Professional Documents
Culture Documents
Civil
Industrial
Estadstica
Aplicada
2
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
= +
1.
1
1
1
! + ! + !
3
3
3
! =
1
1
1
! + ! + !
4
2
4
! =
1
3
1
! + ! + !
8
8
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.
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:
! = ! , , !
! = 2
! =
a)
b)
c)
d)
5.
+1
! , , !
0,73
1,54
2,48
1,30
0,20
a) Qu condicin deben cumplir los valores de a y b para que el estimador de media sea
insesgado?
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
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)
b)
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)
es
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.
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
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 +
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:
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
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
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
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.
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
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
0
176
1
182
2
60
3
17
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 +
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:
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.
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
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.
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
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
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:
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
ny n 1
0 y
fY ( y; ) = n
0 de otra forma
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.
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 =
!
(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
!
; , = !!!
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
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
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
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
f X ( x; ) =
1 3 x
xe
0 < x < ,0 < <
6 4
f X ( x; ) = x (1 )
1x
15
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
16