mayerly429

Valero Angel Serrano Mercadal respondió: Habría que verificar que se cumplen las condiciones de espacio vectorial para (F^n, F, +, ·) Donde + se define asi u=(u1, u2, ..., un) v=(v1, v2, ...., vn) con u sub i, v sub i € F u+v = (u1+v1, u2+v2, ..., un+vn) Nótese que la operación + de la...

Valero Angel Serrano Mercadal respondió: El enunciado aparece completamente en blanco. Prueba a mandarlo otra vez

Valero Angel Serrano Mercadal respondió: (8.19) Recordemos del ejercicio anterior que la función de densidad para el mínimo de n muestras es: g(y) = n(1-F(y))^(n-1) · f(y) Calculemos F(y) Yo pensaba que la sugerencia era para calcular el MSE y no la había mirado. Si lo hubiera hecho esta...

Valero Angel Serrano Mercadal respondió: En la sección 6.7 nos enseña como calcular la función de densidad del mínimo o máximo de varias variables aleatorias. Para el mínimo es: Y para que el estimador sea insesgado debe tener theta como esperanza. Para ello multiplicaremos el estimador que...

Valero Angel Serrano Mercadal respondió: 8.17) a) El sesgo es la esperanza del estimador menos el el valor que se estima. No funciona el editor de ecuaciones, llamare P al estimador p con gorro sub 2 B(P) = E(P) - p = E[(Y+1)/(n+2)] - p = [E(Y) +1]/(n+2) - p = (np+1)/(n+2) - p =...

Valero Angel Serrano Mercadal respondió: 8.15) La función de densidad g(x) del estimador es n·f(x)·[P(Y >=x)]^(n-1) Calculamos primero P(Y>=x) = 1-P(Y<=x) = Bueno, ya ves que no me coincide con la respuesta, pero lo mando porqué así podre ver como queda todo el desarrollo y ver donde me...

Valero Angel Serrano Mercadal respondió: 8.14) La probabilidad de que el estimador tome un valor y es la de que una de las Yi tenga ese valor y las demás tengan un valor inferior. Eso es n veces la función de densidad de Y por el valor de la función de distribución de y elevado a la n-1...

Valero Angel Serrano Mercadal respondió: 8.13) a) Un estimador es sesgado cuando su esperanza es distinta del valor de lo que está estimando. Lo que se está estimando es la varianza de Y, veamos que la esperanza del estimador no es la varianza de Y E[n(Y/n)(1-Y/n)] = E[Y(1-Y/n)] = E(Y) -...

Valero Angel Serrano Mercadal respondió: a) La esperanza de una distribución uniforme en un intervalo (a, b) es (a+b)/2 Luego Y como la esperanza de Y barra es distinta de theta, Y barra es es estimador sesgado de theta El sesgo es la diferencia entre la esperanza del estimador y el valor...

Valero Angel Serrano Mercadal respondió: El tercer momento central es esto: Y eso es todo.