Mtodos para calcular estimadores Momentos Definiciones

Momento poblacional de orden k: E ( X ) Momento muestral de orden k:

k

Maxima verosimilitud
Funcin de Verosimilitud: f ( x1 , x 2 ,....., x n , ) = f ( xi , )
i= 1 n

X
i =1

k i

Procedimiento

Distribucin Asinttica

n 1) Consiste en igualar los momentos poblacionales a los momentos muestrales correspondientes (ecuaciones de momentos) 2) Se usan tantos momentos como parmetros tenga que estimar 3) Se comienza con el momento de menor orden que dependa del o los parmetros a estimar 4) Se despeja el o los parmetros de las ecuaciones de momentos utilizadas Si el estimador de momentos es una funcin del promedio (es decir =g ( x ) ) entonces
n ( MO ) d N ( 0 ; g ' ( E ( X ))

1) Construir la funcin de verosimilitud 2) Calcular el logaritmo natural de la funcin de verosimilitud 3) Derivar con respecto a el o los parmetros a estimar el log de la funcin de verosimilitud 4) Igualar la(s) derivada a 0 5) Despejar el o los parmetros
1 ) I ( )

d n (MV ) N ( 0 ;

Var ( X ) )

Es decir, si n es grande entonces la distribucin asinttica del estimador de momentos es

' MO N ( ; g ( E ( X )) Var ( X ) ) n Si tengo que estimar () MO = (MO ) Si MO es una funcion del promedio, o sea MO = h( x ) d n ( MO ( ) ) N ( 0 ;[ h' ( E ( X ))] 2 Var ( X )) Si n es grande la distribucin asinttica de el EMV de () es

2 donde I ( ) = E ( ln ( f ( x, )) 2 Si tengo que estimar () propiedad de in var iancia MV = (MV )

d n ( MV ( ) ) N ( 0 ;
2

1 ) I ( )

Si n es grande entonces la distribucin asinttica del estimador de mxima verosimilitud es

MV N ( ;

y la distribucin asinttica de el EMV de () es 2 1 MV N ( ( ) ; ) n I ( )

1 ) n I ( )

MO N ( ( ) ;

[ h' ( E ( X ))] 2 Var ( X ) ) n

Intervalos de confianza asintticos MO Z

[ g ( E ( X ))] V ( ) donde V ( ) =
'

Var ( X )

Si la varianza depende de entonces se estima por momentos maxima verosimilitud

VMO = (MO ) V

MV Z
2

1 n I ( )

si I( ) depende de se estima por

MV Z
2

V ( )

1 donde V ( ) = n I ( )

Si V( ) depende de se estima por Maxima verosimilitud

VMV =V (MV )
Un estimador de es insesgado si E () = Un estimador de es consistente si p ~ Eficiencia asinttica relativa: Sean y dos estimadores de tales que ~ Entonces la eficiencia asinttica relativa de con respecto a es

n ( ) d N ( 0 ; V1 ( )) y

~ n ( ) d N ( 0 ; V2 ( ))

V () ~ EAR ( , ) = 2 V1 ()
V () n

Precisin de un estimador: sea un estimador de tal que

d n ( ) N ( 0 ;V ())

. Entonces la precisin de es

Propiedades del logaritmo

1. ln (a*b) = ln(a) + ln(b) 2. ln (a/b) = ln(a) ln(b) 3. ln ( ab ) = b * ln(a) 4. ln ( 1 ) = 0 5. ln ( e ) = 1 6. ln (ea ) = a

Propiedades de la potencia
1. am * an = am + n 2. am / an = am - n 3. ( am )n = am*n 4. a n * b n = ( a * b ) n 5. a0 = 1 6. e ln ( a ) = a