Una nota sobre los estimadores de máxima verosimilitud en la distribución hipergeométrica

• Hanwen Zhang ^[1]
  1. [1] Universidad Santo Tomás

     Universidad Santo Tomás

     Santiago, Chile

     
• Localización: Comunicaciones en Estadística, ISSN 2027-3355, ISSN-e 2339-3076, Vol. 2, Nº. 2, 2009, págs. 169-174
• Idioma: español
• DOI: 10.15332/s2027-3355.2009.0002.04
• Títulos paralelos:
  • The method of maximum likelihood estimation is one of the most important sta- tistical techniques, and it is widely used by statistical scientists. However for the hypergeometric distribution Hg ( n;R;N ), the maximum likelihood estimators of N and R are not clear in most of the statistical texts. In this paper, rigorous procedures in order to nd the maximum likelihood estimator of N and R in a hypergeometric distribution are presented.
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El método de estimación de máxima verosimilitud es una de las técnicas más importantes de la estadística y es utilizado ampliamente por los profesionales estadísticos. Sin embargo, para la distribución hipergeométrica Hg(n,R,N), los estimadores de máxima verosimilitud de N y R no están claramente especificados en la mayoría de los textos estadísticos. En este artículo se presentan los procedimientos rigurosos para encontrar estos estimadores de máxima verosimilitud.

  • English

    The method of maximum likelihood estimation is one of the most important statistical techniques, and it is widely used by statistical scientists. However for the hypergeometric distribution Hg (n;R;N), the maximum likelihood estimators of N and R are not clear in most of the statistical texts. In this paper, rigorous procedures in order to nd the maximum likelihood estimator of N and R in a hypergeometric distribution are presented.

• Referencias bibliográficas
  • Ardilly, P. & Tillé, Y. (2006), Sampling Methods: Exercises and Solutions. Springer.
  • Bickel, P. & Doksum, K. (2001), Mathematical Statistics. Basic Ideas and Selected Tipics., Vol. I, second edn, Prentice-Hall.
  • Casella, G. & Berger, R. (2002), Statistical Inference., second edn, Duxbury Pres
  • Mood, A.M, G. F. & Boes, D. (1974), Introduction to the theory of statistics., International edition. McGraw Hill.
  • Shao, J. (2003), Mathematical statistics. Second edn, Springer.