UNIVERSIDAD DIEGO PORTALES

Facultad de Economa y Empresa

Escuela de Ingeniera Comercial

Segundo Semestre 2016

ICO8306 - Inferencia Estadstica

Ayudanta 2
Profesor: Leonidas Espinoza
Ayudante: Katherine Epple

Pregunta 1
Suponga que se tiene una m.a de tama
no 2n tomada de una poblacion X, con E(X) = y
V ar(X) = 2 . Sean:

2n n
1 X 1X
X1 = xi y X2 = xi
2n n
i=1 i=1
dos estimadores de . Cual es mejor estimador? Explique.
El mejor estimador ser
a el que tenga menor error cuadratico medio (ECM).
Primero veamos si son insesgados los estimadores.

2n 2n
!
1 X 1 X 1
E(X 1 ) = E = xi E(xi ) = 2n =
2n 2n 2n
i=1 i=1
n n
!
1 X 1X 1
E(X 2 ) = E xi = E(xi ) = n =
n n n
i=1 i=1
Como ambos estimadores son insesgados, entonces el mejor estimador sera aquel que tenga menor
varianza.
2n 2n
!
1 X 1 X 1 2
V ar(X 1 ) = 2 V ar xi = 2 V ar(xi ) = 2 2n 2 =
4n 4n 4n 2n
i=1 i=1
n n
!
1 X 1 X 1 2
V ar(X 1 ) = 2 V ar xi = 2 V ar(xi ) = 2 n 2 =
n n n n
i=1 i=1

Luego, como X 1 posee menor varianza escogemos este.

Pregunta 2
Suponga que b1 y b 2 son estimadores del parametro . Se sabe que E( b 2) = ,
b 1 ) = y E(
2
V ar(
b 1 ) = 10 y
b 2 = 4. Cu al es mejor estimador y en que sentido lo es?
Podemos observar que b 1 es insesegado a diferencia de b 2 , sin embargo, debemos comparar su
ECM.
RECUERDE: ECM () b = V ar() b + Sesgo2 ()
b

1
 ECM ( b 1 ) = 10 + 02 = 10
 2  2

ECM (2 ) = 4 +
b =4+
2 2

Dado que el ECM ( b 2 ) depende del verdadero valor de entonces debemos analizar para que
intervalo 2 es mejor que
b b 1 o viceversa.
Entonces:
b 1 ) ECM (
ECM ( b )
 2 2

10 4 +
2
16 + 2
10
4
40 16 + 2
2 24

Por lo tanto,
b 1 ser
a mejor estimador de que b 2 cuando el verdadero valor de sea: 24, o


cuando
24. De manera an aloga tenemos que b 2 sera mejor estimador de que
b 1 cuando
24 < < 24

Pregunta 3
no n de una poblacion N (, 2 )
Sea X1 , ..., Xn una muestra aleatoria de tama
2
a) Demuestre que X es un estimador sesgado de 2
2
Como X N ormal(, 2 ) entonces se sabe que X N ormal(, n ) luego al querer demostrar
2
que X es sesgado para 2 ocupamos lo siguiente:

2
V ar(X) = E(X ) E 2 (X)
2 2
= E(X ) 2
n
2
Ahora si despejamos E(X ), observamos que es distinto a 2 , por lo que muestra lo sesgado del
estimador.

b) Determine la magnitud del sesgo en el estimador.

La magnitud del sesgo corresponde al valor de este. Sabemos que:
2 2
Sesgo(X ) = E(X )
2 2 2
Sesgo(X ) = +=
n n

c) Que sucede con el sesgo a medida que aumenta el tamano n de la muestra?

2
A medida que el tama no de la muestra aumenta, el sesgo n 0 vale decir, el estimador es
asintoticamente (cuando n 0) insesgado.

2
Pregunta 4
Sean X1 , ..., Xn variables aleatorias i.i.d con funcion de densidad dada por

( + 1)x 0 < x < 1


f (x) = (1)
0 e.o.c

a) Encuentre el estimador de por el metodo de momentos.

El metodo de momentos consiste en igualar el momento muestral con el momento poblacional.
Entonces para el primer momento tenemos:

E(X) = X

Para esto calculemos E(X):

Z Z
E(X) = xfX (x)dx = x ( + 1)x dx
RecX Z 1 RecX

= ( + 1) x+1 dx
0 
x+2 1 + 1
= ( + 1) =
+ 2 0 + 2

Luego tenemos E(X) = X

+1
=X
+2
2X 1
Despejando
bEM =
1X

NOTA: Sub-ndice EM: Estimador de Momento

b) Encuentre el estimador de por el metodo de maxima verosimilitud.

Paso 1: Plantear la funci
on verosimilitud
n
Y Yn
L(x|) = f (xi ) = ( + 1)xi
i=1 !i=1
n
Y
= ( + 1) n xi \ln
i=1

Paso 2: Funci
on log-verosimilitud
n
X
l(x|) = n ln( + 1) + ln(xi ) \
i=1

3
 Paso 3: Derivar:
n
l n X
= + ln(xi ) = 0
+1
i=1
n
n X
= ln(xi )
+1
i=1
n
+1= n
X
ln(xi )
i=1

Por lo tanto,


n n

bEM V =
Xn + 1
o bien,
bEM V =
n + 1

Y
ln(xi ) ln (xi )

i=1 i=1

NOTA: Sub-ndice EMV: Estimador de M

axima Verosimilitud

Propuesto: Suponga que X sigue una determinada distribucion con funcion de densidad dada por:

f (x; , ) = x1 x y 1

Asuma > 0 es conocido y que X1 , ..., Xn son i.i.d.

a) Encuentre su estimador de momentos para .

b) Determine el EMV de .