Solucionario del Parcial de Estadı́stica Bayesiana

Deivid Stewart Ramirez Castillo1

1
Asignatura: Estadı́stica Bayesiana
2
Escuela Profesional de Ingenierı́a Estadı́stica
3
Universidad Nacional de Ingenierı́a

06/06/2019

1. Solucionario
Problema 1
La polı́tica de impuesto sobre la renta de Perú establece que un individuo
paga un impuesto de q si y solo si su ingreso es mayor que k. Suponga que la
distribución de ingresos para los pobladores peruanos sigue una distribución
Pa (θ, k), esto es:

θk θ
p(x|θ, k) = , x > k, con k, θ > 0
xθ+1
Como a priori poco es conocido sobre el parámetro θ, se considera una muestra
de los salarios de n individuos. Pruebe que la distribución posteriori de θ es
G(n, n ln (G/k)) donde G es la media geométrica de los salarios observados.

Solución:

θk θ
p(x|θ, k) =
xθ+1

De la ecuación el unico parametro es θ, el k=cte

Por el dato del enunciado ,nos damos cuenta que es una priori objetiva, por ello
usaremos una priori de Jeffreys

1
 n
Y θk θ
p(xi |θ, k) =
xθ+1
i=1 i
θn k nθ
Lx (θ) = Qn θ+1
i=1 xi
n
Y
ln(Lx (θ)) = nln(θ) + nθln(k) − (θ + 1)ln( xi )
i=1
n
dln(Lx (θ)) 1 Y
= n + nln(k) − ln( xi )
dθ θ i=1
d2 ln(Lx (θ)) n
=− 2
dθ2 θ
d2 ln(Lx (θ)) −n
−E( 2
) = −Ex/θ ( 2 ) = nθ−2
dθ θ
p(θ) ∝ I(θ)1/2 = n1/2 θ−1
p(θ) ∝ θ−1

Calculando la posteriori
p(θ|x) ∝ p(x|θ)p(θ)
θn k nθ
∝ Qn θ+1
θ−1
x
i=1 i

Además
n
Y
G=( xi )1/n (1)
i=1

Reemplazando 1 en el cálculo de la posteriori

θn−1 k nθ
p(θ|x) ∝ Qn
( i=1 xi )θ+1
θn−1 k nθ
∝ Qn
[( i=1 xi )1/n ]nθ
θn−1 k nθ
∝ nθ
G
Dandole forma
k nθ
∝ θn−1 ( )
G
G
p(θ|x) ∝ θn−1 exp(−nln( )θ)
k

Entonces la distribución posteriori de θ es G(n, n ln (G/k))

2
Problema 2
Suponga que un ingeniero eléctrico desea probar tres tipos de focos: de vida
normal, larga y extra larga. Los tiempos de vida de los focos tienen distribución
exponencial con medias θ, 2θ y 3θ, respectivamente. Asuma que las pruebas
consisten en observar un foco de cada tipo seleccionado aleatoriamente
(a) Determine el estimador máximo verosı́mil para θ.
(b) Sea ϕ = 1/θ y asuma una distribución priori ϕ ∼ G(α, β).Determine la
distribución posteriori de θ
Solución:
x1 /θ ∼ exp(1/θ)
x2 /θ ∼ exp(1/2θ)
x3 /θ ∼ exp(1/3θ)

(a) Hallando el EMV

3
Y 1 − 1 x1 1 − 1 x2 1 − 1 x3
Lx1 ,x2 ,x3 (θ) = p(xi |θ) = e θ e 2θ e 3θ
i=1
θ 2θ 3θ
1 − 1 (x1 + x2 + x3 )
Lx1 ,x2 ,x3 (θ) = e θ 2 3
6θ3
1 x2 x3
= −ln(6θ3 ) − (x1 + + )
θ 2 3
3 1 x2 x3
= − + 2 (x1 + + )=0
θ θ 2 3
x2 x3
x1 + 2 + 3
θ̂ =
3

(b)
1
ϕ= ∼ G(α, β)
θ
Entonces

θ ∼ GI(α, β)

β
p(θ) ∝ θ−α−1 e− θ
p(θ|x1 , x2 , x3 ) ∝ p(θ)p(x1 , x2 , x3 |θ)
β 1 1 x2 x3
∝ θ−α−1 e− θ 3 e− θ (x1 + 2 + 3 )
6θ
1 x2 x3
∝ θ−(α+3)−1 e− θ (β+x1 + 2 + 3 )

Tiene la forma de un gamma inversa

x2 x3
p(θ|x1 , x2 , x3 ) ∼ GI(α + 3, β + x1 + + )
2 3

3
Problema 3
Suponga que la distribución priori p(θ) es construida jerárquicamente como
sigue:
I.- Si ξ = i entonces la densidad priori condicional para θ es pi (θ), i =
1, 2, . . . , k
II.- La distribución marginal de ξ es p(ξ = i) = ci , i = 1, 2, . . . , k
Suponga que la variable X, con densidad p(x|θ), es observada y se define Ψi como
la familia de pi distribuciones que son conjugadas con la distribución muestral
de X, para i = 1, 2, . . . , k. Además, se define Ψ como
k
X
Ψ = {p : p(θ) = βi pi (θ) con pi ∈ Ψi }
i=1

Pruebe que Ψ es la conjugada a la familia de distribución muestral X.

Solución:
k
X
p(θ) = P (ξ = 1)P (θ|ξ = i)
i=1
k
X
= ci Pi (θ)
i=1

Pi (θ) ∈ Ψi = Pi (θ|x) ∈ Ψi , ∀i = 1, k
k
X
Ψ = {p : p(θ) = βi pi (θ) con pi ∈ Ψi }
i=1

Sea
k
X
p(θ) ∈ Ψ = p(θ) = βi pi (θ)
i=1

Entonces
k
X k
X
p(θ|x) ∝ p(θ)p(x|θ) = βi pi (θ)p(x|θ) ∝ βi pi (θ|x)
i=1 i=1

Por lo tanto
k
X
p(θ|x) = hi pi (θ|x)
i=1

Donde pi (θ|x) ∈ Ψi

p(θ|x) ∈ Ψ