Página 1 de 4

Juan Miguel Martínez Buendía

Matemático-Ing. Ambiental-Ms, C. Estadística
Taller Propiedades de los Estimadores. Administración Industrial. U de C. 2016.II.
Temas: Teoría de estimación puntual.

1. Sea X una variable aleatoria con media µ y varianza 𝜎². Dadas dos muestras aleatorias independientes
de tamaño n₁ y n₂, con medias muestrales 𝑋̅₁ y 𝑋̅₂, demuestre que:
i) 𝜇̂ = a𝑋̅₁ + (1 - a)𝑋̅₂ , 0 < a < 1 es un estimador insesgado para µ.
ii) Si 𝑋̅₁ y 𝑋̅₂ son independientes, encuentre el valor de a que minimiza la d.t. de 𝑋̅.
iii) ¿Es consistente el estimador, para el valor de a que minimiza la d. estándar?

2. Supón que 𝜃̂1 , 𝜃̂2 y 𝜃̂3 son estimadores de 𝜃. Se sabe que 𝐸[𝜃̂1 ] = 𝐸[𝜃̂2 ] = 𝜃, 𝐸[𝜃̂3 ] = 𝜃 + 2, 𝑉𝑎𝑟[𝜃̂1 ] =
2
12, 𝑉𝑎𝑟[𝜃̂2 ] = 10 𝑦 𝑉𝑎𝑟[(𝜃̂3 − 𝜃) ] = 13. Compara estos tres estimadores desde el punto de vista del
sesgo y la varianza. ¿Cuál prefieres? ¿Por qué?

3. Sea X₁, X₂,. . ., X₇ una m.a.s de una población que tiene media 𝜇 y varianza 𝜎². Se consideran dos
estimadores de 𝜇:
X₁ + X₂ + … X₇ 2X₁ − X₆+ X₄
𝜇̂ ₁= 𝜇̂ ₂ =
7 2
i) ¿Estos estimadores son insesgados?
ii) Calcular la varianza de cada uno
iii) ¿Cuál consideras mejor estimador de 𝜇? ¿Por qué?
1
4. Si 𝜃̂1 y 𝜃̂2 = 𝑙𝑛(𝑛 ∑𝑛𝑖=1 𝑥𝑖 ) son dos estimadores de 𝜃, en una población con media 𝜃 y varianza 𝜎². Sabiendo
1 1
que 𝐸[𝜃̂1 ] = 𝜃 + y 𝑉𝑎𝑟[𝜃̂2 ] =
𝑛 𝑛²
i) ¿Qué estimador es preferible para 𝜃? ¿Por qué? (Sugerencia: 𝐸[𝑙𝑛𝑥] = 𝑙𝑛(𝐸[𝑥])).
ii) Un ingeniero proporciona una estimación de 𝜃 a partir de 𝜃̂1 y de una muestra de tamaño 30. ¿Qué
tamaño muestral sería necesario para conseguir con 𝜃̂2 una estimación preferible a la obtenida por el
ingeniero?

5. Sea 𝑋1 , 𝑋2 , … , 𝑋𝑛 una muestra aleatoria de tamaño 𝑛. Demuestre que 𝑋̅ 2 es un estimador sesgado de 𝜇².
Nota: Recordar que 𝑉𝑎𝑟[𝑋] = 𝐸[𝑋 2 ] − (𝐸[𝑋])²
i) Determine la magnitud del sesgo en este estimador.
ii) ¿Qué sucede con el sesgo a medida que aumenta el tamaño 𝑛 de la muestra?

6. En un experimento de Bernoulli se observan los valores 𝑥1 , 𝑥2 , … , 𝑥𝑛 en 𝑛 ensayos independientes. Se

proponen los siguientes estadísticos como estimadores del parámetro 𝑝:
1 1
𝜃̂1 = ∑𝑛𝑖=1 𝑥1 𝜃̂2 = (1 + ∑𝑛𝑖=1 𝑥1 )
𝑛 𝑛+2
i) ¿Son estimadores insesgados de 𝑝?
ii) ¿Son estimadores consistentes?

7. La variable 𝑋 representa los precios de alquiler de los apartamentos de una zona turística. La función de
densidad de 𝑋 es:
1 −𝑥⁄𝜃
𝑒 , 𝑥>0
𝑓(𝑥, 𝜃) = {𝜃
0 𝑥≤0
Se elige una muestra aleatoria simple 𝑋1 , 𝑋2 , … , 𝑋𝑛 (𝑛 ≥ 2) de precios y se consideran los estimadores de
𝜃:
X +𝑋 +⋯+𝑋𝑛−1 X +𝑋 +⋯+𝑋𝑛
𝜃̂₁= 1 2 𝜃̂₂= 1 2
n−1 𝑛+1
 Página 2 de 4
Juan Miguel Martínez Buendía
Matemático-Ing. Ambiental-Ms, C. Estadística
i) Estudia la consistencia de 𝜃̂1 y 𝜃̂2
ii) ¿Cuál de los dos estimadores es preferible?

8. Estudiar la consistencia e insesgadez de los siguientes estimadores de 𝜃 y compararlos:

𝑋(𝑛) (𝑛 + 1)𝑋(1) 2𝑋
𝜃̂1 = 𝜃̂2 = 𝜃̂3 =
2 𝑛+2 3
Indicación:
n+2 2n+1 n
𝐸[𝑋(1) ] = n+1 𝜃 𝐸[𝑋(𝑛) ] = n+1 𝜃 𝑉𝑎𝑟[𝑋(1) ] = 𝑉𝑎𝑟[𝑋(𝑛) ] = (𝑛+1)2 (𝑛+2) 𝜃²

9. Se consideran los cuatro estimadores de 𝜃 cuyas esperanzas y varianzas se indican a continuación:

n + (1⁄2)
𝐸[𝜃̂1 ] = 𝜃 𝐸[𝜃̂2 ] = 𝜃 𝐸[𝜃̂3 ] = 𝜃 𝐸[𝜃̂4 ] = 30⁄2
n+1
n 𝑛 1 1
𝑉𝑎𝑟[𝜃̂1 ] = 4(n+1)²(n+2) 𝜃² 𝑉𝑎𝑟[𝜃̂2 ] = (n+2)³ 𝑉𝑎𝑟[𝜃̂3 ] = 27𝑛 𝜃² 𝑉𝑎𝑟[𝜃̂4 ] = 12n 𝜃²

Ordenar los estimadores según sean más o menos eficientes para 𝜃 y explicar sus propiedades como
estimadores de 𝜃.

10. Establecer las siguientes relaciones recursivas para la media y varianza muestrales. Sean 𝑋𝑛 y 𝑆𝑛2 la
media y la varianza muestrales de 𝑋1 , … , 𝑋𝑛 . Suponer ahora que se dispone de otra observación 𝑋𝑛+1.
Demostrar que:
Xn+1 +𝑛 𝑋𝑛
i) 𝑋𝑛+1 =
n+1
2 𝑛
ii) 𝑛𝑆𝑛+1 = (𝑛 − 1)𝑆𝑛2 + 𝑛+1 (𝑋𝑛+1 − 𝑋𝑛 )²

11. Mediante una m.a.s. de tamaño 10 se pretende estimar la media de una población, de la que se sabe que
su varianza es 100. Se consideran dos estadísticos:
1
𝜃̂1 = 𝑋 y 𝜃̂2 = 𝑛+1 ∑𝑛𝑖=1 𝑋𝑖
i) ¿Es preferible alguno de los estadísticos?

12. Supóngase que va a administrarse un cierto tipo de fármaco a dos tipos de animales A y B. Se sabe que
la respuesta media de los animales tipo A es la misma que la de los animales de tipo B, pero el valor común
𝜃 de esta media es desconocido y se debe estimar. Se sabe también que la varianza de la respuesta de los
animales tipo A es cuatro veces más grande que la varianza de la respuesta de los animales tipo B. Sean
𝑋1 , … , 𝑋𝑚 las respuestas de una m.a.s. de 𝑚 animales tipo A e 𝑌1 , … , 𝑌𝑛 las respuestas de una m.a.s. de 𝑛
animales de tipo 𝐵. Finalmente, considérese el estimador 𝜃̂ = 𝛼𝑋 + (1 − 𝛼)𝑌.
i) ¿Para qué valores de 𝑚 y 𝑛 es 𝜃̂ un estimador insesgado de 𝜃?
ii) Para valores fijos de 𝑚 y 𝑛 , ¿qué valor de 𝛼 proporciona un estimador insesgado con varianza mínima?
2
13. Si 𝑋1 , … , 𝑋𝑛 son v.a.i.i.d. según una 𝑁(𝜇, 𝜎 2 ), comprobar que 𝑆𝑛−1 es centrado para 𝜎², pero que 𝑆 no es
centrado para 𝜎.
1
14. Sean 𝑋1 , … , 𝑋𝑛 v.a.i.i.d. según una 𝑁(𝜇, 1). Dado 𝜃̂ (𝑋1 , … , 𝑋𝑛 ) = 𝑋² − 𝑛 . Calcular:
i) Su varianza.
ii) Su eficiencia.
 Página 3 de 4
Juan Miguel Martínez Buendía
Matemático-Ing. Ambiental-Ms, C. Estadística
iii) Eficiencia asintótica.

15. Sean 𝑋1 , … , 𝑋𝑛 v.a.i.i.d. con media 𝜇 y varianza finita. Sea:

𝑛
2
𝜃̂ (𝑋1 , … , 𝑋𝑛 ) = ∑ 𝑖𝑋𝑖
𝑛(𝑛 + 1)
𝑖=1
i) ¿Es un estimador centrado de 𝜇?
ii) ¿Es consistente?
iii) Calcular su eficiencia relativa respecto a 𝑋.

16. La variable aleatoria poblacional “renta de las familias” del municipio de Madrid se distribuye siguiendo
un modelo 𝑁(𝜇, 𝜎 2 ). Se extraen muestras aleatorias simples de tamaño 4. Como estimadores del parámetro
𝜇, se proponen los siguientes:
𝑋 +2𝑋 +3𝑋 𝑋 −4𝑋
𝜇̂ 1 = 1 62 3 , 𝜇̂ 2 = 3 ­3 2, 𝜇̂ 3 = 𝑋
i) Comprobar si los estimadores son insesgados
ii) ¿Cuál es el más eficiente?
iii) Si tuviera que escoger entre ellos, ¿Cuál escogería?.

17. La variable aleatoria X representa los gastos mensuales de una empresa, cuya función de densidad es
𝑓(𝜃, 𝑥) = 𝜃𝑥 𝜃−1 con 𝜃 > 0 y 0< 𝑥 < 1. Se realiza una m.a.s. de tamaño 3, y se proponen tres estimadores:
𝑋 2 +2𝑋 2 +3𝑋 2 𝑋 −2𝑋 +4𝑋
𝜃̂1 = 𝑋, 𝜃̂2 = 1 2 3 , 𝜃̂3 = 3 1 2
6 6
i) Calcule los sesgos
ii) Si la muestra que se obtiene es (0.7; 0.1; 0.3), calcule las estimaciones puntuales.
iii) ¿Cuáles son las funciones de densidad estimadas con las estimaciones anteriores?

18. Sea 𝑥1 , 𝑥2 , … , 𝑥𝑛 una m.a.s. de una variable aleatoria X con 𝐸[𝑋] = 𝜇 y 𝑉𝑎𝑟[𝑋] = 𝜎². Calcular el error
cuadrático medio para los siguientes estimadores de 𝜇:
3𝑥 −2𝑥 +𝑥
𝜇̂ 1 = 𝑥1 , 𝜇̂ 2 = 1 6 2 3

19. Sea 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 una muestra aleatoria simple de una variable aleatoria X con distribución normal
con media (𝜇 − 5) y varianza 𝜎². Se proponen los siguientes estimadores: 𝜇̂ 1 = ∑5𝑖=1 𝑥𝑖 , 𝜇̂ 2 = 8𝑥2 − 3𝑥5
Determinar cuál es el mejor estimador para 𝜇. Justificar la respuesta.

20. El peso en kilos de los jamones vendidos por una empresa sigue una distribución normal con varianza
4 y peso medio desconocido. Se conoce que el peso medio de los jamones vendidos es superior a 5 kg, y se
toman m.a.s. de tamaño 4 para estimar 𝜃. ¿Cuál de los dos estimadores sería el mejor respondiendo a la
insesgadez y eficiencia.
𝑥 +𝑥 +𝑥 𝑥 +𝑥
𝜃̂1 = 1 42 3, 𝜃̂2 = 1 2 2

21. La distribución del peso de las manzanas de una determinada cosecha sigue una distribución normal,
∑5 𝑋
𝑖
cuyo peso medio es desconocido y cuya desviación típica es 7 gramos. Si 𝜇̂ 1 = 𝑖=1 y 𝜇̂ 2 = 𝑥1 + 2𝑥2 +
5
3𝑥3 − 4𝑥4 − 𝑥5 . Se pide:
i) Analizar cuál de los estimadores 𝜇̂ 1 , 𝜇̂ 2 del peso medio es mejor respecto del sesgo y de la eficiencia, para
una muestra aleatoria simple de tamaño cinco.
ii) Obtener los pesos medios estimados a partir de la muestra (125,135,130,137,142)
 Página 4 de 4
Juan Miguel Martínez Buendía
Matemático-Ing. Ambiental-Ms, C. Estadística
22. Supongamos que la distribución de ingresos de una cierta población es una variable aleatoria con media
𝜇 desconocida y varianza 𝜎² también desconocida. Si queremos estimar el ingreso medio de la población
∑𝑛
𝑖=1 𝑥𝑖
mediante una m.a.s. de tamaño n, respecto de la insesgadez y de la eficiencia. 𝜇̂ 1 = , 𝜇̂ 2 = ∑𝑛𝑖=1 𝑥𝑖 .
𝑛−1
i) ¿Cuál de los dos estimadores elegiríamos?
ii) ¿Son consistentes?

23. Un atleta olímpico de salto de altura se enfrenta a un listón de 2.3 metros. Su entrenador desea estudiar
el comportamiento del saltador. Sabe que el número de saltos fallidos por hora es una variable aleatoria
1
Poisson de parámetro 𝜆. El estimador máximo verosímil del parámetro 𝜆, es 𝜆̂ = 𝑛 ∑𝑛𝑖=1 𝑥𝑖 .
i) Analizar sus propiedades.

24. En una distribución 𝑁(𝜇, 𝜎), se estima la media poblacional 𝜇 mediante la media de una m.a.s.
(𝑥1 , 𝑥2 , … 𝑥𝑛 ). Demostrar que la media muestral es insesgado, consistente y eficiente.

(1 + 𝜃𝑥)⁄2 ­1 ≤ 𝑥 ≤ 1 , ­1 ≤ 𝜃 ≤ 1
25. Una m.a.s. de la población que tiene como f.d.p. 𝑓𝜃 (𝑥) = {
0, 𝑒𝑛 𝑒𝑙 𝑟𝑒𝑠𝑡𝑜
3
𝜃̂ = 𝑛 𝑛
∑𝑖=1 𝑥𝑖 es un estimador de 𝜃. Calcular su varianza y demostrar que es inconsistente

26. En un estacionamiento el número de veces que se abre la barrera en un intervalo de 10 minutos para
que pasen vehículos en un sector de seguridad se considera una variable aleatoria con distribución de
Poisson de parámetro 𝜆 desconocido.
i) En una muestra aleatoria de 8 intervalos de 10 minutos cada uno, elegidos de forma independiente, se
registra para cada intervalo el valor que toma la variable en estudio.
3 5 8 7 4 5 6 2
1
̂ 𝑛
Encontrar la estimación máximo verosímil de 𝜆. (𝜆 = 𝑛 ∑𝑖=1 𝑥𝑖 ).
𝑋
27. Sea (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) una m.a.s. de tamaño n que sigue una distribución de Poisson. Si 𝜆̂1 = ∑𝑛𝑖=1 𝑖 , 𝜆̂2 =
𝑛
𝑋1 +3𝑋𝑛
son estimadores de 𝜆. Determinar cuál es el mejor.
4

2 ∑𝑛
𝑖=1(𝑋𝑖 −𝑋)²
28. Verificar que la varianza muestral S𝑛−1 = es un estimador insesgado de la varianza
𝑛−1
poblacional cualquiera sea la distribución.

29. Considere cuatro estimadores del parámetro poblacional 𝜇.

1 1 𝑋 +𝑋
𝜇̂ 1 = 𝑛 ∑𝑛𝑖=1 𝑋𝑖 , 𝜇̂ 2 = 𝑛−1 ∑𝑛𝑖=1 𝑋𝑖 , 𝜇̂ 3 = 1 2 𝑛, 𝜇̂ 4 = 𝑋2 − 𝑋1
Suponer que n=3 y que la muestra es 𝑥1 = 30, 𝑥2 = 20 𝑦 𝑥3 = 10.
i) Calcular las estimaciones con cada uno de los estimadores propuestos. ii) Cuál es el mejor? Por qué?

ÉXITOS!!!
Mateo 6:33