Ingeniera

Civil Industrial
Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

Ayudantas Tema 1
El error cuadrtico medio (mean squared error) es una medida de precisin del estimador. Para
un estimador el error cuadrtico medio se define por
!

= [ ]
Con las propiedades de E(valor esperado), se puede mostrar que
= +

.De esta forma cuando es insesgado, ocurre que =

1.

En muestras de tamao n=3 de una v.a. normal de media m y varianza conocida ! = 1, se

consideran los estimadores
! =

1
1
1
! + ! + !
3
3
3

! =

1
1
1
! + ! + !
4
2
4

! =

1
3
1
! + ! + !
8
8
2

Comprobar que son estimadores insesgados y estudiar su eficiencia. Calcular la estimacin de

para la muestra
! = 2,6
2.

! = 3,1

! = 1,8

La lectura de voltaje dada por un voltmetro conectado a un circuito elctrico es una variable
aleatoria con distribucin uniforme en el intervalo ( , + 1) , siendo el verdadero valor,
desconocido, del voltaje. Sea X 1 , X 2 ,..., X n una muestra de lecturas de dicho voltmetro.
a)
b)
c)

3.

Demostrar que la media muestral X es un estimador sesgado de y calcular el sesgo.

Calcular el error cuadrtico medio de X .
Obtener, a partir de X un estimador insesgado de .

Sea X 1 , X 2 ,..., X n una muestra aleatoria de tamao n.

a) Demuestre que X 2 es un estimador sesgado de 2 .

b) Determine la magnitud del sesgo en este estimador.
c) Qu sucede con el sesgo a medida que aumenta el tamao n de la muestra? Argumente.
4.

Sea X una v.a. uniformemente distribuida en (0,) donde es desconocido y X1, X2, , Xn una
muestra aleatoria simple de valores observados de X. Consideremos los estimadores:
! = ! , , !

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

! = 2
! =
a)
b)
c)
d)

Demostrar que U1 es un estimador sesgado de .

Demostrar que U2 es un estimador insesgado de .
Demostrar que U3 es tambin insesgado y ms eficiente que U2
Estimar usando los tres estimadores a partir de la muestra
0,53

5.

+1
! , , !

0,73

1,54

2,48

1,30

0,20

La variable aleatoria X1 tiene una distribucin N(, 2) y la variable X2, independiente de la

anterior, tiene una distribucin N(2,3 2). Se toma una muestra pequea de tamao n1 de la
primera variable y otra de tamao n2 de la segunda. Para estimar el valor del parmetro se
utiliza el estimador = aX 1 + bX 2 donde a y b representan constantes.

a) Qu condicin deben cumplir los valores de a y b para que el estimador de media sea
insesgado?

b) Determine a y b para que adems, el estimador presentado anteriormente sea el de varianza

mnima.
6.

Demostrar que, entre todos los estimadores lineales insesgados ! = ! ! + + ! ! de la

media poblacional, la media muestral es el de menor varianza.

7.

Un torno fabrica piezas cuya longitud oscila aleatoriamente entre dos valores a y b. Suponiendo
que la longitud se ajusta a una v.a. distribuida uniformemente, estimar los parmetros a y b, a
partir de la muestra
10,2

10,22

10,10

10,14

utilizando el mtodo de los momentos.

8.

La v.a. X sigue una distribucin de Pascal:

= 1 ! , = 0,1,2, 0 < < 1
Hallar un estimador del parmetro p por el mtodo de los momentos.

9.

El coseno del ngulo con que se emiten los electrones en un proceso radiactivo es una variable
aleatoria X con funcin de densidad

1 (1 + x ) si 1 x 1
para 1 1
f X ( x; ) = 2
d.o. f .
0
Consideremos una muestra aleatoria simple X 1 , X 2 ,..., X n de dicha variable.

a)

Obtener el estimador de por el mtodo de los momentos.

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

b)

Calcular la varianza de este estimador.

10. El tiempo de vida de ciertos artculos electrnicos, que se distribuye exponencial desfasada, es
de por lo menos das, donde 0 es desconocido. La pdf de una exponencial desfasada viene
dada por:

e ( x ) x
f X ( x; , ) =
d .o. f .
0
a)
b)
c)

Obtenga por el mtodo de los momentos estimadores para los parmetros y .

Demuestre, con slidos argumentos matemticos, que el MLE de

es

= min { X 1 , X 2 ,..., X n } . Adems calcule el MLE de .

Es = min { X 1 , X 2 ,..., X n } un estimador insesgado? Justifique matemticamente e
intuitivamente.

11. En una piscifactora hay una proporcin desconocida de peces de una cierta especie A. Para
obtener informacin sobre dicha proporcin, vamos a ir sacando peces al azar. Tres personas
realizan, independientemente una tras otra, el proceso de sacar peces al azar hasta encontrarse
con el primero del tipo A: La primera persona lo obtiene en la dcima extraccin, la segunda
persona lo obtiene en la decimoquinta y la tercera en la decimoctava extraccin. Escribir la
funcin de verosimilitud y obtener el estimador de mxima verosimilitud de la proporcin p.
12. Una v.a. discreta toma los valores 0, 1 y 2 con funcin de densidad
0, = !

1, = 2 1

2, = 1

Siendo 0<p<1 un parmetro desconocido. Estimar p a partir de una muestra de tamao 100 en la
que se ha presentado 22 veces el 0, 53 veces el 1 y 25 veces el 2.
13. Hallar el estimador de mxima verosimilitud de para la distribucin de una v.a. X con funcin
de densidad
, = !!"

si x>0

14. Las muestras de una variable asociada a una investigacin gentica proceden de una distribucin
binomial de parmetros m y p, salvo que el valor X=0 no puede presentarse por condiciones
experimentales. Se pide:
a) Hallar la distribucin condicional de X.
b) Estimar el parmetro p en el caso m=2.

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

15. Sea X1 , X 2 ,......, X n una muestra aleatoria de la duracin de informacin en CDs (tiempos de
vida de la informacin en los CDs, en aos). El fabricante de estos CDs, argumenta que la
funcin de densidad de probabilidad de los CDs es exponencial. Para determinar esto, recopil la
siguiente informacin sobre la duracin de la informacin (en aos) de 32 CDs:
1,7608
4,9092
1,8298
0,1682

4,3192
0,8376
16,19
6,9115

2,8868
10,8476
9,9817
3,6457

12,426
3,3335
6,2342
6,2786

27,7359
9,8361
2,7197
3,0316

7,8288
1,505
4,2868
3,9912

0,905
3,3382
5,7499
1,282

2,7391
15,4049
2,7448
1,6601

a) Realice los grficos de probabilidad que estime pertinentes, analcelos y concluya si est de
acuerdo con la afirmacin del fabricante.

b) Asumiendo que lo dicho por el fabricante es cierto, encuentre la distribucin asinttica del

MLE de , y utilcela para construir un IC aproximado con 95% de confianza para

elverdadero tiempo promedio de vida de los CDs.

e x x R 0+ , R +
Nota: La pdf de la distribucin Exponencial es: f X ( x ; ) =
0
d . o. f .
e x x R 0+ , R +

fX (x; ) =
0
d
.
o
.
f
.

16. El superintendente de un gran distrito escolar, que alguna vez curs probabilidad y estadstica,
piensa que el nmero de maestros ausentes en cualquier da dado tiene una distribucin de
Poisson con parmetro . Se han muestreado 50 das, obtenindose los siguientes resultados:
Nmero de
ausencias
Frecuencia

10

10

a) Realice los grficos de probabilidad que estime pertinentes, analcelos y concluya si est de
acuerdo con la afirmacin del superintendente.

b) Asumiendo que lo dicho por el fabricante es cierto, encuentre la distribucin asinttica del
MLE de , y utilcela para construir un IC aproximado con 99% de confianza para el
verdadero promedio del nmero de maestros ausentes por da.

e x
x Z 0+ , R +

Nota: La pmf de la distribucin de Poisson es: p X ( x; ) = x !

0
d . o. f .

17. El fabricante de un determinado tipo de turbinas de vapor afirma que la duracin de stas (en
miles de horas) sigue una distribucin Weibull, con parmetro de forma = 2. Para corroborar
esta informacin, se han probado experimentalmente 100 turbinas, de las cuales se obtuvieron
los siguientes tiempos de fallo:

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

5,4476
8,6489
4,9143
8,6507
3,6296
13,7769
3,5341
2,6892
6,5873
6,3539

10,7148
5,0303
6,8759
7,3842
6,9242
9,7152
5,6084
2,8443
9,8637
4,8017

6,432
4,463
16,5398
7,1686
3,1186
12,7336
10,4193
4,2145
3,6592
5,7458

4,8502 7,5622 13,4607 1,7397 11,9515

8,8636 6,6119 6,7642 8,0335 12,3192
2,9201 10,8548 9,2527 6,1411 4,8079
4,0023 2,6913 3,8961 7,6704 6,8087
6,1015 7,7103 10,6065 3,2517 12,9063
2,2583 11,3072 6,4763 3,6927 13,5638
8,8795 4,7746 6,8273 13,2823 8,2852
9,7132 3,2909 2,0992 2,3235 3,2299
5,1261 5,1013 17,2169 12,156 15,7213
6,0672 9,6748 8,9102 7,7512 5,4662

7,3981
7,6689
3,5114
7,7336
2,2185
10,5226
2,3597
11,3221
8,1765
6,723

10,6839
5,4247
5,6728
11,7298
4,9816
4,2721
6,6418
3,129
5,6077
9,0627

a) Encuentre el MLE del parmetro, y obtenga la estimacin correspondiente.

b) Realice los grficos de probabilidad que estime pertinentes, analcelos y concluya si est de
acuerdo con la afirmacin del fabricante.

c) Obtenga la distribucin asinttica del MLE del parmetro .

d) Determine un IC aproximado para el parmetro con un nivel de confianza del 90%. Luego,
calcule el IC del 90% en base a los datos muestreados.

e) Determine un IC aproximado para la confiabilidad de la duracin de las turbinas con un nivel

de confianza del 95%. Luego, calcule el IC del 95% en base a los datos muestreados, para la
confiabilidad de la duracin de las turbinas a las 7.000 horas. [Sugerencia: La confiabilidad
se define como la probabilidad de que cierta variable dure por lo menos unidades de tiempo,
es decir, = ( > )]

1 ( x / )
x R 0+ ; , R +
x e
Nota: La pdf de la distribucin Weibull es: f X ( x; , ) =

0
d .o. f .

1 e ( x / ) x R + ; , R +
0
y la cdf es: FX ( x ; , ) =

d .o. f .
0
18. Una revisin de 100 informes que tienen diez datos cada uno, realizada por los vendedores de
una gran compaa, permiti determinar si existe algn tipo de error en dichos informes (cada
dato del informe podra o no estar errado). La informacin recopilada fue la siguiente:
N de errores
por informe
0
1
2
3
4
5

Frecuencia
Observada
8
25
32
24
10
1

Despus del anlisis correspondiente, los vendedores afirmaron que el nmero de errores por
informe segua una distribucin binomial. Realice los grficos de probabilidad que estime

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

pertinentes, analcelos y concluya si est de acuerdo con la afirmacin del fabricante.
[Sugerencia: en primer lugar debe obtener el MLE del parmetro ]

n x
n x
0 xn
p (1 p )
Nota: La pmf de la distribucin Binomial es: p X ( x ; n, p ) = x

0
de otra forma

19. La longitud de 150 piezas fabricadas por un torno, han sido clasificadas en 5 grupos, con los
siguientes resultados (en mm):
Longitud
10,01 L < 10,06
10,06 L < 10,11
10,11 L < 10,16
10,16 L < 10,21
10,21 L < 10,26

Frecuencia
26
32
35
29
28

Sabiendo que la mnima y mxima longitud que puede alcanzar una pieza fabricada por el torno
son 10,01 mm y 10,26 mm, comprubese si la variable longitud de la pieza se distribuye
uniformemente.
20. En el transcurso de dos horas, el nmero de llamadas por minuto solicitadas a una centralita
telefnica fue:
No. Llamadas/min:
Frecuencia:

0
6

1
18

2
32

3
35

4
17

5
10

6
2

7
0

Se puede aceptar que la variable nmero de llamadas por minuto sigue la distribucin de
Poisson de parmetro ?
21. Sea X1 , X 2 ,......, X n una muestra aleatoria de la duracin de informacin en CDs (tiempos de
vida de la informacin en los CDs, en aos). El fabricante de estos CDs, argumenta que la
funcin de densidad de probabilidad de los CDs es exponencial. Para determinar esto, recopil la
siguiente informacin sobre la duracin de la informacin (en aos) de 50CDs:
10,7982

8,0426

6,4366

0,5331

0,1541

4,5002

0,9442

6,7867

13,4081

4,3599

2,5988

15,3399

0,5037

1,8704

0,3356

4,4052

0,0367

8,2058

2,2143

0,228

5,8159

1,61

7,1008

9,9957

8,2947

3,0028

4,925

8,884

0,2448

3,2316

0,4465

2,5809

7,4452

7,4899

8,4569

0,0058

13,4983

3,1985

0,9409

5,8899

2,2831

17,6502

5,3946

11,0974

3,2513

0,8983

3,9195

2,7659

5,5943

4,9522

c) Realice la prueba de bondad de ajuste Chi Cuadrado, determine el valor p de ella, y concluya
si est de acuerdo con la afirmacin del fabricante.

d) Realice la prueba de bondad de ajuste Kolmogorov - Smirnov, y concluya si est de acuerdo

con la afirmacin del fabricante.

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

e) Realice la prueba de bondad de ajuste Anderson - Darling, y concluya si est de acuerdo con
la afirmacin del fabricante.

e x x R 0+ , R +
d . o. f .
+ 0

Nota: La pdf de la distribucin Exponencial es: f X ( x ; ) =

e x x R 0+ , R

fX (x; ) =
d . o. f .
0

22. Un estudio de la pureza de una mezcla qumica indica que sta depende principalmente de tres
parmetros, denominados r, p y q (con r+p+q=1) Se estima que hay cuatro grupos de calidad, 0,
1, 2 y 3. Segn las caractersticas de la maquinaria de nuestro proceso productivo, en
condiciones normales, stas deberan producir un lote de calidad 0, , 3 con la probabilidad
indicada en la siguiente tabla:
Grupo:
Probabilidad:

0
!

1
! + 2

2
! + 2

3
2

La empresa ha tomado muestras de 435 lotes y se observaron las siguientes frecuencias

Grupo:
Frecuencia:

0
176

1
182

2
60

3
17

Decidir, si las frecuencias concuerdan con el modelo probabilstico.

23. El superintendente de un gran distrito escolar, que alguna vez curs probabilidad y estadstica,
piensa que el nmero de maestros ausentes en cualquier da dado tiene una distribucin de
Poisson con parmetro . Se han muestreado 50 das, obtenindose los siguientes resultados:
Nmero de
ausencias
Frecuencia

10

10

Realice la prueba de bondad de ajuste Chi Cuadrado, determine el valor p de ella, y concluya si
est de acuerdo con la afirmacin del superintendente.

e x
x Z 0+ , R +

Nota: La pmf de la distribucin de Poisson es: p X ( x; ) = x !

0
d . o. f .

24. El fabricante de un determinado tipo de piezas industriales, al revisar los manuales del fabricante
que vende las mquinas que usa en su proceso, ha determinado que la distribucin de
probabilidad del tiempo necesario para que la mquina pueda hacer una de estas piezas (la
mquina con la que cuenta slo procesa de una pieza a la vez) es normal, mas desconocen sus
parmetros. Ha tomado el tiempo de 100 piezas desde que las introduce como materia prima a la
mquina hasta que se obtiene la pieza lista para su comercializacin. Piensa que 100 tiempos
constituyen una muestra representativa y ms que suficiente para determinar que distribucin
siguen estos tiempos. Los tiempos muestrados (en minutos) fueron:

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

95,9282

81,0011

100,348

88,297

84,2068

88,7596

76,817

78,0328

82,9195

80,1343

76,1757

118,3695

109,1144

58,3428

106,1591

78,8844

83,8781

86,2972

70,0439

79,9897

88,8629

96,1606

83,8133

91,4232

92,7426

70,9492

88,4734

95,817

100,9725

81,3879

86,4616

101,8318

101,4601

88,7291

81,5645

108,8324

92,6834

93,5506

95,0095

88,1573

80,7671

89,7465

107,5916

101,3747

88,7488

110,0187

102,5314

110,0804

85,786

96,3623

96,0365

61,5787

75,8726

102,1081

108,8916

68,6997

117,2213

91,3617

72,9243

79,0009

92,5714

66,4707

83,4333

104,1354

74,5723

82,2222

94,0476

68,3319

86,528

105,3892

64,6172

94,1019

82,772

88,4871

86,14

110,5291

93,0814

69,7532

100,2012

78,2921

77,6498

77,7211

95,1678

95,8831

87,6766

88,2834

93,737

83,6147

85,753

108,3414

101,4546

87,8011

103,8942

84,623

95,482

92,7497

93,8858

115,4613

85,5689

85,0224

a) Realice la prueba de bondad de ajuste Chi Cuadrado, determine el valor p de ella, y concluya
si est de acuerdo con la afirmacin del fabricante.

b) Realice la prueba de bondad de ajuste Kolmogorov - Smirnov, y concluya si est de acuerdo

con la afirmacin del fabricante.
c) Realice la prueba de bondad de ajuste Anderson - Darling, y concluya si est de acuerdo con
la afirmacin del fabricante.
25. El fabricante de un determinado tipo de turbinas de vapor afirma que la duracin de stas (en
miles de horas) sigue una distribucin Weibull, con parmetro de forma = 2. Para corroborar
esta informacin, se han probado experimentalmente 100 turbinas, de las cuales se obtuvieron
los siguientes tiempos de fallo:

5,4476
8,6489
4,9143
8,6507
3,6296
13,7769
3,5341
2,6892
6,5873
6,3539

10,7148
5,0303
6,8759
7,3842
6,9242
9,7152
5,6084
2,8443
9,8637
4,8017

6,432
4,463
16,5398
7,1686
3,1186
12,7336
10,4193
4,2145
3,6592
5,7458

4,8502 7,5622 13,4607 1,7397 11,9515

8,8636 6,6119 6,7642 8,0335 12,3192
2,9201 10,8548 9,2527 6,1411 4,8079
4,0023 2,6913 3,8961 7,6704 6,8087
6,1015 7,7103 10,6065 3,2517 12,9063
2,2583 11,3072 6,4763 3,6927 13,5638
8,8795 4,7746 6,8273 13,2823 8,2852
9,7132 3,2909 2,0992 2,3235 3,2299
5,1261 5,1013 17,2169 12,156 15,7213
6,0672 9,6748 8,9102 7,7512 5,4662

7,3981
7,6689
3,5114
7,7336
2,2185
10,5226
2,3597
11,3221
8,1765
6,723

10,6839
5,4247
5,6728
11,7298
4,9816
4,2721
6,6418
3,129
5,6077
9,0627

a) Realice la prueba de bondad de ajuste Chi Cuadrado, determine el valor p de ella, y concluya
si est de acuerdo con la afirmacin del fabricante.

b) Realice la prueba de bondad de ajuste Kolmogorov - Smirnov, y concluya si est de acuerdo

con la afirmacin del fabricante.
c) Realice la prueba de bondad de ajuste Anderson - Darling, y concluya si est de acuerdo con
la afirmacin del fabricante.

1 ( x / )
x R 0+ ; , R +
x e
Nota: La pdf de la distribucin Weibull es: f X ( x; , ) =

0
d .o. f .

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

1 e ( x / ) x R + ; , R +
0
y la cdf es: FX ( x ; , ) =

d .o. f .
0

26. Una revisin de 100 informes que tienen diez datos cada uno, realizada por los vendedores de
una gran compaa, permiti determinar si existe algn tipo de error en dichos informes (cada
dato del informe podra o no estar errado). La informacin recopilada fue la siguiente:
N de errores
por informe
0
1
2
3
4
5

Frecuencia
Observada
8
25
32
24
10
1

Despus del anlisis correspondiente, los vendedores afirmaron que el nmero de errores por
informe segua una distribucin binomial. Realice la prueba de bondad de ajuste Chi Cuadrado,
determine el valor p de ella, y concluya si est de acuerdo con la afirmacin de los vendedores.

n x
n x
0 xn
p (1 p )
Nota: La pmf de la distribucin Binomial es: p X ( x ; n, p ) = x

0
de otra forma

Ejercicios Adicionales
1.

Sean X 1 , X 2 ,..., X 7 una muestra de una poblacin que tiene media y varianza 2. Considere
los siguientes estimadores para :

1 =

X 1 + X 2 + ... + X 7
2 X1 X 6 + X 4
y 2 =
7
2

a) Alguno de estos estimadores es insesgado?. Justifique.

b) Cul estimador es el mejor?En qu sentido es mejor?

2.

e x si x >
f X ( x; ) =
X
,
X
,...,
X
0 si x
1
2
n
Sea
una m.a.s. de una variable poblacional con pdf:
a) Hallar el estimador de por el mtodo de los momentos.
b) Estudiar si el estimador obtenido en el apartado anterior es insesgado para estimar el

3.

parmetro .
Supngase que X1,....Xn constituyen una muestra aleatoria de una distribucin cuya pdf. es la
siguiente:

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

x 1 , 0 < x < 1
f X ( x; ) =
d .o.m.
0
Adems, supngase que el valor de es desconocido ( > 0). Determnese el MLE de .
4.

Sea X1,...,Xn una muestra aleatoria tomada de una poblacin que se encuentra distribuida
uniformemente en el intervalo [0, ]. Recuerde que el MLE de es

= Y = mx { X ,..., X }

1
n

no puede ser un estimador insesgado de .

a) Argumente intuitivamente de porque
b) Utilice el hecho de que Y y si y slo si cada X i y para obtener la cdf de Y . Luego
demuestre que la pdf de Y = mx { X1 ,..., X n }es:

ny n 1
0 y

fY ( y; ) = n
0 de otra forma

= Y = mx { X ,..., X } , es un estimador sesgado de . Utilice el

c) Demuestre el MLE de ,
1
n
apartado anterior para hacer esta demostracin.

subestime de manera consistente a ?. Utilice el valor esperado del

d) Es razonable que
estimador encontrado en el apartado anterior para responder esta pregunta. Demuestre que el
sesgo en el estimador tiende a cero a medida que n se vuelve ms grande.
e) Proponga un estimador insesgado para , Justifquelo.

5.

La empresa Duracell, a partir de estudios empricos, ha determinado que sus pilas AAA tienen
una duracin (tiempo de vida) que puede ser modelada a travs de la distribucin de Laplace,
cuyos parmetros, y desconoce, y cuya pdf viene dada por:

f X ( x ; , ) =

1 |x | /
e
, x, R , R +
2

Ayude a Duracell a encontrar expresiones matemticas que le permitan estimar estos parmetros.

a) Encuentre los MLEs de los parmetros y .

b) Calcule los estimadores de momentos de y .
Prueba de Ctedra Primer Semestre curso 2013.
Problema 1
Explique utilizando las herramientas vistas en el curso la siguiente contradiccin.
Juan ley en un diario que un estudio reciente, muy serio, concluy que 1 de cada 5 hombres no
desea casarse. Un da Juan estaba en una fiesta y se encontr con 4 amigos del colegio, y tras
charlar con ellos, averigu que todos ellos estaban casados. Por lo tanto considerando el estudio, l
concluy que nunca se casara. Sin embargo, l est casado.
10

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

Justifique y argumente el error en esta contradiccin.
Problema 2 Una moneda Cargada
Usted est jugando con una moneda a cara y cruz, y tras diez lanzamientos obtiene 10 caras, por lo
que tiene serias dudas si la probabilidad de obtener cara es 1 y no tpicamente 1/2. Las Partes I y II
son independientes.
Parte I
1. Justifique (brevemente) por qu si la moneda no estuviera cargada la probabilidad de tirar una
nueva moneda tiene un 50% de probabilidades de salir cara a pesar de ya haber obtenido 10
caras. cules son sus supuestos?
2. Considere que cada lanzamiento sigue una distribucin de Bernouilli de parmetro con
= 1 si sale cara. Muestre que el estimador de p por mxima verosimilitud es =
!

, con x = {#x! = 1} Cul sera el estimador de = 1 de mxima verosimilitud?

(Justifique!).
3. Qu pasara si supiera que est entre 0,5 y 0,8? se modificara el estimador de MLE? de
qu forma?
4. Calcule la estimacin puntual de . Cree usted que es evidencia suficiente para concluir que
= 1?
Parte II
1. Aplique una prueba ! con = 5% para verificar si la moneda se distribuye uniformemente
( = 1/2), especifique la hiptesis nula.
2. Ahora suponga que con otra moneda usted obtuvo 2 caras y 8 sellos, podra refutar con
= 5% que = 1/2?
3. Explique intuitivamente porqu tan pequea diferencia provoca dos resultados distintos.
Problema 3 Tendencia del tipo de cambio
Usted es un consultor que recibi la tarea de analizar si el precio del dlar-peso tiene tendencia al
alza, a la baja o se mantiene. Para ello se propone estudiar la variacin del valor diario del dlar R ! y
supone que R ! N(, ! ).
1. Muestre que estimador =

!
!

!
!!!

x! . de es insesgado.

2. Con los datos de la hoja USDCLP del archivo de datos asociado a este tema de la asignatura y
la cota de Crmer-Rao obtenga un intervalo de confianza al 95% para.En base a esto,
podra afirmar que el dlar-peso tiene una tendencia al alza?
Problema 4 Distribucin de Pareto e ingreso per cpita por hogar en Chile
La distribucin de Pareto permite entre otras cosas modelar la distribucin de ingresos. Para ello debe
verificar si esto es cierto en el caso chileno utilizando los resultados de la encuesta suplementaria de
ingresos realizada por el Instituto Nacional de Estadstica en 2009.
La distribucin de Pareto(, ),con y mayores a 0, tiene funcin de densidad dada por

11

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

!
; , = !!!
0 .
Parte I
1. Suponga que tiene la muestra aleatoria de ! , . . . , ! , especifique el dominio (valores que
pueden tomar) al que pertenecen y .
2. Escriba la funcin de log verosimilitud y muestre que los estimadores MLE de y son
= ! , . . . , !

=
!
3. Sabiendo que la esperanza y el momento de segundo orden no centrado de X distribuida
Pareto ( , ) son:

! = =
1
!
! = ! =
2
deduzca por el mtodo de los momentos los estimadores de y .
Parte II
1. Utilizando la informacin de la encuesta suplementaria de ingresos de los hogares en Chile,
estime los valores de y por MLE y por momentos para el ingreso per cpita de los
hogares chilenos (ver parte I).
2. Sabiendo que la distribucin acumulada de X distribuida Pareto (, ),es
() = 1

utilice los datos de la hoja Ingresopercapita del libro asociado a este tema de la asignatura
para crear grficos Probabilidad-Probabilidad (P-P) y Percentil-Percentil (Q-Q) para verificar
si la distribucin de Pareto da un ajuste adecuado, dado los estimadores de MLE de la parte I.
Parece adecuado el ajuste? Explique.
Problema 5. El mejor estimador de la varianza
Considere una muestra aleatoria ! , . . . , ! de una variable (, ! ) y el estadstico:
1
= !

!!!

!
1. Justifique intuitivamente por qu T sigue una distribucin !!!
.
2. Utilizando la parte 1 muestre cul de los siguientes estimadores de ! son insesgados

1
! =
1

!
!!!

1
! =

!
!!!

1
, ! =
+1

!!!

12

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

3. Utilizando la parte 1, calcule la varianza de ! , ! ! . Concluya cul es el mejor estimador
de ! de los tres, y justifique qu criterio utiliza. Proviene este estimador del mtodo de los
momentos o MLE?
Observacin podra ser til recordar que !! = , !! = 2 y = + ! .
Prueba de Ctedra Primer Semestre curso 2014.
1. Una granja ha determinado que la produccin diaria de huevos de sus gallinas ponedoras sigue la
siguiente distribucin de probabilidad (pmf):

= 1| =

2 1

= 2| =
2
2

Siendo 0 < < 1 un parmetro desconocido. Para cualquier clculo, utilice los datos que
aparecen en la hoja produccionHuevos del libro asociado a las ayudantas de este tema.
a) Demuestre que la pmf es legtima.
b) Determine la esperanza matemtica de la variable aleatoria.
c) Utilice el mtodo de los momentos para determinar un estimador para el parmetro de la
distribucin.
d) El estimador anterior es insesgado? Justifique matemticamente. (Nota: A efectos de este
enunciado puede suponer que E(1/)= 1/E()).
e) A partir de los datos entregados, realice las estimaciones del parmetro ofrecidas por el
mtodo de mxima verosimilitud y el mtodo de los momentos. Anexar hoja Excel con
solucin.
f) Determine mediante una prueba Chi-Cuadrado si los datos de la hoja pueden proceder o no de
una distribucin como la indicada anteriormente con valor de parmetro 0,4. Utilice para ello
el criterio del valor p. Anexar hoja Excel con solucin.
2. La diferencia entre el tiempo real y el tiempo esperado (en segundos) de proceso en una mquina
de corte por control numrico sigue la siguiente distribucin de densidad:
! ; =

!!

Para cualquier clculo, utilice los datos que aparecen en la hoja controlNumerico del libro
asociado a las ayudantas de este tema.
a) Determine las expresiones matemticas y el valor del estimador de mxima verosimilitud para
el parmetro .
b) Determine las expresiones matemticas y el valor del estimador de momentos para el
parmetro . Recuerde que es posible encontrar la esperanza de una variable aleatoria
!
conociendo su funcin de densidad a travs del siguiente clculo: () = !! ! .
3. La hoja cefalopodos del libro asociado a las ayudantas de este tema, contiene observaciones
sobre la anchura mxima de diversos ejemplares de un cefalpodo fsil encontrados en las orillas
de la segunda regin (en centmetros). Inicialmente, se supone que la anchura mxima de los
fsiles sigue una distribucin normal.
a) Utilizando los datos suministrados, realice un grfico que permita evaluar la bondad del ajuste
en las colas de la distribucin. Anexar hoja Excel con solucin.
b) Realice la prueba Chi Cuadrado para averiguar si las anchuras mximas suministradas siguen
una distribucin normal. Concluya a partir del valor p. Anexar hoja Excel con solucin.

13

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

c) Realice la prueba Kolmogorov-Smirnov para averiguar si las anchuras mximas
suministradas siguen una distribucin normal con los parmetros estimados en el apartado a.
Su conclusin debe ser independiente del nivel de significacin de la prueba. Anexar hoja
Excel con solucin.
4. La hoja entreFallas del libro asociado a las ayudantas de este tema contiene diversas
observaciones del tiempo entre fallas de una mquina (en horas). Se supone que el tiempo entre
fallas sigue una distribucin Erlang con parmetro = 2, y parmetro desconocido.
a) Encuentre el MLE de , y estmelo a partir de los datos suministrados.
b) Determinar un intervalo de confianza del 95% para el valor del parmetro .
c) Para verificar la adecuacin de la distribucin anterior, se debe verificar el ajuste en el centro
de la distribucin. Proponga y utilice un grfico para detectar errores en dichas estimaciones.
Justifique su eleccin y explique los resultados obtenidos. Anexar hoja Excel con solucin.
d) Para verificar la adecuacin de la distribucin anterior, decide verificar el ajuste en las colas
de la distribucin. Tras consultar la literatura (A modified Anderson Darling goodness-of-fit
test for the gamma distribution with unknown scale and location parameters) detecta que el
valor crtico para el caso con r=2 sigue la siguiente frmula:
= 0,98379 + 0,01225 6,27139 0,01974 0,000156! + 19,0327 !
dnde VC es el valor crtico, n es el tamao de la muestra y es nivel de significacin.
Determine si la prueba descarta la hiptesis nula con un nivel de significacin del 10%. El
clculo del valor crtico incluye el tamao de la muestra como parmetro, por lo que no es
necesario rectificar el estadstico. Anexar hoja Excel con solucin.
Prueba Recuperativa Primer Semestre curso 2014.
1. Un sistema de control qumico reporta informacin sobre un proceso indicando el cambio de
temperatura observado (-1 indica descenso, 0 mantenimiento y 1 ascenso). Se conoce que el
cambio de temperatura depende de la concentracin de dos componentes, y , y que sigue una
distribucin estadstica discreta con la siguiente distribucin de probabilidad (pmf):

+
2
p( x = 0 | , ) =
p ( x = 1 | , ) =

p ( x = 1 | , ) = 1 3 2

Siendo 0 2 3 parmetros desconocidos. Para cualquier clculo, utilice los datos que
aparecen en la hoja controlQuimico del fichero Excel asociado a las ayudantas.
a) Utilice el mtodo de los momentos para determinar una expresin para el estimador de si
conociera que =0,6 Se trata de un estimador insesgado? Justifique matemticamente.
b) Utilice el mtodo de mxima verosimilitud para determinar la expresin matemtica asociada
a los estimadores de mxima verosimilitud de ambos parmetros de la distribucin.
c) A partir de los datos entregados, realice las estimaciones del parmetro y ofrecidas por el
mtodo de mxima verosimilitud. Anexar hoja Excel con solucin.
d) Determine mediante una prueba Chi-Cuadrado si los datos de la hoja pueden proceder o no de
una distribucin como la indicada anteriormente con valores =0,45 y =0,32. Utilice para
ello el criterio del valor p. Anexar hoja Excel con solucin.
2. Se ha producido un lote de artculos conformado por un gran nmero de unidades en los que se
considera que hay una proporcin de p (tanto por uno) artculos defectuosos. Para estimar p, se
toma un nmero de artculos al azar y se anota el nmero de articulos defectuosos. El experimento
se repite n veces. Sean x1,,xn el nmero de observaciones realizadas en cada experimento y

14

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

y1,,yn el nmero de unidades defectuosas encontradas en cada experimento (puede considerar
que cada experimento sigue una distribucin binomial). Los resultados de los n experimentos
realizados experiencia pueden consultarse en la hoja articulosDefectuosos del fichero Excel
asociado a las ayudantas (en la hoja aparece el nmero de artculos correctos y el nmero de
artculos defectuosos de cada experimento).
a) Determine la expresin matemtica para el estimador de mxima verosimilitud de p.
b) Utilizando los valores disponibles en la hoja de clculo, determine el valor del parmetro p.
c) Considere ahora la solucin de los apartados anteriores pero considerando que realmente se
ha realizado un nico experimento con

x observaciones y

i=1 i

y unidades

i=1 i

defectuosas. Cul sera el estimador de mxima verosimilitud que obtendra?

3. El tiempo (en semanas) hasta el fallo de un componente electrnico se rige segn la siguiente
distribucin de probabilidad:

f X ( x; ) =

1 3 x
xe
0 < x < ,0 < <
6 4

Los resultados de diversas observaciones realizadas con anterioridad pueden consultarse en la

hoja entreFallasElectronicos del fichero Excel asociado a las ayudantas.
c) Determine la expresin matemtica y el estimador de mxima verosimilitud para los el
parmetro .
d) Determine las expresin matemtica y el estimador de momentos para el parmetro .
4. La hoja costesCamiones del fichero Excel asociado a las ayudantas, contiene observaciones de
los costes asociados a las reparaciones de los camiones de una flota de transporte. Inicialmente, se
supone que dichos costes siguen una distribucin beta generalizada con parmetros =3, =7,
a=250.000 y b=750.000.
d) Utilizando los datos suministrados, realice un grfico que permita evaluar la bondad del ajuste
en el centro de la distribucin. Anexar hoja Excel con solucin.
e) Realice una prueba Chi Cuadrado para averiguar si los costes de reparacin del camin siguen
una distribucin beta con los parmetros entregados. Concluya a partir del valor p.
f) Realice la prueba Kolmogorov-Smirnov para averiguar si los costes de reparacin del camin
siguen una distribucin beta con los parmetros entregados (recuerde que todos los
parmetros son conocidos). Anexar hoja Excel con solucin.
g) Realice la prueba Anderson-Darling para averiguar si los costes de reparacin del motor
siguen una distribucin beta con los parmetros entregados (recuerde que todos los
parmetros son conocidos). Anexar hoja Excel con solucin.
5. La hoja ventasTelefonicas del fichero Excel asociado a las ayudantas contiene diversas
observaciones asociadas a una distribucin de Bernoulli que indican el resultado de una venta
telefnica (1 indica xito en la venta, 0 fracaso en la venta). Esta distribucin es una distribucin
discreta dnde x slo puede tomar valores de 0 y 1, y el parmetro representa una probabilidad.
A continuacin se muestra la distribucin de probabilidad de la distribucin de Bernoulli:

f X ( x; ) = x (1 )

1x

x {0,1} ,0 < < 1

e) Determine la expresin matemtica del estimador de mxima verosimilitud . Determine

tambin el valor del parmetro segn las observaciones incluidas en la hoja Excel.
f) Determinar un intervalo de confianza del 99% para el valor del parmetro .

15

Ingeniera Civil Industrial

Estadstica Aplicada 2

Facultad de Ingeniera y Ciencias Geolgicas / Escuela de Ingeniera

2 Semestre 2014

Examen Final Primer Semestre Curso 2014
1. Un problema clsico en el que se debe recurrir a un estimador puntual para determinar los
parmetros de inters, es la realizacin de experimentos con censura. El presente ejercicio estudia
un problema de este tipo que aparece en la realizacin de pruebas de resistencia al esfuerzo. Una
descripcin de este tipo de experimentos realizado es la siguiente:
Se somete a su nivel extremo de funcionamiento, un nmero de componentes (por ejemplo,
motores de escaleras mecnicas que repetidamente se arrancan y apagan). El objetivo es estimar
el valor medio que puede esperarse que el componente soporte ese estado, por tanto se anota
cundo cada componente deja de funcionar.
Un planteamiento simple requiere esperar hasta que todos los elementos cedan, pero existe la
posibilidad de fijar un tiempo mximo de duracin del experimento, por ejemplo 8 horas, y
utilizar el hecho que algunos componentes sobrevivan todo el experimento durante el clculo del
estimador del experimento.
La hoja Censura del fichero Excel asociado a la prueba contiene un experimento de este tipo.
La hoja muestra para cada motor el tiempo (en horas) que tard el motor en fallar en la prueba de
resistencia a esfuerzo. Se censura la duracin de la prueba a 8 horas, por lo que todos los valores
que aparecen con un 8 indican que el aparato sobrevivi la duracin de la prueba. Se conoce que
la distribucin de fallas del motor sigue una distribucin exponencial y se desea estimar el valor
de su parmetro.
a) Explique por qu si utilizara los datos que aparecen en la hoja y un estimador insesgado de la
distribucin exponencial, la estimacin que obtendramos sera sesgada.
b) Explique por qu la funcin de mxima verosimilitud de un experimento con censura es la
mostrada en la ecuacin siguiente, donde n es el nmero de componentes utilizados en el
experimento, r es el nmero de componentes que no sobreviven el experimento, t es el
instante de tiempo donde falla el motor y T es el instante de tiempo donde se censura el
experimento.
( nr )
r

L = f X ( t; ) 1 FX (T ; )
i=1

c) Determine una frmula para el estimador de mxima verosimilitud del parmetro de la

distribucin, y el valor que se obtendra con los datos mostrados en el Excel y las hiptesis
propuesta (distribucin exponencial censurada tras 8 horas).
d) Verifique si las observaciones que no han sido sometidas a censura se adaptan a la
distribucin exponencial utilizando varios mtodos grficos.

16