CASO PRACTICO UNIDAD 2

Ejercicio 1:

De una población en la que se analiza la variable aleatoria ζ, con función de

probabilidad f(x;θ), se extraen m.a.s de tamaño n. Se eligen dos estimadores del
parámetro θ, tales que:

E(θ*1) = 2θ y V(θ*1) = 3θ2

E(θ*2) = θ + 1 y V(θ*2) = 4θ2

Cuestiones:

a) ¿son insesgados?

Parámetros: son valores determinados de una población, tales como la media

y la desviación estándar.

Estimadores: son valores aproximados de cierto parámetro desconocido de

una población.

Se dice que un estimador es insesgado si la Media de la distribución del

estimador es igual al parámetro, o si la diferencia entre su esperanza matemática y
el valor numérico del parámetro que estima es nulo. Por lo tanto, no es insesgado.

Un estimador es más eficiente que otro si la Varianza de la distribución

muestral del estimador es menor a la del otro estimador. A menor eficiencia, menor
es la confianza de que el estadístico obtenido en la muestra aproxime al parámetro
poblacional. Para el parámetro θ no son insesgados, ya que su resultado presenta
como valor ≠ 0; para que cumpla la condición para ser insesgado debe cumplir 𝐸(𝜃̂)
= θ lo cual no aplica en este caso.

b) Proponer, a partir de los estimadores anteriores, otros dos que sean

insesgados compararlos según el criterio de eficiencia.

Sea θ*3 = (θ*1)/2 E[θ*3] =E[(θ*1)/2] = 2θ/2 = θ es insesgados

 Sea θ*4= (θ*2) -1 E[θ*4] = E[(θ*2) - 1] = E[θ*2] -1 = θ+1- 1 = θ es insesgados

V[θ*3] = V[(θ*1) /2] = V[θ*1]/4 = (3θ2)/4 V[θ*4] = V[(θ*2)-1] = V[θ*2] = 4θ2

Como los estimadores son insesgados, el más eficiente es el que tiene menor
varianza, luego θ*3 es más eficiente que θ*4.

EJERCICIO 2:

Una vez obtenido el intervalo: μ ε [10 -0’784; 10 + 0’784] = [9’216; 10’784]0’95

CUESTIONES

a) Aumentar la confianza de la estimación hasta el 99%, manteniendo constante la

precisión

Zα/2 = 1-0,95/2 = 0,025

Zα/2*σ/√n = 0,784

σ/√n = 0,784/2,81 = 0,279

Zα/2 = 1-0,99 = 0,01/2 = 0,005 = 2,58

2,58*0,784 = 2,02

(μ)99% = [10 -2,02; 10 +2,02]

b) Aumentar al doble la precisión de la estimación obtenida, manteniendo

constante la confianza de la estimación en el 95%.

2,81 *2σ/√n = 2,81*2*0,279 = 1,57

(μ)95% = [10 -1,57; 10 + 1,57]