QUINTA ENTREGA: TEMA 5.- ESTIMACIÓN.- CURSO 2015
Transcripción
QUINTA ENTREGA: TEMA 5.- ESTIMACIÓN.- CURSO 2015
QUINTA ENTREGA: TEMA 5.- ESTIMACIÓN.- CURSO 2015-2016 APELLIDOS Y NOMBRE: 4 5 Sea un parámetro y sea T T X 1 , X 2 ,..., X n un estimador para tal que E T . Entonces: a) T es un estimador centrado para . b) c) 4 T es un estimador centrado para . 5 5 T es un estimador centrado para . 4 Sea X G p . Consideremos una muestra aleatoria simple de X de tamaño n. Entonces, el estimador que se obtiene para p por el método de máxima verosimilitud es: a) p̂ X . 1 . 1 X 1 p̂ . X b) pˆ c) Sea X Bin 7, p . Consideremos una muestra aleatoria simple de X de tamaño n. Entonces, es centrado para p el estimador: a) p̂ X . X . 7 pˆ 7 X . b) pˆ c) Sea X U a,3 y X 1 , X 2 ,..., X n una m.a.s. de X. Entonces, el estimador de máxima verosimilitud para a es : a) aˆ min X 1 , X 2 ,..., X n . b) aˆ max X 1 , X 2 ,..., X n . c) â X . Sea X P . Tomamos una m.a.s. de tamaño 2 y definimos los estimadores T1 X 1 , X 2 1 3 1 X 1 X 2 y T2 X 1 , X 2 X 1 2 X 2 . Entonces, 4 4 2 5 25 17 a) ECM T1 y ECM T2 2 por lo que se elige T1 para estimar λ. 8 4 4 3 b) ECM T1 y ECM T2 por lo que se elige T2 para estimar λ. 2 5 9 17 c) ECM T1 y ECM T2 2 por lo que se elige T2 para estimar λ. 8 4 4 Sea X Exp . Entonces, una muestra aleatoria simple de X de tamaño 2 es: a) X 1 , X 2 variables independientes X 1 Exp , X 2 Exp . b) X 1 , X 2 variables independientes X 1 Exp 2 , X 2 Exp 2 . c) X 1 , X 2 variables independientes X 1 N , , X 2 N , . Sea X P . Tomamos una m.a.s. de tamaño 2 y definimos las siguientes funciones: T1 X 1 , X 2 5 X 1 3 X 2 2 , T2 X 1 , X 2 3 X 1 X 2 y T3 X 1 , X 2 2 X 1 X 2 . Entonces, para estimar podemos usar: a) T1. b) T2. c) T3. Sea X una variable discreta que toma los valores 0 y 1 con probabilidades 0.2 y 0.8, 1 2 respectivamente. Tomamos una m.a.s. de tamaño 2 y definimos el estadístico X X 1 X 2 . Entonces, a) E X 0.8 y V X 0.16 . b) E X 0.4 y V X 0.08 . c) E X 0.8 y V X 0.08 . Sea X una variable aleatoria con densidad 2k 2 si x k f ( x) x3 0 en otro caso Entonces, el estimador que se obtiene para k por el método de los momentos es: a) kˆ 2 x x b) kˆ 2 c) k̂ x 3 Sea X una variable aleatoria con densidad f ( x) x 1 0 si x 3 en otro caso Entonces, el estimador que se obtiene para α por el método de máxima verosimilitud es: a) ˆ 3x n b) ˆ c) ˆ ln x i i 1 n n n ln x n ln 3 i 1 i Sea X 2, . Tomemos una muestra aleatoria simple de X de tamaño n, x1 , x2 ,..., xn . Entonces, el estimador de máxima verosimilitud para es : a) ˆ x x 2 2 c) ˆ x b) ˆ