SlideShare uma empresa Scribd logo
1 de 60
Baixar para ler offline
Concurseiro EstatísticoAnselmo Alves de Sousa
concurseiro_estatistico@outlook.com
Limite Inferior de Cramér-Rao (Preliminares)
Seja uma amostra aleatória:X1, X2, . . . , Xn, i.i.d, da função de densidade f(x, θ),
onde θ é um parâmetro a ser estimado. Logo ∀i ∈ 1, . . . , n ⇒ f(xi, θ).
Limite Inferior de Cramér-Rao (Preliminares)
Seja uma amostra aleatória:X1, X2, . . . , Xn, i.i.d, da função de densidade f(x, θ),
onde θ é um parâmetro a ser estimado. Logo ∀i ∈ 1, . . . , n ⇒ f(xi, θ).
∞
−∞
f(x, θ) dx = 1
f(x1, x2, θ) = f(x1, θ) · f(x2, θ)
f(x1, x2, . . . , xn, θ) = f(x1, θ) · f(x2, θ) · . . . · f(xn, θ)
Limite Inferior de Cramér-Rao (Preliminares)
Seja uma amostra aleatória:X1, X2, . . . , Xn, i.i.d, da função de densidade f(x, θ),
onde θ é um parâmetro a ser estimado. Logo ∀i ∈ 1, . . . , n ⇒ f(xi, θ).
∞
−∞
f(x, θ) dx = 1
f(x1, x2, θ) = f(x1, θ) · f(x2, θ)
f(x1, x2, . . . , xn, θ) = f(x1, θ) · f(x2, θ) · . . . · f(xn, θ)
E[X] =
∞
−∞
x · f(x, θ) dx
E[g(X)] =
∞
−∞
g(x) · f(x, θ) dx
E[g(X1, X2)] =
∞
−∞
∞
−∞
g(x1, x2) · f(x1, x2, θ) dx1 dx2 =
∞
−∞
∞
−∞
g(x1, x2) · f(x1, θ) · f(x2, θ)
f(x1,x2,θ)
dx1 dx2
Limite Inferior de Cramér-Rao (Preliminares)
Seja uma amostra aleatória:X1, X2, . . . , Xn, i.i.d, da função de densidade f(x, θ),
onde θ é um parâmetro a ser estimad. Logo ∀i ∈ 1, . . . , n ⇒ f(xi, θ).
E[g(X1, . . . Xn)] =
∞
−∞
. . .
∞
−∞
n
g(x1, x2, . . . , xn) · f(x1, x2, . . . , xn, θ) dx1 dx2 . . . dxn
Limite Inferior de Cramér-Rao (Preliminares)
Seja uma amostra aleatória:X1, X2, . . . , Xn, i.i.d, da função de densidade f(x, θ),
onde θ é um parâmetro a ser estimad. Logo ∀i ∈ 1, . . . , n ⇒ f(xi, θ).
E[g(X1, . . . Xn)] =
∞
−∞
. . .
∞
−∞
n
g(x1, x2, . . . , xn) · f(x1, x2, . . . , xn, θ) dx1 dx2 . . . dxn =
∞
−∞
. . .
∞
−∞
g(x1, x2, . . . , xn) · f(x1, θ) · f(x2, θ) · . . . f(xn, θ)
f(x1,x2,...,xnθ)
dx1 dx2 . . . dxn
Limite Inferior de Cramér-Rao (Preliminares)
Seja uma amostra aleatória:X1, X2, . . . , Xn, i.i.d, da função de densidade f(x, θ),
onde θ é um parâmetro a ser estimad. Logo ∀i ∈ 1, . . . , n ⇒ f(xi, θ).
E[g(X1, . . . Xn)] =
∞
−∞
. . .
∞
−∞
n
g(x1, x2, . . . , xn) · f(x1, x2, . . . , xn, θ) dx1 dx2 . . . dxn =
∞
−∞
. . .
∞
−∞
g(x1, x2, . . . , xn) · f(x1, θ) · f(x2, θ) · . . . f(xn, θ)
f(x1,x2,...,xnθ)
dx1 dx2 . . . dxn
X = g(X1, . . . Xn)) =
1
n
n
i=1
Xi
Não depende de θ só da amostra!
Limite Inferior de Cramér-Rao (Preliminares )
Sejam X, Y e Z = X + Y variáveis aleatórias.
Limite Inferior de Cramér-Rao (Preliminares )
Sejam X, Y e Z = X + Y variáveis aleatórias.
V ar[Z] = V ar[X + Y ] = V ar[X] + V ar[Y ] + 2Cov[X, Y ]
Limite Inferior de Cramér-Rao (Preliminares )
Sejam X, Y e Z = X + Y variáveis aleatórias.
V ar[Z] = V ar[X + Y ] = V ar[X] + V ar[Y ] + 2Cov[X, Y ]
Cov[X, Y ] = E[XY ] − E[X]E[Y ]
Limite Inferior de Cramér-Rao (Preliminares )
Sejam X, Y e Z = X + Y variáveis aleatórias.
V ar[Z] = V ar[X + Y ] = V ar[X] + V ar[Y ] + 2Cov[X, Y ]
Cov[X, Y ] = E[XY ] − E[X]E[Y ]
X ⊥ Y ⇒ Cov[X, Y ] = 0
Limite Inferior de Cramér-Rao (Preliminares )
Sejam X, Y e Z = X + Y variáveis aleatórias.
V ar[Z] = V ar[X + Y ] = V ar[X] + V ar[Y ] + 2Cov[X, Y ]
Cov[X, Y ] = E[XY ] − E[X]E[Y ]
X ⊥ Y ⇒ Cov[X, Y ] = 0
Se E[X] = 0 e E[Y ] = 0 ⇒ Cov[X, Y ] = E[XY ]
Limite Inferior de Cramér-Rao (Preliminares )
Sejam X, Y e Z = X + Y variáveis aleatórias.
V ar[Z] = V ar[X + Y ] = V ar[X] + V ar[Y ] + 2Cov[X, Y ]
Cov[X, Y ] = E[XY ] − E[X]E[Y ]
X ⊥ Y ⇒ Cov[X, Y ] = 0
Se E[X] = 0 e E[Y ] = 0 ⇒ Cov[X, Y ] = E[XY ]
ρ =
Cov[X, Y ]
σXσY
⇒ Cov[X, Y ] = ρσXσY
Limite Inferior de Cramér-Rao (Preliminares )
Sejam X, Y e Z = X + Y variáveis aleatórias.
V ar[Z] = V ar[X + Y ] = V ar[X] + V ar[Y ] + 2Cov[X, Y ]
Cov[X, Y ] = E[XY ] − E[X]E[Y ]
X ⊥ Y ⇒ Cov[X, Y ] = 0
Se E[X] = 0 e E[Y ] = 0 ⇒ Cov[X, Y ] = E[XY ]
ρ =
Cov[X, Y ]
σXσY
⇒ Cov[X, Y ] = ρσXσY
−1 ≤ ρ ≤ 1 ou ρ2
≤ 1
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
Se f(x) = ln[g(x)] ⇒
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
Se f(x) = ln[g(x)] ⇒ f (x) =
g (x)
g(x)
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
Se f(x) = ln[g(x)] ⇒ f (x) =
g (x)
g(x)
Se f(x) = θ, θ ∈ R ⇒ f (x) = 0
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
Se f(x) = ln[g(x)] ⇒ f (x) =
g (x)
g(x)
Se f(x) = θ, θ ∈ R ⇒ f (x) = 0
Se f (x) =
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
Se f(x) = ln[g(x)] ⇒ f (x) =
g (x)
g(x)
Se f(x) = θ, θ ∈ R ⇒ f (x) = 0
Se f (x) =
f (x)
f(x)
·
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
Se f(x) = ln[g(x)] ⇒ f (x) =
g (x)
g(x)
Se f(x) = θ, θ ∈ R ⇒ f (x) = 0
Se f (x) =
f (x)
f(x)
· f(x)
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
Se f(x) = ln[g(x)] ⇒ f (x) =
g (x)
g(x)
Se f(x) = θ, θ ∈ R ⇒ f (x) = 0
Se f (x) =
f (x)
f(x)
· f(x) ⇒ f (x) = f [ln f(x)] · f(x)
Uma integral é uma soma!
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
Se f(x) = ln[g(x)] ⇒ f (x) =
g (x)
g(x)
Se f(x) = θ, θ ∈ R ⇒ f (x) = 0
Se f (x) =
f (x)
f(x)
· f(x) ⇒ f (x) = f [ln f(x)] · f(x)
Uma integral é uma soma!Um somatório é uma integral:
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
Se f(x) = ln[g(x)] ⇒ f (x) =
g (x)
g(x)
Se f(x) = θ, θ ∈ R ⇒ f (x) = 0
Se f (x) =
f (x)
f(x)
· f(x) ⇒ f (x) = f [ln f(x)] · f(x)
Uma integral é uma soma!Um somatório é uma integral:
Se tivermos: h(x) = f1(x, θ) + f2(x, θ) =
2
i=1
fi(x, θ)
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
Se f(x) = ln[g(x)] ⇒ f (x) =
g (x)
g(x)
Se f(x) = θ, θ ∈ R ⇒ f (x) = 0
Se f (x) =
f (x)
f(x)
· f(x) ⇒ f (x) = f [ln f(x)] · f(x)
Uma integral é uma soma!Um somatório é uma integral:
Se tivermos: h(x) = f1(x, θ) + f2(x, θ) =
2
i=1
fi(x, θ)
d
dθ
h(x, θ) =
d
dθ
f1(x, θ)
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
Se f(x) = ln[g(x)] ⇒ f (x) =
g (x)
g(x)
Se f(x) = θ, θ ∈ R ⇒ f (x) = 0
Se f (x) =
f (x)
f(x)
· f(x) ⇒ f (x) = f [ln f(x)] · f(x)
Uma integral é uma soma!Um somatório é uma integral:
Se tivermos: h(x) = f1(x, θ) + f2(x, θ) =
2
i=1
fi(x, θ)
d
dθ
h(x, θ) =
d
dθ
f1(x, θ) +
d
dθ
f2(x, θ)
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
Se f(x) = ln[g(x)] ⇒ f (x) =
g (x)
g(x)
Se f(x) = θ, θ ∈ R ⇒ f (x) = 0
Se f (x) =
f (x)
f(x)
· f(x) ⇒ f (x) = f [ln f(x)] · f(x)
Uma integral é uma soma!Um somatório é uma integral:
Se tivermos: h(x) = f1(x, θ) + f2(x, θ) =
2
i=1
fi(x, θ)
d
dθ
h(x, θ) =
d
dθ
f1(x, θ) +
d
dθ
f2(x, θ) =
d
dθ
2
i=1
fi(x, θ)
Limite Inferior de Cramér-Rao (Preliminares - Cálculo)
Seja g(x) e h(x) funções reais bem comportadas (na reta R).
f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
Se f(x) = ln[g(x)] ⇒ f (x) =
g (x)
g(x)
Se f(x) = θ, θ ∈ R ⇒ f (x) = 0
Se f (x) =
f (x)
f(x)
· f(x) ⇒ f (x) = f [ln f(x)] · f(x)
Uma integral é uma soma!Um somatório é uma integral:
Se tivermos: h(x) = f1(x, θ) + f2(x, θ) =
2
i=1
fi(x, θ)
d
dθ
h(x, θ) =
d
dθ
f1(x, θ) +
d
dθ
f2(x, θ) =
d
dθ
2
i=1
fi(x, θ) =
2
i=1
d
dθ
fi(x, θ)
Limite Inferior de Cramér-Rao
Seja uma amostra aleatória: X1, X2, i.i.d, da função de densidade f(x, θ), onde θ é
um parâmetro a ser estimado. E seja T = g(X1, X2) um estimador de θ, tal que T
é um estimador não viciado: E[T] = θ.
Limite Inferior de Cramér-Rao
Seja uma amostra aleatória: X1, X2, i.i.d, da função de densidade f(x, θ), onde θ é
um parâmetro a ser estimado. E seja T = g(X1, X2) um estimador de θ, tal que T
é um estimador não viciado: E[T] = θ.
∞
−∞
f(x, θ) dx = 1 (1)
Limite Inferior de Cramér-Rao
Seja uma amostra aleatória: X1, X2, i.i.d, da função de densidade f(x, θ), onde θ é
um parâmetro a ser estimado. E seja T = g(X1, X2) um estimador de θ, tal que T
é um estimador não viciado: E[T] = θ.
∞
−∞
f(x, θ) dx = 1 (1)
E[T] =
∞
−∞
∞
−∞
g(x1, x2)
T
f(x1, x2, θ) dx1 dx2 = θ (2)
Limite Inferior de Cramér-Rao
Seja uma amostra aleatória: X1, X2, i.i.d, da função de densidade f(x, θ), onde θ é
um parâmetro a ser estimado. E seja T = g(X1, X2) um estimador de θ, tal que T
é um estimador não viciado: E[T] = θ.
∞
−∞
f(x, θ) dx = 1 (1)
E[T] =
∞
−∞
∞
−∞
g(x1, x2)
T
f(x1, x2, θ) dx1 dx2 = θ (2)
Neste último resultado
E[T] =
∞
−∞
∞
−∞
g(x1, x2) · f(x1, θ) · f(x2, θ) dx1 dx2 = θ
Limite Inferior de Cramér-Rao
Limite Inferior de Cramér-Rao
Derivando em relação a θ Eq. 1:
∞
−∞
f(x, θ) dx = 1 ⇒
d
dθ
∞
−∞
f(x, θ) dx = 0 ⇒
∞
−∞
d
dθ
f(x, θ) dx = 0
Limite Inferior de Cramér-Rao
Derivando em relação a θ Eq. 1:
∞
−∞
f(x, θ) dx = 1 ⇒
d
dθ
∞
−∞
f(x, θ) dx = 0 ⇒
∞
−∞
d
dθ
f(x, θ) dx = 0
∞
−∞
d
dθ
f(x, θ) ·
1
f(x, θ)
· f(x, θ)dx = 0
Limite Inferior de Cramér-Rao
Derivando em relação a θ Eq. 1:
∞
−∞
f(x, θ) dx = 1 ⇒
d
dθ
∞
−∞
f(x, θ) dx = 0 ⇒
∞
−∞
d
dθ
f(x, θ) dx = 0
∞
−∞
d
dθ
f(x, θ) ·
1
f(x, θ)
· f(x, θ)dx = 0
∞
−∞
d
dθ
ln f(x, θ)
H
·f(x, θ)dx = 0 ⇒
Limite Inferior de Cramér-Rao
Derivando em relação a θ Eq. 1:
∞
−∞
f(x, θ) dx = 1 ⇒
d
dθ
∞
−∞
f(x, θ) dx = 0 ⇒
∞
−∞
d
dθ
f(x, θ) dx = 0
∞
−∞
d
dθ
f(x, θ) ·
1
f(x, θ)
· f(x, θ)dx = 0
∞
−∞
d
dθ
ln f(x, θ)
H
·f(x, θ)dx = 0 ⇒
d
dθ
ln f(X, θ) é uma v.a.
Limite Inferior de Cramér-Rao
Derivando em relação a θ Eq. 1:
∞
−∞
f(x, θ) dx = 1 ⇒
d
dθ
∞
−∞
f(x, θ) dx = 0 ⇒
∞
−∞
d
dθ
f(x, θ) dx = 0
∞
−∞
d
dθ
f(x, θ) ·
1
f(x, θ)
· f(x, θ)dx = 0
∞
−∞
d
dθ
ln f(x, θ)
H
·f(x, θ)dx = 0 ⇒
d
dθ
ln f(X, θ) é uma v.a.
E[H] = 0 ⇒ E
d
dθ
ln f(X, θ) = 0
Limite Inferior de Cramér-Rao
Derivando em relação a θ Eq. 1:
∞
−∞
f(x, θ) dx = 1 ⇒
d
dθ
∞
−∞
f(x, θ) dx = 0 ⇒
∞
−∞
d
dθ
f(x, θ) dx = 0
∞
−∞
d
dθ
f(x, θ) ·
1
f(x, θ)
· f(x, θ)dx = 0
∞
−∞
d
dθ
ln f(x, θ)
H
·f(x, θ)dx = 0 ⇒
d
dθ
ln f(X, θ) é uma v.a.
E[H] = 0 ⇒ E
d
dθ
ln f(X, θ) = 0
de V ar[H] = E[H2
] + E[H]2
⇒
Limite Inferior de Cramér-Rao
Derivando em relação a θ Eq. 1:
∞
−∞
f(x, θ) dx = 1 ⇒
d
dθ
∞
−∞
f(x, θ) dx = 0 ⇒
∞
−∞
d
dθ
f(x, θ) dx = 0
∞
−∞
d
dθ
f(x, θ) ·
1
f(x, θ)
· f(x, θ)dx = 0
∞
−∞
d
dθ
ln f(x, θ)
H
·f(x, θ)dx = 0 ⇒
d
dθ
ln f(X, θ) é uma v.a.
E[H] = 0 ⇒ E
d
dθ
ln f(X, θ) = 0
de V ar[H] = E[H2
] + E[H]2
⇒
V ar
d
dθ
ln f(X, θ) = E
d
dθ
ln f(X, θ)
2
(3)
Limite Inferior de Cramér-Rao
De (3):
Se Y =
n
i=1
d
dθ
ln f(X, θ)
H
⇒ E [Y ] = 0
V ar[Y ] = nE
d
dθ
ln f(X, θ)
2
(4)
Limite Inferior de Cramér-Rao
Da Eq. (2):
E[T] =
∞
−∞
∞
−∞
g(x1, x2) · f(x1, θ) · f(x2, θ) dx1 dx2 = θ
Limite Inferior de Cramér-Rao
Da Eq. (2):
E[T] =
∞
−∞
∞
−∞
g(x1, x2) · f(x1, θ) · f(x2, θ) dx1 dx2 = θ
d
dθ
∞
−∞
∞
−∞
g(x1, x2) · f(x1, θ) · f(x2, θ) dx1 dx2 =
d
dθ
θ
Limite Inferior de Cramér-Rao
Da Eq. (2):
E[T] =
∞
−∞
∞
−∞
g(x1, x2) · f(x1, θ) · f(x2, θ) dx1 dx2 = θ
d
dθ
∞
−∞
∞
−∞
g(x1, x2) · f(x1, θ) · f(x2, θ) dx1 dx2 =
d
dθ
θ
∞
−∞
∞
−∞
g(x1, x2) ·
d
dθ
f(x1, θ) · f(x2, θ)
produto
dx1 dx2 = 1
Limite Inferior de Cramér-Rao
∞
−∞
∞
−∞
g(x1, x2) ·
d
dθ
f(x1, θ) · f(x2, θ) + f(x1, θ)
d
dθ
f(x2, θ) dx1 dx2 = 1
Limite Inferior de Cramér-Rao
∞
−∞
∞
−∞
g(x1, x2) ·
d
dθ
f(x1, θ) · f(x2, θ) + f(x1, θ)
d
dθ
f(x2, θ) dx1 dx2 = 1





1
f(x1, θ)
·
d
dθ
f(x1, θ)
ln[f(x1,θ)]
·f(x1, θ) · f(x2, θ) + f(x1, θ) · f(x2, θ)
1
f(x2, θ)
·
d
dθ
· f(x2, θ)
ln[f(x2,θ)]





Limite Inferior de Cramér-Rao
∞
−∞
∞
−∞
g(x1, x2) ·
d
dθ
f(x1, θ) · f(x2, θ) + f(x1, θ)
d
dθ
f(x2, θ) dx1 dx2 = 1





1
f(x1, θ)
·
d
dθ
f(x1, θ)
ln[f(x1,θ)]
·f(x1, θ) · f(x2, θ) + f(x1, θ) · f(x2, θ)
1
f(x2, θ)
·
d
dθ
· f(x2, θ)
ln[f(x2,θ)]





d
dθ
ln f(x1, θ) · f(x1, θ) · f(x2, θ) +
d
dθ
ln f(x2, θ) · f(x1, θ)f(x2, θ)
Limite Inferior de Cramér-Rao
∞
−∞
∞
−∞
g(x1, x2) ·
d
dθ
f(x1, θ) · f(x2, θ) + f(x1, θ)
d
dθ
f(x2, θ) dx1 dx2 = 1





1
f(x1, θ)
·
d
dθ
f(x1, θ)
ln[f(x1,θ)]
·f(x1, θ) · f(x2, θ) + f(x1, θ) · f(x2, θ)
1
f(x2, θ)
·
d
dθ
· f(x2, θ)
ln[f(x2,θ)]





d
dθ
ln f(x1, θ) · f(x1, θ) · f(x2, θ) +
d
dθ
ln f(x2, θ) · f(x1, θ)f(x2, θ)
∞
−∞
∞
−∞
g(x1, x2)
2
i=1
d
dθ
ln f(xi, θ) · f(x1, x2, θ) dx1 dx2 = 1
Limite Inferior de Cramér-Rao
Se a amostra é de tamanho n,
∞
−∞
. . .
∞
−∞
g(x1, . . . , xn)
T
n
i=1
d
dθ
ln f(xi, θ)
Y
·f(x1, . . . , xn, θ) dx1 . . . dxn = 1 (5)
Limite Inferior de Cramér-Rao
Se a amostra é de tamanho n,
∞
−∞
. . .
∞
−∞
g(x1, . . . , xn)
T
n
i=1
d
dθ
ln f(xi, θ)
Y
·f(x1, . . . , xn, θ) dx1 . . . dxn = 1 (5)
E[T · Y ] = 1
Lembre-se Cov[X, Y ] = E[XY ] − E[X]E[Y ] e Cov[X, Y ] = ρσXσY
Limite Inferior de Cramér-Rao
Se a amostra é de tamanho n,
∞
−∞
. . .
∞
−∞
g(x1, . . . , xn)
T
n
i=1
d
dθ
ln f(xi, θ)
Y
·f(x1, . . . , xn, θ) dx1 . . . dxn = 1 (5)
E[T · Y ] = 1
Lembre-se Cov[X, Y ] = E[XY ] − E[X]E[Y ] e Cov[X, Y ] = ρσXσY
E[T · Y ] = Cov[T, Y ] + E[T] · E[Y ]
Mas E[Y ] = 0, logo
1 = Cov[T, Y ] = ρT,Y · σT · σY
Limite Inferior de Cramér-Rao
Limite Inferior de Cramér-Rao
1 = ρT,Y · σT · σY (6)
ρ =
1
σT · σY
De ρ2
≤ 1
Limite Inferior de Cramér-Rao
1 = ρT,Y · σT · σY (6)
ρ =
1
σT · σY
De ρ2
≤ 1
1
σ2
T · σ2
Y
≤ 1 e nalmente
Limite Inferior de Cramér-Rao
1 = ρT,Y · σT · σY (6)
ρ =
1
σT · σY
De ρ2
≤ 1
1
σ2
T · σ2
Y
≤ 1 e nalmente σ2
T ≥
1
σ2
Y
Limite Inferior de Cramér-Rao
1 = ρT,Y · σT · σY (6)
ρ =
1
σT · σY
De ρ2
≤ 1
1
σ2
T · σ2
Y
≤ 1 e nalmente σ2
T ≥
1
σ2
Y
Lembrando da eq. (4): V ar[Y ] = nE
d
dθ
ln f(X, θ)
2
σ2
T ≥ nE
d
dθ
ln f(X, θ)
2 −1
concurseiro_estatistico@outlook.com

Mais conteúdo relacionado

Mais procurados

Mdc e mmc de polinônios
Mdc e mmc de polinôniosMdc e mmc de polinônios
Mdc e mmc de polinônios
Juarez Silva
 
Matemática Discreta - Parte III definicoes indutivas
Matemática Discreta - Parte III definicoes indutivasMatemática Discreta - Parte III definicoes indutivas
Matemática Discreta - Parte III definicoes indutivas
Ulrich Schiel
 
Mat progressao aritmetica ( pa ) i
Mat progressao aritmetica ( pa ) iMat progressao aritmetica ( pa ) i
Mat progressao aritmetica ( pa ) i
trigono_metrico
 
Aula Sobre Coordenadas Cartesianas
Aula Sobre Coordenadas CartesianasAula Sobre Coordenadas Cartesianas
Aula Sobre Coordenadas Cartesianas
Antonio Carneiro
 
Aula 8 variáveis aleatória contínua - parte 1
Aula 8   variáveis aleatória contínua - parte 1Aula 8   variáveis aleatória contínua - parte 1
Aula 8 variáveis aleatória contínua - parte 1
Ariel Rennó Chaves
 
Lista (6) de exercícios de multiplicação e divisão
Lista (6) de exercícios de multiplicação e divisãoLista (6) de exercícios de multiplicação e divisão
Lista (6) de exercícios de multiplicação e divisão
Olicio Silva
 
Aula 7 inducao matematica-primeiroprincipio
Aula 7   inducao matematica-primeiroprincipioAula 7   inducao matematica-primeiroprincipio
Aula 7 inducao matematica-primeiroprincipio
wab030
 

Mais procurados (20)

1 exercícios 1º ano
1 exercícios 1º ano1 exercícios 1º ano
1 exercícios 1º ano
 
ANÁLISE COMPLETA DE UMA FUNÇÃO
ANÁLISE COMPLETA DE UMA FUNÇÃOANÁLISE COMPLETA DE UMA FUNÇÃO
ANÁLISE COMPLETA DE UMA FUNÇÃO
 
Mdc e mmc de polinônios
Mdc e mmc de polinôniosMdc e mmc de polinônios
Mdc e mmc de polinônios
 
Matemática Discreta - Parte III definicoes indutivas
Matemática Discreta - Parte III definicoes indutivasMatemática Discreta - Parte III definicoes indutivas
Matemática Discreta - Parte III definicoes indutivas
 
Modular
ModularModular
Modular
 
Problemas de aplicação pa e pg
Problemas de aplicação pa e pgProblemas de aplicação pa e pg
Problemas de aplicação pa e pg
 
Resolver problemas conducentes à equação quadrática
Resolver problemas conducentes à equação quadráticaResolver problemas conducentes à equação quadrática
Resolver problemas conducentes à equação quadrática
 
Mat progressao aritmetica ( pa ) i
Mat progressao aritmetica ( pa ) iMat progressao aritmetica ( pa ) i
Mat progressao aritmetica ( pa ) i
 
Aula Sobre Coordenadas Cartesianas
Aula Sobre Coordenadas CartesianasAula Sobre Coordenadas Cartesianas
Aula Sobre Coordenadas Cartesianas
 
Exercícios Resolvidos: Média Aritmetica
Exercícios Resolvidos: Média AritmeticaExercícios Resolvidos: Média Aritmetica
Exercícios Resolvidos: Média Aritmetica
 
Aula 8 variáveis aleatória contínua - parte 1
Aula 8   variáveis aleatória contínua - parte 1Aula 8   variáveis aleatória contínua - parte 1
Aula 8 variáveis aleatória contínua - parte 1
 
Lista (6) de exercícios de multiplicação e divisão
Lista (6) de exercícios de multiplicação e divisãoLista (6) de exercícios de multiplicação e divisão
Lista (6) de exercícios de multiplicação e divisão
 
2º lista de exercícios 3º ano geometria analítica
2º lista de exercícios 3º ano   geometria analítica2º lista de exercícios 3º ano   geometria analítica
2º lista de exercícios 3º ano geometria analítica
 
1 exercícios de potenciação
1  exercícios de potenciação1  exercícios de potenciação
1 exercícios de potenciação
 
07 tabela-de-derivadas-e-integrais
07 tabela-de-derivadas-e-integrais07 tabela-de-derivadas-e-integrais
07 tabela-de-derivadas-e-integrais
 
Lista de exercícios 2 - 8° ANO - unidade ii
Lista de exercícios 2 - 8° ANO - unidade iiLista de exercícios 2 - 8° ANO - unidade ii
Lista de exercícios 2 - 8° ANO - unidade ii
 
Operações com polinômios resolução
Operações com polinômios   resoluçãoOperações com polinômios   resolução
Operações com polinômios resolução
 
Apostila matematica fundamental
Apostila matematica fundamentalApostila matematica fundamental
Apostila matematica fundamental
 
Solution Manual : Chapter - 07 Exponential, Logarithmic and Inverse Trigonome...
Solution Manual : Chapter - 07 Exponential, Logarithmic and Inverse Trigonome...Solution Manual : Chapter - 07 Exponential, Logarithmic and Inverse Trigonome...
Solution Manual : Chapter - 07 Exponential, Logarithmic and Inverse Trigonome...
 
Aula 7 inducao matematica-primeiroprincipio
Aula 7   inducao matematica-primeiroprincipioAula 7   inducao matematica-primeiroprincipio
Aula 7 inducao matematica-primeiroprincipio
 

Semelhante a Limite Inferior de Cramér-Rao

Aula funcoes 1° e 2° graus
Aula   funcoes 1° e 2° grausAula   funcoes 1° e 2° graus
Aula funcoes 1° e 2° graus
Daniel Muniz
 
Apostila Calculo 1 - Limites de uma função - Engenharia Civil
Apostila Calculo 1 - Limites de uma função - Engenharia CivilApostila Calculo 1 - Limites de uma função - Engenharia Civil
Apostila Calculo 1 - Limites de uma função - Engenharia Civil
Ana Carolline Pereira
 

Semelhante a Limite Inferior de Cramér-Rao (20)

Funções Elementares
Funções ElementaresFunções Elementares
Funções Elementares
 
Função Polinomial
Função PolinomialFunção Polinomial
Função Polinomial
 
Limites2
Limites2Limites2
Limites2
 
Matemática básica derivada e integral
Matemática básica   derivada e integralMatemática básica   derivada e integral
Matemática básica derivada e integral
 
Integral
IntegralIntegral
Integral
 
Funções, suas propriedades e gráfico
Funções, suas propriedades e gráficoFunções, suas propriedades e gráfico
Funções, suas propriedades e gráfico
 
Aula 07 derivadas - regras de derivação - parte 1
Aula 07   derivadas - regras de derivação - parte 1Aula 07   derivadas - regras de derivação - parte 1
Aula 07 derivadas - regras de derivação - parte 1
 
Aula funcoes 1° e 2° graus
Aula   funcoes 1° e 2° grausAula   funcoes 1° e 2° graus
Aula funcoes 1° e 2° graus
 
10 regras de derivação (parte 2)
10 regras de derivação (parte 2)10 regras de derivação (parte 2)
10 regras de derivação (parte 2)
 
DERIVADAS.docx
DERIVADAS.docxDERIVADAS.docx
DERIVADAS.docx
 
Cálculo de Derivadas
Cálculo de DerivadasCálculo de Derivadas
Cálculo de Derivadas
 
Ex algebra (8)
Ex algebra  (8)Ex algebra  (8)
Ex algebra (8)
 
aprenda a calcular todo tipo de derivada
aprenda a calcular todo tipo de derivadaaprenda a calcular todo tipo de derivada
aprenda a calcular todo tipo de derivada
 
Apostila Calculo 1 - Limites de uma função - Engenharia Civil
Apostila Calculo 1 - Limites de uma função - Engenharia CivilApostila Calculo 1 - Limites de uma função - Engenharia Civil
Apostila Calculo 1 - Limites de uma função - Engenharia Civil
 
Calculo1 aula10
Calculo1 aula10Calculo1 aula10
Calculo1 aula10
 
Introdução à limites - Teoremas e exercícios
Introdução à limites - Teoremas e exercíciosIntrodução à limites - Teoremas e exercícios
Introdução à limites - Teoremas e exercícios
 
Lista de exercícios 8
Lista de exercícios 8Lista de exercícios 8
Lista de exercícios 8
 
00 propserpot
00 propserpot00 propserpot
00 propserpot
 
Formulario 12º ano
Formulario 12º anoFormulario 12º ano
Formulario 12º ano
 
Ex algebra (7)
Ex algebra  (7)Ex algebra  (7)
Ex algebra (7)
 

Mais de Anselmo Alves de Sousa

Mais de Anselmo Alves de Sousa (20)

Medias moveis - Análise de Séries Temporais
Medias moveis - Análise de Séries TemporaisMedias moveis - Análise de Séries Temporais
Medias moveis - Análise de Séries Temporais
 
Tecnologia da Amostragem - Probabilidade de Inclusão em Amostragem - UFCA 2019
Tecnologia da Amostragem - Probabilidade de Inclusão em Amostragem - UFCA 2019Tecnologia da Amostragem - Probabilidade de Inclusão em Amostragem - UFCA 2019
Tecnologia da Amostragem - Probabilidade de Inclusão em Amostragem - UFCA 2019
 
ANPEC/2019 - Propriedades dos Estimadores de Mínimos Quadrados
ANPEC/2019 - Propriedades dos Estimadores de Mínimos QuadradosANPEC/2019 - Propriedades dos Estimadores de Mínimos Quadrados
ANPEC/2019 - Propriedades dos Estimadores de Mínimos Quadrados
 
Anpec - 2019 Estatística - Questão 1
Anpec - 2019 Estatística - Questão 1Anpec - 2019 Estatística - Questão 1
Anpec - 2019 Estatística - Questão 1
 
Pseudo-sigma
Pseudo-sigmaPseudo-sigma
Pseudo-sigma
 
Random walk - Passeio Aleatório
Random walk - Passeio AleatórioRandom walk - Passeio Aleatório
Random walk - Passeio Aleatório
 
Regressao Linear Simples - Pessupostos
Regressao Linear Simples - PessupostosRegressao Linear Simples - Pessupostos
Regressao Linear Simples - Pessupostos
 
Introdução à probabilidade - Probabilidade frequentista
Introdução à probabilidade - Probabilidade frequentistaIntrodução à probabilidade - Probabilidade frequentista
Introdução à probabilidade - Probabilidade frequentista
 
Aula 1 Probabilidade Introdução
Aula 1 Probabilidade IntroduçãoAula 1 Probabilidade Introdução
Aula 1 Probabilidade Introdução
 
Desigualdade de Markov - Resolução de Questão de Estatística
Desigualdade de Markov - Resolução de Questão de EstatísticaDesigualdade de Markov - Resolução de Questão de Estatística
Desigualdade de Markov - Resolução de Questão de Estatística
 
Teste do sinal - Estatística Não Paramétrica
Teste do sinal - Estatística Não ParamétricaTeste do sinal - Estatística Não Paramétrica
Teste do sinal - Estatística Não Paramétrica
 
Intervalo de Confiança para a Mediana amostral - Teste do Sinal
Intervalo de Confiança para a Mediana amostral - Teste do SinalIntervalo de Confiança para a Mediana amostral - Teste do Sinal
Intervalo de Confiança para a Mediana amostral - Teste do Sinal
 
Cadeias de Markov em Tempo Discreto
Cadeias de Markov em Tempo DiscretoCadeias de Markov em Tempo Discreto
Cadeias de Markov em Tempo Discreto
 
Modelo de Regressão nao-linear
Modelo de Regressão nao-linearModelo de Regressão nao-linear
Modelo de Regressão nao-linear
 
Entropia da Informação - Shannon
Entropia da Informação - ShannonEntropia da Informação - Shannon
Entropia da Informação - Shannon
 
Análise Espectral e Modelos ARIMA - Autocorrelação modelo ARIMA(2,1,0)
Análise Espectral e Modelos ARIMA - Autocorrelação modelo ARIMA(2,1,0)Análise Espectral e Modelos ARIMA - Autocorrelação modelo ARIMA(2,1,0)
Análise Espectral e Modelos ARIMA - Autocorrelação modelo ARIMA(2,1,0)
 
Função de Autocovariância Modelo AR(1) - Séries Temporais
Função de Autocovariância Modelo AR(1) - Séries TemporaisFunção de Autocovariância Modelo AR(1) - Séries Temporais
Função de Autocovariância Modelo AR(1) - Séries Temporais
 
Média e Variância da Distribuição Beta de Probabilidades
Média e Variância da Distribuição Beta de ProbabilidadesMédia e Variância da Distribuição Beta de Probabilidades
Média e Variância da Distribuição Beta de Probabilidades
 
Entropia da Distribuição Uniforme
Entropia da Distribuição UniformeEntropia da Distribuição Uniforme
Entropia da Distribuição Uniforme
 
Diferença entre Variáveis Aleatórias
Diferença entre Variáveis AleatóriasDiferença entre Variáveis Aleatórias
Diferença entre Variáveis Aleatórias
 

Último

Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...
Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...
Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...
azulassessoria9
 
O estudo do controle motor nada mais é do que o estudo da natureza do movimen...
O estudo do controle motor nada mais é do que o estudo da natureza do movimen...O estudo do controle motor nada mais é do que o estudo da natureza do movimen...
O estudo do controle motor nada mais é do que o estudo da natureza do movimen...
azulassessoria9
 
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
azulassessoria9
 

Último (20)

Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...
Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...
Considerando as pesquisas de Gallahue, Ozmun e Goodway (2013) os bebês até an...
 
Sopa de letras | Dia da Europa 2024 (nível 1)
Sopa de letras | Dia da Europa 2024 (nível 1)Sopa de letras | Dia da Europa 2024 (nível 1)
Sopa de letras | Dia da Europa 2024 (nível 1)
 
Slides Lição 6, Betel, Ordenança para uma vida de obediência e submissão.pptx
Slides Lição 6, Betel, Ordenança para uma vida de obediência e submissão.pptxSlides Lição 6, Betel, Ordenança para uma vida de obediência e submissão.pptx
Slides Lição 6, Betel, Ordenança para uma vida de obediência e submissão.pptx
 
Sistema de Bibliotecas UCS - Cantos do fim do século
Sistema de Bibliotecas UCS  - Cantos do fim do séculoSistema de Bibliotecas UCS  - Cantos do fim do século
Sistema de Bibliotecas UCS - Cantos do fim do século
 
O que é arte. Definição de arte. História da arte.
O que é arte. Definição de arte. História da arte.O que é arte. Definição de arte. História da arte.
O que é arte. Definição de arte. História da arte.
 
Aula 25 - A america espanhola - colonização, exploraçãp e trabalho (mita e en...
Aula 25 - A america espanhola - colonização, exploraçãp e trabalho (mita e en...Aula 25 - A america espanhola - colonização, exploraçãp e trabalho (mita e en...
Aula 25 - A america espanhola - colonização, exploraçãp e trabalho (mita e en...
 
O estudo do controle motor nada mais é do que o estudo da natureza do movimen...
O estudo do controle motor nada mais é do que o estudo da natureza do movimen...O estudo do controle motor nada mais é do que o estudo da natureza do movimen...
O estudo do controle motor nada mais é do que o estudo da natureza do movimen...
 
E a chuva ... (Livro pedagógico para ser usado na educação infantil e trabal...
E a chuva ...  (Livro pedagógico para ser usado na educação infantil e trabal...E a chuva ...  (Livro pedagógico para ser usado na educação infantil e trabal...
E a chuva ... (Livro pedagógico para ser usado na educação infantil e trabal...
 
6ano variação linguística ensino fundamental.pptx
6ano variação linguística ensino fundamental.pptx6ano variação linguística ensino fundamental.pptx
6ano variação linguística ensino fundamental.pptx
 
AULÃO de Língua Portuguesa para o Saepe 2022
AULÃO de Língua Portuguesa para o Saepe 2022AULÃO de Língua Portuguesa para o Saepe 2022
AULÃO de Língua Portuguesa para o Saepe 2022
 
Pesquisa Ação René Barbier Livro acadêmico
Pesquisa Ação René Barbier Livro  acadêmicoPesquisa Ação René Barbier Livro  acadêmico
Pesquisa Ação René Barbier Livro acadêmico
 
Tema de redação - As dificuldades para barrar o casamento infantil no Brasil ...
Tema de redação - As dificuldades para barrar o casamento infantil no Brasil ...Tema de redação - As dificuldades para barrar o casamento infantil no Brasil ...
Tema de redação - As dificuldades para barrar o casamento infantil no Brasil ...
 
M0 Atendimento – Definição, Importância .pptx
M0 Atendimento – Definição, Importância .pptxM0 Atendimento – Definição, Importância .pptx
M0 Atendimento – Definição, Importância .pptx
 
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
ATIVIDADE 2 - DESENVOLVIMENTO E APRENDIZAGEM MOTORA - 52_2024
 
Aula 67 e 68 Robótica 8º ano Experimentando variações da matriz de Led
Aula 67 e 68 Robótica 8º ano Experimentando variações da matriz de LedAula 67 e 68 Robótica 8º ano Experimentando variações da matriz de Led
Aula 67 e 68 Robótica 8º ano Experimentando variações da matriz de Led
 
Aula 1 - Psicologia Cognitiva, aula .ppt
Aula 1 - Psicologia Cognitiva, aula .pptAula 1 - Psicologia Cognitiva, aula .ppt
Aula 1 - Psicologia Cognitiva, aula .ppt
 
apostila filosofia 1 ano 1s (1).pdf 1 ANO DO ENSINO MEDIO . CONCEITOSE CARAC...
apostila filosofia 1 ano  1s (1).pdf 1 ANO DO ENSINO MEDIO . CONCEITOSE CARAC...apostila filosofia 1 ano  1s (1).pdf 1 ANO DO ENSINO MEDIO . CONCEITOSE CARAC...
apostila filosofia 1 ano 1s (1).pdf 1 ANO DO ENSINO MEDIO . CONCEITOSE CARAC...
 
Questões de Língua Portuguesa - gincana da LP
Questões de Língua Portuguesa - gincana da LPQuestões de Língua Portuguesa - gincana da LP
Questões de Língua Portuguesa - gincana da LP
 
Polígonos, Diagonais de um Polígono, SOMA DOS ANGULOS INTERNOS DE UM POLÍGON...
Polígonos, Diagonais de um Polígono, SOMA DOS ANGULOS INTERNOS DE UM  POLÍGON...Polígonos, Diagonais de um Polígono, SOMA DOS ANGULOS INTERNOS DE UM  POLÍGON...
Polígonos, Diagonais de um Polígono, SOMA DOS ANGULOS INTERNOS DE UM POLÍGON...
 
Apresentação | Símbolos e Valores da União Europeia
Apresentação | Símbolos e Valores da União EuropeiaApresentação | Símbolos e Valores da União Europeia
Apresentação | Símbolos e Valores da União Europeia
 

Limite Inferior de Cramér-Rao

  • 1. Concurseiro EstatísticoAnselmo Alves de Sousa concurseiro_estatistico@outlook.com
  • 2. Limite Inferior de Cramér-Rao (Preliminares) Seja uma amostra aleatória:X1, X2, . . . , Xn, i.i.d, da função de densidade f(x, θ), onde θ é um parâmetro a ser estimado. Logo ∀i ∈ 1, . . . , n ⇒ f(xi, θ).
  • 3. Limite Inferior de Cramér-Rao (Preliminares) Seja uma amostra aleatória:X1, X2, . . . , Xn, i.i.d, da função de densidade f(x, θ), onde θ é um parâmetro a ser estimado. Logo ∀i ∈ 1, . . . , n ⇒ f(xi, θ). ∞ −∞ f(x, θ) dx = 1 f(x1, x2, θ) = f(x1, θ) · f(x2, θ) f(x1, x2, . . . , xn, θ) = f(x1, θ) · f(x2, θ) · . . . · f(xn, θ)
  • 4. Limite Inferior de Cramér-Rao (Preliminares) Seja uma amostra aleatória:X1, X2, . . . , Xn, i.i.d, da função de densidade f(x, θ), onde θ é um parâmetro a ser estimado. Logo ∀i ∈ 1, . . . , n ⇒ f(xi, θ). ∞ −∞ f(x, θ) dx = 1 f(x1, x2, θ) = f(x1, θ) · f(x2, θ) f(x1, x2, . . . , xn, θ) = f(x1, θ) · f(x2, θ) · . . . · f(xn, θ) E[X] = ∞ −∞ x · f(x, θ) dx E[g(X)] = ∞ −∞ g(x) · f(x, θ) dx E[g(X1, X2)] = ∞ −∞ ∞ −∞ g(x1, x2) · f(x1, x2, θ) dx1 dx2 = ∞ −∞ ∞ −∞ g(x1, x2) · f(x1, θ) · f(x2, θ) f(x1,x2,θ) dx1 dx2
  • 5. Limite Inferior de Cramér-Rao (Preliminares) Seja uma amostra aleatória:X1, X2, . . . , Xn, i.i.d, da função de densidade f(x, θ), onde θ é um parâmetro a ser estimad. Logo ∀i ∈ 1, . . . , n ⇒ f(xi, θ). E[g(X1, . . . Xn)] = ∞ −∞ . . . ∞ −∞ n g(x1, x2, . . . , xn) · f(x1, x2, . . . , xn, θ) dx1 dx2 . . . dxn
  • 6. Limite Inferior de Cramér-Rao (Preliminares) Seja uma amostra aleatória:X1, X2, . . . , Xn, i.i.d, da função de densidade f(x, θ), onde θ é um parâmetro a ser estimad. Logo ∀i ∈ 1, . . . , n ⇒ f(xi, θ). E[g(X1, . . . Xn)] = ∞ −∞ . . . ∞ −∞ n g(x1, x2, . . . , xn) · f(x1, x2, . . . , xn, θ) dx1 dx2 . . . dxn = ∞ −∞ . . . ∞ −∞ g(x1, x2, . . . , xn) · f(x1, θ) · f(x2, θ) · . . . f(xn, θ) f(x1,x2,...,xnθ) dx1 dx2 . . . dxn
  • 7. Limite Inferior de Cramér-Rao (Preliminares) Seja uma amostra aleatória:X1, X2, . . . , Xn, i.i.d, da função de densidade f(x, θ), onde θ é um parâmetro a ser estimad. Logo ∀i ∈ 1, . . . , n ⇒ f(xi, θ). E[g(X1, . . . Xn)] = ∞ −∞ . . . ∞ −∞ n g(x1, x2, . . . , xn) · f(x1, x2, . . . , xn, θ) dx1 dx2 . . . dxn = ∞ −∞ . . . ∞ −∞ g(x1, x2, . . . , xn) · f(x1, θ) · f(x2, θ) · . . . f(xn, θ) f(x1,x2,...,xnθ) dx1 dx2 . . . dxn X = g(X1, . . . Xn)) = 1 n n i=1 Xi Não depende de θ só da amostra!
  • 8. Limite Inferior de Cramér-Rao (Preliminares ) Sejam X, Y e Z = X + Y variáveis aleatórias.
  • 9. Limite Inferior de Cramér-Rao (Preliminares ) Sejam X, Y e Z = X + Y variáveis aleatórias. V ar[Z] = V ar[X + Y ] = V ar[X] + V ar[Y ] + 2Cov[X, Y ]
  • 10. Limite Inferior de Cramér-Rao (Preliminares ) Sejam X, Y e Z = X + Y variáveis aleatórias. V ar[Z] = V ar[X + Y ] = V ar[X] + V ar[Y ] + 2Cov[X, Y ] Cov[X, Y ] = E[XY ] − E[X]E[Y ]
  • 11. Limite Inferior de Cramér-Rao (Preliminares ) Sejam X, Y e Z = X + Y variáveis aleatórias. V ar[Z] = V ar[X + Y ] = V ar[X] + V ar[Y ] + 2Cov[X, Y ] Cov[X, Y ] = E[XY ] − E[X]E[Y ] X ⊥ Y ⇒ Cov[X, Y ] = 0
  • 12. Limite Inferior de Cramér-Rao (Preliminares ) Sejam X, Y e Z = X + Y variáveis aleatórias. V ar[Z] = V ar[X + Y ] = V ar[X] + V ar[Y ] + 2Cov[X, Y ] Cov[X, Y ] = E[XY ] − E[X]E[Y ] X ⊥ Y ⇒ Cov[X, Y ] = 0 Se E[X] = 0 e E[Y ] = 0 ⇒ Cov[X, Y ] = E[XY ]
  • 13. Limite Inferior de Cramér-Rao (Preliminares ) Sejam X, Y e Z = X + Y variáveis aleatórias. V ar[Z] = V ar[X + Y ] = V ar[X] + V ar[Y ] + 2Cov[X, Y ] Cov[X, Y ] = E[XY ] − E[X]E[Y ] X ⊥ Y ⇒ Cov[X, Y ] = 0 Se E[X] = 0 e E[Y ] = 0 ⇒ Cov[X, Y ] = E[XY ] ρ = Cov[X, Y ] σXσY ⇒ Cov[X, Y ] = ρσXσY
  • 14. Limite Inferior de Cramér-Rao (Preliminares ) Sejam X, Y e Z = X + Y variáveis aleatórias. V ar[Z] = V ar[X + Y ] = V ar[X] + V ar[Y ] + 2Cov[X, Y ] Cov[X, Y ] = E[XY ] − E[X]E[Y ] X ⊥ Y ⇒ Cov[X, Y ] = 0 Se E[X] = 0 e E[Y ] = 0 ⇒ Cov[X, Y ] = E[XY ] ρ = Cov[X, Y ] σXσY ⇒ Cov[X, Y ] = ρσXσY −1 ≤ ρ ≤ 1 ou ρ2 ≤ 1
  • 15. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒
  • 16. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x)
  • 17. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒
  • 18. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x)
  • 19. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x) Se f(x) = ln[g(x)] ⇒
  • 20. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x) Se f(x) = ln[g(x)] ⇒ f (x) = g (x) g(x)
  • 21. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x) Se f(x) = ln[g(x)] ⇒ f (x) = g (x) g(x) Se f(x) = θ, θ ∈ R ⇒ f (x) = 0
  • 22. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x) Se f(x) = ln[g(x)] ⇒ f (x) = g (x) g(x) Se f(x) = θ, θ ∈ R ⇒ f (x) = 0 Se f (x) =
  • 23. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x) Se f(x) = ln[g(x)] ⇒ f (x) = g (x) g(x) Se f(x) = θ, θ ∈ R ⇒ f (x) = 0 Se f (x) = f (x) f(x) ·
  • 24. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x) Se f(x) = ln[g(x)] ⇒ f (x) = g (x) g(x) Se f(x) = θ, θ ∈ R ⇒ f (x) = 0 Se f (x) = f (x) f(x) · f(x)
  • 25. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x) Se f(x) = ln[g(x)] ⇒ f (x) = g (x) g(x) Se f(x) = θ, θ ∈ R ⇒ f (x) = 0 Se f (x) = f (x) f(x) · f(x) ⇒ f (x) = f [ln f(x)] · f(x) Uma integral é uma soma!
  • 26. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x) Se f(x) = ln[g(x)] ⇒ f (x) = g (x) g(x) Se f(x) = θ, θ ∈ R ⇒ f (x) = 0 Se f (x) = f (x) f(x) · f(x) ⇒ f (x) = f [ln f(x)] · f(x) Uma integral é uma soma!Um somatório é uma integral:
  • 27. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x) Se f(x) = ln[g(x)] ⇒ f (x) = g (x) g(x) Se f(x) = θ, θ ∈ R ⇒ f (x) = 0 Se f (x) = f (x) f(x) · f(x) ⇒ f (x) = f [ln f(x)] · f(x) Uma integral é uma soma!Um somatório é uma integral: Se tivermos: h(x) = f1(x, θ) + f2(x, θ) = 2 i=1 fi(x, θ)
  • 28. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x) Se f(x) = ln[g(x)] ⇒ f (x) = g (x) g(x) Se f(x) = θ, θ ∈ R ⇒ f (x) = 0 Se f (x) = f (x) f(x) · f(x) ⇒ f (x) = f [ln f(x)] · f(x) Uma integral é uma soma!Um somatório é uma integral: Se tivermos: h(x) = f1(x, θ) + f2(x, θ) = 2 i=1 fi(x, θ) d dθ h(x, θ) = d dθ f1(x, θ)
  • 29. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x) Se f(x) = ln[g(x)] ⇒ f (x) = g (x) g(x) Se f(x) = θ, θ ∈ R ⇒ f (x) = 0 Se f (x) = f (x) f(x) · f(x) ⇒ f (x) = f [ln f(x)] · f(x) Uma integral é uma soma!Um somatório é uma integral: Se tivermos: h(x) = f1(x, θ) + f2(x, θ) = 2 i=1 fi(x, θ) d dθ h(x, θ) = d dθ f1(x, θ) + d dθ f2(x, θ)
  • 30. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x) Se f(x) = ln[g(x)] ⇒ f (x) = g (x) g(x) Se f(x) = θ, θ ∈ R ⇒ f (x) = 0 Se f (x) = f (x) f(x) · f(x) ⇒ f (x) = f [ln f(x)] · f(x) Uma integral é uma soma!Um somatório é uma integral: Se tivermos: h(x) = f1(x, θ) + f2(x, θ) = 2 i=1 fi(x, θ) d dθ h(x, θ) = d dθ f1(x, θ) + d dθ f2(x, θ) = d dθ 2 i=1 fi(x, θ)
  • 31. Limite Inferior de Cramér-Rao (Preliminares - Cálculo) Seja g(x) e h(x) funções reais bem comportadas (na reta R). f(x) = g(x) + h(x) ⇒ f (x) = g (x) + h (x) f(x) = g(x) · h(x) ⇒ f (x) = g (x) · h(x) + g(x) · h (x) Se f(x) = ln[g(x)] ⇒ f (x) = g (x) g(x) Se f(x) = θ, θ ∈ R ⇒ f (x) = 0 Se f (x) = f (x) f(x) · f(x) ⇒ f (x) = f [ln f(x)] · f(x) Uma integral é uma soma!Um somatório é uma integral: Se tivermos: h(x) = f1(x, θ) + f2(x, θ) = 2 i=1 fi(x, θ) d dθ h(x, θ) = d dθ f1(x, θ) + d dθ f2(x, θ) = d dθ 2 i=1 fi(x, θ) = 2 i=1 d dθ fi(x, θ)
  • 32. Limite Inferior de Cramér-Rao Seja uma amostra aleatória: X1, X2, i.i.d, da função de densidade f(x, θ), onde θ é um parâmetro a ser estimado. E seja T = g(X1, X2) um estimador de θ, tal que T é um estimador não viciado: E[T] = θ.
  • 33. Limite Inferior de Cramér-Rao Seja uma amostra aleatória: X1, X2, i.i.d, da função de densidade f(x, θ), onde θ é um parâmetro a ser estimado. E seja T = g(X1, X2) um estimador de θ, tal que T é um estimador não viciado: E[T] = θ. ∞ −∞ f(x, θ) dx = 1 (1)
  • 34. Limite Inferior de Cramér-Rao Seja uma amostra aleatória: X1, X2, i.i.d, da função de densidade f(x, θ), onde θ é um parâmetro a ser estimado. E seja T = g(X1, X2) um estimador de θ, tal que T é um estimador não viciado: E[T] = θ. ∞ −∞ f(x, θ) dx = 1 (1) E[T] = ∞ −∞ ∞ −∞ g(x1, x2) T f(x1, x2, θ) dx1 dx2 = θ (2)
  • 35. Limite Inferior de Cramér-Rao Seja uma amostra aleatória: X1, X2, i.i.d, da função de densidade f(x, θ), onde θ é um parâmetro a ser estimado. E seja T = g(X1, X2) um estimador de θ, tal que T é um estimador não viciado: E[T] = θ. ∞ −∞ f(x, θ) dx = 1 (1) E[T] = ∞ −∞ ∞ −∞ g(x1, x2) T f(x1, x2, θ) dx1 dx2 = θ (2) Neste último resultado E[T] = ∞ −∞ ∞ −∞ g(x1, x2) · f(x1, θ) · f(x2, θ) dx1 dx2 = θ
  • 36. Limite Inferior de Cramér-Rao
  • 37. Limite Inferior de Cramér-Rao Derivando em relação a θ Eq. 1: ∞ −∞ f(x, θ) dx = 1 ⇒ d dθ ∞ −∞ f(x, θ) dx = 0 ⇒ ∞ −∞ d dθ f(x, θ) dx = 0
  • 38. Limite Inferior de Cramér-Rao Derivando em relação a θ Eq. 1: ∞ −∞ f(x, θ) dx = 1 ⇒ d dθ ∞ −∞ f(x, θ) dx = 0 ⇒ ∞ −∞ d dθ f(x, θ) dx = 0 ∞ −∞ d dθ f(x, θ) · 1 f(x, θ) · f(x, θ)dx = 0
  • 39. Limite Inferior de Cramér-Rao Derivando em relação a θ Eq. 1: ∞ −∞ f(x, θ) dx = 1 ⇒ d dθ ∞ −∞ f(x, θ) dx = 0 ⇒ ∞ −∞ d dθ f(x, θ) dx = 0 ∞ −∞ d dθ f(x, θ) · 1 f(x, θ) · f(x, θ)dx = 0 ∞ −∞ d dθ ln f(x, θ) H ·f(x, θ)dx = 0 ⇒
  • 40. Limite Inferior de Cramér-Rao Derivando em relação a θ Eq. 1: ∞ −∞ f(x, θ) dx = 1 ⇒ d dθ ∞ −∞ f(x, θ) dx = 0 ⇒ ∞ −∞ d dθ f(x, θ) dx = 0 ∞ −∞ d dθ f(x, θ) · 1 f(x, θ) · f(x, θ)dx = 0 ∞ −∞ d dθ ln f(x, θ) H ·f(x, θ)dx = 0 ⇒ d dθ ln f(X, θ) é uma v.a.
  • 41. Limite Inferior de Cramér-Rao Derivando em relação a θ Eq. 1: ∞ −∞ f(x, θ) dx = 1 ⇒ d dθ ∞ −∞ f(x, θ) dx = 0 ⇒ ∞ −∞ d dθ f(x, θ) dx = 0 ∞ −∞ d dθ f(x, θ) · 1 f(x, θ) · f(x, θ)dx = 0 ∞ −∞ d dθ ln f(x, θ) H ·f(x, θ)dx = 0 ⇒ d dθ ln f(X, θ) é uma v.a. E[H] = 0 ⇒ E d dθ ln f(X, θ) = 0
  • 42. Limite Inferior de Cramér-Rao Derivando em relação a θ Eq. 1: ∞ −∞ f(x, θ) dx = 1 ⇒ d dθ ∞ −∞ f(x, θ) dx = 0 ⇒ ∞ −∞ d dθ f(x, θ) dx = 0 ∞ −∞ d dθ f(x, θ) · 1 f(x, θ) · f(x, θ)dx = 0 ∞ −∞ d dθ ln f(x, θ) H ·f(x, θ)dx = 0 ⇒ d dθ ln f(X, θ) é uma v.a. E[H] = 0 ⇒ E d dθ ln f(X, θ) = 0 de V ar[H] = E[H2 ] + E[H]2 ⇒
  • 43. Limite Inferior de Cramér-Rao Derivando em relação a θ Eq. 1: ∞ −∞ f(x, θ) dx = 1 ⇒ d dθ ∞ −∞ f(x, θ) dx = 0 ⇒ ∞ −∞ d dθ f(x, θ) dx = 0 ∞ −∞ d dθ f(x, θ) · 1 f(x, θ) · f(x, θ)dx = 0 ∞ −∞ d dθ ln f(x, θ) H ·f(x, θ)dx = 0 ⇒ d dθ ln f(X, θ) é uma v.a. E[H] = 0 ⇒ E d dθ ln f(X, θ) = 0 de V ar[H] = E[H2 ] + E[H]2 ⇒ V ar d dθ ln f(X, θ) = E d dθ ln f(X, θ) 2 (3)
  • 44. Limite Inferior de Cramér-Rao De (3): Se Y = n i=1 d dθ ln f(X, θ) H ⇒ E [Y ] = 0 V ar[Y ] = nE d dθ ln f(X, θ) 2 (4)
  • 45. Limite Inferior de Cramér-Rao Da Eq. (2): E[T] = ∞ −∞ ∞ −∞ g(x1, x2) · f(x1, θ) · f(x2, θ) dx1 dx2 = θ
  • 46. Limite Inferior de Cramér-Rao Da Eq. (2): E[T] = ∞ −∞ ∞ −∞ g(x1, x2) · f(x1, θ) · f(x2, θ) dx1 dx2 = θ d dθ ∞ −∞ ∞ −∞ g(x1, x2) · f(x1, θ) · f(x2, θ) dx1 dx2 = d dθ θ
  • 47. Limite Inferior de Cramér-Rao Da Eq. (2): E[T] = ∞ −∞ ∞ −∞ g(x1, x2) · f(x1, θ) · f(x2, θ) dx1 dx2 = θ d dθ ∞ −∞ ∞ −∞ g(x1, x2) · f(x1, θ) · f(x2, θ) dx1 dx2 = d dθ θ ∞ −∞ ∞ −∞ g(x1, x2) · d dθ f(x1, θ) · f(x2, θ) produto dx1 dx2 = 1
  • 48. Limite Inferior de Cramér-Rao ∞ −∞ ∞ −∞ g(x1, x2) · d dθ f(x1, θ) · f(x2, θ) + f(x1, θ) d dθ f(x2, θ) dx1 dx2 = 1
  • 49. Limite Inferior de Cramér-Rao ∞ −∞ ∞ −∞ g(x1, x2) · d dθ f(x1, θ) · f(x2, θ) + f(x1, θ) d dθ f(x2, θ) dx1 dx2 = 1      1 f(x1, θ) · d dθ f(x1, θ) ln[f(x1,θ)] ·f(x1, θ) · f(x2, θ) + f(x1, θ) · f(x2, θ) 1 f(x2, θ) · d dθ · f(x2, θ) ln[f(x2,θ)]     
  • 50. Limite Inferior de Cramér-Rao ∞ −∞ ∞ −∞ g(x1, x2) · d dθ f(x1, θ) · f(x2, θ) + f(x1, θ) d dθ f(x2, θ) dx1 dx2 = 1      1 f(x1, θ) · d dθ f(x1, θ) ln[f(x1,θ)] ·f(x1, θ) · f(x2, θ) + f(x1, θ) · f(x2, θ) 1 f(x2, θ) · d dθ · f(x2, θ) ln[f(x2,θ)]      d dθ ln f(x1, θ) · f(x1, θ) · f(x2, θ) + d dθ ln f(x2, θ) · f(x1, θ)f(x2, θ)
  • 51. Limite Inferior de Cramér-Rao ∞ −∞ ∞ −∞ g(x1, x2) · d dθ f(x1, θ) · f(x2, θ) + f(x1, θ) d dθ f(x2, θ) dx1 dx2 = 1      1 f(x1, θ) · d dθ f(x1, θ) ln[f(x1,θ)] ·f(x1, θ) · f(x2, θ) + f(x1, θ) · f(x2, θ) 1 f(x2, θ) · d dθ · f(x2, θ) ln[f(x2,θ)]      d dθ ln f(x1, θ) · f(x1, θ) · f(x2, θ) + d dθ ln f(x2, θ) · f(x1, θ)f(x2, θ) ∞ −∞ ∞ −∞ g(x1, x2) 2 i=1 d dθ ln f(xi, θ) · f(x1, x2, θ) dx1 dx2 = 1
  • 52. Limite Inferior de Cramér-Rao Se a amostra é de tamanho n, ∞ −∞ . . . ∞ −∞ g(x1, . . . , xn) T n i=1 d dθ ln f(xi, θ) Y ·f(x1, . . . , xn, θ) dx1 . . . dxn = 1 (5)
  • 53. Limite Inferior de Cramér-Rao Se a amostra é de tamanho n, ∞ −∞ . . . ∞ −∞ g(x1, . . . , xn) T n i=1 d dθ ln f(xi, θ) Y ·f(x1, . . . , xn, θ) dx1 . . . dxn = 1 (5) E[T · Y ] = 1 Lembre-se Cov[X, Y ] = E[XY ] − E[X]E[Y ] e Cov[X, Y ] = ρσXσY
  • 54. Limite Inferior de Cramér-Rao Se a amostra é de tamanho n, ∞ −∞ . . . ∞ −∞ g(x1, . . . , xn) T n i=1 d dθ ln f(xi, θ) Y ·f(x1, . . . , xn, θ) dx1 . . . dxn = 1 (5) E[T · Y ] = 1 Lembre-se Cov[X, Y ] = E[XY ] − E[X]E[Y ] e Cov[X, Y ] = ρσXσY E[T · Y ] = Cov[T, Y ] + E[T] · E[Y ] Mas E[Y ] = 0, logo 1 = Cov[T, Y ] = ρT,Y · σT · σY
  • 55. Limite Inferior de Cramér-Rao
  • 56. Limite Inferior de Cramér-Rao 1 = ρT,Y · σT · σY (6) ρ = 1 σT · σY De ρ2 ≤ 1
  • 57. Limite Inferior de Cramér-Rao 1 = ρT,Y · σT · σY (6) ρ = 1 σT · σY De ρ2 ≤ 1 1 σ2 T · σ2 Y ≤ 1 e nalmente
  • 58. Limite Inferior de Cramér-Rao 1 = ρT,Y · σT · σY (6) ρ = 1 σT · σY De ρ2 ≤ 1 1 σ2 T · σ2 Y ≤ 1 e nalmente σ2 T ≥ 1 σ2 Y
  • 59. Limite Inferior de Cramér-Rao 1 = ρT,Y · σT · σY (6) ρ = 1 σT · σY De ρ2 ≤ 1 1 σ2 T · σ2 Y ≤ 1 e nalmente σ2 T ≥ 1 σ2 Y Lembrando da eq. (4): V ar[Y ] = nE d dθ ln f(X, θ) 2 σ2 T ≥ nE d dθ ln f(X, θ) 2 −1