Tarea 4 Estadistica Aplicada

Tarea semana 4
Estadística aplicada a la empresa
Instituto IACC
Desarrollo
1) Hallar el estimador máximo verosimil de u (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.
La distribución de Poisson, tiene una función de densidad que sería:
𝑒 −⋋ ⋋𝐾
𝑓(𝐾,⋋) =
𝐾!
donde:
K = corresponde al número de ocurrencias del evento, (la función nos da la probabilidad de que
el evento fuera precisamente K veces).
⋋= es el parámetro que representa el número de veces que se espera que ocurra el fenómeno
durante un intérvalo dado; tiene en promedio 4 veces por minuto y estamos interesados en que
ocurra ⋋ veces; dentro de un intérvalo de 10 minutos, usaremos ⋋= 7.10 = 10
nos piden calcular el EMV, de ⋋para una muestra de tamaño n. Sería:

𝑛
𝐿(⋋) = ∏ 𝑓(𝐾,⋋)
𝑖=1
𝑛
𝑒 −⋋ ⋋𝐾𝑖
𝐿(⋋) = ∏ ( )
𝐾𝑖!
𝐼=1
Al maximizar L (⋋), esto equivale a maximizar n numerador, ya que ∏𝑁

𝐼−1 𝐾𝑖! es constante. Por
lo que llamamos L’ al numerador.

𝑛
𝐿′(⋋) = ∏ 𝑒 −⋋ ⋋𝑛𝑖
𝑖=1
luego se define:
A = ln (L’)
𝑛
𝐴 = 𝑙𝑛 (∏ 𝑒 −⋋ ⋋𝐾𝑖 )
𝑖=1
𝐴 = ∑ 𝑙𝑛(𝑒 −⋋ ⋋𝐾𝑖 )
𝑖=1
𝐴 = ∑[(− ⋋)𝑙𝑛(𝑒) + 𝐾𝑖 𝑙𝑛(⋋)]

𝑖=1
𝐴 = ∑[(− ⋋) + 𝐾𝑖. 𝑙𝑛 (⋋)]

𝑖=1
𝑛 𝑛
𝐴 = ∑(− ⋋) + ∑ 𝐾𝑖 𝑙𝑛 (⋋)
𝑖=1 𝑖=1
𝐴 = −𝑛 ⋋ + ∑ 𝐾𝑖 𝑙𝑛 (⋋)
𝑖=1
Luego, se maximiza la función A, con respecto a ⋋.

𝑛
𝑑𝐴 𝑑
=0→ [−𝑛 ⋋ ∑ 𝐾𝑖 𝑙𝑛 (⋋)] = 0
𝑑𝑖 𝑑⋋
𝑖=1
𝑛
𝑑 𝑑
(−𝑛 ⋋) + [∑ 𝐾𝑖 𝑙𝑛 (⋋)] = 0
𝑑⋋ 𝑑⋋
𝑖=1
𝑛
𝑑
(−𝑛) + ∑ 𝐾𝑖 𝑙𝑛(⋋) = 0
𝑑⋋
𝑖=!
𝑛
1
∑ 𝐾𝑖 =𝑛
𝑛
𝑖=1
∑𝑛𝑖=1 𝐾𝑖
=⋋^
𝑛
Por lo tanto, el EMV es ⋋^ = ∑𝑛𝑖=1 𝐾𝑖/𝑛
́ 𝐾
Es posible observar que: ⋋^ = ̅
2) Si x es una variable aleatoria con la siguiente distribución de probabilidad:
(𝛼 + 1). 𝑥 𝑎
𝑓(𝑥) = { ; 0<𝑥<1
0; 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
encontrar el estimador máximo verosímil de 𝛼, basado en una muestra de tamaño n.
El EMV permite determinar el factor de estimadores que maximizan la función (para)
probabilidad conjunta de una muestra de n variables aleatorias de la población en estudio.
Se define con f (x, 𝜃) la función de probabilidad en la cual queremos determinar para este
caso 𝑓(𝑥, 𝛼) = (𝛼 + 1)𝑥 𝛼 ; 0 < 𝑥 < 1
Sea 𝑥1, 𝑥2 ….. una muestra de variables aleatorias seleccionadas de una población en
estudio, la función de probabilidad conjunta L ( 𝜃) de las nvA, de la muestra, se llamará
función de verosimilitud.
Para este caso:
𝐿(𝛼) = 𝐿(𝑥1 , 𝑥2 … … 𝑥𝑛/𝛼)
𝑠𝑖𝑛 𝑒𝑚𝑏𝑎𝑟𝑔𝑜:
𝑐𝑜𝑚𝑜 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑠𝑜𝑛 𝑖𝑛𝑡𝑒𝑟𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠:

𝑛
𝐿(𝛼) = ∏ 𝑓(𝑥/𝛼)
𝑖=1
𝑛
𝐿(𝛼) = ∏(𝛼 + 1)𝑦𝑖𝛼

𝑖=1
𝑎ℎ𝑜𝑟𝑎 𝑠𝑒 𝑏𝑢𝑠𝑐𝑎 𝑒𝑙 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 𝑚á𝑥𝑖𝑚𝑜, 𝑝𝑜𝑟 𝑙𝑜 𝑞𝑢𝑒 𝜃̃ 𝑒𝑠 𝑒𝑙 𝐸𝑀𝑉 𝑑𝑒 𝜃, 𝑛 𝑦 𝑠𝑜𝑙𝑜 𝑠𝑖 𝐿(𝜃̃) 𝑒𝑠 𝑚á𝑥𝑖𝑚𝑜.
Esto implica que si definimos
A = ln (L)
𝑛
𝐴 = 𝑙𝑛 (∏(𝛼 + 1)𝑥𝑖𝛼 )
𝑖=1
ℎ𝑎𝑦 𝑞𝑢𝑒 𝑜𝑝𝑡𝑖𝑚𝑖𝑧𝑎𝑟 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑛𝑑𝑜 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝛼 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑐𝑢𝑎𝑙:
𝑑𝐴
=0
𝑑𝛼
𝑛
𝐴 = 𝑙𝑛 (∏(𝛼 + 1)𝑥𝑖𝛼 )
𝑖=1
𝐴 = ∑ 𝑙𝑛[(𝛼 + 1)𝑥𝑖𝛼 ]
𝑖=1
𝐴 = ∑[𝑙𝑛(𝛼 + 1) + 𝛼𝑙𝑛(𝑥𝑖 )]
𝑖=1
𝐴 = 𝑛 𝑙𝑛 (𝑥 + 1) + 𝛼 ∑ 𝑙𝑛(𝑥𝑖 )
𝑖=1
𝑛
𝑑𝐴 𝑑 𝑑
=0 [𝑛 𝑙𝑛 (𝛼 + 1)] + [𝛼 ∑ 𝑙𝑛(𝑥𝑖 )] = 0
𝑑𝛼 𝑑𝛼 𝑑𝛼
𝑖=1
𝑛
𝑑 𝑑
𝑛 𝑙𝑛(𝛼 + 1) + ∑ 𝑙𝑛(𝑥𝑖 ) (𝛼) = 0
𝑑𝛼 𝑑𝛼
𝑖=1
𝑛
𝑛
+ ∑ 𝑙𝑛(𝑥𝑖 ) = 0
𝛼+1
𝑖=1
𝑛
𝑛
− ∑ 𝑙𝑛(𝑥𝑖 )
𝛼+1
𝑖=1
−𝑛/ ∑ 𝑙𝑛(𝑥𝑖 ) = 𝛼 + 1
𝑖=1
−𝑛/ ∑ 𝑙𝑛 (𝑥𝑖 ) − 1 = 𝛼̂
𝑖=1
Bibliografía
Contenidos semana 4.-
Recursos adicionales semana 4.-

Tarea 4 Estadistica Aplicada

Cargado por

Copyright:

Formatos disponibles

Tarea 4 Estadistica Aplicada

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tarea 4 Estadistica Aplicada

Cargado por

Copyright:

Formatos disponibles

Tarea semana 4

Estadística aplicada a la empresa

1) Hallar el estimador máximo verosimil de u (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.

La distribución de Poisson, tiene una función de densidad que sería:

el evento fuera precisamente K veces).

ocurra ⋋ veces; dentro de un intérvalo de 10 minutos, usaremos ⋋= 7.10 = 10

nos piden calcular el EMV, de ⋋para una muestra de tamaño n. Sería:

Al maximizar L (⋋), esto equivale a maximizar n numerador, ya que ∏𝑁

lo que llamamos L’ al numerador.

𝐴 = ∑[(− ⋋)𝑙𝑛(𝑒) + 𝐾𝑖 𝑙𝑛(⋋)]

𝐴 = ∑[(− ⋋) + 𝐾𝑖. 𝑙𝑛 (⋋)]

Luego, se maximiza la función A, con respecto a ⋋.

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

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

El EMV permite determinar el factor de estimadores que maximizan la función (para)

probabilidad conjunta de una muestra de n variables aleatorias de la población en estudio.

caso 𝑓(𝑥, 𝛼) = (𝛼 + 1)𝑥 𝛼 ; 0 < 𝑥 < 1

estudio, la función de probabilidad conjunta L ( 𝜃) de las nvA, de la muestra, se llamará

Para este caso:

𝐿(𝛼) = 𝐿(𝑥1 , 𝑥2 … … 𝑥𝑛/𝛼)

𝑐𝑜𝑚𝑜 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑠𝑜𝑛 𝑖𝑛𝑡𝑒𝑟𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠:

𝐿(𝛼) = ∏(𝛼 + 1)𝑦𝑖𝛼

Esto implica que si definimos

ℎ𝑎𝑦 𝑞𝑢𝑒 𝑜𝑝𝑡𝑖𝑚𝑖𝑧𝑎𝑟 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑛𝑑𝑜 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝛼 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑐𝑢𝑎𝑙:

Contenidos semana 4.-

Recursos adicionales semana 4.-

También podría gustarte