DEPARTAMENTO DE ESTADISTICA INFERENCIA MVH-II-2006

CERTAMEN N1 c INFERENCIA PROBLEMA I. (21 puntos). Cada respuesta correcta tiene 3 puntos y cada incorrecta c 1 Anteponga una V si la afirmacin es verdadera o una F si es falsa a) Suponga que el vector aleatorio (X1 , X2 ) NB(0, c 3, 4, 9, 1/3). Entonces ..F...... ...V..... ...F...... b) ....F..... Y=
X1 2

X2 3

se distribuye N(1, 4)
" #

P( 9 c X# 12) = Y=
X# 1 4

X2 >$# *

;2 (2)

Si Z N(0, 1) entonces 1 c F( c 1.65) = 0.0495

.....F..... Si X ;2 (14), entonces P(X 5.65)  P(X 6.57) ...V.....Si X t(14), entonces P(X  c 1.34) =0.10 ...V......Si X F(3, 3). entonces P(X  0.1855) = 0.10 (aprox. al cuarto decimal)

PROBLEMA 2 (19 puntos).Sea X1 ,X2 ,...,Xn una muestra aleatoria de una variable aleatoria X, con distribucin geomtrica ()). a) Determine el estimador mximo verosmil para 1 c ). b) Encuentre un estimador suficiente, eficiente y consistente para 1/)?. SOLUCION a) Si s ) es el estimador mximo verosmil de ) = prob. de xito en cada ensayo, entonces 1 c s ) es el EMV de 1 c ). Obtengamos el EMV de ). Sea x" x# ...., xn los valores observados de una muestra aleatoria de X. La funcin de verosimilitud de la muestra es: L()) = )8 (1 c ))3"
! xi ?n
n

, para xi = 1, 2, 3,.... a i= 1, n

n d ln (L())) n " 1 = + ("xi c n) c " 0 s )=_ d) ) "c) x i=1 1 Por lo tanto el EMV para 1 c s ) es 1 c _ . X

" " c entonces un candidato como estimador de es X , que mostraremos que es ) ) suficiente, eficiente y consistente como estimador de .. b) Dado que . = Suficiencia : La funcin de probabilidad conjunta de la muestra es: " " - .) . 1 f(x" x# ...., xn /.) = ( n (1 c n x ?n = g( x, . . c Por el criterio de factorizacin de Fisher, X es suficiente para ..

DEPARTAMENTO DE ESTADISTICA INFERENCIA MVH-II-2006

c Eficiencia: Dado que E( X ) = ., cualquiera sea la distribucin de la poblacin , tenmos que c X es un estimador insesgado de .. Por lo tanto, para que sea el ms eficiente dentro de la clase de los estimadores insesgado, su varianza debe coincidir con la CCR (que tiene validez pues la distribucin geomtrica satisface las condiciones de regularidad exigidas para la desigualdad.). .?1 " " # 1 c . / . q (. c 1) . Var(X) . c La varianza de X es # = = 1 = p n n n n .# 8 y la CCR se obtiene de: f(x/.) = 1 1 1 . c " x?1 (1 c )x?1 = ( ) para x = 1, 2, 3,.... . . . .

ln f(X/.) = c ln .+(X c " ln .-1) c X ln.+ ln.= (X c " ln .-1) c X ln. d ln f X c 1 X Xc. = c = d. .c1 . (. c 1). E d ln f(X/.) # (X c .) # E(X c .)# Var(X) (. c 1) . 1 =E = # # # # # # d. (. c 1). (. c 1) . (. c 1) . (. c 1) . (. c 1) .

Por lo tanto la Cota de Crmer Rao es: CCR = 1 1 (. c 1) . c = = = Var( X ) 1 d ln f(X/.) # n n nE (. c 1) . d.

c X es un estimador insesgado para ., por lo tanto tambin es asintticamente (. c 1) . c c insesgado. Como lim Var( X ) = lim = 0 . X es un estimador consistente par . n Consistencia: PROBLEMA 3. (20 ptos). La variable aleatoria X representa el tiempo, en das, de ausencia por licencias mdicas en una gran empresa del pas en un ao. La funcin de densidad para X est dada por
1 (100 c x) 0 x 100 f(x) = 5000 0 e.o.c. y el valor de la varianza de X es 555.56.

a) Si se considera una muestra aleatoria de 100 trabajadores de esta empresa. Cul es la probabilidad que el tiempo promedio de ausencias por licencia en esta muestra sea un valor entre 30 y 35 das?

DEPARTAMENTO DE ESTADISTICA INFERENCIA MVH-II-2006

b) Suponga que los datos registrados para la muestra en la parte (a) se resumen en la tabla siguiente:
Das de Ausencia N de Empleados " 8 6 20 14 15 22 12 31 24 48 9 65 5 75 4 90 3

Estime, a partir de la informacin muestral resumida en la tabla, i) el nmero promedios de das de licencia en el ao en esta empresa. Cul es el error estndar de su estimador? ii) el porcentaje de empleados que han estado ausente por enfermedad ms de 20 das en un ao. Justifique su estimacin . Compare su estimacin con la proporcin real. SOLUCION c c a) Se pide: P(30  X  35) . Por el T.L.C X N(E(X), pues E(X) = .= (
100 555.56 100 )

= N (33.33 , 5.56) .

1 "000 (100 c x)dx=100 c =33.33 5000 15

35 c 33.33 3! c 33.33 c Por lo tanto P(30  X  35) =F( ) c F( ) 2.36 2.36 F( 0.71) c F( c "%") !('"" c 0.0793=0.6818 b i) El valor estimado del nmero de das promedio de licencia en esta empresa es c x= !(das de ausencia) (n de empleados)
i=1 9

100

)"+6(20)+......+90(3) #'($ = #'($ das 100 "!!

El error estndar de la estimacin es

c Var(X )= #$' das

bii) Si definimos la v.a. Bernoulli 1 si el i-simo empleado encuestado tuvo licencia superior a 20 das Xi = 0 licencia inferior a 20 das entonces X1 , X# X"!! es una muestra aleatoria de una poblacin Bernoulli (p), con p = P(X 20). Usando slo la informacin muestral obtenemos que la estimacin de la verdadera proporcin de 12 b 24 b 9 b & b 4 b 3 empleados ausente por ms de 20 das en un ao es s p= !57 (57%) 100 La verdadera proporcin es : "!! 1 P(X 20)= ( (100 c x)dx !64 #! 5000 Obtuvimos una subestimacin del porcentaje real con la informacin recogida en la muestra.