Está en la página 1de 10

MA34B Seccin 02 - Gua de Ejercicios

Resueltos Control 1

12 de Abril 2006
Profesor ctedra: Rodrigo Abt B.
Auxiliar: Julio Deride

En clase, se indic que una forma natural de estimar el parmetro desconocido de la densidad conjunta (o funcin de verosimilitud) de una m.a.s.
X1 , . . . , Xn de X f (x/) es maximizando la misma, es decir, resolviendo:
P1)

max f (x1 , . . . , xn /) =

n
Y

f (xi /)

i=1

Despejando del problema de maximizacin anterior se obtiene el Estimador


Mximo Verosmil (EMV) de .
a) Sea X1 , . . . , Xn una m.a.s. de X con ley f (x/), tal que las dos primeras
derivadas de f (x/) existen y que f (x/) > 0. Sea L = ln f (x1 , . . . , xn /),
muestre que el problema anterior es equivalente a resolver:
max L

b) Aplique el resultado anterior para encontrar el EMV de en el caso de


una m.a.s. de una v.a. X Poisson().
Solucin:

a) En efecto, al derivar se tiene que:


L

f 0 (x1 , . . . , xn /)
=
ln f (x1 , . . . , xn /) =
= 0 f 0 (x1 , . . . , xn /) = 0

f (x1 , . . . , xn /)

b) Encontremos la funcin de verosimilitud f (x1 , . . . , xn /):


P

n
Y

en
f (x1 , . . . , xn /) =
f (xi /) =
Q
xi !
i=1

De donde, L = ln f (x1 , . . . , xn /) = n +

X

xi

xi ln ln


xi !

Derivando e igualando a cero:


P

xi
=
=0
n +

Xi

=X
n

El estimador EMV para es = X .


Una mquina produce un cierto componente electrnico una vez al dia.
La mquina puede fallar durante el dia con probabilidad p. El operario de
la mquina desea estimar esta probabilidad de falla a partir de un registro
detallado de los dias transcurridos para cada mes de funcionamiento hasta
la primera falla.
P2)

a) Si Xi representa el nmero de dias transcurridos del mes i hasta que que


falla la mquina. Qu distribucin sigue Xi ?
b) Si se toma una muestra aleatoria simple de n meses, encuentre el EMV
para p. Es insesgado este estimador?
c) Un estudio estadstico posterior del problema arroj que la variable X
segua una distribucin exponencial de parmetro p. Encuentre el EMV para
p en este caso y comprelo con el obtenido en la parte anterior. Comente.
Solucin:

a) Se puede ver que Xi sigue una distribucin geomtrica, ya que:


no falla dia 1

no falla dia 2

x . . . x no

falla dia k-1

falla dia k

= (1 p) (1 p) . . . (1 p) p = (1 p)k1 p

b) Sea X1 , . . . , Xn una m.a.s. de X , se tiene que:


2

f (x1 , . . . , xn /p) =

n
Y

f (xi /p) = (1 p)

xi n n

i=1

De donde se obtiene que el EMV de p es p = X 1 .


c) Si X exp(p), se tiene que los estimadores coinciden en frmula. Si bien
ambas distribuciones sirvern para modelar fenmenos de falla de materiales,
en el primer caso, la distribucin es discreta, mientras que si X es continua,
entonces es ms apropiado el segundo anlisis.
La talla en metros X de los alumnos de la Escuela de Ingeniera sigue
una distribucin Normal(, 2 ). Sea X1 , . . . , Xn una m.a.s. de X .
P3)

a) Muestre que el EMV de 2 es la varianza muestral. Es insesgado este


estimador?.
1 P
2
2 es insesgado.
(Xi X)
= n1
b) Muestre que Sn1
P
2 otro estimador para 2 . Obtenga el valor de c tal que
c) Sea T = c (Xi X)
T tenga el menor error cuadrtico medio. Hint( Si Y sigue una distribucin
2n , entonces E(Y ) = n y V ar(Y ) = 2n.)
Solucin:

a) Como es usual, se construye la funcin de verosimilitud, se aplica logaritmo, se deriva, se iguala a 0 y se despeja:
n
Y

n/2

1 X
exp 2 (xi )2
2
1 X
n
ln f (x1 , . . . , xn /, 2 ) = ln 2 2 2 (xi )2 (1)
2
2

1
f (x1 , . . . , xn /, ) =
f (xi /, ) =
2 2
i=1
2

De donde, 2 = Sn2 =

1X
2 , que en clase se vio que era SESGADO.
(Xi X)
n

b) Fcilmente se puede vericar que:


2
E(Sn1
)=E

n
n
n n1 2
Sn2 =
E(Sn2 ) =

= 2 es insesgado
n1
n1
n1 n


c) Para este caso se tiene que T = cnSn2 , de donde, el ECM es:


ECM (T ) = ( 2 E(T ))2 + V ar(T ) = ( 2 E(cnSn2 ))2 + V ar(cnSn2 )
nS 2
nS 2
= ( 2 c 2 E( 2n ))2 + c2 4 V ar( 2n )

4
2
2 4
= (1 c(n 1)) + c 2(n 1)

Derivando e igualando a 0 se obtiene que c =

1
.
n+1

Si el tiempo de espera de una micro en minutos X para una persona es


tal que:
P4)

1
1 x
f (x/) = e

x>0

Y sea X1 , X2 , . . . , Xn una m.a.s. de X :


a) Encuentre el E.M.V. de . Calcule su esperanza y varianza.
b) Encuentre la cota de Cramer-Rao para . Es eciente?.
c) Si se observan los valores 2 2,4 3 4,5 3,0 encuentre el valor de .
d) Plantee la distribucin exponencial de esta forma:
f (x/) = ex

x>0

Resuelva los puntos


anteriores, y encuentre el EMV . Discuta. (HINT: Si
P
Xi exp() Xi Gamma(n, )).
Solucin:

a) La funcin de verosimilitud es:


f (x1 , . . . , xn /) =

n
Y

 n

f (xi /) =

i=1

xi

Aplicado logaritmo natural, derivando e igualando a cero, se tiene:


n
1 X
=X

xi = 0
+ 2

= E(X)
= E(X) = es insesgado
E()
2
= V ar(X)
= V ar(X) =
V ar()
n
n

b) Calculando la segunda derivada de la funcin de verosimilitud se tiene la


informacin de Fisher:
2 f (x1 , . . . , xn /)
n
n
xi
In () = E
= E 2 2 3 = 2 +2
2

"

E(Xi )
n
= 2
3

Y como es insesgado, la cota de Cramer-Rao es In ()1 , cumplindose la


igualdad de la varianza de con la cota, por lo que el estimador es eciente.
c) En este caso solo basta reemplazar, y se obtiene = X = 2, 98.
d) Esta parte es anloga a la parte b):
f (x1 , . . . , xn /) =

n
Y

f (xi /) = n e

xi

i=1

De donde al aplicar logaritmo natural, derivar e igualar a 0 se obtiene que


=X
1 . Ahora bien, se debe tener cuidado al calcular la esperanza de este

estimador, ya que NO es cierto que:


=E 1 = 1
E[]

X
E[X]


En este caso, se debe considerar que si X exp(), entonces T =


una Gamma(n, ), luego:

Xi sigue

Z
Z
1 n n1 t
n1
= E 1 =
E[]
t e dt =
tn2 et dt
T
T (n 1)(n 1)
T t (n)

=
es sesgado
n1


P4)

Sea X1 , X2 , . . . , Xn una m.a.s. de una v.a. X con distribucin de Pareto:


5

f (x/) =

c
x+1

c = constante

Encuentre el EMV de .
Solucin:

f (x1 , . . . , xn /) =

n
Y

n cn
f (xi /) = Q +1
xi
i=1

Aplicando logaritmo natural, derivando e igualando a 0:


X
n
n
+ nln c
ln xi = 0 =
P

nln c ln Xi

P5) Una gran compaa de energticos ofrece al dueo de un terreno $120.000

por los derechos de explotacin de gas natural en un sitio determinado y un


bono adicional de $1.380.000 que se podr cobrar solo si se encuentra gas
durante la etapa de exploracin. El propietario, considerando que el inters
de la compaa energtica es una buena indicacin de que existe gas, est
tentado a desarrollar l mismo el campo. Para hacer esto, deber contratar
equipos con experiencia en exploracin y desarrollo. El costo inicial es de
$400.000, los que se perdern si no se encuentra gas. Sin embargo, si descubre gas, el propietario estima un benecio neto de $2.000.000. Sea d1 la
decisin de aceptar la oferta de la compaa, y d2 la decisin de explorar y
desarrollar por cuenta propia.
a. Contruya la matriz de benecios asociada al problema, indicando todos
los elementos que la componen.
b. Suponga que el propietario estima que la probabilidad de encontrar gas es
de 0,6. Determine la decisin recomendable a priori.
c. El propietario tiene la opcin de realizar pruebas de sonido al terreno.
La prueba, eso s, no es perfecta: el %30 de las veces la prueba indicar que
no hay gas cuando en realidad haba gas, y un %90 de las veces la prueba
indicar que no hay gas cuando realmente no haba. Con estas condiciones
6

determine la poltica de decisin adecuada, y determine el precio que debera


pagar el propietario por la prueba.
d. Suponga que NO se encuentra gas. Cul sera la decisin a posteriori?
Solucin:

a. La matriz de pagos asociada al problema es la siguiente:


d1
d2
1 1500 2000
2 120 400

Donde 1 es el evento "Hay gas", mientras que 2 corresponde al evento "No


hay gas".
b. Del enunciado se tiene que (1 ) = P (1 ) = 0,6, por lo que (2 ) = P (2 ) =
1 P (1 ) = 0,4. Los benecios esperados a priori son los siguientes:

1 = E[L(d1 , )] =
2 = E[L(d2 , )] =

2
X
i=1
2
X

L(d1 , i )(i ) = 1500 0,6 + 120 0,4 = 948


L(d2 , i )(i ) = 2000 0,6 + (400) 0,4 = 1040

i=1

Como 2 > 1 , entonces elijo d2 .


c. Sea
(

X=

1 Si la prueba revela que hay gas


0 Si no

Del enunciado se tienen las siguientes probabilidades:

P (X = 0|1 ) = 0,3 P (X = 1|1 ) = 0,7


P (X = 0|2 ) = 0,9 P (X = 1|2 ) = 0,1

Para X = 0:
1
P (X = 0|1 )P (1 )
=
P (X = 0|1 )P (1 ) + P (X = 0|2 )P (2 )
3
2
(2 |X = 0) = 1 (1 |X = 0) =
3
(1 |X = 0) =

Para X = 1:
21
P (X = 1|1 )P (1 )
=
P (X = 1|1 )P (1 ) + P (X = 1|2 )P (2 )
23
2
(2 |X = 1) = 1 (1 |X = 1) =
23
(1 |X = 1) =

Por lo que los benecios a posteriori son:


Para X = 0:

1 (X = 0) = E[L(d1 , |X = 0)] =

2
X

L(d1 , i )(i |X = 0) = 1500

1
2
+ 120
3
3

L(d2 , i )(i |X = 0) = 2000

2
1
+ (400)
3
3

L(d1 , i )(i |X = 1) = 1500

21
2
+ 120
23
23

L(d2 , i )(i |X = 1) = 2000

21
2
+ (400)
23
23

i=1

= 580
2 (X = 0) = E[L(d2 , |X = 0)] =

2
X
i=1

= 400

Luego, elijo d1 .
Para X = 1:

1 (X = 1) = E[L(d1 , |X = 1)] =

2
X
i=1

= 1380
2 (X = 1) = E[L(d2 , |X = 1)] =

2
X
i=1

= 1791

Luego, elijo d2 .
La poltica de decisiones correspondiente es:
(

(X) =

d1 Si X = 0
d2 Si X = 1

El benecio esperado de esta poltica es entonces:

() = E [EY [L((Y ), )]] =

X X

L((Y ), i )P (Y = Y (dj )|i )P (i )

i=1,2 j=1,2

= 1500 0,3 0,6 + 120 1 0,4 + 2000 0,7 0,6 + (400) 0,1 0,4 = 1137

Y por ende, el valor de la informacin es entonces:


V I = () priori = 1137 1040 = 97

Luego, el propietario debe estar dispuesto a desembolsar $97.000 por contar


con la informacin derivada de la prueba de sonido.
3.4 Si no se encuentra gas (X = 0), el benecio esperado por cada decisin
es:
1 (X = 0) = E[L(d1 , |X = 0)] =

2
X

L(d1 , i )(i |X = 0) = 1500

2
1
+ 120
3
3

L(d2 , i )(i |X = 0) = 2000

1
2
+ (400)
3
3

i=1

= 580
2 (X = 0) = E[L(d2 , |X = 0)] =

2
X
i=1

= 400

Luego, elijo d1 .
Sea X1 , X2 , . . . , Xn una m.a.s. de una v.a. X N (, 1). Dada una
distribucin N (a, 1) a priori para , determine el estimador de Bayes bajo
prdida cuadrtica.

P6)

Solucin:

Observemos el aquella parte del producto fn (x/) () que depende de :


fn (x/) () exp{

n
1X
1
(xi )2 } exp{ ( a)2 }
2 i=1
2

De donde:
n
1X
1
1
exp{
x + a)}}
(xi )2 } exp{ ( a)2 } exp{ {(n + 1)2 2(n
2 i=1
2
2

(n + 1)
(n
x + a)
=
exp 2 2
2
n+1

1
2

1
n+1

(n
x + a)
 exp 2
n+1

De donde por inspeccin, dentro de la exponencial, se reconoce parte del


x+a)
, por lo que (/X) es una
desarrollo del cuadrado del binomio (n
n+1
(n
x+a)
1
. El estimador de Bayes
distribucin Normal con media n+1 y varianza n+1
es entonces:
B = E[|X] =

10

(n
x + a)
n+1