Universidad Católica del Norte

Facultad de Ciencias
Departamento de Matemáticas

PRUEBA 1
28 de Septiembre de 2015

Nombre: Rut:

1. Considere una muestra aleatoria de X1 , ..., Xn de la función de densidad de probabilidad

f (x; θ) = 0,5(1 + θx); −1 ≤ x ≤ 1

donde −1 ≤ θ ≤ 1 (esta distribución se presenta en la fı́sica de partı́culas). Demuestre

que θb = 3X es un estimador insesgado de θ. [Sugerencia: Primero determine µ = E[X] =
E[X].](10pts)

2. Dos sistemas de computadoras diferentes son monitoreados durante un total de n semanas.

Sea Xi el número de descomposturas del primer sistema durante la i-ésima semana y
suponga que las Xi son independientes y que se extraen de una distribución de Poisson con
parámetro λ1 . Asimismo, sea Yi el número de descomposturas del segundo sistema durante
la semana i-ésima y suponga independencia con cada Yi extraı́da de una distribución de
Poisson con parámetro λ2 . Derive los estimadores de máxima verosimilitud de λ1 , λ2 y
λ1 − λ2 . [Sugerencia: Utilizando independencia, escriba la función masa de probabilidad
conjunta de las Xi y Yi juntas.](10pts)

3. Supongamos que el tiempo en horas dedicado por los estudiantes de una determinada
asignatura a preparar el examen final tiene una distribución normal. Se toma una muestra
aleatoria de 6 estudiantes cuyos resultados son los siguientes:

12,2 18,4 23,1 11,7 8,2 24

a) Calcular un intervalo de confianza del 99 % para la media poblacional.(5pts)

b) Calcular un intervalo de confianza del 99 % para la varianza poblacional.(5pts)
c) Sin realizar los cálculos, determinar si un intervalo de confianza del 90 % tendrı́a una
amplitud mayor o menor que el hallado en el apartado b).(5pts)

Ingenierı́a Civil en computación e informática 1 ⃝Ricardo

c A. Guerrero
SOLUCIÓN

1. Primero calcularemos la esperanza de X

∫ 1
E[X] = x ∗ 0, 5(1 + θx)dx
−1
∫ 1
= 0, 5 (x + θx2 )dx
−1
[ ]
x2 1 θx3 1
= 0, 5  + 
2 −1 3 −1
[ ]
1 1 1 θ θ
= − + +
2 2 2 3 3
[ ]
1 2θ θ
= 0+ =
2 3 3

Ahora calcularemos la esperanza del estimador

b = E[3X]
E[θ]

= 3E[X]
[ ∑n ]
i=1 xi
= 3E
n

3∑
n
= E[Xi ]
n i=1
3
= ∗ nE[X]
n

= 3E[X]

θ
= 3∗ =θ
3

Queda entonces demostrados que el estimador es insesgado

Ingenierı́a Civil en computación e informática 2 ⃝Ricardo

c A. Guerrero
 2. Estimador de λ1
La funció de probabilidad de la Poisson viene dada por

λx1 ∗ e−λ1
f (x; λ1 ) =
x!
La función de verosimilitud queda

∏n
λx1 i ∗ e−λ1
L(λ1 ; x) =
1=1
xi !

La función de log verosimilitud queda

∑
n
l(λ1 ; x) = Logλx1 i − λ1 − Log(xi !)
1=1

∑
n ∑
n
l(λ1 ; x) = Logλ1 xi − nλ1 − Log(xi !)
1=1 1=1

Derivamos para poder maximizar

1 ∑
n
∂l(λ1 ; x)
= xi − n
∂λ − 1 λ1 i=1

Igualamos a cero y depejamos

1 ∑
n
xi − n = 0
λ1 i=1

1 ∑
n
xi = n
λ1 i=1

∑
n
xi = nλ1
i=1
∑n
i=1 xi
λ1 = =X
n

λb1 = X

Analogamente se encuentra para y ∼ P oisson(λ2 ) el estimador viene dado por

λb2 = Y

Analogamente se encuentra para x − y ∼ P oisson(λ1 − λ2 ) el estimador viene dado por

λ\
1 − λ2 = X − Y

Ingenierı́a Civil en computación e informática 3 ⃝Ricardo

c A. Guerrero
 3. X = 16, 267

Sx2 = 42, 703

Sx = 6, 535

a) Z1−α/2 = Z0,995 = 2, 576

El intervalo viene dado por

Sx
X ± Z1−α/2 √
n
[ ]
6, 535 6, 535
16, 267 − 2, 76 √ ; 16, 267 + 2, 76 √
6 6

[9, 394; 23, 140]

b) χ2α/2;n−1 = χ20,005;5 = 16, 750

χ21−α/2;n−1 = χ20,995;5 = 0, 412

El intervalo viene dado por

[ ]
(n − 1)Sx2 (n − 1)Sx2
;
χ2α/2;n−1 χ21−α/2;n−1
[ ]
213, 515 213, 515
;
16, 750 0, 412

[12, 747; 518, 240]

c) El intervalo será menor ya que varian los valores de los estadı́sticos chi y reducen el
intervalo, entregando menos confianza.

Ingenierı́a Civil en computación e informática 4 ⃝Ricardo

c A. Guerrero