Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Estadstica Terica II
1
1 2 2 (1,2,1) , (1,2,2) , (1,2,3)
3
1
3 2
3 (1,3,1) , (1,3,2) , (1,3,3)
1
2 2 2 (2,2,1) , (2,2,2) , (2,2,3)
3
1
3 2
3 (2,3,1) , (2,3,2) , (2,3,3)
1 (3,1,1) , (3,1,2) , (3,1,3)
1 2
3
1
3 2
3 (3,3,1) , (3,3,2) , (3,3,3)
xi P ( x = xi )
1 P ( x = 1) = 0,001
4/3 P ( x = 4 / 3) = 0,006
5/3 P ( x = 5 / 3) = 0,021 + 0,012 = 0,033
2 P ( x = 2 ) = 0,084 + 0,008 = 0,092
7/3 P ( x = 7 / 3) = 0,084 + 0,147 = 0,231
8/3 P ( x = 8 / 3) = 0,294
1 P ( x = 3) = 0,343
Muestras
posibles
xi = xi n x2i n 2x i = x2i n x2 Probabilidad
2x P ( 2x = 2x )
i i
0 P( 2
x
)
= 0 = 0,001 + 0,008 + 0,343 = 0,352
P( )
2/9 2
x = 2 / 9 = 0,006 + 0,012 + 0,084 + 0,294 = 0,396
P( = 2 / 3) =
2/3 2
x 0,084
P( = 8 / 9) =
8/9 2
x 0,021 + 0,147 = 0,168
xi P (x = x i ) x i . P (x = x i ) x i2 x i2 . P (x = x i )
1 0,001 0,001 1 0,001
4/3 0,006 4/3 . 0,006 16/9 16/9 . 0,006
5/3 0,033 5/3 . 0,033 25/9 25/9 . 0,033
2 0,092 2 . 0,092 4 4 . 0,092
7/3 0,231 7/3 . 0,231 49/9 49/9 . 0,231
8/3 0,294 8/3 . 0,294 64/9 64/9 . 0,294
3 0,343 3 . 0,343 9 9 . 0,343
E (x ) = x i . P (x = x i ) = 2,6
E (x ) = x 2i . P (x = x i ) = 6,9067
2 muestra
V (x) = E (x 2 ) (E (x)) 2 = 6,9067 (2,6 ) 2 = 0,1467
= E(x) 2 0,44
En consecuencia: Obsrvese que, 2x = a 0,1467 =
2 V ( x ) = 2
x
n 3
2 2
= E (x ) =2
7,2 (2,6) 2 = 0,44 (varianza poblacional)
(3 1) (0,44) (n 1) 2
Se verifica la relacin: E (2x ) = 0,2933 = =
3 n
2.- Se sabe que el peso de los jvenes entre 14 y 18 aos sigue una distribucin normal
con media 50 kg y desviacin tpica 25 kg. Para llevar a cabo un estudio del control de
peso se seleccionan aleatoriamente 100 jvenes cuyas edades se encuentran
comprendidas en el intervalo sealado. Si el peso medio muestral est entre 45 y 70 kg
se considera que estn dentro de los lmites normales. Cul es la probabilidad de que el
peso est fuera de control?
Solucin:
v. a. X = peso entre 14 y 18 aos
3.- Los barcos que hacen visitas guiadas por el Sena disponen de 60 asientos por barco
y una capacidad mxima de 4.200 kg por viaje. Los dueos de la empresa de barcos
saben por experiencia que los pesos de los turistas tienen una media de 71 kg y una
dispersin, medida a travs de la desviacin tpica, de 10 kg.
a) Cul es la probabilidad de que un grupo de 60 turistas, escogidos aleatoriamente
en uno de los viajes, tenga un peso medio superior al total de la carga lmite
permitida?
b) Cul sera el resultado si la varianza poblacional fuera desconocida?. (Suponga
que la desviacin tpica muestral es de 5 kg).
Solucin:
x 71 70 71
P ( x > 70 ) = P > = P ( z > 0,77) = P ( z < 0,77) =
1,29 1,29
= 1 P ( z > 0,77) = 1 0,2206 = 0,7794
x 71 70 71
P ( x > 70 ) = P = P ( t59 > 1,53) P ( z > 1,53) =
n > 30
>
5 59 5 59
= P ( z < 1,53) = 1 P ( z > 1,53) = 1 0,063 = 0,937
Interpolando: P ( t59 > 1,53) = P ( t59 < 1,53) = 1 P ( t59 > 1,53) = 1 0,069 = 0,931
P ( t59 > 1,53) = P ( t59 < 1,53) = 1 P ( t59 > 1,53) = 1 0,069 = 0,931
0,14 . 0,05
x = 0,05 + = 0,069
0,37
Solucin:
x 71 70 71
P ( x > 70 ) = P > = P ( z > 0,77) = P ( z < 0,77) =
1,29 1,29
= 1 P ( z > 0,77) = 1 0,2206 = 0,7794
x 71 70 71
P ( x > 70 ) = P = P ( t59 > 1,53) P ( z > 1,53) =
n > 30
>
5 59 5 59
= P ( z < 1,53) = 1 P ( z > 1,53) = 1 0,063 = 0,937
Interpolando: P ( t59 > 1,53) = P ( t59 < 1,53) = 1 P ( t59 > 1,53) = 1 0,069 = 0,931
0,14 . 0,05
x = 0,05 + = 0,069
0,37
x x
= tn 1 y es una cantidad pivotal para
x sx
n1 n
recordemos que n . 2 = (n 1) . s2
x 71 70 71
P ( x > 70 ) = P > = P ( t59 > 1,5369) = P ( t59 < 1,5369) =
5,04 60 5,04 60
= 1 P ( t59 > 1,5369) = 1 x = 1 0,06789 = 0,09321
0,1342 . 0,05
x = 0,05 + = 0,06789
0,375
5.- Se sabe por los datos censales que la variabilidad de la altura de alumnos de una
clase medida a travs de la varianza es de 15,3. No obstante, para estudiar la
variabilidad en el muestreo de la varianza muestral se decide tomar una m.a.s. de 15
alumnos. Cul es la probabilidad de que la varianza muestral sea mayor que 15?
Nota: Suponer que la estatura es una variable aleatoria normalmente distribuida.
Solucin:
2 varianza poblacional
2x varianza muestral
s2x cuasivarianza muestral
(
v.a. X =estatura: X N ; 15,3 N ( ; 3,91 ) )
n . 2x n = 15 15 . 2x
n21 2
14
2 15,3
(
P 2x > 15 )= 15 . 2 15 . 15
P
15,3
x >
15,3 14 ( )
= P 2 > 14,7 = 0,4835
2
P 14(> 14,7 = x ) 7,790 21,064
14,7 - 21,064
0,90 - 0,10
x 0,10
13,274
6,364
0,80
x 0,10
6,364 . 0,80
x = 0,10 + = 0,4835
13,274
(n 1) . s2x n = 15 14 . s2x
De otra parte, n21 2
2
14
15,3
(
P s2x > 15 ) 14 . s2
= P
15,3
x
>
14 . 15
15 ,3
2
= P 14 ( )
> 13,725 = 0,5423
6.- Se desea analizar las diferencias de las calificaciones entre dos grupos de alumnos.
Unos proceden del Grupo b1 y otros del Grupo b2. Para estudiar la distribucin en el
muestro de la diferencia de medias se toman m.a.s. independientes de ambas
poblaciones obtenindose la siguiente tabla:
Grupo b1 Grupo b2
Tamao de la poblacin 200 150
Tamao de la muestra 100 75
Media de la poblacin 4,10 5,18
Media de la muestra 4,2153 5,3247
Desviacin tpica de la poblacin 1,55 1,95
Desviacin tpica de la muestra 1,5635 1,8238
Cul es la probabilidad de que la diferencia de medias muestrales sea mayor que uno?
Solucin:
v.a. X =calificacin del Grupo b1 X N(4,10 , 1,55)
v.a. Y =calificacin del Grupo b2 Y N (5,18 , 1,95)
Con lo cual, (x y) N ( 4,10 5,18 ); 0,155 2 + 0,225 2 N ( 1.08 ; 0,2732)
(
P x y >1 ) = P [ (x y ) > 1] + P [ (x y ) < 1] =
1 + 1,08 1 + 1,08
= P z > + P z < = P (z > 7,61) + P [ z < 0,2928] =
0,2732 0,2732
= 0 + [ 1 P ( z > 0,2928 ) ] = 1 0,3859 = 0,6141
o tambin,
P ( x y >1 =1P) ( )
x y < 1 = 1 P ( 1 < (x y) < 1 ) =
7.- Un concesionario vende dos tipos de vehculos, unos de gama alta y otros de gama
media. Los coches de gama alta suponen el 30% del total de los coches vendidos. Cul
es la probabilidad de que entre los 100 ltimos vehculos vendidos ms del 35% sean de
gama alta?
Solucin:
La variable poblacional
X = 'venta de coches gama
alta' es una variable
binomial B(100; 0,3), que
sigue aproximadamente una
distribucin normal tal que
X N (np ; npq )
Interpolando:
0,0022 . 0,0083
x = 0,1357 + = 0,1375
0,01
8.- Se sabe que los sbados por la noche un 70% de los conductores superan la tasa de
alcoholemia permitida por la ley. Sin embargo esta cifra se reduce a un 40% los
domingos por la noche. Durante un fin de semana, se quiere realizar un control de
alcoholemia y comparar los resultados de los dos das. Se decide elegir al azar 40
vehculos de los que circulan el sbado por la noche y 35 del domingo. Calcular la
probabilidad de que la proporcin muestral de conductores que superan la tasa de
alcoholemia permitida por la ley haya descendido ms de un 10% del sbado al domingo.
Solucin:
p x qx p y qy
[ p x p y ] N [ p x p y ] ;
nx
+
ny
[ p x p y ] N [ 0,7 0,4] ; 0,7 . 0,3 0,4 . 0,6
+ N (0, 3 ; 0,11)
40 35
0, 1 0,3
P ( p x p y > 0, 1) = P z > = P ( z > 1,82) = 1 P ( z > 1,82) = 1 0,0344 = 0,9656
0, 11
Solucin:
p x qx p y qy
[ p x p y ] N [ p x p y ] ;
nx
+
ny
siendo las muestras: nx = 50 , ny = 60
[ px py ] N [ 0,8 0,55] ; 0,8 . 0,2 0,55 . 0,45
+ N (0, 25 ; 0, 0856)
50 60
[ ]
P ( px p y ) < 0, 20 = P z <
0, 2 0,25
0, 0856
= P (z < 0,58) = P (z > 0,58) = 0,2810
[ ]
Como la P ( px p y ) > 0, 20 = 1 0,2810 = 0,719 es bastante probable, se aconsejara
sacar el producto del mercado.
10.- La variable aleatoria poblacional "renta de las familias" del municipio de Madrid se
distribuye siguiendo un modelo N (, 2 ) . Se extraen muestras aleatorias simples de
tamao 4. Como estimadores del parmetro , se proponen los siguientes:
x1 + 2x 2 + 3x 3
1 =
6
x3 4x 2
2 =
3
3 = x
Se pide:
a) Comprobar si los estimadores son insesgados
b) Cul es el ms eficiente?
c) Si tuviera que escoger entre ellos, cul escogera?. Razone su respuesta a partir
del Error Cuadrtico Medio.
Solucin:
E (
x1 + 2x 2 + 3x 3
1) = E
6
=
1
6
[
E x1 + 2x 2 + 3x 3 = ]
=
1
6
[
E ( x 1) + 2 E ( x 2 ) + 3 E ( x 3 ) = ]
1
6
[6 ] =
E (
x1 4x 2
2) = E
3
=
1
3
[
E x1 4x2 ] =
1
3
[
E ( x 1) 4 E ( x 2 ) = ]
1
= [ 3 ] =
3
E (
x1 + x2 + x3 + x 4
3) = E
4
=
1
4
[
E x1 + x2 + x3 + x 4 = ]
=
1
4
[
E ( x 1) + E ( x 2 ) + E ( x 3 ) + E ( x 4 ) =
1
4
]
[4 ] =
[ ]
1
V = V
x1 + 2x 2 + 3x 3
6
=
1
36
[
V x1 + 2x 2 + 3x 3 = ]
=
1
36
[
V ( x 1) + 4 V ( x 2 ) + 9 V ( x 3 ) =
1
36
]14 2 =
14 2
36
[
= 0,39 2 ]
[ ]
2
V = V
x1 4x2
3
=
1
9
V x1 4x2[ ] =
1
9
[ V ( x 1) + 16 V ( x 2 ) ] =
=
1
9
[
17 2 =
9
]
17 2
= 1,89 2
[ ]
V
3
x1 + x2 + x3 + x 4
= V
4
=
1
16
[
V x1 + x2 + x3 + x 4 = ]
=
1
16
[
V ( x 1) + V ( x 2 ) + V ( x 3 ) + V ( x 4 ) =
1
16
]
4 2 =
4 2
16
[
= 0,25 2 ]
El estimador 3 es el ms eficiente.
2
ECM (
) = E (
) 2
= V (
) + E (
)
1424 3
sesgo b (
) = E ( [
) ]
sesgo
Si E14
(
2
)=
4
3 ECM () = V ()
insesgado
Como los tres estimadores son insesgados (centrados), me decido por el que
menor varianza presenta, puesto que coincidir con el que menor ECM tiene, es
decir, escojo el estimador 3
11.- La variable aleatoria X representa los gastos mensuales de una empresa, cuya
funcin de densidad es f (, x) = x 1 con > 0 y 0 < x < 1 . Se realiza una m.a.s. de
tamao 3, y se proponen tres estimadores:
1 = x
x 12 + 2 x 2 2
2 + 3x 3
2 =
6
x 3 2x1 + 4x 2
3 =
6
a) Calcule los sesgos
b) Si la muestra que se obtiene es (0,7 ; 0,1 ; 0,3), calcule las estimaciones
puntuales.
c) Cules son las funciones estimadas para las estimaciones anteriores?
Solucin:
1 = x E (
x 1 + x 2 + x 3
1) = E
3
=
1
3
[
E x1 + x2 + x3 =
1
3
]
(3 ) = (media poblacional)
1
1 1 1 x +1
donde = x f (x, ) dx = 0 x f (x, ) dx = 0 x x 1 dx = 0 x dx = =
+ 1 0 +1
2
El sesgo: b (1 ) = E (1 ) = =
+1 +1
x 12 + 2 x 2 2
2 + 3x 3
Sesgo del estimador 2 =
6
x 2 + 2x 2 + 3x 2
1 2 3 1 2 2 2 1
E (
2) = E = E (x 1 ) + 2 E (x 2 ) + 3 E (x 3 ) = (6 2 ) = 2 ()
6 6 123 123 123 6
2 2 2
entonces,
x 2 + 2 x 2 + 3 x 2
1 2 3 1 2 2 2
E (
2) = E = E (x 1 ) + 2 E (x 2 ) + 3 E (x 3 ) = 2 =
6 6 123 1 2 3 1 2 3 +2
2 2 2
El sesgo: b (2 ) = E 2 =( )
=
2 +
+2
+2
x 3 2x1 + 4x2
Sesgo del estimador 3 =
6
E (
x 3 2 x 1 + 4 x 2
3) = E
6
=
1
6
E x3 2x1 + 4x 2 =
1
6
[
(3 ) =
1
2
]
1
1 1 1 1
x +1
=
x f (x, ) dx = 0
x f (x, ) dx = 0
x x dx = 0
x dx =
+ 1
=
0 +1
1 22 +
El sesgo: b (3 ) = E (3 ) = =
2 + 1 2 ( + 1)
b) Si la muestra que se obtiene es (0,7 ; 0,1 ; 0,3), calcule las estimaciones puntuales.
0, 7 + 0, 1 + 0, 3
1 = = 0, 367
3
0, 7 2 + 2 . 0, 1 2 + 3 . 0, 3 2
2 = = 0, 13
6
0, 3 2 . 0, 7 + 4 . 0, 1
3 = = 0, 117 a no puede ser, puesto que
> 0
6
12.- Sea una poblacin con media de la que se extraen m.a.s. de tamao n. Considere
los siguientes estimadores de la media:
n
1
1 = x
2 =
n+1
xi
i =1
a) Estudie la insesgadez, la eficiencia relativa y la consistencia de ambos
estimadores.
b) Elija uno de los dos en trmino del error cuadrtico medio.
Solucin:
a) Insesgadez
1 n 1 n
1 n
1
E (
1 ) = E (x) = E (
n i=1
x i) =
n
E ( x i) =
n
E (x i ) =
n
(n ) =
i=1 i=1
b (
1 ) = E (
1) = = 0
1 n 1 n
1 n
1 n
E (
2) = E(
n + 1 i=1
x i ) =
n+1
E ( x i) =
n+1
E (x i ) =
n+1
(n ) =
n+1
i=1 i=1
Eficiencia
1 n 1 n 1 2 2
V (
1 ) = V (x ) = V ( x i) = V (x i ) = ( n ) =
n i=1 n 2 i=1 n2 n
1 n 1 n
1 n
V (
2) = V ( x i ) = 2 V (x i ) = 2
(n 2) = 2
n + 1 i=1 (n + 1) i=1 (n + 1) (n + 1) 2
Consistencia
1
lim E (
2 ) = lim =
n n n+1
2
es consistente
n
lim V (
2 ) = lim 2 = 0
n n (n + 1) 2
2 2
1 ) = V (
ECM ( 1) + [ b ( 1)] 2 = n
+0=
n
2
n 2 + 2
ECM (
2 ) = V (
2) + [ b ( 2 )] 2 = n 1
2 +
=
(n + 1) 2 n+1 (n + 1) 2
En esta lnea,
2 n 2 + 2 n 2 2 2 n 2 2
= +
n (n + 1) 2 (n + 1) 2 (n + 1) 2 n (n + 1) 2 (n + 1) 2
2n + 1 2n + 1 2
2 2
n n 2
2n + 1 2
Si 1 se elige antes que
a 2
n 2
2n + 1 2
Si 2 se elige antes que
a 1
n 2
13.- El peso en kilos de los jamones vendidos por una empresa sigue una distribucin
normal con varianza 4 y peso medio desconocido. Se conoce que el peso medio de los
jamones vendidos es superior a 5 kg, y se toman m.a.s. de tamao 4 para estimar .
Cul de los dos estimadores sera el mejor respondiendo a la insesgadez y eficiencia?
X1 + X2 + X3 X1 + X2
1 =
2 =
4 2
Solucin:
La v.a X i =' peso en kg de los jamones' sigue una distribucin normal de varianza 4
Para estudiar la insesgadez de los estimadores hallamos sus esperanzas:
E (
X 1 + X 2 + X 3
1) = E
4
=
1
4
[
E (X 1 ) + E (X 2 ) + E (X 2 ) =
3
4
]
3 1
El sesgo del estimador 1 ser: b ( 1) = E ( 1) = =
4 4
E (
X 1 + X 2
2) = E
2
=
1
2
[
E (X 1 ) + E (X 2 ) ] =
2
2
=
El estimador 2 es insesgado, b ( 2 ) = 0
V (X i ) = 4
}
V (
X 1
2) = V
+ X2
2
=
1
V (X 1 + X 2 ) =
4 1442443
1
4
[ V (X 1) + V (X 2 ) ] =
1
4
8 = 2
las observaciones
son independientes
3
2
2 + 12
ECM ( 1) = + =
4 4 16
ECM = Varianza + (sesgo) 2
ECM (
2) = 2 + 0 = 2
Se analiza cuando es mayor el ECM del primer estimador 1 : ECM( 1) > ECM ( 2 )
2 + 12
> 2 2 > 20 > 20 4,47
16
Si es en valor absoluto mayor que 4,47, el error cuadrtico medio de 1 es mayor, con
lo que se elige el estimador 2 .
Como sabemos que el peso medio de los jamones es superior a 5 kg, no queda duda que
el estimador a elegir (con menor error cuadrtico medio) es 2 .
a) Analizar cul de los estimadores 1 , 2 del peso medio es mejor respecto del
sesgo y de la eficiencia, para una muestra aleatoria simple de tamao cinco.
5
Xi
b) Si
1 = i=1
y 2 = X1 + 2X 2 + 3X 3 4X 4 X 5 ,
obtener los pesos medios
5
estimados a partir de la siguiente muestra (125, 135, 130, 137, 142).
Solucin.-
Calculamos las esperanzas de los estimadores para analizar el sesgo de los estimadores
E (X i) =
5 1 5 5 }
E [ X i]
1 1
E ( 1) = E X i 5 = E X i = = (5 ) =
i=1 5 i=1 5 i =1 5
E ( 2) = E (X 1 + 2 X 2 + 3 X 3 4 X 4 X 5) = E (X 1) + 2 E ( X 2) + 3 E ( X 3) 4 E ( X 4) E ( X 5) =
= + 2 + 3 4 =
V (X i ) = 7 2
5 5 5
V [X i ]
1 1 } 1 49
1) = V X i 5 =
V ( V X i = = (5 . 49) =
i=1 25 i=1 25 i=1 25 5
V ( 2) = V (X 1 + 2 X 2 + 3 X 3 4 X 4 X 5) = V (X 1) + 4 V ( X 2) + 9 V ( X 3) + 16 V ( X 4) + V ( X 5) =
= (49) + 4 (49) + 9 (49) + 16 (49) + (49) = 31 (49) = 1519
n 1 n 1 n 1 n
1) = E ( X i n 1) =
E ( E ( X i ) = E (X i) = (n ) =
i=1 n 1 i=1 n1 i=1 n1 n1
n 1
El sesgo del estimador 1 ser: b (
1 ) = E (
1) = =
n1 n1
n 1 n 1 n 1
2 ) = E ( X i n) =
E ( E ( X i ) = E (X i) = n (n ) =
i=1 n i=1 n i=1
n
1 n
1 n
1 n 2
1) = V ( X i
V ( n 1) = V ( X i ) = V (X i ) = (n 2 ) =
i =1 (n 1) 2 i =1 (n 1) 2 i =1 (n 1) 2 (n 1) 2
n 1 n 1 n 1 2
2 ) = V ( X i n) =
V ( V ( X i ) = V (X i) = (n 2 ) =
i=1 n2 i=1 n i=1 n2 n
16.- Una urna contiene bolas blancas y negras. Sea p la probabilidad de extraer una
bola blanca cuando se realiza una extraccin al azar. Asociado a este experimento
aleatorio tenemos la variable aleatoria X que puede tomar los valores:
Solucin.-
P(B) = p
Si la muestra (B, N, B) es independiente, siendo
P(N) = 1 p
3
x 1 x1 x 1x2 x 1 x3
L (p) = P (x i , p) = p 1 (1 p) . p 2 (1 p) . p 3 (1 p) =
i =1
x +x2 +x3 3 ( x 1 + x 2 + x 3)
= p 1 (1 p)
L (p) = p 1 + 0 + 1 (1 p) 3 ( 1 + 0 + 1) = p 2. (1 p)
Solucin.-
a)
x E (X) =
En la distribucin de Poisson: P (X = x) = e
x! V (X) =
x x
xi
n
1 n i=1
L ( ) = L (X , ) = P (x i, ) = e L e = n e n
i=1 x 1! x n!
x i!
i=1
n n n
xi xi
i =1 i =1 xi n
n n
L (X , ) = n e ln L (X , ) = ln n e = ln ( i =1 ) ln ( x i !) + ln (e n ) =
i=1
x i! x i!
i=1 i =1
n n
= x i Ln Ln (x i !) n
i=1 i=1
Lo que nos dice que el Estimador de Mxima Verosimilitud (EMV) del parmetro
vendra dado por la media muestral: EMV () = x
Insesgadez
Eficiencia
Para que un estimador sea eficiente tiene que ser centrado y de varianza mnima.
La varianza mnima se analiza en virtud de la acotacin de Cramer-Rao:
1
V (
) 2
acotacin de Cramer - Rao
ln f(x , )
n E
x
Ahora bien, f (x , ) = e
x!
x
ln f (x , ) = ln e = x ln ln (x !)
x !
ln f (x , ) x x
= 1 =
2 2
ln f (x , ) x 1 1 1 1
E = E = 2
E (x ) 2 = 2
E (x x) 2 = 2
V (x) = 2
=
1
En consecuencia, V (
) =
1 n
n
El resultado nos dice que el menor valor de la varianza del estimador sera n .
Consistencia
lim E (
) = lim =
n n
lim V (
) = lim =0
n n n
El estimador es consistente
Solucin.-
(
L(p) = (1 p) 9 p ) ( (1 p) 14 p ) ( (1 p) 17 p ) = (1 p) 40 p 3
(
log [ L(p)] = log (1 p) 40 p 3 ) = log (1 p) 40
+ log p 3 = 40 log (1 p) + 3 log p
log [ L(p)] 40 3 3
= + =0 a p =
dp 1p p 43
Solucin.-
( )
log L(p, q) = log p 450 (1 p) 550 q 350 (1 q) 650 = 450 log p + 550 log (1 p) + 350 log q + 650 log (1 q)
La variable aleatoria X = "nmero de mujeres con ojos oscuros, entre 8" sigue una
distribucin binomial B (n = 8 ; p = 0,24)
8
P(X 1) = 1 P(X = 0) = 1 (0,24) 0 (0,76) 8 = 0,89
0
Y 48 60 48
P(Y > 60) = P > = P(z > 1,99) = 0,0233
6,04 6,04
Solucin.-
La funcin de verosimilitud
n
a xi
L = L (x 1, x 2 , L , x n ; a) = (a 2 e a x1 ) . (a 2 e a x2 ) L (a 2 e a xn ) = a 2 n e i=1
n
a xi n
aplicando logaritmos neperianos: log L = log (a 2 n e i=1
) = 2 n log a a x i
i=1
derivando respecto de 'a' e igualando a cero:
d (log L) 2 n n 2n 2 2
= x i = 0 a = = a =
da a i=1 n x x
xi
i=1
d (log L) 2 2 1
= (x1 + x2 ) = 0 a = =
da a x1 + x2 x
Solucin.-
(x1 ) 2 (x 2 ) 2 (x n ) 2
1 2 2 1 2 2 1 2 2
L (X; , 2 ) = e e L e =
2 2 2 2 2 2
n
2
(xi )
i=1
1 2 2
= e
n n
2 2 2
(2 ) ( )
n
(xi )
2
n
(xi )2
i=1
[ ]
1 2 n n
log L (X; , 2 ) = log n n
e 2 2
= log (2 ) log ( ) i =1
2 2 2 2
2 2 2
(2 ) ( )
n
[ ]=
2
2 (xi )
d log L (X; , ) n
+ i=1 =0
2 2
d 2 24
n
2
(xi )
como 2 > 0 , el estimador mximo verosmil de 2 ser: 2 = i =1
n
Solucin.-
(x1 ) 2 (x 2 ) 2 (x n ) 2
1 2 2 1 2 2 1 2 2
L (X; , 2 ) = e e L e =
2 2 2 2 2 2
n
2
(xi )
i =1
1 2 2
= e
n n
2 2 2
(2 ) ( )
n
(xi )
2
n
(xi )2
i=1
[ ]
1 2 n n
log L (X; , 2 ) = log n n
e 2 2
= log (2 ) log ( ) i =1
2 2 2 2
2 2 2
(2 ) ( )
n
[
log L (X; , )
= i=1
2
] (xi )
=0
2
n
[ ]=
2
(xi )
log L (X; , 2 ) n
+ i=1 =0
2 2
2 24
n
2
(xi x)
resolviendo el sistema resulta: =x y
2 = i =1
= 2x
n
1
P ( = 1) =
2
+ 0< <1
P ( = 0) =
2 0< <1
1
P ( = 1) =
2
Solucin.-
Puesto que hay que estimar dos parmetros hay que calcular los dos primeros
momentos.
644444444444444444momentos 444447 poblaciona les
4444444444444444444444 8
1 + 1
1 = = E() = x i P( = x i ) = (1) + (0) + (1) =
i 2 2 2 2
1 + 1 2
2 = E( 2 ) = x i2 P( = x i ) = (1) 2 + (0) 2 + (1) 2 =
i 2 2 2 2
6444momentos
44447muestrales
44444448
xi x i2
a1 = x = i a2 = i
n n
Insesgadez
2
E (
) = E ( 1 a 2 + x) = 1 E (a 2 ) + E (x) = 1 2 + = 1 + =
2 2
2
E (
) = E ( 1 a 2 x) = 1 E (a 2 ) E (x) = 1 2 = 1 =
2 2
Solucin.-
a)
1 n [1 n ]
P (x , L , x ) = g (x , L , x ) , . h (x , L , x )
1 n caso discreto
1 n [ 1 n ]
f (x , L , x ) = g (x , L , x ) , . h (x , L , x )
1 n caso continuo
1 1 1 ) = n (x L x ) 1
L () = f (x 1) f (x 2) L f (x n) = ( x ) ( x ) L ( x n 1 n
1 2
b) L () = n (x 1 L x n ) 1
n n
1 1
ln L () = ln n (x 1 L x n ) 1 = ln n + ln x = ln n + ln ( x i )
i
i=1 i =1
n ln L () n n n
ln L () = n ln + ( 1) ln (x i) = + x i = 0 a =
i=1 i=1 n
ln (x i)
i=1
x
x ( + 1) = =
1 x
Solucin.-
E (
) = E ( x 1 ) = E ( x ) 1 = ( + 1 ) 1 =
x+ x+ x+ x+
x { e
14243 dx = x 1e4243)
{ ( 1e4243 dx
{ = xe e x+ =
u dv u du
v v
int egracin 1 + x
= (1 + x) e x + = e
por partes ex
x e x + dx = e 1 + x = 1 +
x
e
Solucin.-
La funcin de verosimilitud L () :
x1 x 2 x n
L () = f (x 1) f (x 2) L f (x n) = ( 2 x 1 e ) ( 2 x 2 e ) L ( 2 x n e )
n
xi
(x 1 + x 2 + L + x n )
= 2 n (x 1 L x n) e = 2 n (x 1 L x n) e i =1
n n
xi xi
L () = 2 n (x 1 L x n) e i = 1 ln L () = ln 2 n (x 1 L x n) e i = 1
n n n n
ln L () = (2 n) ln + ln x i x i ln L () = (2 n) ln + ln x i x i
i=1 i=1 i=1 i=1
ln L () 2n n 2n
= xi = 0 =
i=1 n
xi
i=1
27.- El coseno X del ngulo con el que se emiten los electrones en un proceso
radioactivo es una variable aleatoria con funcin de densidad
( 1 + x ) 2 1 x 1
f (x) = 1 1
0 en el resto
Solucin.-
a) Se plantea la ecuacin E [ X] = x
1
1+ x x 2 x3
x = E [X] =
1
1
x
2
dx =
2
+
6
1
=
3
= 3x
V (X) 9
b) V () = V (3 x) = 9 V (x) = 9 = V (X)
n n
2 1 2
1+ x x 3 x 4 3 2
V (X) = E (X ) [E (X)]
2 2 1 2
= 1
x
2
dx
3
= + =
6 8
1
3 9
9 9 3 2 3 2
de donde, V () = V (X) = =
n n 9 n
lim E (
) =
n
Para probar que es consistente para estimar es suficiente probar
lim V (
) = 0
n
lim E (
) = lim E (3 x) = lim 3 E (x) = 3 E (X) = 3 =
n n n 3
3 2
lim V (
) = lim V (3 x) = lim =0
n n n n