Ejercicios de Estadstica Bayesiana

1. En una muestra de n

empresas que fueron inspeccionadas por la SUNAT,

X fueron sancionadas
por no emitir boletas de pago. Sea u la probabilidad de que una empresa sea sancionada por no
emitir boletas de pago y se sabe que ( ) ~ , Beta u o |

a. Obtener la distribucin marginal para la variable aleatoria X , su media y varianza.

( )
( )
( )
{ }
( )
0,...,n
,
,
n B x n x
f x I x
x B
o |
o |
+ + | |
=
|
\ .

| |
n
E X
o
|
=

( ) ( )
( )( )
2
2
2
1
V X n n n
o| o o
o | o |
o | o |
| | | |
| |
= + | |
|
| |
+ +
+ + + \ .
\ . \ .


b. La distribucin posterior para u , su media y varianza. Compararlas con la media y varianza a
priori.

( ) | ~ , x Beta x n x u o | + +

| | |
x
E x
n
o
u
o |
+
=
+ +

| | E
o
u
o |
=
+


| |
( )( )
( )( )
2
|
1
x n x
V x
n n
o |
u
o | o |
+ +
=
+ + + + +
| |
( )( )
( )( )
2
1
V
o |
u
o | o |
=
+ + +


c. La distribucin predictiva posterior para una nueva observacin, es decir
( )
f x x .

( )
( )
( )
{ }
( )
0,1
1 , 1
|
,
B x n x
f x I x
x B n
o |
o |
+ + + + | |
=
|
+ +
\ .
x x
x
x x


Obs: La distribucin binomial es una distribucin muestral por lo que la muestra x sera la cantidad
de empresas sancionadas por no emitir boletas de pago, no se considera la productoria de los
( ) |
i
f x u .


d. Considere que SUNAT inspeccion 25 empresas y sancion a 6 de stas. Adems, suponga que
0.272727
u
= y
2
0.0165
u
o = . Estime la probabilidad de que la siguiente empresa en ser
inspeccionada no sea sancionada. Sugerencia: Calcule
( )
0 f x = x

( ) ~ 3, 8 Beta u o | = = de modo que 0.272727
u
= y
2
0.0165
u
o = . Adems 25 n = y
6 x = = x .

Luego: ( )
( )
( )
( )
( )
1 3 6 0,8 25 6 1 0 9, 28
0| 0.75
0 3 6,8 25 6 9, 27
B B
f x
B B
+ + + + | |
= = = =
|
+ +
\ .
x

2. Si ( ) | ~ X Geom u u , donde X es el nmero de veces que un futbolista falla un tiro libre antes de
su primer gol y ( ) ~ 0,1 Unif u . Asuma que cada tiro es independiente.

a. Obtener la distribucin marginal para X .

( )
( )( )
{ }
( )
0,1,2,...
1
1 2
f x I x
x x
=
+ +


b. La distribucin posterior para u , su media y varianza. Compararlas con la media y varianza a
priori.

( ) | ~ 2, 1 x Beta x u +

| |
2
|
3
E x
x
u =
+

| |
1
2
E u =

| |
( )( )
( )( )
2
2 1
|
4 3
x
V x
x x
u
+
=
+ +

| |
1
12
V u =

c. La distribucin predictiva posterior para una nueva observacin, es decir
( )
f x x

( )
( )
( )
3, 1
2, 1
B x x
f x
B x
+ +
=
+
x




d. Si se sabe que futbolista tuvo 3 fracasos antes de anotar gol y se selecciona al azar a un nuevo
jugador, cul es la probabilidad de que anote gol en su primer intento?

( )
( )
( )
( )
( )
3, 0 3 1 3, 4 1
0
2,3 1 2, 4 3
B B
f x
B B
+ +
= = = =
+
x


3. Suponga que ( )
1 2
, ,...,
n
X X X X =

es una muestra aleatoria proveniente de la distribucin
Normal, tal que

( )
2
| ~ , X N u u o y que
( )
2
0 0
~ , N u u o , donde
2 2
0 0
, , o u o son
constantes.

a. Obtener la distribucin posterior para u

0 2 2
* 2* 0
2 2 2 2
0 0
1
1
| ~ ,
1 1
n
x
N
n n
u
o o
u o
o o o o
| |
+
|
| = =
|
+ +
|
\ .
x

b. Suponga que ( )
4.1,3.5,3.6, 2.8,3.3, 4.2,3.1 X = y que
2 2
0 0
1.25, 3.5, 0.58 o u o = = = ,
calcule
( )
3 P u < x

Reemplazando los resultados de a en b:

( )
* 2*
| ~ 3.5107, 0.1365 N u o = = x

Luego:
( ) ( )
3 3.5107
3 1.382 0.0834
0.1365
P P Z P Z u
| |
< = < = < =
|
\ .
x

4. Suponga que ( ) ( )
1 2
, ,..., ~ ,
n
X X X Multinomial n = x y que ( )
~ Dirichlet donde
( )
1
,..., '
k
o o = . Demostrar que la distribucin posterior para es ( )
Dirichlet + x .

Jess Eduardo Gamboa U.
Jesus.eduardo.gamboa@gmail.com