ESTADSTICA AVANZADA

GADE . 2015-16. Grupos 2, 4 y 6

Universidad de Sevilla
Economa Aplicada II

CUESTIONES DE TEORA. ENUNCIADOS Y RESPUESTAS

ENUNCIADOS
TEMA 1
1. Si para los sucesos A y B, no disjuntos, se obtiene que P(A/B)=P(A) y P(B/A)P(B);
conclusin:
2. En la teora de la probabilidad, cul es la diferencia entre dos sucesos independientes y
dos sucesos disjuntos (o excluyentes)?
3. Comente brevemente el significado de la probabilidad condicionada.
4. Si para los sucesos A y B se verifica que P(AB)>P(A)+P(B), qu se puede concluir?
5. Si un dado esta cargado de modo que la probabilidad de par es el doble que la de impar,
puede aplicarse la definicin clsica o de Laplace para calcular la probabilidad de obtener 2 o
5?, por qu?
6. Qu se entiende por limite experimental de la frecuencia relativa en el clculo de
probabilidades?
7. Si los sucesos A y B son disjuntos (o mutuamente excluyentes), cul sera la probabilidad
de uno de ellos condicionado al otro?, por qu?
8. Si la probabilidad de la unin de dos sucesos es igual a la suma de las probabilidades de
ambos, qu se puede afirmar sobre dichos sucesos?, por qu?
9. Permite la definicin axiomtica de la probabilidad asignar probabilidades a los sucesos de
un experimento aleatorio concreto?, por qu?
10. Qu es ms probable, obtener cara al lanzar una moneda correcta u obtener distinto
resultado al lanzar dos monedas tambin correctas? Justifquelo.
11. Si la probabilidad de que ocurra un suceso es el doble de que ocurra otro, y ste a su vez
es la mitad de probable que ocurra un tercero, y la suma de las tres probabilidades es 1.5?,
qu se puede concluir?
12. Si P(A)>P(B), P(A/B) ser mayor o menor que P(B/A)? Supnga que la A, B tienen
resultados comunes y justifique la respuesta.

TEMA 2
1. Indique como afecta a la media y a la variancia de una variable aleatoria un cambio
simultneo de escala y de origen en dicha variable.
2. Si existe la variancia de una variable aleatoria, puede asegurarse que existe tambin su
valor medio? Por qu?
3. Pon un ejemplo de variable degenerada e indica su valor medio y su variancia.
4. Defina la moda de una variable aleatoria continua. Existe siempre?, justifquelo.
5. Explique brevemente por qu la tipificacin de una variable aleatoria consiste en la
realizacin de un cambio de origen y otro de escala.

-1-

ESTADSTICA AVANZADA
GADE . 2015-16. Grupos 2, 4 y 6

Universidad de Sevilla
Economa Aplicada II

6. Entre qu valores vara la funcin de distribucin de una variable aleatoria? Justifquelo.

7. Qu diferencia a una variable aleatoria discreta de una continua?
8. Defina la mediana de una variable aleatoria. Existe siempre en el caso continuo?,
justifquelo.
9. Distinga entre medidas de dispersin absoluta y relativa. Qu miden?
10. Si realizamos el clculo P(2 < X < 5) utilizando para ello la Funcin de Distribucin F(x),
cmo sera dicho clculo en el caso en el que X sea discreta tomando valores enteros entre 1
y 10 ambos incluidos? Si X fuera continua en R, el clculo sera igual o diferente?, por qu?
11. Por qu el coeficiente de variacin es adimensional?
12. Sera correcto decir que una variable aleatoria es continua slo cuando toma todos los
valores de R? Comntelo.

TEMA 3
1. Si para las variables aleatorias X e Y se verifica que x y =(x,y) , conclusin:
2

2. Si el determinante de la matriz de variancias y covariancias del vector aleatorio (X, Y) es

igual a 1, qu se puede concluir?
3. Si para las variables aleatorias X e Y se tiene que X+Y=2, Qu valor tomara el coeficiente
de correlacin lineal entre dichas variables?, justifquelo de palabra.
4. Si para el vector aleatorio (X, Y) se verifica que el determinante de la matriz de varianciascovariancias es cero, y las variancias de X e Y son distintas de cero, podemos concluir:
5. Qu conexin puede establecerse entre dependencia y correlacin?
6. Si el coeficiente de correlacin entre las variables aleatorias X e Y es igual a cero, qu
conclusiones podemos sacar en referencia a la dependencia o independencia de las mismas?
7. Cmo afecta al coeficiente de correlacin lineal un cambio de escala en una de las dos
variables?, y un cambio de origen en las dos?
8. Si para las variables aleatorias X e Y se verifica que xy<x,y, conclusin:
9. Si en un vector aleatorio (X, Y) el recorrido de la variable Y es 0<y<x, qu podemos concluir
en relacin a la independencia o dependencia de ambas variables?
10. Enuncie tres propiedades que cumple la covariancia entre dos variables aleatorias.
11. Si Cov(X1, X3)=1, Cov(X1, X2)=6 y Cov(X2, X3)=1, cul sera Cov(X1+X2+2, 3X3)?
2

12. Si el rango de la matriz de dispersin del vector aleatorio (X; Y) es 1 y X Y =2/5, qu

tipo de relacin existe entre X e Y?, por qu? Bajo esa condicin, podra ocurrir que
X,Y=1/3?, justifquelo.

TEMA 4
1. En base a qu se puede considerar al modelo de Bernouilli como un caso particular del
Binomial?
-2-

ESTADSTICA AVANZADA
GADE . 2015-16. Grupos 2, 4 y 6

Universidad de Sevilla
Economa Aplicada II

2. Indica bajo qu condiciones el modelo Binomial se puede aproximar a otros modelos.

3. Indica de forma concisa para qu y bajo qu condiciones se puede aplicar el teorema central
del lmite.
4. Sea X~B(10 , 0,8). Determine la probabilidad que el valor observado de la variable aleatoria
sea exactamente 4, sabiendo que para X~B(10 , 0,2) se tiene que P(X=6)=0,0055. Justifique su
respuesta.
5. Qu se puede afirmar sobre la independencia, incorrelacin o dependencia de las
componentes del vector aleatorio Normal Multivariante?
6. Cmo se distribuye una variable Normal tipificada elevada al cuadrado?
7. Define el modelo Ji cuadrado (o Chi cuadrado). Qu ha de ocurrir para que dicho modelo Ji
cuadrado sea a la vez un modelo Exponencial?
8. Puede tomar valores negativos una variable con distribucin F de Snedecor?, por qu?
9. Bajo qu condicin se puede aproximar el modelo de Poisson al modelo Normal?
10. Si nos dicen que la moda del modelo Exponencial es el valor ms probable de la variable,
qu podemos concluir?, por qu?
11. En qu consiste la llamada propiedad reproductiva del modelo Ji cuadrado?
12. Qu dimensin y que distribucin tiene cualquier combinacin lineal de las componentes
de un vector que sigue el modelo Normal multivariante?

TEMA 5
1. La obtencin de la distribucin asinttica de la media muestral, se basa en una simple
aplicacin de un resultado anteriormente estudiado. Cul?, justifcalo brevemente.
2. Qu se entiende por distribucin de un estadstico en el muestreo?
3. Para muestras lo suficientemente elevadas, qu estadstico es preferible, la variancia
muestral o la cuasivariancia muestral?, por qu?
4. Qu ocurre con la dispersin del estadstico media muestral a medida que aumenta el
tamao de la muestra? Justifquelo.
5. Concepto de estadstico.
6. Qu condiciones requiere la muestra para ser aleatoria simple?
7. Enuncie y comente brevemente la distribucin asinttica de la media muestral.
8. Qu se entiende por inferencia estadstica?
9. Podra hipotticamente ser mayor el tamao muestral que el poblacional?, comntelo.
10. En inferencia estadstica, qu se entiende por espacio muestral?
11. Permite la inferencia estadstica conocer el valor de parmetros desconocidos?, por
qu?

-3-

ESTADSTICA AVANZADA
GADE . 2015-16. Grupos 2, 4 y 6

Universidad de Sevilla
Economa Aplicada II

12. Indique los tres estadsticos ms usuales en inferencia as como sus expresiones
matemticas.

TEMA 6
1. En poblaciones Normales, para la distribucin de la media muestral, de qu depende el que
se utilice la distribucin Normal tipificada o la distribucin t de Student?
2. En el caso de dos poblaciones Normales e independientes, para la distribucin de la
diferencia de medias, qu modelo de probabilidad utilizaras?
3. Enuncie el teorema de Fisher.
4. Qu relacin tienen la media y la variancia muestral de una muestra aleatoria simple
procedente de una poblacin Normal?
5. En poblaciones Normales, para la distribucin del cociente de variancias, Qu modelo de
probabilidad se utiliza?
6. Para estimar la media desconocida de una poblacin Normal, a veces, en dicho proceso
inferencial, se pierde un grado de libertad. Cundo y por qu?
7. En poblaciones Normales, para qu se utiliza el modelo Ji cuadrado?
8. Si una poblacin es Normal y la muestra es aleatoria simple, qu modelo o distribucin de
probabilidad sigue el estadstico media muestral?, cules son sus parmetros?
9. Si X es normal tipificada, indique la distribucin, con sus parmetros, del estadstico media
muestral.
10. Indique brevemente el empleo de los modelos asociados al Normal en el caso de dos
poblaciones Normales e independientes.
11. Si la poblacin es Normal, qu ha de ocurrir para poder utilizar en inferencia la distribucin
x
Z=
n N(0, 1) ?

12. Si la poblacin es Normal, cmo afecta a la variancia de la media muestral el hecho de

duplicar el tamao de la muestra?

TEMA 7
1. Defina el error cuadrtico medio de un estimador, indique bajo que condicin coincide con la
variancia del mismo, y diga para qu se utiliza.

2. Indica la diferencia existente entre insesgadez asinttica y consistencia, y en base a ella

indica, tambin, la relacin (implicacin) que existe entre ambas propiedades.
3. Si T1 es eficiente, y T2 tiene menor variancia que T1, conclusin:
4. De qu depende el que un estadstico sea tambin estimador?
5. Sabiendo que en el modelo de Poisson el nico parmetro del que depende coincide con la
media y con la variancia, propn para dicho parmetro dos estimadores insesgados y uno
sesgado, todos para muestras pequeas.
-4-

ESTADSTICA AVANZADA
GADE . 2015-16. Grupos 2, 4 y 6

Universidad de Sevilla
Economa Aplicada II

6. Qu proporciona la cota de Cramer-Rao?, cmo se denomina al denominador de dicha

cota y qu mide?
7. En qu consiste el mtodo de estimacin de la mxima verosimilitud? Descrbalo
brevemente.
8. Diga en qu consiste la propiedad de suficiencia de los estadsticos y la de consistencia de
los estimadores.
9. Qu diferencias y similitudes existen entre la funcin de verosimilitud y la funcin de
cuanta o de densidad conjunta de una muestra aleatoria simple?
10. Garantiza la insesgadez de un estimador la coincidencia de la estimacin con el valor del
parmetro desconocido?, por qu?
11. Defina el espacio paramtrico. Qu ha de ocurrir para que todos sus valores sean
negativos?
12. Qu es el sesgo de estimador?

TEMA 8
1. Manteniendo el nivel de confianza, y utilizando la misma cantidad pivotal, cmo puede
aumentarse la precisin de un intervalo de confianza? En que se traduce dicho aumento,
expresado en trminos de amplitud y de error muestral?
2. Para estimar por intervalo la media de una poblacin Normal con variancia conocida, qu
papel juega en la amplitud de dicho intervalo el valor de la variancia muestral?, por qu?
3. Cuando, a partir de una muestra observada, hemos construido un intervalo de confianza
para aproximarnos al valor de un parmetro conocemos la probabilidad de que el valor del
parmetro desconocido est dentro de ese intervalo? Por qu?
4. Manteniendo el nivel de confianza, cmo puede aumentarse la precisin de una estimacin
por intervalo?
5. Dnde radica la diferencia (o diferencias) entre un intervalo aleatorio y el correspondiente
intervalo de confianza?
6. En una estimacin por intervalo de una media desconocida, qu se entiende por error
muestral? Qu relacin guarda con la amplitud del mismo?
7. Pueden ser negativos los extremos de un intervalo de confianza? Por qu?

8. En la estimacin por intervalos, qu relacin existe entre amplitud y confianza?, y entre

precisin y confianza?
9. Puede ser igual a 1 (o al 100%) el nivel de confianza de un intervalo? Por qu?
10. Qu significa que el consumo medio de gasolina de los coches todo terreno 4x4 est entre
10,45 y 13, 51 litros a los 100 km, con un nivel de confianza del 95%?
11. En la estimacin por intervalos, qu proporciona el espacio paramtrico?
12. Es una cantidad pivotal una variable aleatoria?, por qu?

-5-

ESTADSTICA AVANZADA
GADE . 2015-16. Grupos 2, 4 y 6

Universidad de Sevilla
Economa Aplicada II

TEMA 9
1. En un contraste de hiptesis, cmo se denomina a la probabilidad de aceptar la hiptesis
alternativa siendo falsa? Cmo se determina dicha probabilidad?
2. Qu es el valor de probabilidad (o valor p) de un contraste de hiptesis? De qu depende
su valor numrico?

3. En un contraste de hiptesis, en general, entre que dos nmeros vara la suma de las
probabilidades de cometer error de tipo I y error de tipo II? Justifcalo muy brevemente.
4. Qu es el nivel de significacin de un contraste de hiptesis?, cmo se determina?
Puede ser mayor que 0.5?, por qu?
5. Qu diferencia existe entre una hiptesis estadstica paramtrica y una no paramtrica?
6. Si llamamos al nivel de significacin de un contraste de hiptesis, qu significado tiene
1-?
7. Al contrastar una hiptesis simple frente a otra simple, qu papel juega el nivel de
significacin elegido en el valor del estadstico experimental (o de prueba)? Justifcalo muy
brevemente.

8. Si la variable aleatoria X es N( 5, ), y se desea contrastar H0: 21 frente a H1: 2<1, qu

se puede decir de la potencia de este contraste de hiptesis? Justifquese.
9. Si en un contraste de hiptesis coinciden las probabilidades de cometer error de tipo I y error
de tipo II, qu se puede concluir?, por qu?
10. Qu se entiende por regin crtica en un contraste de hiptesis? Qu relacin existe
entre y ?
11. Qu representa la funcin de potencia en un punto?
12. Si se rechaza la hiptesis nula a un nivel de significacin concreto, qu ocurrir a un nivel
de significacin superior?, y a uno inferior? Justifquelo.

TEMA 10
1. De qu depende la distribucin de probabilidad del estadstico experimental (o de prueba)
del contraste Ji cuadrado de bondad de ajuste?, y la del contraste de independencia?
2. Si en el contraste Ji cuadrado de bondad de ajuste, la suma de las frecuencias observadas
no coincide con la suma de las frecuencias esperadas, a qu puede ser debido?
3. Si en el contraste Ji cuadrado de bondad de ajuste, las frecuencias observadas coinciden
plenamente con las tericas o esperadas, cul sera el valor de probabilidad (o valor p) de
dicho contraste? Justifcalo muy brevemente.

4. Es necesario establecer alguna distribucin de probabilidad en la hiptesis nula del

contraste de independencia. Justifquelo.
5. Justifique brevemente la prdida de un grado de libertad en la distribucin del estadstico de
prueba (o experimental) del contraste ji cuadrado de bondad de ajuste.
6. Bajo qu supuesto ideal sera nulo el valor del estadstico experimental (o de prueba) del
contraste de bondad de ajuste?

-6-

ESTADSTICA AVANZADA
GADE . 2015-16. Grupos 2, 4 y 6

Universidad de Sevilla
Economa Aplicada II

7. En el contraste de independencia, cundo hay que tener en cuenta la correccin por

continuidad?, y en el contraste de bondad de ajuste? Comente brevemente en qu consiste
dicha correccin.
8. Cuntas estimaciones hay que realizar para obtener el valor del estadstico experimental o
de prueba del contraste de independencia?
9. Por qu los contrastes de bondad de ajuste y de independencia han de ser necesariamente
unilaterales?
10. A qu son debidas las limitaciones que presenta el contraste de bondad de ajuste?,
comntelo.
11. En el contraste de independencia, en qu caso la distribucin del estadstico experimental
tiene un grado de libertad?
12. En los contrastes de bondad de ajuste y de independencia, a qu son iguales las sumas
de las frecuencias esperadas y de las observadas? Justifquelo.

-7-

ESTADSTICA AVANZADA
GADE . 2015-16. Grupos 2, 4 y 6

Universidad de Sevilla
Economa Aplicada II

RESPUESTAS
TEMA 1
1. Es imposibles. Si se da una de la dos igualdades ha de darse necesariamente la segunda:
P(A B)
P(A B) P(A)P(B)
P(A / B) =
= P(A) P(A B) = P(A)P(B) P(B / A) =
=
= P(B)
P(B)
P(A)
P(A)
2. Independientes: el hecho de ocurrir uno no influye en la probabilidad del otro. Disjuntos: no
tienen resultados en comn.
3. Es la probabilidad de que ocurra un suceso sabiendo o partiendo de la base de que ya ha
ocurrido otro. Para su clculo, en lugar de tomar como referencia el espacio muestral, se toma
el suceso que ya ha ocurrido.
4. Es imposible:

P(A B) = P(A) + P(B) P(A B) 0 P(A) + P(B) P(A B)

5. No. Los resultados no son equiprobables (experimento no simtrico) y por tanto no se puede
aplicar el principio de simetra.
6. El nmero en torno al cual tiende a estabilizarse la frecuencia relativa de un suceso si el
experimento aleatorio se realiza un nmero de veces lo suficientemente elevado.
7. A y B disjuntos A B = P(A B) = 0 P(A / B) =

PA B)
0
=
=0
P(B)
P(B)

8. Son disjuntos: P(A B) = P(A) + P(B) P(A B) = P(A) + P(B) P(A B) = 0 A B =

9. No. Dicha definicin slo indica los axiomas que ha de verificar una funcin para ser
probabilidad, pero no cmo hay que asignar probabilidades a sucesos.
10. La probabilidad es la misma: 0.5. Ambos experimento aleatorios son simtricos (principio
de simetra), con lo que en el primer caso seria 1/2 (un resultado de dos posibles) y en el
segundo 2/4 (dos resultados de cuatro posibles).
11. Sean los sucesos A, B y C. P(A)=2P(B), P(B)=0.5P(C), P(A)+P(B)+P(C)=1.5, resolviendo el
sistema se tiene que P(A)=P(C)=0.6 y P(B)=0.3, (obsrvese que del enunciado ya se deduce
que P(A) y P(C) han de ser iguales.

P(A B)
P(A B)
, P(B / A) =
, y como el primer denominador es menor, al
P(B)
P(A)
ser iguales los numeradores, la primera es mayor que la segunda.

12. P(A / B) =

TEMA 2
2

1. Si dicho cambio simultneo es a+bX, entonces E(a+bX)=a+bE(X) y Var(a+bX)=b Var(X).

2

2. Si, por ser la variancia funcin de la media: =E[(X-) ] o bien =E(X) -

3. X=27. E(X)=E(27)=27 y Var(X)=Var(27)=0.

4. El valor de la variable que maximiza la funcin de densidad. No siempre existe, pues dicha
funcin o tiene por qu tener mximo.

-8-

ESTADSTICA AVANZADA
GADE . 2015-16. Grupos 2, 4 y 6

Universidad de Sevilla
Economa Aplicada II

X
. Restar es como sumar la constante - (cambio de

1
origen) y dividir entre es como multiplicar por la constante (cambio de escala).

5. La variable tipificada es Z =

6. Entre 0 y 1 ambos incluidos, por ser dicha funcin en cada punto una probabilidad (la
acumulada hasta dicho punto).
7. La propia definicin de ambas. Discreta: toma un nmero finito de valores o infinito
numerable. Continua: Toma todos los valores del conjunto R o de un intervalo de R.
8. El valor de la variable que divide a la distribucin de probabilidad en dos partes con la misma
probabilidad, que sera 0.5 (ordenados los valores en sentido creciente o decreciente). En el
caso continuo siempre existe, al tomar la variable una infinitud no numerable de valores y ser,
por tanto, la probabilidad una superficie.
9. Las medidas de dispersin absoluta miden la representatividad de la media de una
distribucin de probabilidad; al estar expresadas en unidades no permiten realizar
comparaciones. Las de dispersin relativa tambin, pero al carecer de unidad permiten hacer
comparaciones.
10. X continua: P(a<X<b)=F(b)-F(a). X discreta tomando valores enteros de 1 a 10:
P(a<X<b)=P(a<Xb-1)=F(b-1)-F(a).
11. Por ser un cociente y tener el numerador y el denominador la misma unidad o dimensin (la
de la variable).
12. No. Tambin lo es cuando toma todos los valores de un intervalo de R.

TEMA 3
1. Al ser X,Y =

X,Y

X Y
o exacta entre X e Y.

se tendra que ( X,Y ) =1 X,Y = 1 . Existira una relacin lineal perfecta

2

2. Que no existe una relacin lineal perfecta o exacta entre X e Y, pues el rango de sera 2.
3. -1. Al existir una relacin lineal perfecta o exacta entre las variables, el valor del coeficiente
de correlacin lineal ha de ser 1 -1, y en este caso sera -1 pues dicha relacin es inversa
(Y=2-X X=2-Y).
4. El rango de dicha matriz sera 1, con lo que existira una relacin lineal perfecta o exacta
entre las variables X e Y.
5. Si la independencia implica siempre la incorrelacin, la correlacin implicara siempre la
dependencia.
6. Las variables estaran incorreladas, por lo que no se puede afirmar nada acerca de su
independencia.
7. El coeficiente de correlacin lineal no se ve afectado por cambios de origen ni de escala -en
valor absoluto- en una o en ambas variables.
8. Imposible, pues en tal caso X,Y > 1 ,
9. Son dependientes, pues los valores de Y siempre son inferiores a los de X, y dicha relacin
de dependencia no es exacta.
-9-

ESTADSTICA AVANZADA
GADE . 2015-16. Grupos 2, 4 y 6

Universidad de Sevilla
Economa Aplicada II

10. Cov( a, X)=0 si a es constante, Cov (aX , Y)=a Cov(X , Y) si a es constante, y Cov(X+Y ,
T)=Cov(X , T)+Cov(Y , T).
11. Cov(X1+X2+2 , 3X3)= Cov(X1+X2 , 3X3)= Cov(X1 , 3X3)+ Cov(X2 , 3X3)= 3Cov(X1 , X3)+
3Cov(X2 , X3)=31+31=6
12. Relacin lineal perfecta o exacta, no pudiendo saber si es directa o inversa al desconocer el
signo de la covariancia. La covariancia no puede ser igual a 1/3:
2
2 1
rango() = 1 = 0 2X 2Y 2X,Y = 0 2X 2Y = 2X,Y = 2X,Y X,Y =

5
5 3

TEMA 4
1. Cuando en el Binomial el parmetro n (nmero de pruebas dicotmicas) es igual a 1.
2. Cuando n es elevado y p pequeo se puede aproximar al de Poisson de parmetro np, y si n
1/2
es elevado y p es igual o prximo a 1/2 al Normal de media np y deviacin estndar (npq) .
3. Para la distribucin de la suma de un nmero elevado de variables aleatorias independientes
e idnticamente distribuidas con variancia finita (y por tanto con media tambin).

10
4. Si X~B(10 , 0.2) se tiene que P(X = 6) = 0.26 0.8 4 = 0.0055 y si X~B(10, 0.8) entonces
6
10
10 10
a + b a + b
P(X = 4) = 0.8 4 0.26 = 0.0055 , pues = . (En general
=
)
4
6 4
a b
De forma alternativa y sin emplear expresiones matemticas: la probabilidad es la misma, al ser
el mismo el parmetro n en ambas distribuciones y ser complementarias las probabilidades de
xito, pues en X en nmero de xitos es 6 y en Y es 4 (la suma de ambos es 10, el nmero de
pruebas)
5. Si son incorreladas entones son independientes, y como la implicacin inversa siempre
ocurre, en este modelo incorrelacin e independencia son equivalentes.
6. Sigue el modelo Ji cuadrado con un grado de libertad.
7. El modelo Ji cuadrado con n grados de libertad es la suma de n variables indepemndientes y
2
Normales de parmetros 0 y 1 elevadas al cuadrado. Que n sea igual a 2, X (n=2)Exp(=1/2).
8. No, por ser un cociente de cantidades positivas (variables Ji cuadrado independientes
divididas entre sus respectivos grados de libertad).
9. Cuando el parmetro es elevado.
10. Que es un error, pues aun suponiendo que existiese la moda de dicho modelo, al ser
continuo no sera el valor ms probable, si no el que tuviese mayor densidad.
11. La suma de variables Ji cuadrado independientes es otra variable Ji cuadrado con tantos
grados de liberad como la suma de los grados de las variables que se sumen.
12. Normal de dimensin uno o univariante.

TEMA 5
1. El Teorema Central del Lmite. Al estar constituida la media muestral por la suma de las
observaciones muestrales, y por ser la muestra aleatoria simple y ser elevado su tamao.
2. La distribucin de probabilidad formada por los valores que toma el estadstico al ir variando
la muestra, de muestra o muestra, o en el muestreo.
-10-

ESTADSTICA AVANZADA
GADE . 2015-16. Grupos 2, 4 y 6

Universidad de Sevilla
Economa Aplicada II

3. Es indiferente, por ser siempre media del segundo la variancia muestral, y tambin la del
primero si la muestra es de tamao elevado.
4. Disminuye, por ser su variancia inversamente proporcional al tamao muestral.
5. Funcin que reduce a uno la dimensin n de la muestra sin que dependa de parmetros
desconocidos.
6. Que sus componentes sean independientes y estar distribuidas como la poblacin de la que
proceda dicha muestra.
7. Si el tamao muestral es elevado y la muestra aleatoria simple, la media muestral se
distribuye Normalmente con la misma media que la poblacin y la misma variancia que la
poblacin dividida entre el tamao muestral.
8. El proceso por el cual las conclusiones obtenidas a partir de una muestra se generalizan a la
totalidad de la poblacin.
9. S, si el muestro se realiza con reposicin. Carecera por completo de sentido una muestra
con mayor tamao que la poblacin de la que se extrae.
10. El conjunto formado por todos los posibles resultados de la muestra.
11. No. Tan solo una aproximacin a dichos valores.
12. Media muestral, variancia muestral y cuasi variancia muestral; respectivamente
1 n
1 n
1 n
1 n
X = Xi , S2 = (Xi X)2 = Xi2 X2 , SC2 =
(Xi X)2
n i=1
n i=1
n i=1
n 1 i=1

TEMA 6
1. De que se conozca o no la variancia poblacional (Normal tipificada o t de Student
respectivamente).
2. Si se conocen las variancias poblacionales el Normal tipificado. Si no se conocen y son
iguales el modelo t de Student.
3. Si la poblacin es Normal y la muestra es aleatoria simple, los estadsticos media muestral y
variancia muestral son independientes.
4. Son independientes, en virtud del teorema de Fisher.
5. El modelo F de Snedecor con n1-1 grados de libertad en el numerador y n2-1 en el
denominador, siendo n1 y n2 los correspondientes tamaos muestrales.
6. Cuando se desconoce la variancia poblacional. Porque hay estimar previamente dicho
parmetro.
7. Para la distribucin de la variancia muestral.
8. Normal con la misma media que la poblacin y la misma variancia que la poblacin dividida
entre el tamao muestral.
9. Normal de media 0 y variancia 1/n.
10. t de Student: para la distribucin de la diferencia de medias muestrales cuando no se
conocen la variancias poblacionales y son iguales. F de Snedecor: para la distribucin de
cociente de variancias.
-11-

ESTADSTICA AVANZADA
GADE . 2015-16. Grupos 2, 4 y 6

Universidad de Sevilla
Economa Aplicada II

11. Que sea conocida.

12. Se reduce a la mitad, por ser inversamente proporcional al tamao muestral.

TEMA 7
1. Es la media de la diferencia o distancia elevada al cuadrado entre estimador y el parmetro
(o funcin suya) que se pretende estimar. Para comparar estimadores sesgados, aunque
tambin permite comparar insesgados, ya que en este caso coindice con la variancia del
estimador.
2. La insesgadez asinttica indica la coincidencia de la media del estimador con lo que se
pretende estimar en el hipottico caso de que el tamao muestral fuese infinito; la consistencia
en cambio indica dicha coincidencia pero para el propio estimador. En consecuencia la
segunda implica siempre a la primera y no necesariamente a la inversa.
3. T2 es sesgado, pues la eficiencia garantiza la mnima variancia para estimadores
insesgados.
4. De que tome valores en el espacio paramtrico.
5. Dos insesgados: la media muestral y la cuasi variancia muestral. Uno sesgado: la variancia
muestral.
6. Una cota o lmite inferior para la variancia de estimadores insesgados. Informacin (de
Fisher) de la muestra.
7. En admitir que habitualmente ocurre aquello que es ms probable que ocurra. El estimador
mximo verosmil de un parmetro es aquel valor del mismo que maximiza la funcin de
verosimilitud, que es funcin del parmetro y de la muestra, considerndose slo variable al
primero, una vez que se ha observado o realizado la segunda y se mantiene fija dicha
realizacin.
8. Un estadstico es suficiente si aporta la misma informacin que la muestra. Un estimador es
consistente si cuando el tamao muestral tiende a infinito coincide con el parmetro a estimar.
9. Analogas: ambas tiene idntica expresin matemtica y se obtienen exactamente igual.
Diferencias: en la de cuanta o densidad conjunta de la muestra varia la muestra y el parmetro
desconocido permanece fijo y en la de verosimilitud es justo al contrario.
10. No. Lo que garantiza es que la media del estimador coincide con el parmetro desconocido.
11. Es el conjunto de valores que toma el parmetro desconocido. Que el parmetro slo tome
valores negativos.
12. La diferencia entre su media y el parmetro (o funcin suya) que se pretende estimar.

TEMA 8
1. Aumentando el tamao muestral. En menos amplitud y menos error muestral (ms
precisin).
2. Ninguno. Si se conoce la variancia de la poblacin, la de la muestra es innecesaria.
3. No, dicha probabilidad carece de sentido, a menos que se quiera decir que es 0 o 1. Porque
sus extremos no son variables aleatorias, son nmeros.
4. Aumentando el tamao de la muestra.

-12-

ESTADSTICA AVANZADA
GADE . 2015-16. Grupos 2, 4 y 6

Universidad de Sevilla
Economa Aplicada II

5. Los extremos el primero son variables aleatorias, y los del segundo nmeros. El primero
contiene al parmetro desconocido con una determinada probabilidad y el segundo con un
determinado nivel de confianza.
6. La cantidad que se resta y suma al estimador puntual (media muestral) para obtener a partir
de l los extremos del intervalo. En valor absoluto es la mitad de la amplitud.
7. S, porque el parmetro a estimar pueda tomar valores negativos.
8. Son directamente proporcionales. Son inversamente proporcionales.
9. No, porque en ese caso el intervalo sera tan amplio que coincidira con el espacio
paramtrico (nula precisin).
10. Que de cada cien intervalos que se obtengan para dicho consumo a partir de otras tantas
muestras de igual tamao, cabe esperar que por trmino medio en 95 de ellos el consumo este
comprendido entre sus extremos.
11. Un intervalo del 100% de confianza.
12. Si, por ser, entre otras cosas, funcin de la muestra a travs de un estadstico.

TEMA 9
1. Nivel de significacin (probabilidad de cometer error de tipo I). De forma arbitraria.
2. El menor nivel de significacin a partir del cual se rechaza la hiptesis nula (o mximo hasta
el que se acepta). De la hiptesis nula y de la muestra.
3. Entre 0 y 2 ambos excluidos, pues se trata de la suma de dos nmeros comprendidos entre
0 y 1 (probabilidades), no pudiendo ser simultneamente iguales a 0 ni a 1.
4. La probabilidad de cometer error de tipo I (rechazar la hiptesis nula siendo cierta).
Arbitrariamente. S, por ser una probabilidad, aunque debe estar prxima a 0 sin alcanzar dicho
valor.
5. En la primera se conoce con certeza la forma de la distribucin de probabilidad o modelo de
la poblacin y en la segunda no.
6. La probabilidad de aceptar la hiptesis nula siendo cierta.
7. Ninguno. En cualquier contraste el nivel de significacin no influye en el valor del estadstico
experimental. El nico efecto del nivel significacin es hacer que el valor de dicho estadstico
este dentro o fuera de la regin crtica; en el primer caso se rechaza la hiptesis nula y el
segundo se acepta
8. No se puede determinar. Porque al ser compuesta la hiptesis alternativa no especifica el
2
valor de .
9. Tan slo que ninguna de las dos es 0 ni 1, porque si una de ellas toma uno de esos valores
extremos, la otra toma el opuesto.
10. El conjunto de valores del estadstico experimental en el cual se rechaza la hiptesis nula.
Inversa y no exacta.
11. La potencia del contraste cuya hiptesis alternativa es la simple correspondiente a dicho
punto.
12. A un nivel de significacin superior tambin se rechazar, pues si se aumenta el tamao de
la regin crtica el valor del estadstico experimental seguir estando dentro de ella. A un nivel

-13-

ESTADSTICA AVANZADA
GADE . 2015-16. Grupos 2, 4 y 6

Universidad de Sevilla
Economa Aplicada II

de significacin inferior no se sabe que ocurrir sin ms informacin, pues al reducir el tamao
de la regin crtica el valor del estadstico experimental puede quedar dentro o fuera de ella.

TEMA 10
1. Del nmero de categoras en que estn agrupadas las observaciones. Del nmero de
categoras en que estn agrupadas las observaciones segn las dos caractersticas
poblacionales analizadas.
2. A que los clculos estn mal realizados; ambas sumas han de ser iguales al nmero de
observaciones.
3. Sera 1. Si lo que se observa coincide plenamente con los que se espera observar de ser
cierta la distribucin de probabilidad establecida en la hiptesis nula, es imposible rechazar
dicha hiptesis; se aceptara a cualquier nivel de significacin.
4. No. Lo nico que establece la hiptesis nula es la independencia de las dos caractersticas
poblacionales.
5. En dicho estadstico hay k cuadrados (siendo k el nmero de categoras en que se agrupan
las observaciones) todos independientes menos uno. Hay una relacin de dependencia, luego
se pierde un grado de libertad. Dicha relacin viene impuesta porque la suma de las k
frecuencias observadas ha de ser igual al nmero de observaciones.
6. Cuando todas las frecuencias observadas sean exactamente iguales a las esperadas.
7. Cuando en ambos finalmente queda un grado de libertad. Consiste en aminorar en 0.5 las
diferencias en valor absoluto entre las frecuencias observadas y las esperadas antes de elevar
al cuadrado dichas diferencias.
8. r+c-2, siendo r y c el nmero de categoras en que estn agrupadas las observaciones
muestrales segn la dos caractersticas poblacionales consideradas.
9. En ambos solo se puede rechazar la hiptesis nula si hay mucha diferencia entre lo
observado y lo esperado de ser cierta la hiptesis nula, o sea cuando el valor del estadstico
experimental es elevado y en consecuencia alejado de 0, por la que la regin crtica slo puede
ser, necesariamente, la cola o extremo de la derecha de dicho estadstico.
10. A que se aproxima una distribucin multivariante discreta a otra univariante continua (Ji
cuadrado).
11. Cuando r=c=2, siendo r y c el nmero de categoras en que estn agrupadas las
observaciones muestrales segn la dos caractersticas poblacionales consideradas.
12. Al nmero de observaciones.
k

En el de bondad de ajuste:

n
i =1

En el de independencia:

= n1 + n2 + ... + nk = n

i =1

nij = n11 + n12 + ... + nrc = n

i =1 j =1

-14-

np

= n pi = n1 = n .

i =1

npij = n pij =n1 = n

i =1 j =1

i =1 j =1