Actividad 2 - Problema 2
La simulación ayuda a entender y validar las propiedades de los
estimadores estadísticos como son insesgadez, eficiencia y la
consistencia principalmente. 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 \(θ\) desconocido. Determine las
características de cada uno de los siguientes estimadores propuestos:
\[
\theta_1 = \frac{{X_1 + X_2}}{{6}} +\frac{{X_3 + X_4}}{{3}}
\] \[
\theta_2 = \frac{{X_1 + 2X_2 + 3X_3+4X_4}}{{5}}
\] \[
\theta_3 = \frac{{X_1 + X_2 + X_3+X_4}}{{4}}
\] \[
\theta_4 = \frac{{min\{X_1,X_2,X_3,X_4\} + max\{X_1,X_2,X_3,X_4\}}}{{2}}
\]
Para resolver este ejercicio se hace lo siguente:
Carga de librerias:
library(knitr)
library(tidyr, ggplot2)
Creación de la función principal para realizar las simulaciones de cada estimador:
# La semilla aleatoria determina el estado inicial del generador de números aleatorios en R, y el mismo código producirá los mismos resultados si se ejecuta con la misma semilla.
set.seed(10)
muestra_aleatoria <- function(simulaciones, param_exp)
{
# Se crea una lista vacía
Datos_Acum <- list()
# Inicia el ciclo
for (i in 1:simulaciones)
{
# rexp() genera una muestra aleatoria de una distribución exponencial. El primer argumento (4) especifica el tamaño de la muestra que se generará, es decir, cuántos valores aleatorios se generarán, (param_exp) especifica el parámetro de la distribución exponencial, que controla la forma de la distribución.
Xi <- rexp(4, param_exp)
# Estimadores propuestos
th1 = (Xi[1] + Xi[2]) / 6 + (Xi[3] + Xi[4]) / 3
th2 = (Xi[1] + 2 * Xi[2] + 3 * Xi[3] + 4 * Xi[4]) / 5
th3 = (Xi[1] + Xi[2] + Xi[3] + Xi[4]) / 4
th4 = (min(Xi[1], Xi[2], Xi[3], Xi[4]) + max(Xi[1], Xi[2], Xi[3], Xi[4])) / 2
Datos <- data.frame(th1, th2, th3 , th4)
# Acumular resultados
if (i == 1)
{
Datos_Acum <- Datos
}
else
{
#en cada iteración, se genera un nuevo data frame llamado Datos, que contiene los resultados de esa iteración. La función rbind() se utiliza para agregar este nuevo data frame Datos al final de Datos_Acum
Datos_Acum <- rbind(Datos_Acum, Datos)
}
}
return(Datos_Acum)
}
Creación de la función para ver los resultados y calcular las propiedades de los estimadores:
Boxplot_y_data <- function(n, Ra) {
Simuln <- muestra_aleatoria(simulaciones = n, param_exp = Ra)
# Mostrar las primeras simulaciones
cat("Primeras filas de simulación para los estimadores:\n")
print(head(Simuln))
# Crear un boxplot
boxplot(Simuln, col= c("#0000FF", "#808080", "#008000", "#FF69B4"),main = paste("Boxplot de estimadores - n =", n))
# Línea punteada del valor de theta
segments(0, 1/Ra, 5, 1/Ra, col = "black", lty = 3)
theta <- 1/Ra
# Calcula el sesgo para cada estimador
SesgoTheta1 <- mean(Simuln$th1) - theta
SesgoTheta2 <- mean(Simuln$th2) - theta
SesgoTheta3 <- mean(Simuln$th3) - theta
SesgoTheta4 <- mean(Simuln$th4) - theta
# Calcula la eficiencia para cada estimador
EficienciaTheta1 <- var(Simuln$th1) + SesgoTheta1^2
EficienciaTheta2 <- var(Simuln$th2) + SesgoTheta2^2
EficienciaTheta3 <- var(Simuln$th3) + SesgoTheta3^2
EficienciaTheta4 <- var(Simuln$th4) + SesgoTheta4^2
# Función para calcular la consistencia
consistencia <- function(theta, Simuln, n) {
sumatoria <- 0
for (i in 1:n) {
sumatoria <- sumatoria + (Simuln[[i]] - theta) ^ 2
}
return(sumatoria / n)
}
Consistencia_th1 <- consistencia(theta = theta, Simuln = Simuln$th1, n = n)
Consistencia_th2 <- consistencia(theta = theta, Simuln = Simuln$th2, n = n)
Consistencia_th3 <- consistencia(theta = theta, Simuln = Simuln$th3, n = n)
Consistencia_th4 <- consistencia(theta = theta, Simuln = Simuln$th4, n = n)
# Crear la tabla para las propiedades
caracteristicas_estimadores <- data.frame(
Estimador = c("θ1", "θ2", "θ3", "θ4"),
theta = c(theta, theta, theta, theta),
Media = c(mean(Simuln$th1), mean(Simuln$th2), mean(Simuln$th3), mean(Simuln$th4)),
Sesgo = c(SesgoTheta1, SesgoTheta2, SesgoTheta3, SesgoTheta4),
Varianza = c(var(Simuln$th1), var(Simuln$th2), var(Simuln$th3), var(Simuln$th4)),
Eficiencia = c(EficienciaTheta1, EficienciaTheta2, EficienciaTheta3, EficienciaTheta4),
Consistencia = c(Consistencia_th1, Consistencia_th2, Consistencia_th3, Consistencia_th4)
)
return(caracteristicas_estimadores)
}
Simulación para \(θ_1, θ_2, θ_3,\) y \(θ_4\) para \(n=20\):
Boxplot_y_data(n= 20, Ra= 0.2)
## Primeras filas de simulación para los estimadores:
## th1 th2 th3 th4
## 1 4.657983 10.412043 4.077973 3.974996
## 2 6.193188 12.304369 5.468848 6.398204
## 3 4.203735 8.374124 4.378163 4.287100
## 4 5.290799 10.704796 5.049250 5.115694
## 5 5.596153 11.614854 5.847143 6.600114
## 6 4.479159 9.309595 3.979512 4.358054
## Estimador theta Media Sesgo Varianza Eficiencia Consistencia
## 1 θ1 5 5.039966 0.03996649 1.235178 1.236775 1.175016
## 2 θ2 5 10.321360 5.32135979 4.613591 32.930461 32.699781
## 3 θ3 5 5.156248 0.15624786 1.597221 1.621634 1.541773
## 4 θ4 5 6.157068 1.15706830 3.180371 4.519178 4.360159
Simulación para \(θ_1, θ_2, θ_3,\) y \(θ_4\) para \(n=50\):
Boxplot_y_data(n= 50, Ra= 0.2)
## Primeras filas de simulación para los estimadores:
## th1 th2 th3 th4
## 1 5.650686 12.691824 5.483015 5.986027
## 2 6.392832 13.561155 6.249266 5.818570
## 3 4.364902 7.793528 5.389267 4.744522
## 4 4.261785 8.849273 4.054806 3.447528
## 5 2.570034 5.047918 2.712671 2.800409
## 6 2.438161 5.279049 2.395026 2.524429
## Estimador theta Media Sesgo Varianza Eficiencia Consistencia
## 1 θ1 5 5.113241 0.1132413 8.078750 8.091574 7.929999
## 2 θ2 5 10.260816 5.2608158 33.580561 61.256745 60.585134
## 3 θ3 5 5.194307 0.1943068 7.113301 7.151056 7.008790
## 4 θ4 5 5.761364 0.7613637 9.791504 10.371179 10.175349
Simulación para \(θ_1, θ_2, θ_3,\) y \(θ_4\) para \(n=100\):
Boxplot_y_data(n= 100, Ra= 0.2)
## Primeras filas de simulación para los estimadores:
## th1 th2 th3 th4
## 1 13.601272 25.876303 13.556129 13.420701
## 2 2.706864 6.097627 3.302849 5.090805
## 3 3.650705 7.505696 3.496127 3.139991
## 4 2.226478 3.945187 2.946869 2.959863
## 5 8.902782 18.817459 7.904370 6.373042
## 6 5.466462 11.473195 5.947585 4.504216
## Estimador theta Media Sesgo Varianza Eficiencia Consistencia
## 1 θ1 5 5.087954 0.08795441 7.933104 7.940840 7.861509
## 2 θ2 5 10.218557 5.21855660 33.810911 61.044244 60.706135
## 3 θ3 5 5.021620 0.02161969 7.075735 7.076203 7.005445
## 4 θ4 5 5.684475 0.68447453 9.703586 10.172092 10.075056
Simulación para \(θ_1, θ_2, θ_3,\) y \(θ_4\) para \(n=1000\):
Boxplot_y_data(n= 1000, Ra= 0.2)
## Primeras filas de simulación para los estimadores:
## th1 th2 th3 th4
## 1 3.995388 8.238307 3.840129 3.437561
## 2 3.281226 5.706598 3.588732 4.511252
## 3 6.281700 13.646476 5.043920 6.513831
## 4 8.598043 17.615282 6.885550 7.046641
## 5 7.101245 11.576937 8.631801 13.223469
## 6 4.897249 9.642888 4.645808 4.015340
## Estimador theta Media Sesgo Varianza Eficiencia Consistencia
## 1 θ1 5 5.052701 0.05270096 7.151786 7.154563 7.147411
## 2 θ2 5 10.097398 5.09739759 30.036477 56.019939 55.989903
## 3 θ3 5 5.011697 0.01169738 6.287518 6.287655 6.281367
## 4 θ4 5 5.895128 0.89512841 10.832149 11.633403 11.622571
Análisis de resultados y conclusión
El valor elegido para \(θ\) fue
5.
Para \(n=20\)
el estimador con menor sesgo resultó ser \(θ_1\), indicando que es el marcador menos
sesgado de esta población. Ninguno de los estimadores resultó con un
sesgo negativo, por lo que los estimadores no tienden a subestimar el
parámetro poblacional. En términos de eficiencia, el estimador con menor
varianza también fue \(θ_1\), a
diferencia del estimador \(θ_2\) y
\(θ_4\) que tuvieron los resultados más
altos, y son los menos precisos en terminos de varianza para \(n=20\).
Para \(n=50\)
el estimador menos sesgado fue \(θ_1\),
y entre todos los estimadores no hay sesgo negativo, por lo que la
población no se subestima, siendo el estimador \(θ_2\) el de sesgo más alto, y podría
decirse que a comparación de los demás estimadores tiende a sobreestimar
la población. El estimador más eficiente es el \(θ_3\), así como el más consistente.
Para \(n=100\)
el estimador menor sesgado es \(θ_3\) y
el que presenta mayor insesgadez es \(θ_2\) sobreestimando la población. El
estimador más eficiente, consistente y con menor variaza es el \(θ_3\).
Para \(n=1000\)
el mayor sesgo lo presenta el estimador \(θ_2\), sobreestimando la población,
mientras que el menor sesgo lo tiene el estimador \(θ_3\). En terminos de varianza, eficiencia
y consistencia el estimador con mejores valores fue también el estimador
\(θ_3\).
El análisis de los resultados puede verse complementado observando
las gráficas del Boxplot para cada caso, en las que se puede evidenciar
una representación gráfica de la distribución de los datos y de los
posibles valores atípicos.
Es notorio que ningún sesgo aportó valores negativos, por lo que la población no fue subestimada. En cuanto a los estimadores con menor varianza en relación al tamaño de la población, estos fueron \(θ_1\) y \(θ_3\), por lo que puede decirse que también son los más eficientes y consistentes.