ESTADÍSTICA I, OTOÑO 2017, FCFM-BUAP

TAREA 1a

1. Sea X ∼ U (0, 1). Hallar la función de densidad de probabilidades (f.d.p.) de la variable

aleatoria (v. a.): Y = −2Ln(X).

2. Supóngase que Y = Ln(X) ∼ η(µ, σ 2 ). Sea X = eY . Determine la f.d.p. de la v.a. X.

3. Supóngase que Y1 , Y2 es una m.a. de la distribución U (0, 1). Sean X1 = (−2Ln(Y1 ))1/2 Cos(2Y2 )
y X2 = (−2Ln(Y1 ))1/2 Sen(2Y2 ). Hallar las distribuciones correspondientes de X1 y X2 .

4. Supóngase que W ∼ η(0, 1) y que V ∼ Γ(r/2, 1/2), además de que W y V son v.a.’
W
s independientes. Sea la v.a. T = q . Hallar la f.d.p. de la v.a. T . (tome U = V ,
V
r
para completar una transformación entre v.a.’s que induzca una transformación de R2
en R2 ).
U
r1
5. Sea U ∼ χ2(r1 ) y V ∼ χ2(r2 ) v.a.’s independientes. Determinar la f.d.p. de la v.a. W = V
.
r2
Para aplicar el teorema de las transformaciones tome Z = V .

6. A la totalidad de elementos que están bajo discusión o estudio y acerca de los cuales
se desea obtener información se le llamará población objetivo. Y llamaremos población
muestral a la población en donde realmente se lleva a cabo la elección de la muestra.

(a) Dar un ejemplo donde la población objetivo y la población muestreada sean las
mismas.
(b) Dar un ejemplo donde la población objetivo y la población muestreada no sean las
mismas.
(c) Una compañı́a fabrica transistores en tres diferentes plantas, digamos A; B y C, cu-
yos métodos de fabricación son muy semejantes. La compañı́a decide inspeccionar
aquellos transistores que son fabricados en la planta A, dado que A es la planta
más grande y existen estadı́sticos disponibles en ese lugar. Para inspeccionar la
producción de una semana, se eligen al azar 100 transistores y se prueban sus
defectos. Defina la población muestral y la población objetivo.
(d) Se desea usar los resultados obtenidos para la planta A para sacar conclusiones
acerca de las plantas B y C, ¿qué observaciones tiene respecto a esta decisión?
Defina la población objetivo.

7. Para una muestra aleatoria de tamaño

" nnde una población
# con media µ y r- ésimo
1X
momento central µr , mostrar que: E (Xi − µ)r = µr .
n i=1
 8. Sean X1 , X2 , . . . , Xn una muestra aleatoria de una población que tiene cuarto momento
finito. Se define

µ = E [X1 ] , σ 2 = V ar [X1 ] , µ3 = E (X1 − µ)3 , µ4 = E (X1 − µ)4 ,

   

n n
1X 1 X
X= Xi , y S 2 = (Xi − X)2 .
n i=1 n − 1 i=1
n n
2 1 XX
(a) ¿Es S = (Xi − Xj )2 ?.
2n(n − 1) i=1 j=1
(b) Encontrar, E[S 2 ] y V ar[S 2 ].
(c) Encontrar, Cov[ X, S 2 ], y observe que Cov[ X, S 2 ] = 0, si µ3 = 0.
n n n n
X
2
X
2 1 XX
Sugerencia: Considere la igualdad, (Xi − µ) = (Xi − X) + (Xi −
i=1 i=1
n i=1 j=1
µ)(Xj − µ).
9. Algunos artı́culos se producen de tal forma que la probabilidad de que un artı́culo sea
defectuoso es p(supuesto desconocido). Un gran número de artı́culos n, se clasifican
como defectuosos o no defectuosos. ¿Cuál debe ser el tamaño n de la muestra, de
modo que se pueda estar seguro al 99 % de que la frecuencia relativa de los artı́culos
defectuosos sea diferente de p en menos de .05?
10. (a) Un tazón contiene cinco fichas numeradas del 1 al 5. Una muestra de tamaño dos
extraı́da sin reemplazo de esta población finita se dice que es aleatoria si todos los
pares posibles de las cinco fichas tienen la misma oportunidad de ser extraı́dos.
¿Cuál es el valor esperado de la media muestral? ¿Cuál es la varianza de la media
muestral?
(b) Supóngase que las dos fichas del inciso (a) se extrajeron con reemplazo; ¿cuál será
la varianza de la media muestral? ¿Por qué puede uno asegurar que esta varianza
será más grande que la obtenida en (a)?
(c) Generalice la afirmación en (a) considerando N fichas y un tamaño de muestra
N − n σ2
n. Mostrar que la varianza de la media muestral es: , donde σ 2 es la
N −1 n
N  2
2 1 X N +1
varianza poblacional; esto es, σ = i− .
N i=1 2
2
11. Sean X1 , X2 , . . . , Xn una muestra
s aleatoria de una distribución η(µ, σ ), encontrar la
Pn 2
i=1 (Xi − X)
media y la varianza de: S = .
n−1
mX
n
12. Si X tiene distribución Fmn , mostrar que W = tiene una distribución tipo
1 + mX
n
Beta.
13. Sean X1 , X2 , . . . , Xn una muestra aleatoria de una distribución η(µ, σ 2 ). Si se define:
k n n k
1X 1 X 1X 2 1 X
Xk = Xi , X n−k = Xi , X = Xi , S k = (Xi − X k )2 ,
k i=1 n − k i=k+1 n i=1 k − 1 i=1
n k
2 1 X 1 X
Sn−k = (Xi − X n−k )2 , y S 2 = (Xi − X)2 .
n − k − 1 i=k+1 n − 1 i=1

1 
(k − 1)Sk2 + (n − k − 1)Sn−k
2

(a) ¿Cuál es la distribución de 2
?
σ
1
(b) ¿Cuál es la distribución de (X k + X n−k )?
2
1
(c) ¿Cuál es la distribución de 2 (Xi − µ)2 ?
σ
S2
(d) ¿Cuál es la distribución de 2 k ?
Sn−k
(X − µ)
(e) ¿Cuál es la distribución de ?
√S
n

14. Si S12 y S22 son las varianzas de v.a.’s independientes de tamaño

 n2 1 = 61 y n2 = 31 de
S1
poblaciones normales con σ12 = 12 y σ22 = 18, determine la P > 1,16 .
S22
15. Sea Xi ∼ η(i, i2 ), i = 1, 2, 3. Supóngase que las v.a.’s Xi , i = 1, 2, 3, son independien-
tes, usando sólo estas tres v.a.’s:

(a) Dar un ejemplo de una estadı́stica que tenga una distribución χ2(3) .
(1)
(b) Dar un ejemplo de una estadı́stica que tenga una distribución F(2) .
(c) Dar un ejemplo de una estadı́stica que tenga una distribución t(2) .

Profesor: Bulmaro Juárez Hernández Puebla, Pue., 21 de agosto de 2017.