



Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
Este documento contiene soluciones a problemas de estadística relacionados con la suficiencia de estadísticos, estudios de las propiedades de estimadores y el comportamiento de estadísticos en base al error cuadrático medio. Se abordan temas como la insesgadez y consistencia de estimadores, la factorización de la función de verosimilitud y el cálculo del error cuadrático medio. El documento puede ser útil para estudiantes de estadística y probabilidad.
Tipo: Ejercicios
1 / 7
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!




1 - En una población de parámetro desconocido 𝜃 con distribución exponencial definida a través
de una función de distribución 𝑓
2
−𝜃
2
𝑥
, 𝑥 ≥ 0 , 𝜃 > 0 , se considera el estadístico
𝑖
𝑛
𝑖= 1
. Estudiar si es suficiente 𝑇(𝑋).
Sabemos que 𝑇
es suficiente si se puede factorizar según el lema de Neyman-Fisher, es
decir,
Independencia total entre X y 𝜃
Calculando la función de verosimilitud:
1
1
2
𝑛
2
𝑛
2
−𝜃
2
𝑥
1
∙ 𝜃
2
−𝜃
2
𝑥
2
… 𝜃
2
−𝜃
2
𝑥
𝑛
= 𝜃
2 𝑛
−𝜃
2
(𝑥
1
+𝑥
2
+⋯+𝑥
𝑛
)
2 𝑛
−𝜃
2
∑ 𝑥
𝑖
𝑛
𝑖= 1 = 𝜃
2 𝑛
−𝜃
2
𝑇(𝑋)
tenemos que se puede definir 𝑔(𝑇(𝑋); 𝜃) como:
2 𝑛
−𝜃
2
𝑇
( 𝑋
)
De forma que considerando
ya que se cumple por enunciado que X es independiente de 𝜃, 𝑥 ≥ 0 , 𝜃 > 0 , se puede
establecer la factorización
y por tanto, se demuestra que 𝑇(𝑋) = ∑ 𝑥
𝑖
𝑛
𝑖= 1
es un estadístico suficiente.
*** NOTA : Repasar estos dos ejercicios, además de los realizados en clase.
1 - Dada una población de parámetro desconocido con distribución
1
3 𝜃
3
2
−
𝑥
𝜃
, 𝑥 ≥ 0 , 𝜃 > 0 ,
y el estimador de 𝜃
∗
𝑥
3
de 𝜃, se pide:
a) Estudiar la insesgadez del estadístico propuesto.
Sabemos que un estimador es insesgado, cuando lo que espero encontrarme es el
parámetro desconocido.
∗
𝑥
3
1
3
1
3
1
3
∗
Luego, 𝜃
∗
𝑥
3
es un estimador insesgado.
b) Estudiar si es consistente.
Sabemos que un estimador es cosistente cuando es insesgado y eficiente, o bien, su
sesgo y varianza tienden a cero asintóticamente (𝑛 →∞).
Por el apartado (a) tenemos que 𝜃
∗
𝑥
3
es insesgado.
Calculando 𝑉(𝜃
∗
𝑥
3
∑ 𝑥 𝑖
𝑛
𝑖= 1
𝑛
1
9 𝑛
2
𝑖
𝑛
𝑖= 1
𝑛→∞
Otra forma 𝑉
∗
𝑥
3
1
9
1
9
𝜎
2
𝑛
𝑛→∞
Luego, 𝜃
∗
𝑥
3
es consistente ya que se cumplen ambas condiciones.
*** NOTA : Repasar los ejercicios realizados en clase relacionados con estas propiedades.
*** NOTA : Repasar los ejercicios realizados en clase
*** NOTA : Repasar los ejercicios realizados en clase
*** NOTA : Repasar los ejercicios realizados en clase