Академический Документы
Профессиональный Документы
Культура Документы
Definición:
Estadı́sticos de Orden
En una muestra aleatoria el valor máximo, mı́nimo o valor mediano pueden
proporcionar información de resumen adicional. Por ejemplo:
Los estadı́sticos de orden son variables aleatorias que satisfacen X(1) 6. . .6X(n)
En particular:
X(1) = min Xi ,
1≤i≤n
X(2) = 2◦ min Xi
..
.
X(n) = max Xi
1≤i≤n
Recordar:
2. Si X∼Beta(α, β)
x (α−1) (1−x)(β−1)
fX (x) = B(α,β)
Si 0 < x<1 ; α, β > 0
R1 Γ(α)Γ(β)
B(α, β) = 0
t α−1 (1 − t)β−1 dt = Γ(α+β)
Recordar:
3. El momento K -ésimo respecto al origen; de la variable aleatoria X
está dado por (caso continuo):
Z ∞
K
E (X ) = x K f (x)dx
−∞
5. Si X∼U[0; 1]
⇒X(r ) ∼Beta(r , n − r + 1)
Desarrollo
Para facilitar los cálculos trabajaremos que X∼U[0, 1] Entonces:
fX (x) = 1 ; 06x61
0 si 0<x
F(x) = x si 0 ≤ x < 1
1 si x ≥1
Sea X1 , . . ., Xn una muestra aleatoria simple que proviene de una
población distribuida uniformemente donde 06x61 Tenemos:
X(1) = min{X1 , . . ., Xn }
X(2) = 2◦ min{X1 , . . ., Xn }
..
.
X(n) = max{X1 , . . ., Xn }
Inferencia Estadı́stica No Paramétrica (UNI) Momentos Exactos Estadı́sticos de Orden Abril,2018 7 / 20
Desarrollo Usando la distribución uniforme
Desarrollo
∞
n![F(x)]r −1 [1 − F(x)]n−r f (x)
Z
= xK
−∞ (r − 1)!(n − r )!
Continuación
Como X∼U[0; 1]
1
n!x r −1 (1 − x)n−r ∗ 1dx
Z
K
E [X(r) ] = xK
0 (r − 1)!(n − r )!
Z 1
n!
= x r +K −1 (1 − x)n−r dx
(r − 1)!(n − r )! 0
n!
E [X(r) K ] = B(r + k, n − r + 1)
(r − 1)!(n − r )!
n! Γ(r + k)Γ(n − r + 1)
= ∗
(r − 1)!(n − r )! Γ(n + k + 1)
Continuación
En consecuencia
n! (r + k − 1)!(n − r )!
E [X(r) K ] = ∗
(r − 1)!(n − r )! (n + k)!
n!(r +k−1)!
E [X(r) K ] = (r −1)!(n+k)! ; 16r 6n , K ∈ Z+
Parak = 1
n!r !
⇒ E [X(r) ] =
(r − 1)!(n + 1)!
r
E [X(r) ] = (n+1)
Continuación
En consecuencia k = 2
n!(r + 1)! r (r + 1)
⇒ E [X2(r) ] = =
(r − 1)!(n + 2)! (n + 1)(n + 2)
r (n−r +1)
Var (X(r) ) = (n+1)2 (n+2)
De manera general
E [X(r) ] = FX −1 ( n+1
r
)
r (n−r +1)
Var (X(r) ) = [f (E [X(r) ])]−2
(n+1)2 (n+2) x
Ejercicio 1
Ejercicio 2
Ejercicio 3
Las barras de pan de centeno que cierta panaderı́a distribuye a las tiendas
locales tienen una longitud promedio de 30cm y una desviación estándar
de 2 cm. Si se supone que las longitudes están distribuidas normalmente.
Encontrar la esperanza y varianza del X(4) en una muestra de 20 barras de
pan.
X∼U[0; 1]
Datos: n = 10, r = 5 ¿E (X(5) ), Var (X(5) )?
Como vemos que es una uniforme estándar solamente reemplazaremos
los valores en las formulas obtenidas anteriormente:
r r (n−r +1)
E [X(r) ] = (n+1) Var (X(r) ) = (n+1) 2 (n+2)
5(6)
⇒ Var (X(5) ) = = 0.02066
(11)2 (12)
Hallamos F−1
(x)
F (x) = y
F (x) = x
6 ⇒ 6y = x ⇒F(x) −1 = 6x
Sol Ejercicio 2
− ln(1−x)
f (x) = λ−λx ;F (X ) = 1 − −λx ; F(X ) −1 = λ
Sabemos que E (X ) = λ1 Entonces se deduce que λ = 1
16 ⇒
1
X∼Exp(λ = 16 )
Usaremos la formula generalizada en nuestro caso:
E [X(r) ] = FX −1 ( n+1
r
)
r (n−r +1)
Var (X(r) ) = {f [F −1 ( n+1
(n+1)2 (n+2) X X
r
)]}−2
Reemplazando nos queda:
6
⇒ E [X(6) ] = FX −1 ( ) = FX −1 (0.4) = 8.1732
15
6(9) 6
⇒ Var (X(6) ) = 2
{fX [FX −1 ( )]}−2
(15) (16) 15
= 0.015 ∗ (fx (8.1732))−2 = 0.15 ∗ (0.0375)−2 = 10.66
Inferencia Estadı́stica No Paramétrica (UNI) Momentos Exactos Estadı́sticos de Orden Abril,2018 19 / 20
Solución de Ejercicios Aplicativos Ejercicio 3
Sol Ejercicio 3