Ejercicios estimadores

• Seleccione el estadístico que NO es un estimador y explique por qué:

𝑦1 + 𝑦2 + ⋯ + 𝑦𝑛
𝜃̂1 =
𝑛
𝑛
1
𝜃̂2 = ∑(𝑦𝑖 − 𝑦̅)2
𝑛
𝑛
1
̂
𝜃3 = ∑(𝑦𝑖 − 𝑦̅)2
𝑛−1
𝜃̂4 = min⁡(𝑦𝑖 )
𝑥̅ − 𝜇
𝜃̂5 =
𝜎

Sesgo y ECM:
2
• Demuestre que 𝑀𝑆𝐸(𝜃̂) = 𝑉(𝜃̂) + 𝐵(𝜃̂) . Parta de la identidad que 𝜃̂ − 𝜃 = 𝜃̂ − 𝐸(𝜃̂) + 𝐸(𝜃̂) − 𝜃

• Si 𝜃̂ es un estimador para 𝜃
1. ¿Cuál es 𝐵(𝜃̂)⁡si es insesgado?
2. ¿Cómo se compara 𝑉(𝜃̂) con 𝑀𝑆𝐸(𝜃̂) si es insesgado?
3. Si 𝐵(𝜃̂) = 5, cuál es 𝐸(𝜃̂)?

• Suponga que 𝐸(𝜃̂1 ) = 𝜃⁡𝑦⁡𝐸(𝜃̂2 ) = 𝜃.

Sea 𝜃̂3 = 𝑎(𝜃̂1 ) + (1 − 𝑎) 𝜃̂2.
Demuestre que 𝜃̂3 es insesgado para 𝜃

1
• Demuestre que 𝑠 2 = 𝑛 ∑(𝑦𝑖 − 𝑦̅)2 es sesgado, pero es asintóticamente insesgado.

Estimadores comunes
• Encuentre el valor esperado y el error estándar de los siguientes estimadores:
1
1. 𝐸(y) = 𝜇, 𝑉(𝑦) = σ2 → 𝑦̅ = 𝑛 ∑𝑦𝑖
1 1
2. 𝐸(𝑦1 ) = 𝜇1 , 𝑉(y1 ) = σ12 , 𝐸(𝑦2 ) = 𝜇2 , 𝑉(y2 ) = σ22 → ⁡ 𝑦̅1 − 𝑦̅2 = 𝑛 ∑𝑦1𝑖 − 𝑛 ∑𝑦2𝑖
1 2

Eficiencia
• Sea 𝑦1 , 𝑦2 , 𝑦3 una muestra aleatoria con media 𝜇 y varianza 𝜎 2 .
1 1
Sea 𝜃̂1 = (𝑦1 + 2𝑦2 + 3𝑦3 ), 𝜃̂2 = (𝑦1 + 4𝑦2 + 𝑦3 )
6 6
1. Demuestre que ambos estimadores son insesgados para 𝜇
2. Encuentre la varianza de ambos estimadores
3. Encuentre la eficiencia relativa entre ambos estimadores
4. ¿Cuál es más eficiente?
5. Compare con el promedio muestral, ¿cuál es más eficiente?
Consistencia
• Simulación: En R, Python, Matlab o Stata,
1. Genere 10.000 números aleatorios que se distribuyan Exponencial con 𝜆 = 10.
2. Grafique el histograma
3. ¿Teóricamente, cuál es la media de esta distribución?
4. Extraiga una muestra de 𝑛 = 5, 10, 15, … . , 1.000 y calcule los promedios.
5. Grafique el comportamiento de estos promedios.
6. ¿Hacia dónde van convergiendo los promedios?
7. ¿Cómo se conoce este resultado?

Método de los momentos

• 𝑦 ∼ 𝑁(𝜇, σ2 ).⁡Estime 𝜇, 𝜎 2 ⁡con el método de los momentos.

• Simulación: En Excel,
1. Genere 1.000 números aleatorios uniformes en el intervalo (0, 𝜃 = ⁡320) usando la función
aleatorio.entre y déjelos fijos como valor.
2. Estime 𝜃 usando el método de los momentos, para una distribución uniforme (0, 𝜃)
3. Calcule 𝜃̂ usando los primeros 100 números generados, repita para 200, 300,…,1.000.
4. ¿Hacia qué número converge?

Método de máxima verosimilitud

• Suponga que tiene una muestra proveniente de una población con función de densidad dada:
𝑦 −𝑦/𝜃
𝑒 𝑦≥0
𝑓(𝑦) = {𝜃 2
0 e. o. p

1. Encuentre 𝜃̂ con el método de máxima verosimilitud

2. Demuestre que es un máximo
3. Suponga que se tomó una muestra de 3 individuos de la población que da: 𝑦1 = 3.1, 𝑦2 =
4.2, 𝑦3 = 5.3. Cuánto sería 𝜃̂
4. ¿Qué significa este número?