Your SlideShare is downloading. ×
0
Tema10 ud4
Tema10 ud4
Tema10 ud4
Tema10 ud4
Tema10 ud4
Tema10 ud4
Tema10 ud4
Tema10 ud4
Tema10 ud4
Tema10 ud4
Tema10 ud4
Tema10 ud4
Tema10 ud4
Tema10 ud4
Tema10 ud4
Tema10 ud4
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Tema10 ud4

674

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
674
On Slideshare
0
From Embeds
0
Number of Embeds
5
Actions
Shares
0
Downloads
11
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. TEMA 10Estimación puntual Probabilidades y Estadística I
  • 2. Esquema inicial1. Introducción2. Estadísticos y estimadores3. Método de los momentos4. Método de máxima verosimilitud5. Obtención de estimadores de la distribución normal Probabilidades y Estadística I
  • 3. Esquema inicial1. Introducción2. Estadísticos y estimadores3. Método de los momentos4. Método de máxima verosimilitud5. Obtención de estimadores de la distribución normal Probabilidades y Estadística I
  • 4. 1. Introducción (1/2)Asignación 1,2 1 0,8 0,6 0,4 0,2 0 0 1 2 3 4 Erlang (k , λ ) Probabilidades y Estadística I
  • 5. 1. Introducción (2/2) Problemas 1. Determinar el valor de los parámetros a1,2 1 partir de los datos (Estimación)0,80,6 2. Determinar si estimación de los parámetros0,4 es asumible (Contraste paramétrico)0,2 0 0 1 2 3 4 3. Determinar si la asignación de esa ley de Erlang (k , λ ) incertidumbrees asumible (Contraste no paramétrico) FUENTE DE INFORMACIÓN: Los datos con los que se construyó el histograma Probabilidades y Estadística I
  • 6. Esquema inicial1. Introducción2. Estadísticos y estimadores3. Método de los momentos4. Método de máxima verosimilitud5. Obtención de estimadores de la distribución normal Probabilidades y Estadística I
  • 7. 2. Estadísticos y Estimadores (1/2)ESTADÍSTICO Sea X1,X2,…,Xn una muestra aleatoria simple T = T ( X 1 , X 2 ,...., X n )No dependen de un parámetro desconocidoEjemplo Sea X1,X2,…,Xn una muestra aleatoria simple de una N ( µ , σ ) T ( X 1 , X 2 ,...., X n ) = X 1 + X 2 + .... + X n 2 2 2 Estadístico T ( X 1 , X 2 ,...., X n= µ X 1 + µ X 2 + .... + µ X n No es Estadístico 2 2 2 ) Probabilidades y Estadística I
  • 8. 2. Estadísticos y Estimadores (2/2)ESTIMADOR Sea X1,X2,…,Xn una muestra aleatoria simple ϑ = ϑ ( X 1 , X 2 ,...., X n )Pretende aproximar el parámetro desconocido ϑ ϑˆ ϑEjemplo Sea X1,X2,…,Xn una muestra aleatoria simple de una N ( µ , σ ) 1 n µ µ ( X 1 , X 2 ,...., X n ) = ∑ Xi n i =1 Estimador de la media Probabilidades y Estadística I
  • 9. Esquema inicial1. Introducción2. Estadísticos y estimadores3. Método de los momentos4. Método de máxima verosimilitud5. Obtención de estimadores de la distribución normal Probabilidades y Estadística I
  • 10. 3. Método de los momentos (1/2) 1 n α1 ˆ α1 ( X 1 , X 2 ,...., X n ) = ∑ X i αr = n ∑ X i = α r ( X 1 , X 2 ,...., X n ) n i =1 ˆ 1 n r i =1 θ1 = g1 (α1 , α 2 ,...., α h ) θ1 = g1 (α1 , α 2 ,...., α h ) ˆ ˆ ˆ ˆ θ 2 = g 2 (α1 , α 2 ,...., α h ) θ 2 = g 2 (α1 , α 2 ,...., α h ) ˆ ˆ ˆ ˆθ = (θ1 , θ 2 ,...., θ k ) .................. .................. θ k = g k (α1 , α 2 ,...., α h ) θ1 = g1 (α1 , α 2 ,...., α h ) ˆ ˆ ˆ ˆ Probabilidades y Estadística I
  • 11. 3. Método de los momentos (2/2)EJEMPLO 1EJEMPLO 2 Probabilidades y Estadística I
  • 12. Esquema inicial1. Introducción2. Estadísticos y estimadores3. Método de los momentos4. Método de máxima verosimilitud5. Obtención de estimadores de la distribución normal Probabilidades y Estadística I
  • 13. 4. Método de máxima verosimilitud (1/2)Definición Probabilidades y Estadística I
  • 14. 4. Método de máxima verosimilitud (2/2) EjemploFunción de verosimilitudFunción soporte Probabilidades y Estadística I
  • 15. Esquema inicial1. Introducción2. Estadísticos y estimadores3. Método de los momentos4. Método de máxima verosimilitud5. Obtención de estimadores de la distribución normal Probabilidades y Estadística I
  • 16. 5. Estimadores en la distribución normalTEOREMA DE FISHER Probabilidades y Estadística I

×