Anlisis Estadstico

Prctica 2.
Algunos de los problemas en esta gua fueron seleccionados y adaptados del
captulo 8 de Rice. Se espera que los alumnos resuelvan los problemas segn el
siguiente cronograma
24/08 1 al 11
25/08 12 al 20
31/08 21 al 24
01/09 25 al 30
07/09 31 al 37
08/09 38 al 43
Problema 1. Este problema se reere a un mtodo muy inteligente para
averiguar el tamao de una poblacin muy grande, llamado captura-recaptura.
Con el objetivo de determinar el tamao de una poblacin de animales deter-
minados, por ejemplo ovejas en una estancia muy grande, suponga que se utiliza
el siguiente procedimiento. Primero se capturan 100 animales, se los marca en
el cuerpo con alguna marca imborrable, y se los libera. Al cabo de un tiempo,
se captura al azar un nuevo grupo de 50 animales de la poblacin. Suponga que
se encuentra que entre los cincuenta capturados, 20 haban sido marcados en la
captura anterior (es decir pertenecen al grupo capturado la primera vez).
a. Cmo calculara en base a estos datos un estimador del nmero de
animales en la poblacin?
b. Bajo que condiciones sobre el proceso de captura/recaptura es su esti-
mador un estimador "razonable" del nmero de animales en la poblacin?
Problema 2. Cmo respondera al siguiente comentario:. "Esto de la
distribucin de la media muestral es una idea ridcula"?. Suponga que est esti-
mando la edad de los egresados de la Universidad, para ello toma una muestra
aleatoria simple y encuentra que la media muestral es 22.5. Cmo puede ser
que esto sea una variable aleatoria con una distribucin de probabilidad asociada
si 22.5 es simplemente un nmero?
Problema 3. Suponga que la cantidad de personas que entran en una
hora a una farmacia es una variable alearora con distribucin Poisson con me-
dia `
0
.Use la aproximacin Normal de la distribucin de Poisson para hacer
un esquema aproximado del histograma de probabilidad de la distribucin de
muestreo de

` =
1
n
n

I=1
A
I
. De acuerdo a esta distribucin muestral, cunto vale
1
_

` `
0

c
_
para c = 0, 5 ; 1; 1, 5; 2 y 2, 5 donde `
0
es el valor verdadero
de `?
1
Problema 4. Suponga que A
1
, ..., A
n
son i.i.d. cada una con una distribu-
cin cuya densidad es igual a
) (r[0) =
_
exp((r 0)) si r _ 0
0 de otro modo
Encuentre el estimador del mtodo de momentos de 0. (Ayuda: calcule el
valor esperado de r hallando
_
1
0
rexp((r 0)) dr ).
Problema 5. La distribucin de Pareto es frecuentemente usada en economa
para modelar la densidad de una variable aleatoria cuya densidad decae suave-
mente. La densidad de la distribucin pareto esta dada por
) (r[c, 0) =
_
0c
0
r
01
si r _ c y 0 1
0 de otro modo
Asuma que c 0 es conocido y que A
1
, ..., A
n
son i.i.d. y cada una con
distribucin ) (r[c, 0) .Encuentre el estimador del mtodo de momentos de 0
Problema 6. Sean A
1
, ..., A
n
i.i.d cada uno con distribucion Rayleigh con
parmetro 0 0 cuya densidad es
) (r[0) =
_
r
0
2
exp
_
r
2
,
_
20
2
__
si r _ 0
0 de otro modo
Encuentre el estimador del mtodo de momentos de 0, llmelo

0
11
. Ayuda:
1(A) = 0
_
t
2
y \ (A) =
4t
2
0
2
.Encuentre la distribucin asinttica de
_
:
_

0
11
0
_
Problema 7. Sean A
1
, ..., A
n
i.i.d cuya densidad es de parmetro 0 0
es
) (r[0) =
_
(0 + 1) r
0
si 0 _ r _ 1
0 de otro modo
Encuentre el estimador del mtodo de momentos de 0.
Problema 8. Sean A
1
, ..., A
n
variables aleatorias discretas i.i.d cada una
con distribucin geomtrica con parmetro 0 < 0 < 1
1 (A = /[0) = 0 (1 0)
|1
para / = 1, 2, ...
a. Encuentre el estimador del mtodo de momentos de 0, llmelo

0
11
b. Encuentre la distribucin asinttica de
_
:
_

0
11
0
_
2
Problema 9. Sean A
1
, ..., A
n
variables aleatorias i.i.d cada una con dis-
tribucin con parmetro 0 0 dada por
) (r[0) =
1
20
exp
_

[r[
0
_
Encuentre el estimador del mtodo de momentos de 0. Ayuda: 1(A) = 0 y
\ (A) = 20
2
.
Problema 10. Sean A
1
, ..., A
n
variables aleatorias i.i.d que toman valores
en el intervalo [0, 1] y cada una con distribucin con parmetro 0 0 dada por
) (r[0) =
(20)
(0)
2
[r(1 r)]
01
Es posible probar que 1 (A) = 1,2 cualquiera sea 0 0 y que ar (A) =
1, [4 (20 + 1)]
Encuentre un estimador de 0 siguiendo la estrategia del mtodo de momentos
Problema 11. La distribucin de Poisson es usada por los ingenieros para
modelar el trco vehicular, basndose en el razonamiento que la tasa de llegada
de vehculos es aproximadamente constante, y el trco es liviano (de modo de
que los movimientos de los vehculos son independientes), la distribucin de los
vehculos que arriban a una cierta esquina de la ciudad en un intervalo de tiempo
determinado debera seguir una distribucin Poisson. La siguiente tabla lista
el nmero de vehculos que lleg a una esquina especca de la ciudad en 300
intervalos diferentes de 3 minutos cada uno que ocurrieron durante varios das
y horas de una semana especca.
1. Calcule el estimador del mtodo de momentos de la tasa de arribos de
autos por minuto a la esquina dada.
nmero de arribos frecuencia
0 14
1 30
2 36
3 68
4 43
5 43
6 30
7 14
8 10
9 6
10 4
11 1
12 1
13 o mas 0
3
Problema 12. Suponga que A
1
, ..., A
n
son i.i.d. cada una con una
distribucin cuya densidad, para cualquier c pertenciente al intervalo [1; 1] es
igual a
)(r[c) =
1 +cr
2
1
(1r1)
a. Demuestre que el estimador de mtodo de los momentos de c es igual a
c = 3A.
b. Demuestre que c es un estimador insesgado de c, es decir que 1 ( c) = c
cualquiera sea c
c. Demuestre que \ ar ( c) =
_
3 c
2
_
,:
d. Use el Teorema Central del Lmite para deducir la distribucin normal
aproximada de c (es decir la media y la varianza de esta distribucin aprox-
imada). De acuerdo a esta aproximacin, si : = 25 y c = 0, cunto vale
1 ([ c[ 0, 5)?
Problema 13. Suponga que A
1
, ..., A
n
son i.i.d. cada una con una dis-
tribucin cuya densidad es igual a
) (r[0) =
_
exp((r 0)) si r _ 0
0 de otro modo
Encuentre el estimador de mxima verosimilitud de 0. (Tenga cuidado y no
tome derivadas!. Para que valores de 0 es la verosimilitud positiva?)
Problema 14. Una compaia ha fabricado ciertos objetos y en cada uno
de ellos se ha impreso un nmero de serie. Los nmeros de serie empiezan en
1 y terminan en , donde es el nmero total de objetos fabricados. Uno
de esos objetos es seleccionado al azar y su nmero de serie es el numero 888.
Cul es el estimador del mtodo de los momentos de ? Cul es el estimador
de mxima verosimilitud de ?
Problema 15. La distribucin de Pareto es frecuentemente usada en
economa para modelar la densidad de una variable aleatoria cuya densidad
decae suavemente. La densidad de la distribucin pareto esta dada por
) (r[c, 0) =
_
0c
0
r
01
si r _ c y 0 1
0 de otro modo
Asuma que c 0 es conocido y que A
1
, ..., A
n
son i.i.d. y cada uno con
distribucin ) (r[c, 0) .
Encuentre el estimador de mxima verosimilitud

0 de 0
4
Problema 16. Sean A
1
, ..., A
n
i.i.d cada uno con distribucion Rayleigh con
parmetro 0 0 cuya densidad es
) (r[0) =
_
r
0
2
exp
_
r
2
,
_
20
2
__
si r _ 0
0 de otro modo
Encuentre el estimador de mxima verosimilitud

0 de 0
Problema 17. Sean A
1
, ..., A
n
i.i.d cuya densidad es de parmetro 0 0
es
) (r[0) =
_
(0 + 1) r
0
si 0 _ r _ 1
0 de otro modo
Encuentre el estimador de mxima verosimilitud

0 de 0
Problema 18. Sean A
1
, ..., A
n
variables aleatorias discretas i.i.d cada una
con distribucin geomtrica con parmetro 0 < 0 < 1
1 (A = r[0) = 0 (1 0)
r1
para r = 1, 2, ...
Encuentre el estimador de mxima verosimilitud

0 de 0
Problema 19. Sean A
1
, ..., A
n
variables aleatorias i.i.d cada una con dis-
tribucin con parmetro 0 0 dada por
) (r[0) =
1
20
exp
_

[r[
0
_
Encuentre el estimador de mxima verosimilitud

0 de 0
Problema 20. Sean A
1
, ..., A
n
variables aleatorias i.i.d que toman valores
en el intervalo [0, 1] y cada una con distribucin con parmetro 0 0 dada por
) (r[0) =
(20)
(0)
2
[r(1 r)]
01
Qu ecuacin debe satisfacer el estimador de mxima verosimilitud

0 de 0?
Problema 21. Suponga que A
1
, ..., A
n
son i.i.d.
_
j, o
2
_
.
a. Si j es conocida, cul es el EMV de o
2
?
b. Si o es conocida, cul es el EMV de j?
c. En el caso de la parte b), existe algn otro estimador insesgado de j con
varianza menor que la varianza del EMV de j?
Problema 22. Sean A
1
, ..., A
n
variables aleatorias i.i.d cada una con dis-
tribucin con parmetro 0 0 dada por
) (r[0) =
_
1
0
exp
_

r
0
_
si r _ 0
0 de otro modo
5
a. Encuentre el estimador de mxima verosimilitud

0 de 0
b. Cul es la distribucin muestral exacta del estimador

0?
c. Use el Teorema Central del Lmite para encontrar la aproximacin normal
de la distribucin muestral de

0
d. Demuestre que

0 es un estimador insesgado de 0 y encuentre su varianza
exacta (ayuda: la suma de variables exponenciales independientes es gamma)
e. Existe algn otro estimador insesgado de 0 con varianza menor que la
varianza de

0?
f. Encuentre un intervalo de conanza aproximado de nivel 95% para 0
Problema 23. Suponga que se obtiene un solo dato A y que se asume que
este dato sigue una distribucin 1i:(:, j)
a. Demuestre que el EMV de j es j = A,:
b. Dibuje la verosimilitud para : = 10 y A = 5
c. Demuestre que la varianza del estimador j en la parte a) es igual a la cota
de Cramer-Rao.
Problema 24. Suponga que Ud. est interesado en estimar la varianza o
2
de la duracin del intervalo entre arrivos consecutivos de clientes a la ventanilla
de un banco determinado. En base a las caractersticas del proceso de llegada
de clientes Ud. piensa que es muy razonable suponer que la duracin de los
intervalos tiene una distribucin exponencial
) (r, 0) = 0
1
expr,0 1 (r 0)
Suponga que Ud. obtiene una muestra aleatoria A
1
, ..., A
n
de : intervalos.
Ud. consulta a dos especialistas en estadstica en como estimar la varianza.
El especialista A le sugiere que utilice la varianza muestral
o
2
=
1
: 1
n

I=1
_
A
I
A
_
2
donde
A =
1
:
n

I=1
A
I
El especialista B le sugiere que utilice A
2
, el cuadrado de la media muestral, ya
que en una distribucin exponencial o
2
= 0
2
y A es un estimador insesgado de
0.
a. Es A
2
un estimador insesgado de o
2
?
b. Es A
2
un estimador consistente de o
2
?
c. Es o
2
un estimador insesgado de o
2
?
d. Es o
2
un estimador consistente de o
2
?
e. Calcule el estimador de mxima verosimilitud de o
2
f. Calcule el estimador del mtodo de los momentos de o
2
.
6
g. Conteste nuevamente las preguntas b ) y d) pero esta vez suponiendo que
el modelo es incorrecto (es decir que la distribucin del tiempo de espera entre
arribos consecutivos no es exponencial).
Problema 25. Suponga que se pesa diez veces el mismo elemento en una
balanza calibrada y se obtienen los siguientes valores (en gramos):
392, 376, 401, 367, 389, 362, 409, 415, 358, 375.
a) Si se supone que el error de medicin est normalmente distribuido, es-
time por mxima verosimilitud el verdadero peso del elemento y la desviacin
estndar del error de medicin de la balanza.
b) Estime por mxima verosimilitud el valor abajo del cual tendran su valor
el 95% de innitas pesadas del mismo elemento hechas en la misma balanza.
c) Estime la proporcin de pesadas (en innitas pesadas) que daran valores
menores o iguales que 400qr.
Problema 26. La distribucin de Pareto es frecuentemente usada en
economa para modelar la densidad de una variable aleatoria cuya densidad
decae suavemente. La densidad de la distribucin pareto esta dada por
) (r[c, 0) =
_
0c
0
r
01
si r _ c y 0 1
0 de otro modo
Asuma que c 0 es conocido y que A
1
, ..., A
n
son i.i.d. y cada uno con
distribucin ) (r[c, 0) .
Encuentre la distribucin asinttica de
_
:
_

0
1\
0
_
Problema 27. Sean A
1
, ..., A
n
i.i.d cada uno con distribucion Rayleigh con
parmetro 0 0 cuya densidad es
) (r[0) =
_
r
0
2
exp
_
r
2
,
_
20
2
__
si r _ 0
0 de otro modo
Encuentre la distribucin asinttica de
_
:
_

0
1\
0
_
7
Problema 28. Sean A
1
, ..., A
n
i.i.d cuya densidad es de parmetro 0 0
es
) (r[0) =
_
(0 + 1) r
0
si 0 _ r _ 1
0 de otro modo
Encuentre la distribucin asinttica de
_
:
_

0
1\
0
_
Problema 29. Sean A
1
, ..., A
n
variables aleatorias discretas i.i.d cada una
con distribucin geomtrica con parmetro 0 < 0 < 1
1 (A = r[0) = 0 (1 0)
r1
para r = 1, 2, ...
Encuentre la distribucin asinttica de
_
:
_

0
1\
0
_
Problema 30. Sean A
1
, ..., A
n
variables aleatorias i.i.d cada una con dis-
tribucin con parmetro 0 0 dada por
) (r[0) =
1
20
exp
_

[r[
0
_
Encuentre la distribucin asinttica de
_
:
_

0
1\
0
_
Problema 31. Sean A
1
, ..., A
n
variables aleatorias i.i.d que toman valores
en el intervalo [0, 1] y cada una con distribucin con parmetro 0 0 dada por
) (r[0) =
(20)
(0)
2
[r(1 r)]
01
Encuentre la distribucin asinttica de
_
:
_

0
1\
0
_
Problema 32. Sean A
1
, ..., A
n
variables aleatorias i.i.d cada una con dis-
tribucin Gamma, con 0 < c y 0 < ,
)(r[,, c) = cc
or
(cr)
o
(,)
1
(r,0)
, donde (,) =
1
_
0
c
r
r
o1
dr
Se puede demostrar que 1(A) =
o
o
y \ (A) =
o
o
2
. Calcule los estimadores
de Mxima Verosimilitud y el de Mtodos de los Momentos. Cual de los dos
eligira? Por qu? Cules son las eciencias relativas de los estimadores del
mtodo de momentos y de mxima verosimilitud de c y ` en estos ejemplos?
8
Problema 33. Se selecciona una muestra aleatoria de : cascos para ci-
clistas fabricados por cierta compaa. Sea A = nmero de cascos entre los :
cascos que tienen defectos y sea j la probabilidad de que un casco elegido al
azar entre los fabricados por la compaa sea defectuoso. Supongamos que slo
se observa A, en lugar de las secuencias de los defectuosos y los buenos.
a) Provea la formula para el estimador de mxima verosimilitud para j.
b) Si : = 20 y el valor observado de A es r = 3, cul es el valor del
estimador de mxima verosimilitud de j?
c) cul es la formula para el estimador de mxima verosimilitud de la prob-
abilidad (1 j)
5
de que ninguno de los siguientes cinco cascos que se examinen
tenga defectos? Provea un intervalo de conanza para (1 j)
5
con probabilidad
de cobertura aproximadamente igual a 0.90 cuando : es grande.
Problema 34. En el problema anterior suponga que en lugar de seleccionar
20 cascos y examinarlos, para evaluar la produccin de cascos tomamos la sigu-
iente estrategia. Examinamos cascos hasta encontrar r = 3 cascos defectuosos.
De modo que ahora el nmero 1 total de cascos examinados es un nmero
aleatorio.
a) Demuestre que 1 tiene una distribucin binomial negativa con funcin de
probabilidad de masa igual a ) (j; j) =
_
j 1
r 1
_
j
:
(1 j)
:
.
b) Suponga que se realiza este procedimiento y se encuentra que el vigsimo
casco es el tercero con defectos. Cul es el valor del estimador de mxima
verosimilitud de j?. Es este el mismo valor que el encontrado en la parte b)
del problema anterior? Por qu, o por qu no?
Problema 35. Sean A
1
, ..., A
n
variables aleatorias i.i.d cada una con dis-
tribucin uniforme que tiene densidad dada por
) (r[0) =
_
1
0
si 0 _ r _ 0
0 de otro modo
a. Encuentre el estimador del mtodo de momentos de 0 y calcule la media
y la varianza de este estimador.
b. Encuentre el estimador de mxima verosimilitud de 0
c. Encuentre la densidad de la distribucin muestral del estimador de mx-
ima verosimilitud de 0. Calcule el sesgo y la varianza del EMV de 0. Compare
el sesgo, la varianza y el error cuadrtico medio del EMV y del estimador del
mtodo de momentos de 0.
d. Encuentre una constante c tal que c

0 es un estimador insesgado de 0
(donde

0 es el EMV de 0.
9
Problema 36. El siguiente grco representa diferentes intervalos de con-
anza para la media poblacional, de una poblacin cuyo verdadero valor medio
es 10
Por qu tienen diferente centro los intervalos? Por qu tienen diferentes
longitudes?
Problema 37. Suponga que A
1
, ..., A
n
son iid cada una con distribucin

_
j, o
2
_
, donde j es desconocida y o es conocida. Cmo debera Ud. elegir
a una constante c para que el intervalo
_
, A +c
_
fuera un intervalo de nivel
95% de j?
Problema 38. Sean A
I
, i = 1, ..., : iid con densidad Rayleigh ) (r; 0) =
r
0
2
exp
_

r
2
20
2
_
donde r 0 y 0 es un nmero desconocido 0. Obtenga el
estimador de mxima verosimilitud de 0
2
. Obtenga un intervalo de conanza
para 0
2
con probabilidad de cobertura aproximada igual a 0.95. (AYUDA:
calcule 1 (0) usando la frmula 1 (0) = 1
_
J
2
J0
2
log ) (r; 0)
_
y use que si A
I
es
Rayleigh, 1
_
A
2
I
_
= 20
2
).
Problema 39. Sea A la proporcin de tiempo que un estudiante elegido
al azar en una cierta poblacin de estudiantes emplea estudiando matemticas.
Supongamos que la funcin de densidad de A es de la forma
) (r; 0) =
_
(0 + 1) r
0
si 0 _ r _ 1
0 de otro modo
donde 0 1 es desconocido.
a) Demuestre que 1 (A) es igual a
(1+0)
(2+0)
y \ ar (A) =
(0+1)
(3+0)(2+0)
2
b) Provea la frmula para el estimador de mxima verosimilitud de 1 (A)
c) Suponga que dos investigadores y 1 estn interesados en estimar 1 (A) .
El investigador tomar una muestra aleatoria de tamao :
.
grande y estimar
10
a 1 (A) con el EMV de 1 (A) . El investigador 1 tomar una muestra de
tamao :
1
y estimar a 1 (A) con A, el promedio muestral. Cunto ms
grande deber ser :
1
que :
.
para que la varianza del estimador empleado
por el investigador 1 sea aproximadamente igual a la varianza del estimador
empleado por el investigador ?
d) Suponga que A
1
, ..., A
n
es una muestra aleatoria de tiempos empleados
por : estudiantes estudiando matemticas, donde : es grande.
d.1) Provea un intervalo de conanza aproximado de 1 (A) de nivel 0.99
centrado en el EMV de 1 (A)
d.2) Provea un intervalo de conanza aproximado de 1 (A) de nivel 0.99
centrado en A donde A es el promedio muestral
d.3) cul de los dos intervalos preere?, por qu?
Problema 40. Demuestre
(n1)S
2
c
2
tiene una distribucin
2
n1
. Es decir,
se distribuye Chi-cuadrado con (: 1) grados de libertad. Recuerde que si
1
1
, 1
2
...1
n
IIJ
~ (0, 1), entonces
n

I=1
1
2
I
~
2
n
. A partir de este resultado, encuen-
tre la expresin general para un intervalo del 100(1 c)% de conanza.
Problema 41. La calidad de un vino torrontes depende de la amplitud
trmica a la cual est expuesta la uva. Mientras mayor sea la amplitud trmica,
mejor ser la calidad del vino. Una forma de medir la amplitud trmica es a
travs de la varianza. Para analizar esta variable, Ud. mide la temperatura en
30 das. Suponga que la temperatura es una variable aleatoria con distribucin
normal, es decir A
1
, A
2
, ....A
30
IIJ
~ (j, o
2
).Una vez realizada la muestra Ud.
encuentra que la varianza muestral es 10. Provea un intervalo del 95% de
conanza para la varianza poblacional.
Problema 42. La siguiente lista de nmeros provienen de
_
j, o
2
_
.
5.33 4.25 3.15 3.70 1.60 6.39
3.12 6.59 3.52 4.74 0.11 1.60
5.49 1.72 4.15 2.28
a. Basndose en esta lista de nmeros calcule estimadores de j, o
2
.
b. Calcule un intervalo de conanza de nivel 90% para j y otro de nivel 95%
para o
2
c. Cunto ms grande debera ser la muestra para que la longitud del
intervalo de conanza de j hallado en (b), se reduzca, aproximadamente, a la
mitad?.
11
Problema 43. El siguiente grco representa 20 intervalos de 95% con-
anza para la varianza poblacional. La linea puteada indica el verdadero valor
de la varianza poblacional.
Por qu los inervalos tienen diferente amplitudes? Estn centrados los
intervalos en el estimador de la varianza poblacional? Para qu muestras la
amplitud del intervalo ser menor?
12