Está en la página 1de 17

Ejercicios de Estimacin

Bernardo DAuria

Departamento de Estadstica
Universidad Carlos III de Madrid

G RUPO M AGISTRAL
G RADO EN I NGENIERA DE S ISTEMAS AUDIOVISUALES

Otros
Ejercicios de Estimacin

Ejercicio Sep. 2001


Los siguientes datos corresponden a la longitud (en milmetros) de piezas fabricadas
por una mquina

104 109 111 109 87


86 80 119 88 122
91 103 99 108 96
104 98 98 83 107
79 87 94 92 97

2
P P
Sabiendo que i xi = 2451 y i xi = 243505:
a) Calcular un estimador insesgado para la media de la poblacin.
b) Calcular un estimador insesgado para la varianza de la poblacin.

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 2 / 11


Ejercicios de Estimacin

Ejercicio Sep. 2001


Los siguientes datos corresponden a la longitud (en milmetros) de piezas fabricadas
por una mquina

104 109 111 109 87


86 80 119 88 122
91 103 99 108 96
104 98 98 83 107
79 87 94 92 97

2
P P
Sabiendo que i xi = 2451 y i xi = 243505:
a) Calcular un estimador insesgado para la media de la poblacin.
b) Calcular un estimador insesgado para la varianza de la poblacin.

S OLUCIN:
a)
= 98.04;

b) 2 = n1
n
x2 x2 = 133.71.

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 2 / 11


Ejercicios de Estimacin

Ejercicio M12

Sean X1 , . . . , Xn , Xn + 1, . . . , Xn+m variables aleatorias independientes e idnticamente


distribuidas con densidad Normal de media y varianza 2 . Se desea estimar , pero
los valores individuales de la variables se han extraviado y se dispone slo de las
medias
n n+m
1X 1 X
x1 = xi , x2 = xi .
n i=1 m i=n+1
Para integrar las dos fuentes de informacin se utiliza un estimador de la forma
x = x1 + (1 )x2 ,
donde 0 1.
Probar que un estimador de este tipo es centrado para indicando adems qu valor
define el mejor de todos ellos.

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 3 / 11


Ejercicios de Estimacin

Ejercicio M12

Sean X1 , . . . , Xn , Xn + 1, . . . , Xn+m variables aleatorias independientes e idnticamente


distribuidas con densidad Normal de media y varianza 2 . Se desea estimar , pero
los valores individuales de la variables se han extraviado y se dispone slo de las
medias
n n+m
1X 1 X
x1 = xi , x2 = xi .
n i=1 m i=n+1
Para integrar las dos fuentes de informacin se utiliza un estimador de la forma
x = x1 + (1 )x2 ,
donde 0 1.
Probar que un estimador de este tipo es centrado para indicando adems qu valor
define el mejor de todos ellos.

S OLUCIN:
E[x] = ;
n
= .
n+m

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 3 / 11


Ejercicios de Estimacin

Ejercicio I3

Se desea estimar la media de una variable aleatoria X. Para ello se toman 10 datos y
se calcula su media muestral X y la varianza de dichos datos s2 .
X
Comentar si son verdaderas o falsas las siguientes afirmaciones:
a) Por el teorema central del lmite sabemos que ser una variable aleatoria normal
b) Un estimador de X es X
c) La media muestral con un conjunto de datos es un nmero y no una variable
aleatoria
d) La media muestral X tiene siempre una distribucin en el muestreo segn una
normal
es siempre normal
e) Si X es normal, X
a la mitad habra que tomar al menos 100 datos
f) Para disminuir la varianza de X
g) Como la media muestral es un estimador insesgado, tenemos asegurado que
=
X

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 4 / 11


Ejercicios de Estimacin

Ejercicio I3

Se desea estimar la media de una variable aleatoria X. Para ello se toman 10 datos y
se calcula su media muestral X y la varianza de dichos datos s2 .
X
Comentar si son verdaderas o falsas las siguientes afirmaciones:
a) Por el teorema central del lmite sabemos que ser una variable aleatoria normal
b) Un estimador de X es X
c) La media muestral con un conjunto de datos es un nmero y no una variable
aleatoria
d) La media muestral X tiene siempre una distribucin en el muestreo segn una
normal
es siempre normal
e) Si X es normal, X
a la mitad habra que tomar al menos 100 datos
f) Para disminuir la varianza de X
g) Como la media muestral es un estimador insesgado, tenemos asegurado que
=
X

S OLUCIN:
c) Verdadera
e) Verdadera

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 4 / 11


Ejercicios de Estimacin

Ejercicio I5

El tiempo T ( en segundos) que un ordenador tarda en ejecutar una tarea sigue una
variable aleatoria continua de funcin de densidad

f (t) = +1 ,
t
con t 1 y > 1.
a) Utilizando el mtodo de los momentos, propn un estimador para el parmetro .
b) Se ejecuta 5 veces la tarea, y se cronometra el tiempo que ha tardado cada vez.
Estos tiempos son (en segundos):
6, 5, 3, 7, 2.
Basndonos en esta muestra, y el estimador de anterior, estima la probabilidad
de que se tarde ms de 5 segundos en realizar la tarea.

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 5 / 11


Ejercicios de Estimacin

Ejercicio I5

El tiempo T ( en segundos) que un ordenador tarda en ejecutar una tarea sigue una
variable aleatoria continua de funcin de densidad

f (t) = +1 ,
t
con t 1 y > 1.
a) Utilizando el mtodo de los momentos, propn un estimador para el parmetro .
b) Se ejecuta 5 veces la tarea, y se cronometra el tiempo que ha tardado cada vez.
Estos tiempos son (en segundos):
6, 5, 3, 7, 2.
Basndonos en esta muestra, y el estimador de anterior, estima la probabilidad
de que se tarde ms de 5 segundos en realizar la tarea.

S OLUCIN:
a) T
= T/( 1);
b) Pr = 0.127.

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 5 / 11


Ejercicios de Estimacin

Ejercicio
En una poblacin hay individuos de tres tipos con las siguientes probabilidades:
Pr(Tipo1) = 2
Pr(Tipo2) = 2(1 ) 01
Pr(Tipo3) = (1 )2

Obtenemos una muestra aleatoria de tamao n, resultando N1 individuos de Tipo 1, N2


individuos del Tipo 2 y los restantes de Tipo 3.
a) Estudiar si el estimador T = 2N1 +N2 es insesgado para estimar .
2n
b) Hallar el estimador de mxima verosimilitud de .

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 6 / 11


Ejercicios de Estimacin

Ejercicio
En una poblacin hay individuos de tres tipos con las siguientes probabilidades:
Pr(Tipo1) = 2
Pr(Tipo2) = 2(1 ) 01
Pr(Tipo3) = (1 )2

Obtenemos una muestra aleatoria de tamao n, resultando N1 individuos de Tipo 1, N2


individuos del Tipo 2 y los restantes de Tipo 3.
a) Estudiar si el estimador T = 2N1 +N2 es insesgado para estimar .
2n
b) Hallar el estimador de mxima verosimilitud de .

S OLUCIN:
= 0.
a) Sesgo(T)
b) = T.

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 6 / 11


Ejercicios de Estimacin

Ejercicio
Sea X una v.a. que sigue una distribucin Lognormal, con funcin de densidad
ff
1 1
f (x) = exp 2 (log x )2
2 x 2

a) Calcular el estimador de mxima verosimilitud para .


b) Se sabe que el nmero de descendientes de las hembras de cierta especie de
insectos sigue aproximadamente una distribucin Lognormal. Si 20 hembras
elegidas al azar tuvieron como descendencia
47 34 28 44 23 32 39 27 36 33
28 32 29 35 30 37 41 26 52 31
Determinar una estimacin de .

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 7 / 11


Ejercicios de Estimacin

Ejercicio
Sea X una v.a. que sigue una distribucin Lognormal, con funcin de densidad
ff
1 1
f (x) = exp 2 (log x )2
2 x 2

a) Calcular el estimador de mxima verosimilitud para .


b) Se sabe que el nmero de descendientes de las hembras de cierta especie de
insectos sigue aproximadamente una distribucin Lognormal. Si 20 hembras
elegidas al azar tuvieron como descendencia
47 34 28 44 23 32 39 27 36 33
28 32 29 35 30 37 41 26 52 31
Determinar una estimacin de .

S OLUCIN:
] = 2 /n.
P
a)
= log(xi )/n, Var[
b)
= 3.51

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 7 / 11


Ejercicios de Estimacin

Ejercicio

Sea X (2, ), donde la funcin de densidad de una v.a. con


distribucin Gamma (, ) y parmetros y es

1 x/
f (x) = x e , x > 0.
()

Calcular el estimador mximo verosmil para y comprobar que es


insesgado.

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 8 / 11


Ejercicios de Estimacin

Ejercicio

Sea X (2, ), donde la funcin de densidad de una v.a. con


distribucin Gamma (, ) y parmetros y es

1 x/
f (x) = x e , x > 0.
()

Calcular el estimador mximo verosmil para y comprobar que es


insesgado.

S OLUCIN:
x
=
2

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 8 / 11


Ejercicios de Estimacin

Ejercicio Examen Ing. Tel. Sep06 - P2


Se sabe que el tiempo T de respuesta de un servidor web dedicado a la telemedicina
se ajusta a una distribucin Rayleigh de parmetro > 0 con funcin de densidad
t exp 2 t2 , t > 0
`
f (t) =
0, t0
Se realiza un estudio en el que se recogen n = 50 tiempos de respuesta ti (suponer
que n = 50 es grande) obtenindose que
n
X n
X
ti = 146.28 ti2 = 510.58
i=1 i=1

Dar una estimacin puntual de por el mtodo de mxima verosimilitud utilizando los
datos muestrales.

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 9 / 11


Ejercicios de Estimacin

Ejercicio Examen Ing. Tel. Sep06 - P2


Se sabe que el tiempo T de respuesta de un servidor web dedicado a la telemedicina
se ajusta a una distribucin Rayleigh de parmetro > 0 con funcin de densidad
t exp 2 t2 , t > 0
`
f (t) =
0, t0
Se realiza un estudio en el que se recogen n = 50 tiempos de respuesta ti (suponer
que n = 50 es grande) obtenindose que
n
X n
X
ti = 146.28 ti2 = 510.58
i=1 i=1

Dar una estimacin puntual de por el mtodo de mxima verosimilitud utilizando los
datos muestrales.

S OLUCIN:
= 2/t2 = 0, 1959.

Bernardo DAuria (UC3M - G.I. de Sistemas Audiovisuales) Otros 9 / 11