El siguiente problema permite evidenciar las principales características de un grupo de estimadores propuestos para la estimación de un parámetro asociado a un modelo de probabilidad.
Sean \(X_1, X_2, X_3\) y \(X_4\), una muestra aleatoria de tamaño \(n=4\) cuya población la conforma una distribución exponencial con parámetro \(\theta\) desconocido. Determine las características de cada uno de los estimadores propuestos.
Suponiendo que \(\theta = 5\), se generan muestras de la distribución exponencial para \(X_1, X_2, X_3\) y \(X_4\) según cada tamaño de muestra y se almacenan estos valores en un dataframe, inicialmente se realiza para \(n = 20\).
n = c(20, 50, 100, 1000)
theta = 5
X1 = rexp(n[1], rate = 1/theta)
X2 = rexp(n[1], rate = 1/theta)
X3 = rexp(n[1], rate = 1/theta)
X4 = rexp(n[1], rate = 1/theta)
base = data.frame(X1, X2, X3, X4)
A continuación se crean las funciones para cada uno de los estimadores \(\hat\theta_1\), \(\hat\theta_2\), \(\hat\theta_3\) y \(\hat\theta_4\).
\[ \hat{\theta_1} = \frac{X_1 + X_2}{6} + \frac{X_3 + X_4}{3} \]
fx1 = function(x){
((x[1] + x[2])/6) + ((x[3] + x[4])/3)
}
\[ \hat{\theta_2} = \frac{X_1 + 2X_2 + 3X_3 + 4X_4}{5} \]
fx2 = function(x){
((x[1] + 2*x[2] + 3*x[3] + 4*x[4])/5)
}
\[ \hat{\theta_3} = \frac{X_1 + X_2 + X_3 + X_4}{4} \]
fx3 = function(x){
((x[1] + x[2] + x[3] + x[4])/4)
}
\[ \hat{\theta_4} = \frac{min\{X_1, X_2, X_3, X_4\} \space +\space max\{X_1, X_2, X_3, X_4\}} {2} \]
fx4 = function(x){
(min(x[1], x[2], x[3], x[4]) + max(x[1], x[2], x[3], x[4]))/2
}
Posteriormente, haciendo uso de la función apply se aplica cada una de las funciones de los estimadores al conjunto de datos que contiene las muestras generadas.
Se muestra el código para el caso de \(\hat\theta_1\):
t_1 = apply(base, 1, fx1)
Una vez obtenidos los resultados de cada \(\hat\theta\), se crean diagramas de dispersión y tablas de resumen, usando las librerias Plotly y KableExtra para evaluar las propiedades de insesgadez, eficiencia y consistencia.
\[ \Large \hat\theta \space para \space n = 20 \]
| θ1 | θ2 | θ3 | θ4 | |
|---|---|---|---|---|
| Promedio | 5.177 | 10.220 | 5.086 | 6.004 |
| Mediana | 4.580 | 8.970 | 4.514 | 5.195 |
| Varianza | 6.803 | 21.922 | 4.965 | 13.018 |
\[ E(\hat\theta) = \theta\]
Teniendo en cuenta el promedio para cada \(\hat\theta\) cuando \(n = 20\), se puede comprobar que \(\hat\theta_3\) muestra ser el más insesgado ya que su valor esperado $ E(_3) = 5.08$, es el más cercano al valor real \(\theta = 5\), seguido por \(E(\hat\theta_1)\) y \(E(\hat\theta_4)\), mientras que \(E(\hat\theta_2)\) es el más alejado de \(\theta\).
\[ Var(\hat\theta_1) < Var(\hat\theta_2) \]
Observando el tamaño de las cajas en el diagrama y el valor de la varianza para cada estimador, se observa que \(\hat\theta_3\) es más eficiente al tener varianza mínima, seguido por \(\hat\theta_1\). Por otro lado \(\hat\theta_4\) y \(\hat\theta_2\) tienen mayor varianza.
\[ \lim_{n \to N}(\hat\theta-\theta) = 0 \]
| \(\hat\theta_1 - \theta\) | \(\hat\theta_2 - \theta\) | \(\hat\theta_3 - \theta\) | \(\hat\theta_4 - \theta\) |
|---|---|---|---|
| 0.177 | 5.22 | 0.086 | 1.004 |
Con \(n = 20\), se evidencia que los valores para las varianzas tienen un rango amplio, a medida que aumentemos el tamaño de muestra podremos comprobar cuál de los estimadores cumple con esta propiedad.
\[ \Large \hat\theta \space para \space n = 50 \]
| θ1 | θ2 | θ3 | θ4 | |
|---|---|---|---|---|
| Promedio | 5.156 | 10.324 | 5.107 | 5.685 |
| Mediana | 4.866 | 10.210 | 4.945 | 5.043 |
| Varianza | 5.080 | 21.183 | 4.395 | 6.361 |
\[ E(\hat\theta) = \theta\]
Teniendo en cuenta el promedio para cada \(\hat\theta\) cuando \(n = 50\), se puede comprobar que \(\hat\theta_3\) sigue siendo el estimador más insesgado, seguido por \(\hat\theta_1\) y \(\hat\theta_4\) que tienen ahora un valor esperado también cercano al valor real de \(\theta\), a diferencia de \(\hat\theta_2\).
\[ E(\hat\theta_3) = 5.10\] \[ E(\hat\theta_1) = 5.15\] \[ E(\hat\theta_4) = 5.7\]
\[ Var(\hat\theta_1) < Var(\hat\theta_2) \]
El estimador \(\hat\theta_3\) sigue siendo el más eficiente al tener varianza mínima, seguido por \(\hat\theta_1\).
\[ \lim_{n \to N}(\hat\theta-\theta) = 0 \]
| \(\hat\theta_1 - \theta\) | \(\hat\theta_2 - \theta\) | \(\hat\theta_3 - \theta\) | \(\hat\theta_4 - \theta\) |
|---|---|---|---|
| 0.156 | 5.324 | 0.107 | 0.685 |
Con \(n = 50\), se logra ver que \(\hat\theta_1\), \(\hat\theta_3\) y \(\hat\theta_4\) son consistentes, ya que tienen una disminución de varianza al aumentar \(n\), y la diferencia entre cada estimador y el parámetro real es cercana a 0, mientras que para \(\hat\theta_2\) la varianza aumenta.
\[ \Large \hat\theta \space para \space n = 100 \]
| θ1 | θ2 | θ3 | θ4 | |
|---|---|---|---|---|
| Promedio | 4.990 | 10.109 | 4.982 | 5.844 |
| Mediana | 4.750 | 9.415 | 4.501 | 5.278 |
| Varianza | 6.791 | 27.559 | 6.005 | 8.874 |
\[ E(\hat\theta) = \theta\]
Para \(n = 100\), se evidencia que \(\hat\theta_1\) y \(\hat\theta_3\) mantienen esta propiedad. \(\hat\theta_4\) es todavía el tercer estimador más cercano a \(\theta\), y \(\hat\theta_2\) sigue estando lejos de ser insesgado.
\[ Var(\hat\theta_1) < Var(\hat\theta_2) \]
El estimador \(\hat\theta_3\) sigue siendo el más eficiente al tener varianza mínima, seguido por \(\hat\theta_1\).
\[ \lim_{n \to N}(\hat\theta-\theta) = 0 \]
| \(\hat\theta_1 - \theta\) | \(\hat\theta_2 - \theta\) | \(\hat\theta_3 - \theta\) | \(\hat\theta_4 - \theta\) |
|---|---|---|---|
| -0.01 | 5.109 | -0.018 | 0.844 |
Con \(n = 100\), los estimadores \(\hat\theta_1\) y \(\hat\theta_3\) tienen un pequeño aumento de varianza, pero siguen siendo los más consistentes en comparación con \(\hat\theta_2\) y \(\hat\theta_4\).
\[ \Large \hat\theta \space para \space n = 1000 \]
| θ1 | θ2 | θ3 | θ4 | |
|---|---|---|---|---|
| Promedio | 5.020 | 10.029 | 5.025 | 5.875 |
| Mediana | 4.590 | 8.894 | 4.537 | 5.194 |
| Varianza | 7.353 | 31.803 | 6.877 | 10.572 |
\[ E(\hat\theta) = \theta\]
Para \(n = 1000\), se comprueba que \(\hat\theta_1\) y \(\hat\theta_3\) son estimadores insesgados, puesto que su valor esperado es cercano al valor real del parámetro \(\theta=5\). \(\hat\theta_4\) podría considerarse también insesgado, siendo el tercer estimador más cercano a 5, mientras que \(\hat\theta_2\) es sesgado.
\[ Var(\hat\theta_1) < Var(\hat\theta_2) \] Los estimadores \(\hat\theta_3\) y \(\hat\theta_1\) son los más eficientes al tener varianza mínima. Los otros dos siguen conservando una alto grado de variabilidad.
\[ \lim_{n \to N}(\hat\theta-\theta) = 0 \]
| \(\hat\theta_1 - \theta\) | \(\hat\theta_2 - \theta\) | \(\hat\theta_3 - \theta\) | \(\hat\theta_4 - \theta\) |
|---|---|---|---|
| 0.02 | 5.029 | 0.025 | 0.875 |
Se confirma que los estimadores \(\hat\theta_1\) y \(\hat\theta_3\) son los más consistentes. \(\hat\theta_4\) puede considerarse también consistente. \(\hat\theta_2\) no es un estimador consistente.