35 votos

densidad de probabilidad del máximo de las muestras de una distribución uniforme

Supongamos que

$$X_1, X_2, \dots, X_n\sim Unif(0, \theta), iid$$

y supongamos

$$\hat\theta = \max\{X_1, X_2, \dots, X_n\}$$

¿Cómo puedo encontrar la densidad de probabilidad de $\hat\theta$ ?

Gracias.

0 votos

¿son los X independientes?

2 votos

Aquí hay una pregunta para ti: ¿has hecho todas tus preguntas en MSE sin ninguna indicación de lo que has entendido del problema o de lo que has probado antes de preguntar?

0 votos

@Inquest, ¡sí lo son! Perdona que se me haya olvidado señalarlo.

50voto

user35001 Puntos 16

\begin{align} P(Y\leq x) &= P(\max(X_1,X_2 ,\cdots,X_n)\leq x)\\ &= P(X_1\leq x,X_2\leq x,\cdots,X_n\leq x)\\ &\stackrel{ind}{=} \prod_{i=1}^nP(X_i\leq x )\\ &= \prod_{i=1}^n\dfrac{x}{\theta}\\&=\left(\dfrac{x}{\theta}\right)^n \end{align}

1 votos

En la línea 2, ¿se supone que los ns son xs o es correcto tal como está?

13voto

Oli Puntos 89

Sea la variable aleatoria $W$ denotan el máximo de la $X_i$ . Supondremos que el $X_i$ son independientes, de lo contrario podemos decir muy poco sobre la distribución de $W$ .

Tenga en cuenta que el máximo de la $X_i$ es $\le w$ si y sólo si todo el $X_i$ son $\le w$ . Para $w$ en el intervalo $[0,\theta]$ la probabilidad de que $X_i\le w$ es $\frac{w}{\theta}$ . Se deduce por independencia que la probabilidad de que $W\le w$ es $\left(\frac{w}{\theta}\right)^n$ .

Así, en nuestro intervalo, la función de distribución acumulativa $F_W(w)$ de $W$ viene dada por $$F_W(w)= \left(\frac{w}{\theta}\right)^n.$$ Diferencie para obtener la función de densidad de $W$ .

0 votos

Parece que hay un error de TeX. No puedo editarlo porque es una sola barra invertida que hay que eliminar, pero math.SE me pide que cambie el puesto por lo menos 6 símbolos.

0 votos

Gracias por decírmelo, sí había escrito \w para w.

3voto

La fórmula general para la densidad de probabilidad del máximo de cualquier $iid$ conjunto muestral de la variable aleatoria $x$ , $M = max\{x_1,x_2,…,x_n\}$ es: $$f_M(M = x) = n * F_x(x)^{n-1} * f_x(x)$$ donde $f_x(x)$ es la densidad de probabilidad de $x$ y $F_x(x)$ es la función de distribución acumulativa de la misma.

En este caso tenemos: $f_x(x) = \frac{1}{\theta}$ , $F_x(x) = \frac{x}{\theta}$ por lo que obtenemos: $$f_M(M = x) = n * (\frac{x}{\theta})^{n-1} * \frac{1}{\theta}$$ $$= \frac{n * x^{n-1}}{\theta^n}$$

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X