Captulo 1 Muestras aleatorias y distribucin de muestreo

1. Una rma de mercadotecnia enva un cuestionario a 1000 residentes de cierto suburbio de una ciudad para determinar las preferencias como compradores. De los 1000 residentes, 80 responde el cuestionario. Lo anterior constituye una muestra aleatoria?. discutir los mritos de este procedimiento para obtener una muestra aleatoria. 2. En una planta de armado automotriz se seleccionaran 50 de los primeros 1000 automviles de un nuevo modelo para ser inspeccionados por el departamento de control de calidad. El gerente de la planta decide inspeccionar un automvil cada vez que terminan 20. este proceso dar como resultado una muestra aleatoria? comente. 3. Si X1 ,X2 ,. . .,Xn constituye una muestra aleatoria, obtener las funciones de verosimilitud de las siguientes distribuciones:
a ) De Poisson, con parmetro b ) Hipergeomtrica con parmetro p c ) Uniforme en el intervalo (a, b)

CAPTULO 1.

MUESTRAS ALEATORIAS Y DISTRIBUCIN DE MUESTREO

d ) N (, 2 )

4. Repetir 3 para las siguientes distribuciones:

a ) Gama con parmetro y . b ) Weibull con parmetro y .

5. Sea X1 ,X2 ,. . .,Xn una muestra aleatoria de una poblacin cuya distribucin es normal con media y varianza 2 desconocidas. De las siguientes cuales son estadsticas?
a)

Xi

b ) X1 + X2 c ) Xi i = 1, 2, . . . , n
2 2 d ) X1 + X2 exp(X3 )

e ) Xi / i = 1, 2, . . . , n f)

(Xi X)

6. Sea X1 ,X2 ,. . .,Xn n variables aleatorias independientes de Poisson con parmetro 1 , 2 , . . . , n respectivamente. Mediante el empleo de la funcin generadora de momentos, demostrar que la suma de estas variables tambin es una variable aleatoria de Poisson con parmetro 1 + 2 + + n . 7. Sean X1 y X2 dos variables aleatorias independientes de Poisson con parmetro 1 y 2 respectivamente. Demostrar que la diferencia entre X1 y X2 no es una variable aleatoria Poisson. 8. Sean X1 y X2 dos variables aleatorias independientes Binomial con parmetro n1 y p, y n2 yp, respectivamente. Demostrar que la suma de X1 y X2 es una variable aleatoria Binomial con parmetros n1 + n2 y p. 9. Sean X1 y X2 dos variables aleatorias independientes distribuidas exponencialmente con el mismo parmetro . Demostrar que la suma X1 y X2 es una variable aleatoria gama con parmetro de forma 2 y parmetro de escala . 2
Licenciado Fernando Cedeo Universidad de Carabobo

CAPTULO 1.

MUESTRAS ALEATORIAS Y DISTRIBUCIN DE MUESTREO

10. Para un determinado nivel de ingresos, el departamento de hacienda sabe que las cantidades declaradas por concepto de deducciones mdicas (X1 ), contribuciones caritativas (X2 ) y gastos varios (X3 ), son variables aleatorias independientes distribuidas normalmente con medias $400, $800 y $100 y desviaciones estndar $100, $250 y $40, respectivamente.
a ) Cual es la probabilidad de que la cantidad total declarada por

concepto de estas tres deducciones, no sea mayor de $1600?

b ) Si una persona con este nivel de ingreso declara por concepto de

deducciones un total de $2100, que tan probable es tener una cantidad igual o mayor a este monto bajo las condiciones dadas? 11. Una tienda de artculos elctricos para el hogar vende tres diferentes marcas de refrigeradores. Sean X1 , X2 y X3 variables aleatorias las cuales representan el volumen de ventas mensual para cada una de las tres marcas de refrigeradores. Si X1 , X2 y X3 son variables aleatorias independientes normalmente distribuidas con media $8000, $15000 y $12000 y desviaciones estndar $2000, $5000 y $3000, respectivamente, obtener la probabilidad de que, para un mes en particular, el volumen de venta total para los tres refrigeradores sea mayor de $50000. 12. En una tienda de servicio el tiempo total del sistema consta de dos componentes (el lapso de tiempo que debe esperarse para el servicio para que el servicio de comienzo(X1 ) y el lapso de tiempo que dura (X2 )). Si X1 y X2 son variables aleatorias independientes exponencialmente distribuidas con un tiempo medio de 4 minutos cada una, cul es la probabilidad de que el tiempo total que tarda el sistema en proporcionar el servicio no sea mayor de 15 minutos? (Sugerencia: consulte el ejercicio 9) 13. Sea X1 ,X2 ,. . .,Xn una muestra aleatoria de una poblacin que tiene una distribucin gama con parmetros y . Mediante el uso de la funcin generadora de momentos, demostrar que la distribucin de la media muestral X tambin es de tipo gama, con parmetro de escala y forma iguales a n y /n respectivamente. 3
Licenciado Fernando Cedeo Universidad de Carabobo

CAPTULO 1.

MUESTRAS ALEATORIAS Y DISTRIBUCIN DE MUESTREO

14. Generar nmeros aleatorios para la distribucin binomial y exponencial y usarlos para demostrar el teorema del limite central. De manera especca, para n=10 y n=40 , generar 50 muestras de una distribucin binomial con p = 0,4. Repetir el procedimiento anterior generando 50 muestras de una distribucin exponencial con parmetro =100. Se ha demostrado el teorema del limite central en un grado razonable? 15. Para cierta prueba de aptitud se sabe con base a la experiencia que el numero de aciertos 1000 on una desviacin estndar de 125. Si se aplica la prueba a 100 personas seleccionadas al azar, aproximar las siguientes probabilidades que involucran la media muestral X .
P (985 X 1015) P (960 < X < 1040) P (X > 1020) P (X < 975)

16. Un contratista piensa comprar una gran cantidad de lmparas de alta intensidad a cierto fabricante. ste asegura al contratista que la duracin promedio de las lmparas es de 1000 horas con una desviacin estndar igual a 80 horas. El contratista decide comprar las lmparas solo si una muestra aleatoria de 64 esta da como resultado una vida promedio de por lo menos 1000 horas. Cul es la probabilidad de que el contratista adquiera las lmparas? 17. Un inspector de pesos y medidas visita una planta de empacado para vericar que el peso neto de las cajas se el indicado en stas. El gerente de la planta asegura al inspector que el peso promedio de cada caja es de 750 gr con una desviacin estndar de 5 gr. El inspector selecciona, al azar, 100 cajas y encuentra que el peso promedio de 748 gr. Bajo estas condiciones, qu tan probable es tener un peso de 748 o menosQu actitud debe tomar el inspector? 4

Licenciado Fernando Cedeo Universidad de Carabobo

CAPTULO 1.

MUESTRAS ALEATORIAS Y DISTRIBUCIN DE MUESTREO

18. En la fabricacin de los cojinetes para motores, se sabe que el dimetro promedio es de 5cm con una desviacin estndar de 0.005cm. El proceso es vigilado en forma peridica mediante la seleccin de 64 cojinetes, midiendo sus respectivos dimetros. El proceso no se detiene mientras la probabilidad de que la media muestral se encuentre entre dos limites especicados sea de 0.95. Determinar el valor de los limites. 19. En la produccin de cierto material para soldar se sabe que la desviacin estndar de la tensin de ruptura de este material es 25. Cul debe ser la tensin de ruptura promedio del proceso si, con base en una muestra de 50 especmenes, la probabilidad de que la media muestral tenga un valor mayor de 250 libras es de 0.95? 20. Para un gerente de una planta es muy importante controlar la variacin en el espesor de un material plstico. Se sabe que la distribucin del espesor del material es normal con una desviacin estndar de 0.01cm. Una muestra aleatoria de 25 piezas de este material da como resultado una desviacin estndar muestral de 0.015cm. Si la varianza de la poblacin es (0,01)2 cm2 , cul es la probabilidad de que la varianza muestral sea igual o mayor que (0,015)2 cm2 Por lo tanto, qu puede usted concluir con respecto a la variacin de este proceso? 21. si se obtiene una muestra aleatoria de n = 16 de una distribucin normal con media y varianzas desconocidas, obtener P (S 2 / 2 2,041) 22. si se obtiene una muestra aleatoria de n = 21 de una distribucin normal con media y varianzas desconocidas, obtener P (S 2 / 2 1,421) 23. Un fabricante de cigarrillos asegura que el contenido promedio de nicotina, en una de sus marcas, es de 0.6 mg por cigarrillo. Una organizacin independiente mide el contenido de nicotina de 16 cigarrillos de esta marca y encuentra el promedio y la desviacin estndar muestral es de 0.75 y 0.175 mg, respectivamente, de nicotina. Si se supone que la cantidad de nicotina

Licenciado Fernando Cedeo Universidad de Carabobo

CAPTULO 1.

MUESTRAS ALEATORIAS Y DISTRIBUCIN DE MUESTREO

en estos cigarrillos es una variable aleatoria normal, que tan probable es el resultado muestral dado el dato proporcionando por el fabricante?

Licenciado Fernando Cedeo Universidad de Carabobo

Captulo 2 Estimacin puntual y por intervalo

1. En un experimento binomial se observan x xitos en n ensayos independientes. Se proponen las siguientes estadsticas como estimadores del parmetro de proporcin p: T1 = X/n y T2 = (X + 1)/(n + 2)
a ) Obtener y comparar los errores cuadrticos medios de T1 y T2 . b ) Hacer una grca del ECM de cada estadstica como funciones de p

para n=10 yn=5. Es alguno de estos estimadores uniformemente mejor que el otro?. 2. Sea X1 , X2 , X3 y X4 una muestra aleatoria de tamao cuatro de una poblacin cuya distribucin es exponencial con parmetro desconocido. De las siguientes estadsticas, Cuales son estimadores insesgados?
T1 =
1 (X1 6

+ X2 ) + 1 (X3 + X4 ) 3

T2 = (X1 + 2X2 + 3X3 + 4X4 )/5 T3 = (X1 + X2 + X3 + X4 )/4

3. Demostrar que la estadstica T1 del ejercicio 1, es un estimador consistente del parmetro binomial p. 4. Mediante el uso del teorema de Tchebyshe, demostrar que la estadstica T2 , en el ejercicio 1 es un estimador consistente del parmetro binomial p. 7

CAPTULO 2.

ESTIMACIN PUNTUAL Y POR INTER VALO

5. De los estimadores insesgados de dados en el ejercicio 2, determinar cual es el que tiene varianza mas pequea. Cuales son las eciencias relativas de los dems estimadores insesgados con respecto al que tiene varianza ms pequea? 6. Sea X1 , X2 , X3 , X4 y X5 una muestra aleatoria de una poblacin cuya distribucin es normal con media y varianza 2 . Considrense las estadsticas T1 = (X1 +X2 + +X5 )/5 y T2 = (X1 +X2 +2X3 +X4 +X5 )/5 como estimadores de . Identicar la estadstica que tiene la varianza mas pequea. 7. Mediante el uso de la cota inferior de Cramr-Rao determinar la varianza del estimador insesgado de varianza mnima de cuando se muestrea una poblacin cuya distribucin es exponencial con densidad f (x|) = (1/) exp(x/), x > 0. Deducir que el estimador eciente de es la media muestral. 8. Sea X1 , X2 , . . . , Xn una muestra aleatoria cuya distribucin es gama y 1 densidad f (x|) = () x1 exp(x/),x > 0, , > 0 con parametro de forma conocido. demostrar que el estimador de maxima verosimilitud del parmetro de escala esta dado por:
1 = X

9. Sea X1 , X2 , . . . , Xn una muestra aleatoria de una poblacin cuya distribucin es Poisson con parmetro . Obtener el estimador de maxima verosimilitud de . 10. Sea X1 , X2 , . . . , Xn una muestra cuya poblacin tiene distribucin es exponencial con parmetro de escala . Obtener el estimador de maxima verosimilitud de y demostrar que ste es un estimador suciente para 11. Sea X1 , X2 , . . . , Xn una muestra aleatoria de una poblacin cuya distribucin es la de Rayleigh, con densidad f (x| 2 ) = (x/ 2 ) exp(x2 /2 2 ), x > 0. 8
Licenciado Fernando Cedeo Universidad de Carabobo

CAPTULO 2.

ESTIMACIN PUNTUAL Y POR INTER VALO

Obtener el estimador de maxima verosimilitud de 2 .Es sta una estadstica para 2 ?. 12. La Tabla 13 es una distribucin de frecuencia para accidentes automovilsticos recabada para un estudio en california. Asumiendo que el numero de accidentes es una variable aleatoria binomial negativa, sese el mtodo de los momentos para estimar los parmetros binomiales negativos k y p. Comparar las frecuencias que se observaron con aquellas que se obtienen mediante el empleo de los valores estimadores de k y p. 13. Los siguientes datos son una muestra aleatoria de duracin en horas, que se observaron para un determinado componente elctrico: 142.84, 97.04, 32.46, 69.14, 85.67, 114.43, 41.76, 163.07, 108.22, 63.28. Supngase que la duracin de un componente es una variable aleatoria de Weibull con parmetro de forma = 2.
a ) Obtener un estimador de mxima verosimilitud para el parmetro de

escala .
b ) El mtodo de los momentos, dara un estimador de diferente al que

se obtuvo en 13a ?
c ) Mediante el uso de su respuesta al inciso 13a , estimar la conabilidad

de este componente para t= 150 horas.

14. Mediante el resultado del inciso 13a del ejercicio 13, obtener el tiempo para el cual la conabilidad es de 0.95. 15. Los siguientes son tiempos de falla, ordenados en horas de diez componentes que fallarn de un total de 40 en una prueba de duracin: 421, 436, 448, 474, 496, 499, 510, 525, 593, 675. Supngase que el tiempo de falla es una variable exponencialmente distribuida. Obtener un estimador de mxima verosimilitud para el parmetro 9
Licenciado Fernando Cedeo Universidad de Carabobo

CAPTULO 2.

ESTIMACIN PUNTUAL Y POR INTER VALO

Nmero de accidentes Nmero de conductores 0 35068 1 13411 2 4013 3 1184 4 353 5 93 6 29 7 8 8 4 9 o ms 2 Cuadro 2.1: Accidentes en California Use la respuesta dada en 15 para estimar la conabilidad de este componente en t=4000 horas. 16. Una prueba de duracin termina cuando fallen m < n unidades. Si el tiempo de falla es una variable aleatoria de Weibull con parmetro de forma conocido, obtener el estimador de mxima verosimilitud para el parmetro de escala . 17. Se desea obtener un indicador del xito nanciero de ciertas tiendas que venden artculos especiales en centros comerciales de una gran ciudad. Se selecciona una muestra aleatoria de 30 tiendas ubicadas en distintos centros comerciales y en donde el interes recae en el tiempo que stas permanecen en operacin. Se tendra un dato signicativo cuando se observan las primeras 8 tiendas que dejen de funcionar. Los siguientes datos son el tiempo ascendente, de operacin en meses: 3.2, 3.9, 5.9, 6.5, 16.5, 20.3, 40.4, 50.9. Supngase que el tiempo en que permanece operando una tienda de esta clase es una variable aleatoria Weibull con =0.8.
a ) Usando el resultado del ejercicio 16, obtener el estimador de maxima

verosimilitud para . 10
Licenciado Fernando Cedeo Universidad de Carabobo

CAPTULO 2.

ESTIMACIN PUNTUAL Y POR INTER VALO

b ) Con base a la respuesta del inciso 17a , cual es la probabilidad de que

una tienda permanezca en operacin despus de haber transcurrido dos aos de su apertura?. Despus de diez aos?. 18. El tiempo total de procesamiento para programas con tarjetas perforadas de computadora se dene como el tiempo que transcurre desde que se lee la primera tarjeta hasta que se lee se imprime la ultima linea, y est constituido por tres componentes; el tiempo de espera de entrada, el tiempo utilizado por el procesador central y el tiempo de espera de salida. Los siguientes datos son los tiempos totales de procesamiento, en minutos, para una muestra aleatoria de 15 programas similares: 15.5, 5.2, 6.8, 3.6, 10.9, 12.8, 7.8 8.6, 6.3, 6.9, 18.2, 15.4, 9.2, 10.3, 7.3. Supngase que el tiempo total de procesamiento est modelado, en forma adecuada por una distribucin gama con =3.
a ) Obtener un estimador de mxima verosimilitud para el parmetro de

escala .
b ) El mtodo de los momentos dara un estimador diferente de al

determinado en el inciso 18a ?

c ) Mediante la respuesta del inciso 18a , calcular la probabilidad de que el

tiempo de procesamiento sea mayor a 20min.

11

Licenciado Fernando Cedeo Universidad de Carabobo