Estimación

Félix Carvajal Puebla

INFERENCIA ESTADÍSTICA

Instituto IACC

06 de febrero de 2017

1
1. Hallar el estimador máximo verosímil de υ (tasa promedio) de una población que distribuye

Poisson. Considere el procedimiento descrito en los contenidos de la semana. Se valorará el

proceso en detalle. Interprete su resultado.

 Debemos considerar que la distribución de Poisson es una distribución de variable

discreta, la que se aplica en situaciones los que buscan medir el número de hechos de un

cierto tipo.

La función de probabilidad se ve representada como sigue a continuación:

𝑒 −𝑣 ∗ 𝑣 𝑥
𝑃(𝑋 = 𝑥) =
𝑥!

Vemos que v es una tasa de incidencia media del evento, se puede decir que es un

parámetro que representa el número de veces que ocurra un fenómeno en un cierto tiempo.

Por otra parte x es el número de ocurrencias del evento, esta función nos entrega la

probabilidad de que un acontecimiento suceda una x cantidad de veces.

 En segundo lugar se pide encontrar el Estimador de Máxima Verosimilitud de la tasa

promedio v, en este punto se debe utilizar el método de máxima verosimilitud, se debe

recordar que esta función para una muestra de tamaño n de variables aleatorias x, la cual

define una población con parámetro θ, a través de una función de probabilidad 𝑓(𝑥; 𝜃), se

estructura de la siguiente manera:

𝑛

𝐿(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ; 𝜃) = ∏ 𝑓(𝑥¡ ; 𝜃)
𝑖=1

Por lo que para encontrar el Estimador de Máxima Verosimilitud, es lo primero es tomar

esta Función de Verosimilitud y transformarla en una función monótona, a través de

logaritmo natural, para luego derivar y luego igualando a 0. Por lo tanto se tiene:

2
 𝑛
𝑒 −𝑣 ∗ 𝑣 𝑥¡
𝐿(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ; 𝑣) = ∏
𝑥¡ !
𝑖=1

𝑒 −𝑣 ∗ 𝑣 𝑥! −𝑣 𝑥3
𝑥1 ! ∗ 𝑒 ∗ 𝑣
∗ … ∗ 𝑒 −𝑣 ∗ 𝑣 𝑥𝑛
𝑥2 !
𝐿(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ; 𝑣) =
𝑥𝑛 !

𝑒 −𝑛𝑣 ∗ 𝑣 ∑ 𝑥¡
𝐿(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ; 𝑣) =
∏ 𝑥¡ !

Donde ∏ 𝑥¡ ! es una constante que se puede denotar por k, por lo que al aplicar el

logaritmo natural a la función queda de la siguiente forma:

𝐼𝑛(𝑒 −𝑛𝑣 ∗ 𝑣 ∑ 𝑥¡
𝐼𝑛(𝐿(𝑥; 𝑢)) =
∏ 𝑥¡ !

Dado que por propiedades de los logaritmos se tiene que:

𝐼𝑛 (𝑎 ∗ 𝑏) = 𝐼𝑛(𝑎) + 𝐼𝑛(𝑏), 𝑦 𝑒𝑛 𝑝𝑎𝑟𝑎𝑙𝑒𝑙𝑜 𝑞𝑢𝑒 𝐼𝑛(𝑎/𝑏) = 𝐼𝑛(𝑎) − 𝐼𝑛(𝑏) , y además

que 𝐼𝑛(𝑎𝑛 ) = 𝑛 ∗ 𝐼𝑛(𝑎)𝑦 𝐼𝑛 (𝑒) = 1 , la expresión queda:

𝑛

𝐼𝑛(𝐿(𝑥; 𝑢)) = −𝑛𝑣 + ∑ 𝑥¡ 𝐼𝑛 (𝑣) − 𝐼𝑛(𝑘)

𝑖=1

Que es la fórmula que hay que maximizar a través de la derivada del parámetro, lo que

resulta en lo siguiente:

𝜕𝐼𝑛(𝐿(𝑥; 𝑢)) ∑ 𝑥¡
= −𝑛 +
𝜕𝑢 𝑣

Esto se iguala a 0 por lo tanto:

∑ 𝑥¡
−𝑛 + =0
𝑣

∑ 𝑥¡
=𝑛
𝑣

3
 ∑ 𝑥¡
=𝑢
𝑣

Luego el Estimador de Máximo Verosimilitud de la Tasa Promedio u es la media de la

muestra

𝑣^ = 𝑥 −

Esto es correcto ya que la tasa promedio es igual a la media en la distribución de Poisson.

2. Si x es una variable aleatoria con la siguiente distribución de probabilidad:

(𝑎 + 1). 𝑥 𝑎 ; 0<𝑥<1
𝑓(𝑥) = {
0 ; 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Encontrar el estimador máximo verosímil de α , basado en una muestra de tamaño n.

Suponemos una muestra aleatoria 𝑋1 , 𝑋2 , … . , 𝑋𝑛 con X Bernoulli (a):

𝐿(𝑋1 , 𝑋2 , … . , 𝑋𝑛 ; 𝑎) = 𝑎(𝑋1 = 𝑋1 , 𝑋2 , … . , 𝑋𝑛 ; 𝑎)

Por independencia:
𝑛 𝑛

∏ 𝑎(𝑋¡ = 𝑋¡ ) = ∏(𝑎 + 1) ∗ 𝑥 𝑎
¡=1 ¡=1

¡ (𝑎 + 1) ∗ ∏ 𝑥 𝑎
𝑛

¡=1

¡ (𝑎 + 1)𝑛 ∗ 𝑛!𝑎

Aplicamos logaritmo:

𝐼𝑛 𝐿(𝑋1 , 𝑋2 , … . , 𝑋𝑛 ; 𝑎) = 𝐼𝑛[(𝑎 + 1)𝑛 ∗ 𝑛!𝑎 ]

Se aplican propiedades de los logaritmos

𝐼𝑛(𝑎 + 1)𝑛 + 𝐼𝑛 𝑛!𝑎

𝑛 ∗ 𝐼𝑛(𝑎 + 1) + 𝑎 ∗ 𝐼𝑛 𝑛!

4
 𝑛

𝑛 ∗ 𝐼𝑛(𝑎 + 1) + 𝑎 ∗ ∑ 𝐼𝑛 𝑥
¡=1

Se deriva respecto del parámetro a:

𝑛
𝜕 𝑛
𝐼𝑛 𝐿 (𝑋1 , 𝑋2 , … . , 𝑋𝑛 ; 𝑎) = + ∑ 𝐼𝑛 𝑥
𝜕𝑎 𝑎+1
¡=1

Igualamos a 0 para hallar el máximo:

𝑛
𝑛
+ ∑ 𝐼𝑛 𝑥 = 0
𝑎+1
¡=1

−𝑛
𝑎+1=
∑𝑛¡=1 𝐼𝑛 𝑥

−𝑛
𝑎= −1
∑𝑛¡=1 𝐼𝑛 𝑥