimilitud:

`()

ln L() = ln

=
ln(ab)=ln a+ln b



ln

1
2

n 

1
2

n

n
n
Y
1X
xi
xi
exp
i=1
i=1

n
1X
xi
+ ln exp
i=1

n
n
Y
1X
ln (2n )
xi + ln
xi
i=1
i=1

n
n
Y
1X
2n ln
xi + ln
xi ;
i=1
i=1

)!

+ ln

n
Y

xi

i=1

3. Obtener el tal que

`()
j

= 0.

n
n
Y

1X
`() =
2n ln
xi + ln
xi

i=1
i=1

=
(2n ln )

n
2n
xi
=
i=12

Pn
2n
xi
=
+ i=12

Estadstica I 08/09

x1 , . . . , x n > 0

!!

n
n
Y
1X

xi +
ln
xi
i=1

i=1

!!

+0

A. Arribas Gil

Por lo tanto:
n
n
xi
2n
xi

2n
`() = 0
+ i=12
= 0 i=12
=

Pn
Pn
xi

i=1 xi
= 2n = i=1

2n

El candidato a EMV es M V =

Pn

i=1

xi

.
2n
4. Comprobar que realmente es un maximo, es decir, que
2

`() =
2

2n
+

= (2n)

Pn

i=1
2

xi

2
`()|=M V
2

n
2
1 X
+
x
i
2
3
i=1

n
n
2n
2
2 X
1X
=
x
=
xi

i
2
3 i=1
2
i=1

Si ahora lo evaluamos en el candidato M V =

2

`()|=M V
2

=
=

2
2

M V
2
2
M
V

< 0.

M V

n
X

i=1

2n
!

xi =

i=1

(n 2n) =

Pn

2
2
M
V

xi

, tenemos:

2
1
n Pn x
2

i=1 i
M V
2n

n
X

xi

i=1

(n) < 0

obtenemos que la segunda derivada de `() es negativa en M V y por tanto es un

maximo.
X
El estimador maximo verosimil de es M V = . Para una muestra particular, la
2
x

estimacion maximo verosmil sera M V = .

2
b) Calcular el estimador m
aximo-verosmil de E[X] para una muestra aleatoria
simple de tama
no n.
Lo
primero es calcular E[X]. Como X es una v.a. continua, sabemos que E[X] =
R
olo toma valores positivos:
x f (x)dx. Pero como X s

E[X] =

Z
0

Estadstica I 08/09

x f (x) dx =

Z
0

Z 2
x x/
1 Z 2 1 x/
x x/
x
x 2e
dx =
e
dx =
e
dx

2
0

0


A. Arribas Gil

integr. por
partes1


1 h 2 x/ i Z x/

du = 2x dx

e
2x dx
x e
u = x2
=
0

0
dv = 1
ex/ dx v = ex/



i
1Z
1h
1Z
1
x2 ex/ +
2x ex/ dx =
lim x2 ex/ lim x2 ex/ +
2x ex/ dx
0
x0

0
x
0

integr. por
partes1

Z
Z 
1 x/
1
1

du = dx
(0 0) +
2x ex/ dx = 2
x
e
dx = u = x

0
1 x/
x/
dv = e
dx v = e

=
=
=2
=
=

h

x/

xe

i
0

x/

dx = 2 2 0 ex/

i 
0

lim ex/ lim ex/ = 2(0 1) = 2

x0

Tenemos que E[X] = 2. Por el principio de invarianza del EMV, sabemos que si M V
es el estimador maximo verosmil de , el estimador maximo verosmil de cualquier
funcion h() es h(M V ).
Por tanto, el EMV de E[X] sera:
X
d

= X.
E[X]
M V = 2 M V = 2
2
c) Mediante un muestreo aleatorio simple se han recogido los siguientes 15
tiempos de realizaci
on de la tarea:
5.56 2.23 0.58 1.37 0.21 1.98 2.44 2.71
10.12 4.69 3.47 1.73 3.51 1.19 0.97
Obtener la estimaci
on m
aximo-verosmil del tiempo medio de realizaci
on
del proceso.
15
1 X
xi = 2.8507, por tanto, la estimacion maximo
15 i=1
verosmil para el tiempo medio sera:

Para esta muestra se tiene que x =

d
E[X]
M V = x = 2.8507 minutos.
1

Integracion por partes:

[u v]ba

Z b

u dv = u v

v du. Si la integral es definida, entonces

Z b

u dv =

v du.

La exponencial negativa decrece mucho mas rapido hacia cero que lo que x2 crece hacia infinito.
En general, cuando tenemos una indeterminacion en la que aparece una exponencial y cualquier
funcion polinomial, siempre gana la exponencial. De forma rigurosa, tenemos:
2

x2 LH
(x2 )0
2x LHopital
2
opital
=
lim
= lim x/
=
lim x/ 2 = 0
x ex/
x (ex/ )0
x e
x
/
e /

lim x2 ex/ = lim

Estadstica I 08/09

A. Arribas Gil

d) Para la muestra del apartado anterior, dar una aproximaci

on de la varianza
asint
otica del estimador de m
axima verosimilitud de .
Sabemos que el EMV es asintoticamente normal, y que su varianza asintotica es aprox1
. En nuestro caso, en el apartado a) (paso 4) hemos
imadamente 2
`()|

2
=

MV
obtenido que
2
2n
`()|=M V = 2
2

M V
por tanto, la aproximacion de la varianza asintotica de M V para esta muestra particular sera:
h

V ar M V

2
1
1
M
V
=

=
2
2n
2n
`()|=M V
2
2
MV

Estadstica I 08/09

(x/2) c) 2.8507
=
= 0.0677
2n
8 15

A. Arribas Gil