Académique Documents
Professionnel Documents
Culture Documents
mais eciente
k = 1, 2,...
1 n k M k = ! Xi n i =1
E( X ) =
1 n M 1 = X = ! Xi n i =1
!=X
Portanto, a mdia amostral o estimador de momento da mdia da populao
Em geral, momentos da populao so funes de parmetros desconhecidos da populao:
!1,! 2 ,,! m
Estimadores de momento
Amostragem aleatria:
X1 , X2 ,..., Xn
!1,! 2 ,,! m
!1, ! 2 ,, ! m
so encontrados igualando os m primeiros momentos da populao aos primeiros m momentos amostrais e resolvendo as equaes resultantes para os parmetros desconhecidos.
Exemplo 1: Suponha que X1 , X2 ,..., Xn uma amostra aleatria de uma distribuio exponencial com parmetro ! .
Devemos fazer :
E( X ) = X
1 =X !
Como E ( X ) =
1 !
, devemos ter
!
1 ! != X
Estimador de momentos de
Problema especco: O tempo at a falha de um mdulo eletrnico utilizado em um controlador de motor automotivo testado a uma temperatura alta, de modo acelerar o mecanismo de falha. Suponhamos que o tempo at a falha exponencialmente distribudo.
11.96
5.03
7.73
11.10 22.38
Exemplo 2: Suponha que X1 , X2 ,..., Xn uma amostra aleatria de uma distribuio normal com parmetros e ! 2 .
Ento
Fazendo
E( X ) = X
n 1 E ( X 2 ) = ! Xi 2 n i =1
temos
(1)
(3)
Prova:
De (1)
n n 2 1 1 2 2 2 ! = ! X " = X " X # i # i n i =1 n i =1 2
Como
1 Xi X 2 X ! 2 X + n " " i n i =1 n i =1 n
2 2 2 1 n 2 1 n 2 = " Xi ! 2 X + X = " Xi ! X n i =1 n i =1
temos
n 1 ! = ! Xi 2 " X # n i =1 2
Exemplo 3: Suponha que X1 , X2 ,..., Xn uma amostra aleatria de uma distribuio gamma com parmetros r e ! .
! r x r "1e" ! x f ( x) = , #(r )
#
Propriedades:
Ou seja,
Estimadores resultantes
Exemplo1
11.96
5.03
7.73
11.10 22.38
Estimadores de momento: