Soluciones de la relación del Tema 9. 1. Sea X1 , . . . , Xn una m.a.s. de X ∼ (µ, σ 2 ). Se nos pide: Pn Xi - Probar que X = i=1 es un estimador insesgado de µ, es decir, debemos comn probar: EX = µ Veámoslo: Pn EX = E Pn i=1 n Xi Pn = EXi = n i=1 Pn i=1 µ n = nµ =µ n − X)2 es un estimador insesgado de σ 2 , es decir, debemos n−1 i=1 (Xi 2 - Probar que S = comprobar: ES 2 = σ 2 Veámoslo: P 2 − X)2 E[ ni=1 (Xi2 + X − 2Xi X)] ES =E = = n−1 n−1 P P P 2 2 2 E[ ni=1 Xi2 + nX − 2nX ] E[ ni=1 Xi2 + nX − 2X ni=1 Xi ] = = = n−1 n−1 P Pn 2 2 2 E[ ni=1 Xi2 − nX ] i=1 EXi − nEX = = n−1 n−1 2 Pn i=1 (Xi Ahora teniendo en cuenta que si X ∼ N (µ, σ 2 ), sabemos que V ar(X) = σ 2 = EX 2 − µ2 , y que bajo las condiciones del problema se verifica que X ∼ N (µ, σ 2 /n), podemos concluir: Pn 2 EXi2 − nEX n(σ 2 + µ2 ) − n(σ 2 /n + µ2 ) 2 ES = i=1 = = n−1 n−1 nσ 2 + nµ2 − σ 2 − nµ2 (n − 1)σ 2 = = = σ2 n−1 n−1 2. Se nos pide calcular µ byσ b2 en el caso X ∼ (µ, σ 2 ). Sea X1 , . . . , Xn una m.a.s. de X. El espacio paramétrico viene dado por: Θ = {(µ, σ 2 ), µ ∈ R, σ 2 > 0} = R × (0, ∞) y la función de densidad de la muestra es: n fµ,σ 2 (x1 , . . . , xn ) Pn 2 1 i=1 (xi − µ) = 2 n/2 exp − (σ ) (2π)n/2 2σ 2 x1 , . . . , x n ∈ R Sean x1 , . . . , xn ∈ R, entonces la función de verosimilitud viene dada por: Pn 2 1 2 i=1 (xi − µ) Lx1 ,...,xn (µ, σ ) = 2 n/2 exp − µ ∈ R, σ 2 > 0 (σ ) (2π)n/2 2σ 2 1 Ahora tomamos logaritmo neperiano para eliminar la exponencial: Pn (xi − µ)2 n n 2 2 ln Lx1 ,...,xn (µ, σ ) = − ln σ − ln 2π − i=1 2 2 2 2σ Para obtener los estimadores máximo verosı́miles de los parámetros debemos derivar el logaritmo de la verosimilitud con respecto a los dos parámetros: Pn Pn (xi − µ) ∂ ln Lx1 ,...,xn (µ, σ 2 ) i=1 2(xi − µ)(−1) =− = i=1 2 =0 2 ∂µ 2σ σ Pn Pn 2 2 n ∂ ln Lx1 ,...,xn (µ, σ 2 ) n/2 i=1 (xi − µ) 2 i=1 (xi − µ) = − = − − − + = ∂σ 2 σ2 (2σ 2 )2 2σ 2 2σ 4 P −σ 2 n + ni=1 (xi − µ)2 = =0 2σ 4 De la primera ecuación obtenemos: Pn Pn Xi i=1 xi ⇒µ b(X1 , . . . , Xn ) = i=1 =X µ b= n n De la segunda ecuación obtenemos: Pn Pn 2 (Xi − X)2 (x − µ b ) i 2 2 ⇒σ b (X1 , . . . , Xn ) = i=1 σ b = i=1 n n 3. Sea X1 , . . . , Xn una m.a.s. de X ∼ B(1, p), por tanto EX = p y V arX = p(1 − p). Se nos pide: Pn Xi es un estimador insesgado de p, es decir, debemos com- Probar que pb1 = i=1 n probar: E[b p1 ] = p Veámoslo: Pn E[b p1 ] = E Pn - Probar que pb2 = probar: i=1 n Xi2 i=1 Xi n Pn EXi = n i=1 = Pn i=1 p n = np =p n es un estimador insesgado de p, es decir, debemos comE[b p2 ] = p Veámoslo: Pn i=1 E[b p2 ] = E n Xi2 Pn = EXi2 n i=1 Ahora teniendo en cuenta que V ar(X) = p(1 − p) = EX 2 − p2 podemos concluir: Pn Pn Pn 2 2 p np i=1 (V arXi + (EXi ) i=1 (p(1 − p) + p E[b p2 ] = = = i=1 = =p n n n p 2 4. Sea X1 , X2 , X3 una m.a.s. de X ∼ (µ, σ 2 ). Se nos pide: X1 + 2X2 + 3X3 es un estimador insesgado de µ. Veámoslo: 6 X1 + 2X2 + 3X3 EX1 + 2EX2 + 3EX3 µ + 2µ + 3µ E[b µ1 ] = E = = =µ 6 6 6 - Probar que µ b1 = X1 − 4X2 es un estimador insesgado de µ. Veámoslo: −3 X1 − 4X2 EX1 − 4EX2 µ − 4µ E[b µ2 ] = E = = =µ −3 −3 −3 - Probar que µ b2 = 3