1.

Hallar el estimador mximo verosmil de (tasa promedio) de una

poblacin que distribuye Poisson. Considere el procedimiento
descrito en los contenidos de la semana. Se valorar el proceso en
detalle. Interprete su resultado.

La Distribucin de Poisson es una distribucin de variable discreta, que se aplica

principalmente en situaciones que buscan medir el nmero de hechos de cierto tipo que se
pueden producir en un intervalo de tiempo o de espacio, bajo supuestos de aleatoriedad y
ciertas restricciones, especializndose en la probabilidad de ocurrencia de sucesos con
posibilidades muy pequeas .
La funcin de probabilidad se representa como:

ev v x
P(X = x) =
x!

Donde es la tasa de incidencia media del evento, o tasa promedio, es decir un parmetro
que representa el nmero de veces que ocurra un fenmeno en un determinado perodo
de tiempo. Por su parte x es el nmero de ocurrencias del evento, por lo que esta funcin
nos entrega la probabilidad de que un acontecimiento suceda precisamente x veces.

El ejercicio planteado pide encontrar el Estimador de Mxima Verosimilitud de la tasa

promedio v, por lo que se debe utilizar el Mtodo de Mxima Verosimilitud. En este sentido
cabe recordar que la Funcin de Verosimilitud para una muestra de tamao n de variables
aleatorias x, que definen a una poblacin con parmetro , a travs de una funcin de
probabilidad f(x; ), se estructura como:
n

L(x1 , x2 , , xn ; ) = f(xi ; )
i=1
Por lo que para encontrar el Estimador de Mxima Verosimilitud, lo primero es tomar esta
Funcin de Verosimilitud y transformarla en una funcin montona a travs de logaritmo
natural, para luego derivar y luego igualando a 0. Por lo tanto se tiene:

n
ev v xi
L(x1 , x2 , , xn ; v) =
xi !
i=1
v x1
e v ev v x3 ev v xn
L(x1 , x2 , , xn ; v) =
x1 ! x2 ! xn !
env v xi
L(x1 , x2 , , xn ; v) =
xi !

Donde xi ! es una constante que se puede denotar por k, por lo que al aplicar logaritmo
natural a la funcin queda de la siguiente forma:
ln(env v xi )
ln(L(x; ) ) =
xi !

Dado que por propiedades de los logaritmos se tiene que ln(a b) = ln(a) + ln(b), y en
paralelo que ln(a/b) = ln(a) ln(b), y adems que ln(an ) = n ln(a)y ln(e) = 1, la
expresin queda:
n

ln(L(x; ) ) = nv + xi ln(v) ln(k)

i=1

Que es la frmula que hay que maximizar a travs de la derivada del parmetro, lo que
resulta en lo siguiente:
ln(L(x; ) ) xi
= n +
v

Que es lo que hay que igualar a 0, por lo tanto:

xi
n + =0
v
xi
=n
v
 xi
=
n

Luego el Estimador de Mximo Verosimilitud de la Tasa Promedio es la media de la

muestra:
v= x

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

2. Si x es una variable aleatoria con la siguiente distribucin de

probabilidad:

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

Encontrar el estimador mximo verosmil de , basado en una muestra de tamao n.

Suponga 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(Xi = Xi ) = (a + 1) x a
i=1 i=1
n

= (a + 1) x a
n

i=1

= (a + 1)n n!a
Se aplica logaritmo:
ln L(X1 , X2 , , Xn ; a) = ln[(a + 1)n n!a ]
Se aplican propiedades de los logaritmos:

= ln(a + 1)n + ln n!a

= n ln(a + 1) + a ln n!
n

= n ln(a + 1) + a ln x
i=1

Se deriva respecto del parmetro a:

n
n
ln L(X1 , X2 , , Xn ; a) = + ln x
a a+1
i=1

Se iguala a cero para hallar el mximo:

n
n
+ ln x = 0
a+1
i=1
n
a+1=
ni=1 ln x
n
a= 1
ni=1 ln x