Está en la página 1de 8

Pontificia Universidad Catolica de Chile

Facultad de Matematicas
Departamento de Estadstica
Profesora: Lorena Correa A.
Ayudante: Ana Maria Alvarado
Segundo Semestre 2005

GUIA 1 -METODOS ESTADISTICOS


ELM2400
Propiedades de los Estimadores
1. El n
umero de huevos puestos por un insecto sigue una distribucion de Poisson con media
desconocida. Cada uno de estos tiene una probabilidad p desconocida de originar una larva,
comportandose los huevos de manera independiente. Un entomologo estudia conjuntos de n
de tales insectos observando el n
umero de huevos puestos y si nacen larvas o no. Identifique
la ley de probabilidad de los datos y el espacio parametrico.
2. Sean X e Y variables aleatorias positivas con densidad:
fX (x) =

(x)1 ex
> 0, > 0
()

y 1 ey/
> 0, > 0.
()
Verifique que estos modelos son efectivamente reparametrizaciones uno del otro.
fY (y) =

3. Encuentre estadgrafos suficientes para estimar en base a una muestra de las siguientes
distribuciones con a conocido :
a) p(x, ) = x1 ,
0 < x < 1, > 0.
a1
a
b) p(x, ) = a x
exp{x }, x > 0, > 0, a > 0.

c) p(x, ) = xa
,
x > a, > 0, a > 0,
+1
4. Sean X1 , X2 i.i.d. P (). Se desea estimar P (X1 = 0) = e . Encuentre el E.C.M. de
los siguientes estimadores:
a.-

1 X1 +X2
2

b.- Proporcion de Xi = 0 (puede ser 0, 1/2 o 1)


5. Sean X1 , X2 , ..., Xn iid con densidad ex , x > 0, n > 2. Sea Sn = ni=1 Xi . Es bien conocido
que Z = Sn tiene densidad
fZ (z) = z n1 ez /(n 1)! z 0
= (n 1)/Sn .
Utilice esto para calcular el sesgo y el E.C.M. de


6. Sean X1 , X2 i.i.d. P (). Se considera el estimador de , Sa = aX
a.- Encuentre el sesgo, varianza y E.C.M. de Sa (X) en funcion de a y de .
b.- Para fijo, encuentre el valor de a que minimize el E.C.M.
c.- Para a fijo, determine para que valores de , Sa (X) es mejor.
7. Se tiene una muestra aleatoria simple Y1 , . . . , Yn de una variable aleatoria Y tal que E(Y ) = ,
V (Y ) = 2 . Considere el estimador de

ai Yi .

(a) Determinar una condicion para que


sea un estimador insesgado.
(b) Encuentre la varianza de
y determine los ai de modo que la varianza sea mnima.
(c) Encuentre los valores de ai de manera que ECM (
) sea mnimo. Comente sus resultados.
8. La variable aleatoria X esta distribuida uniformemente en el intervalo (0, ). Se toma una
muestra aleatoria de tama
no 1 para estimar . Estudie y compare las propiedades de los
siguientes estimadores:
1 = X1 ,
2 = 2X1 .
9. Sea X P(). Verifique que el estimador de pk = P (X = k)

pk =

r!(n 1)rk

k!(r k)!n

, r=

n
X

Xi k

i=1

, r<k

es insesgado.
10. Sea Y1 , ..., Yn una muestra de la distribucion Normal bivariada con media y matriz de
covarianzas . Escriba la funcion verosimilitud y encuentre estadgrafos suficientes para y
.
11. Sea Y1 , ..., Yn una muestra de la distribucion N (, 2 ).
(a) Grafique la funcion de verosimilitud y su logaritmo si 2 = 1, Y = 10.
P
(b) Grafique el logaritmo de la funcion verosimilitud si Y = 10,
(Yi Y )2 = 20.
(c) Repita (a) si el tama
no de la muestra es 100. Compare los resultados.
12. Sean X1 , ...Xn iid N (, 2 ) y considere la familia de estimadores
2.

2 = ni=1 (Xi X)
Encuentre el valor de que minimizeel E.C.M.

13. Sea Y1 , . . . , Yn una muestra aleatoria de la variable X P() donde es un parametro


desconocido. Demuestre que

1 =

1X
Xi
n

2 =

X
2
iXi
n(n + 1)

son estimadores insesgados de . Calcule las varianzas de estos estimadores y compare sus
propiedades.
14. Sea Y1 , . . . , Yn una muestra aleatoria de la variable Y B(1, ), donde es un parametro
desconocido. Considere los estimadores

1 =

n
1X
Xi
n i=1

2 = (X1 + Xn ).
2

(a) Demuestre que


1 y
2 son estimadores insesgados de .
(b) Calcule la varianza de cada estimador y la eficiencia relativa de
1 respecto de
2 .
(c) Encuentre el maximo de la varianza del estimador
1 para n fijo.
(d) Obtenga un estimador insesgado de V (Y ) en terminos de
1 .
(e) Proponga estimadores insesgados para las varianzas de
1 y
2 .
15. Sea Y1 , . . . , Yn una muestra aleatoria de la variable Y tal que E(Y ) = y V (Y ) = 2 .
Demuestre que
(a) S12 =
(b) S22 =
(c) S12 es

1
n

Pn

2
2
i=1 (Yi Y ) no es un estimador insesgado de .
1 Pn
2
2
i=1 (Yi Y ) es un estimador insesgado de .
n1
un estimador asintoticamente insesgado de 2 .

Se puede concluir que S22 es mejor estimador que S12 ?.


16. Se tiene una muestra aleatoria de una variable indicatriz que toma valores 1 y 0 con probabilidades y (1 ) respectivamente. Para estimar se proponen los estimadores

1 =

1X
Yi ,
n

2 =

n
1
1 +
.
n+2
n+2


Si n = 10, estudie el comportamiento de la eficiencia relativa de


1 respecto de
2 para
distintos valores de .
17. Sea Y1 , . . . , Yn una muestra aleatoria de la variable Y que tiene distribucion Normal con
P
P
media y varianza 2 desconocidas. Sean Y = n1 Yi y S 2 = n1 (Yi Y )2 la media y la
varianza muestral respectivamente.
(a) Son estos estimadores consistentes de y 2 ?.
(b) Proponga un estimador para el coeficiente de variacion CV = /. Mencione sus
propiedades.
(c) Suponga que = 2 = . Estudie las propiedades del estimador = Y .

18. La variable aleatoria X esta distribuida uniformemente en el intervalo (0, ). Se toma una
muestra aleatoria de tama
no 1 para estimar . Estudie y compare las propiedades de los
siguientes estimadores:
1 = X1 ,
2 = 2X1 .
19. Sean Y1 , . . . , Yn U [0, ]. Sea T = max(Y1 , . . . , Yn ) y considere los estimadores de de la
forma cT, c > 0.
(a) Para que valor de c, cT es insesgado ?
(b) Para que valor de c, ECM (cT ) es mnimo ?.
20. Sean Y1 , . . . , Yn una muestra aleatoria de una distribucion Log-Normal (, ). Sea Tn la
media geometrica de la muestra:
n
1X
Tn = exp
logYi
n i=1

y sea la mediana de la distribucion de los Yi .


(a) Demuestre que para muestras grandes Tn converge a .
(b) Calcule el sesgo de Tn cuando se usa como estimador de .
21. Sea Y1 , ..., Yn N (, 2 ).
(a) Considere el estimador
(Yi Y )2
.
k
y encuentre k de manera que ECM(
2 ) sea mnimo.
P

(b) Si es conocido, demuestre que


(Yi )2
n

alcanza la cota de CramerRao. Comente la significancia de este resultado.


22. Encuentre estadgrafos suficientes para estimar en base a una muestra de las siguientes
distribuciones con a conocido :
(a) p(x, ) = x1 ,

0 < x < 1, > 0.

(b) p(x, ) = a xa1 exp{xa },


(c) p(x, ) =

a
x+1

x > 0, > 0, a > 0.


x > a, > 0, a > 0,

23. Tres muestras independientes de tama


nos 10, 20 y 20 de una distribucion N (, 2 ) entregaron
las siguientes estimaciones (en base al estimador insesgado usual con desconocido) : s21 =
12.8, s22 = 19.6, s23 = 20.8. Proponga un estimador de 2 que supere a los tres estimadores
propuestos. Demuestre que su estimador es mejor.

24. Sea Y1 , ..., Yn una muestra de la distribucion Normal bivariada con media y matriz de
covarianzas . Escriba la funcion verosimilitud y encuentre estadgrafos suficientes para y
.
25. Sea Y1 , ..., Yn una muestra de la distribucion N (, 2 ).
(a) Grafique la funcion de verosimilitud y su logaritmo si 2 = 1, Y = 10.
P
(b) Grafique el logaritmo de la funcion verosimilitud si Y = 10,
(Yi Y )2 = 20.
(c) Repita (a) si el tama
no de la muestra es 100. Compare los resultados.
M
etodos de Estimaci
on

1. Sea Y1 , . . . , Yn una muestra aleatoria de la distribucion P oisson(), donde es desconocido.


Encuentre el estimador maximo verosmil de y el estimador maximo verosmil de la probabilidad de observar el valor 0. Calcule las varianzas de estos estimadores y estimaciones
maximo verosmiles para estas varianzas.
2. Sea Y1 , . . . , Yn una muestra aleatoria de la distribucion Binomial(1, ), donde es un
parametro desconocido. Calcule los estimadores maximo verosmil y de mnimos cuadrados de . Calcule un estimador insesgado para las varianzas de estos estimadores.
3. Suponga una muestra de tama
no n de la distribucion N ormal(, 2 )
(a) Encuentre el estimador maximo verosmil para , con 2 conocido y el estimador
maximo verosmil para 2 , con conocido.
(b) Encuentre el estimador maximo verosmil para = (, 2 ), ambos desconocidos. Calcule las varianzas de estos estimadores para muestras peque
nas y muestras grandes.
4. Extienda sus resultados para estimar los parametros de una distribucion N ormal bivariada
a partir de una muestra de tama
no n. En particular obtenga el estimador maximo verosmil
para el coeficiente de correlacion.
5. Suponga que se eligen al azar n piezas cilndricas entre las producidas por cierta maquina y
se miden sus diametros y longitudes. Se observo que en n1 ambas medidas son inferiores a los
lmites de tolerancia; en n2 las longitudes son satisfactorias pero no los diametros; en n3 los
diametros pero no las longitudes; y en n4 ninguna de las medidas son satisfactorias (se verifica
n1 + n2 + n3 + n4 = n). Cada pieza puede considerarse procedente de una poblacion con
P
distribucion M ultinomial(n, 1 , 2 , 3 , 4 ). Donde i i = 1. Cuales son las estimaciones
maximo verosmiles de los parametros de esta distribucion si n1 = 90, n2 = 6, n3 = 3 y
n4 = 1?. Aplique el metodo de 2 mnimo y compare los resultados.
6. De cada una de cuatro poblaciones con distribuciones de probabilidad N ormal(1 , 2 ), . . . ,
N ormal(4 , 2 ) respectivamente, se saca una muestra aleatoria de tama
no n. Si
1 = a + b + c,

3 = a b + c

2 = a + b c,

4 = a b c

Cuales son los estimadores de maxima verosimilitud de a, b, c y 2 ?. Cuales son los


estimadores de mnimos cuadrados para estos parametros ?.
7. Sea Y1 , . . . , Yn una muestra aleatoria de una distribucion que tiene densidad
f (y, 1 , 2 ) =

1)
1 (y
e 2 ,
2

1 y < ,
< 1 < ,
0 < 2 < .
Encuentre los estimadores maximo verosmil de 1 y 2 .
8. La duracion de una cierta marca de ampolletas tiene una distribucion Exponencial con parametro
y media 1/. Una muestra de 50 ampolletas es ensayada, registrandose cada vez la duraci
on
medida en horas :
1000
1327
1430
1540
1710

1010
1340
1445
1560
1720

1125
1348
1448
1580
1730

1181
1350
1502
1595
1780

1230
1365
1505
1602
1810

1250
1370
1507
1605
1815

1265
1380
1510
1608
1860

1270
1400
1515
1610
1940

1275
1406
1521
1620
1984

1285
1409
1525
1630
2000

(a) Grafique la funcion verosimilitud usando solo las dos primeras columnas de observaciones y luego todas las observaciones.
(b) Obtenga una estimacion de maxima verosimilitud para usando la informacion dada.
Estime la varianza del estimador.
9. Suponga que se dispone de una muestra aleatoria de tama
no n de una variable con distribuci
on
Gamma(, r) con funcion densidad,


f (y) =

r1 ey
(r) (y)

,y>0
, caso contrario.

donde y r son parametros desconocidos. Encuentre estimadores para ambos parametros a partir
del metodo de momentos y el metodo de maxima verosimilitud.
10. Muestre que el estimador maximo verosmil de en la distribucion U [, + 1], construido a partir
de una muestra aleatoria de tama
no n, no es u
nico.
11. Suponga que la vida u
til de un cierto tipo de ampolletas tiene distribucion exponencial de parametro
, con desconocido. Suponga que n ampolletas son probadas durante T horas y que x0 de ellas
falla antes de completarse el perodo de T horas. Encuentre el estimador maximo verosmil de
basado en los datos.

12. Suponga que en un proceso productivo se desea estimar la tasa de falla .


(a) Si se inspeccionan n elementos de este proceso y se encuentran r defectuosos, cu
al es
el estimador maximo verosmil de ? es insesgado?.
(b) Si se decide, ya avanzado el experimento, continuar realizandolo hasta obtener el resimo defectuoso, cosa que ocurre en el n-esimo elemento cual es el estimador maximo
verosmil de ? es insesgado?.
13. Sea f (x) = x1 ,

0<x<1

() =

()1 e
()

>0.

Encuentre E(|X).
Estimaci
on Bayesiana

1. Una poblacion de N elementos tiene defectuosos ( es desconocido). Se extrae una muestra de tama
no n obteniendose 1 defectuoso (la muestra es con reemplazo). Se desea hacer
inferencia sobre .
2. Para una funcion probabilidad a priori () definida para = 0, . . . , N , determine la funci
on
de probabilidad a posteriori ().
(Deje expresado en funcion de una sumatoria).
3. Sea () = r ( 1), = 1, . . . , N . Calcule ( + 1)/() y examine su comportamiento
para determinar la moda de la distribucion a posteriori.
4. Suponga una variable aleatoria X, tal que X|p Bin(n, p) donde p tiene una distribuci
on a
priori (p) = cp1 (1 p)1 . Se se asume una funcion de perdida cuadratica, encuentre la
estimacion optima para p.
5. Sea

f (x) = x1 ,

0<x<1
() =

y
()1 e
()

> 0.

Encuentre la media a posteriori de .


6. Sean X1 , . . . , Xn independientes, con Xi Poisson (). Suponga que la distribucion a priori
de es Gama con media 3 y varianza 18. Encuentre el riesgo a posteriori del estimador X
y comparelo con el riesgo a posteriori de la decision de Bayes. En ambos casos suponga una
funcion de perdida cuadratica.
iid

7. Sean Y1 , . . . , Yn U [0, ]. Suponta una densidad a priori () = 1/2 , 1.

(a) Encuentre la distribucion a posteriori.


(b) Encuentre la media y varianza de la distribucion a posteriori.
(c) Compare la moda de la distribucion a posteriori con el estimador de maxima verosimitilud.
8. Sean X1 , . . . , Xn variables aleatorias independientes, teniendo Xi dendidad
gi (t) =

ci cj t
e ,

t > 0.

Encuentre la familia de distribuciones conjugadas y el estimador de Bayes con respecto a una


funcion de perdida cuadratica.
9. Sea X = (X1 , . . . , Xn ) una muestra aleatoria de la distribucion U [0, ].
Sea T = max(X1 , . . . , Xn ). Si la densidad a priori de es g() = 2 , 1.
(a) Encuentre la densidad a posteriori de dado X = x.
(b) Encuentre la densidad condicional de dado T = t y compare con el punto anterior.
(c) Encuentre la moda, media y mediana a posteriori de dado T = t y discuta su aplicaci
on
en la estimacion de .