Universidad de Carabobo

Facultad Experimental de Ciencias y Tecnologa

Estadstica I

Gua de ejercicios (Estimaci

on Puntual)
1. Sean X1 , X2 , , Xn una muestra aleatoria independiente de una variable
aleatoria distribuida uniformemente en el intervalo (0, ), con desconocido. Utiliza el metodo de m
axima verosimilitud y el metodo de los
momentos para estimar el valor del par
ametro a partir de la muestra
aleatoria.
n
Note que si X U (0, ) entonces: f (x) =

si 0x

otro caso

2. Sean X1 , X2 , , Xn una muestra aleatoria independiente de una variable

aleatoria distribuida uniformemente en el intervalo (, ), con desconocido. Utiliza el metodo de los momentos para estimar el valor del
par
ametro a partir de la muestra aleatoria.
Ayuda: Si el primer momento no da informaci
on utilice el segundo.
3. Sea X1 , X2 , , Xn una muestra aleatoria de tama
no 10 de alguna distri2
buci
on tal que E(X)
=

y
V
(X)
=

.
Consideremos
los estadsticos:
Pn
Xi
i=1
y 2 =
1 = X
como posibles estimadores de . Obtener los
n+1
errores cuadr
aticos medios 1 y 2 . Cu
al de los dos estimadores es mejor?
Graficar ECM (1 ) y ECM (2 ) considerando como abscisa.
4. Suponga que X1 , X2 , , Xn es una muestra aleatoria de alguna distribuci
on, con E[Xi ] = y V [Xi ] = 2 . Demuestre que :
n

S2 =

1 X
2
(Xi X)
n 1 i=1

es un estimador consistente para 2 .

5. Sea X1 , X2 , , Xn una muestra aleatoria independientes de una distribuci
on de Poisson cuya funci
on de probabilidad es:
x e
; x = 0, 1, 2, . . .
x!
=X
para es un estadsticos suficiente.
Demostrar que el estimador
f (x, ) =

Por definici
on de suficiencia, es decir, la distribucion conjunta de la
es independiente de .
muestra aleatoria X1 , X2 , , Xn , dado ,
Utilice el Teorema de factorizaci
on de Neyman.

6. Demuestre que el estadstico Y = 16 (X1 + 2X2 + 3X3 ) no es suficiente para

estimar el par
ametro p de la poblaci
on de Bernoulli.

Probar que la distribuci

on conjunta de la muestra aleatoria X1 , X2 , , Xn
es dependiente de .
dado ,
Utilice el Teorema de factorizaci
on de Neyman.
7. Supongase que X1 , X2 , , Xn un muestra aleatoria independiente de una
distribuci
on exponencialcon par
ametro , cuya funcion de densidad de
probabilidad es: f (x) =

1
1
e

si x>0

otro caso
es un estimador suficiente.
Demostrar que X
0

8. Suponga que se tiene una muestra aleatoria de tama

no 2n tomada de una
poblaci
on X, tal que E(X) = y V (X) = 2 . Sean
2n

1X
1 X
Xi y X2 =
Xi
X1 =
2n i=1
n i=1
dos estimadores de . Cual es el mejor estimador de ? explique su elecci
on.
9. Sea X1 , X2 , , X7 una muestra aleatoria de una poblacion que tiene media y varianza 2 . Considere los siguientes estimadores de :
T1 =

X1 + X2 + + X7
7

T2 =

2X1 X6 + X4
2

(a) Alguno de los estimadores es insesgado?

(b) Cual estimador es mejor?. En que sentido es mejor?
10. Suponga que T1 y T2 son estimadores del par
ametro . Se sabe que
E(T1 ) = , E(T2 ) = /2, V (T1 ) = 10, V (T2 ) = 4. Que estimador es
mejor? En que sentido lo es?
11. Suponga que T1 , T2 y T3 son estimadores de . Se sabe que E(T1 ) =
E(T2 ) = , E(T3 ) 6= , V (T1 ) = 12,V (T2 ) = 10 y E[(T3 )2 ] = 6. Haga
una comparaci
on de estos tres estimadores. Cual prefiere? Por que?.
12. Sea X una variable aleatoria normal con = 0 y varianza 2 y X1 , X2 , , Xn
una muestra aleatoria independiente de X. Demostrar que:
Pn
2
i=1 Xi
n
es un estimador in-sesgado de 2
2

13. Si X es una variable aleatoria binomial de par

ametro p y
X
X +1
y T2 =
n
n+2
son estimadores del par
ametro p
T1 =

(a) Son insesgado?

(b) Si alguno no es insesgado, determine el sesgo del estimador
(c) Obtenga el error cuadr
atico medio de T1 y T2 . Comente sobre el
ECM de estos estimadores para p(1 p) = 0,25 y n = 5, 10, 30, 50 y
100. Que concluye?.
14. (a) Demuestre que

Pn

i=1 (Xi

V =

2
X)

es un estimador sesgado de 2 .
(b) Determine la magnitud del sesgo en el estimador.
(c) Que sucede con el sesgo a medida que aumenta el tama
no n de la
muestra?
15. Sea X1 , X2 , Xn una muestra aleatoria independientes de tama
no n
2 es un estimador sesgado de 2
(a) Demuestre que X
(b) Determine la magnitud del sesgo en este estimador.
(c) Que sucede con el sesgo a medida que aumenta el tama
no n de la
muestra?
(d) Verifique si el estimador es asint
oticamente insesgado.
16. Supongase que X es una variable aleatoria con media y varianza 2 .
Sea X1 , X2 , , Xn una muestra aleatoria de tama
no n tomada de una
y la
poblaci
on representada por X. Demuestre que la media muestral X
varianza muestral
S2 =

Pn

2
X)
n1

i=1 (Xi

son estimadores insesgado de y 2 , respectivamente.

17. De una poblaci
on que tiene media y varianza 2 , se toman tres muestras
aleatorias de tama
no n1 = 20, n2 = 10 y n3 = 8. Demuestre que
S2 =

20S12 + 10S22 + 8S32

38

es un estimador insesgado de 2 .

18. si X1 es la media de una muestra aleatoria de tam

no n tomada de una
poblaci
on normal con media y varianza 12 , y X2 la media de una muestra
aleatoria de tama
no n tomada de una poblaci
on normal con media y
varianza 22 , demuestre que
(a) T = wX1 + (1 w)X2 donde 0 w 1, es un estimador insesgado
de .
(b) Para que valores de w, la varianza del estimador T es un mnimo?
(c) Si los tama
nos de la muestra son diferentes, pero las varianzas son
iguales. Para que valores de w la varianza del estimador T es mnimo?
19. Suponga que se tiene una muestra aleatoria de tama
no 2n de una poblacion
denotada por X, y E(X) = y V (X) = 2 . Sean
2n

1 X
1 X
Xi y X2 =
Xi
X1 =
2n i=1
n1
i6=3

dos estimadores de . Determine si dichos estimadores son insesgados,

calcule el ECM de cada estimador y diga cu
al es el mejor estimador de
. Estudie adem
as la consistencia de ambos estimadores.
20. Obtenga el estimador de m
axima verosimilitud del parametro p de una
distribuci
on geometrica.
21. Sea X una variable aleatoria con la siguiente distribucion de probabilidad:

( + 1)x si 0 x 1
f (x) =
0 otro caso
Encuentre el estimador de m
axima verosimilitud de , con base a una
muestra aleatoria de tama
no n.
22. Una variable aleatoria X tiene la siguiente funci
on de densidad de probabilidad
 (x)
e
si x >
f (x) =
0 otro caso
Que puede decirse sobre el estimador de m
axima verosimilitud de .?
23. Una empresa se dedica al envasado de legumbres, y dispone de una maquina para rellenar los paquetes cuya etiqueta indica 1 Kg, que cuando
esta perfectamente regulada vierte aproximadamente es cantidad, errando
una veces por exceso y otras por defecto, pero siempre una cantidad insignificante. a causa de un accidente, la llenadora de ha desequilibrado y
se desconoce la cantidad promedio que deposita en cada paquete, a partir

de una muestra de 12 paquetes, se han propuesto dos estimadores de la

misma:
12
12
1 X
1 X

=
Xi y
=
Xi
12 i=1
13 i=1
donde Xi representa el peso del i esimo paquete de la muestra. En esas
condiciones, Cual de los dos estimadores es mejor estudiando su ECM ?
justifique su respuesta.
24. Sea X1 , X2 , , X16 una muestra aleatoria de una poblacion con funcion
de probabilidad
(
n!
px (1 p)nx x = 0, 1, 2, . . . n y 0 p 1
p(x; n, p) = (nx)!x!
0 otro caso
Estime por el metodo de m
axima verosimilitud el parametro p.
25. Consideremos una poblaci
on sobre la que se esta estudiando ciertas caractersticas representada por la variable aleatoria X, cuya funcion de
probabilidad viene definida as:
P (X = x) = (1 )x1

x = 1, 2, 3, . . . con 0 1

Determine es estimador de m
axima verosimilitud del parametro poblacional (suponga que mediante un muestreo aleatorio simple se han efectuados n observaciones)
26. Se est
a estudiando una caracterstica poblacional X, que sigue una distribuci
on normal, X N (, 2 ). Extraida de la poblacion una muestra
es un estimador
aleatoria de tama
no n, comprobar si la media muestral, X,
insesgado y eficiente de la media poblacional, .
27. Determinar el estimador del par
ametro de un distribucion exponencial que
se obtiene por el metodo de m
axima verosimilitud. compruebe las propiedades de (a) insesgadez, (b) suficiencia, (c) eficiencia y (d) consistencia de
tal estimador.
28. Sea X1 , X2 , . . . , Xn una muestra aleatoria de una poblacion con funcion
de probabilidad
 1 2 x

si x > 0, > 0
3x e
f (x; ) = 2
0 otro caso
Si E(X) = 3 y V (X) = 32

(a) Demostrar que = X

3 es un estimador insesgado, eficiente, consistente y suficiente para
(b) Hallar el estimador por el metodo de m
axima verosimilitud para .
5

29. Sea X1 , X2 , . . . , Xn una muestra aleatoria de una poblacion exponencial,

es decir,
f (x : ) = ex , x > 0, > 0
Pruebese que la cota de Cramer-Rao para estimadores insesgado de es
2
n.
30. La vida u
til de un aparato de aire acondicionado sigue una distribucion
de Rayleigh, cuya funci
on de densidad obedece a la formula:
f (x; 2 ) =

x x22
e 2 x > 0
2

Obtenga la estimaci
on por el metodo de m
axima verosimilitud del parametro desconocido 2 . A partir de una muestra aleatoria de 10 aparatos que
han durado funcionando 750, 215, 520, 853, 1042, 911, 876, 924, 978 y 413
das respectivamente.
31. Sea X una variable aleatoria que se distribuye seg
un la siguiente funcion
de densidad:
(
k
si x > k, > 0
+1
f (x; ) = x
0 otro caso
Obtenga el estimador de m
axima verosimilitud para