Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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)?
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?
• 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?