TRABAJO DE INFERENCIA ESTADÍSTICA

Javier Blanco Muñoz.

Fidel Causil Barrios.
Alberto Herrera Morales.
Nota: 2.8/5mmr M. Sc.

Mario Alfonso Morales Rivera

UNIVERSIDAD DE CÓRDOBA
FACULTAD DE CIENCIAS BÁSICAS
DEPARTAMENTO DE MATEMÁTICA Y ESTADÍSTICA
PROGRAMA DE ESTADÍSTICA
MONTERÍA - CÓRDOBA
20/09/2015

1
 Ejercicios
3) Si las variables aleatorias X1 , X2 , ..., Xn constituyen una muestra aleato-
ria de una población con función de densidad,
fX (x) = 2x I(0,1) (x)
determine la distribución muestral del mı́nimominimommr de la muestra.

9) Una muestra de 36 botellas corresponde a la lı́nea antigua de llenado A,

que estando el proceso bajo el control estadı́stico el contenido de una de
ellas en ml se modela como una variable variabemmr aleatoria con distribu-
ción distribucionmmr Normal de valor esperado µ y desviación desviacionmmr
estándarestandarmmr 12.Se considera otra muestra de 49 botellas de una nue-
va lı́nea de llenado B, que de manera similar, estando el proceso bajo control
estadı́stico, el contenido de ellas se modela como una variable aleatoria con
distribución Normal de valor esperado µ y desviación estándar 4. Determine
Determiinemmr la probabilidad de que los promedios muestrales difieran a
lo sumo en 3 ml.

21) Con base en el ejercicio 20, ¿cuál debe ser el tamaño de la muestra, si
la varianza fuese el doble?

26) Siendo dos minutos y cuarenta y cinco segundos el tiempo medio de

transacción transaccı́onmmr en un cajero electrónico y que el modelo Expo-
nencial es un modelo admisible para representar el tiempo que utiliza un
cliente en la transacción, determine la probabilidad de que se requieran mas
de 55 minutos para atender una cola de 16 clientes, pues la persona que
ocupa el puesto 16 tiene que decidir si espera o no, en razón de que cuen-
ta únicamente unicamentemmr con los citados 55 minutos para realizar la
diligencia.
41) Si las variables aleatorias X1 , X2 , ...; Xn constituyen una muestra alea-
toria de una población con función de densidad
fX (x) = x exp(−x) I(0,∞) (x),
determine el valor de la constante d, tal que P [X̄n > d] = 0,95.

2
 Solución Solucionmmr
3) Nota: 0.95/1mmr

Sea fX (x) = 2x I(0,1) (x) entonces

Z t Z 0 Z t
mmr
FX (tx )= 2x dx = 2x dx + 2x dx
−∞ −∞ 0

1 2 t
 
=0+ 2 x = (t)2 − (0)2 = t2
2 0
ası́
Fx (x) = x2 I(0,1) (x) + I(1,∞) (x)
por lo tanto
n
FX1,n (y) = 1 − [1 − FX (y)]n = 1 − 1 − y 2 I(0,1) (y)


¿qué pasa fuera del intervalo (0, 1)? · · · + I(1,∞) (y) mmr

9) Nota: 0.85/1mmr Tenemos que:

n1 = 36 E1 (Xxmmr ) = µ σ1 = 12
n2 = 49 E2 (x) = µ σ2 = 4
2
mayúscula si se trata de una VA mmr y por teorema 1.4.15 X̄n ∼ N (µ, σn )
2
X̄n ∼ N (µ, σn ) está bien, pero se trata de justificar la distribución de la
diferencia de medias, que usan para calcular la probabilidadmmr X̄1 − X̄2 ∼
σ2 σ2 2
N (µ − µ, n11 + n22 ) X̄n ∼ N (µ, σn )mmr , entonces

P (−3 ≤ X̄n1 − X̄n2 ≤ 3)

 
−3 − 0 (X̄n1 − X̄n2 ) − (µ − µ) 3−0
= P q ≤ q 2 2
≤q 
144 16 σ1 σ2 144 16
36 + 49 n + n 1 36 + 2 49

= P (−1,44 ≤ Z ≤ 1,44)

= P (Z ≤ 1,44) − P (Z ≤ −1,44) = 0,85

3
por lo tanto la probabilidad de que los promedios muestrales difieran a lo
sumo en 3 ml es de 0,85.

21) Nota: 1/1mmr Si las variables aleatorias X1 , X2 , ..., Xn constituyen contituyenmmr

una muestra aleatoria de una población con valor esperado µ y varianza 8,
determine el tamaño mı́nimo minimommr de la muestra para el cual la pro-
babilidad de que el valor esperado y el promedio de la muestra no difieran
en mas de 0.1 sea superior a 0.95.
En esta situación =0.1, δ=0.05; entonces: P (|X̄n − µ| < ) ≥ 1 − δ ⇒
P (|X̄n − µ| < 0,1) ≥ 1 − 0,05 por consiguiente.

σ2
n>
δ2
ası́
8
n> = 16000
(0,05)(0,1)2
por lo tanto el tamaño minimo de la muestra es de 16001.

26) Nota: 0/1mmr Tenemos que el modelo exponencial es admisible para

representar el tiempo que utiliza un cliente en la transacción, con un tiempo
medio de 2.45 2:45mmr . Ojo: dos minutos y 45 segundos no es igual a 2.45
minutos, eso es igual a 2.75 minutos, ya que 45 segundos son 34 de minuto
que da 0.75mmr
luego
1 1 16 λ 1 20
E(X) = ⇒ 2,75 2,45mmr = ⇒ = 44 39,2mmr ⇒ = mmr
⇒λ=
λ λ λ 16 44 30,2 49

Ahora, el modelo exponencial exponecialmmr para representar el tiempo que

utilizan los 16 clientes clienesmmr en la transacción es: Ojo: el tiempo que
usan los 16 clientes es la suma de los tiempos de cada cliente individual.
Es decir,
P si el cliente i se demora Xi entonces los 16 clientes se demorarán
Y = 16 i=1 Xi . Note que Y es la suma de exponenciales independientes la
cual tiene distribución gamma de parámetros n y λ. La demostración de eso
se hace fácil usando la función generadora
Q de momentos, ya que si las Xi
son independientes, entonces MP Xi = MXi mmr
20 − 20 x 20
fX (x) = e 49 I(0,∞) (x) ⇒ Fx (x) = 1 − e− 40 x
49

4
 Ası́

 20

P (X > 55) = 1 − P (X ≤ 55) = 1 − 1 − e− 49 (55) = 1,780452 × 10−10

Por lo tanto la probabilidad de que se requieran mas de 55 minutos para

atender una cola v de 16 clientes es 1,780452 × 10−10 . Es decir que el cliente
que esta de ultimo en la fila tiene poca probabilidad de ser atendido.
No está correcto, se debe usar la distribución Gamma de parámetros n = 16
y λ = 2,75 mmr
41) Nota: 0/1mmr sea fX (x) = xe−x I(0,∞) (x), hallemos el valor esperado y
la varianza para X.
Z ∞ Z 0 Z ∞
E(X) = xfX (x) dx = xfX (x) dx + xfX (x) dx =
−∞ −∞ 0
Z ∞ Z ∞
2 −x
0+ x e dx = x2 e−x dx
0 0
usando el método metodommr de partes tenemos que:

u = x2 du = 2x dx
−x
dv = e dx v = −e−x
Z
∞
Z ∞ Z ∞
v du = −x2 e−x 0 + 2 xe−x dx = 0 + 2 xe−x dx

⇒ uv −
0 0
usando nuevamente el método metodommr de partes

u=x du = dx
−x
dv = e dx v = −e−x
∞
Z ∞ Z ∞ ∞
⇒ −2xe−x 0 + 2 −x
e−x dx = −2e−x 0 = 0 + 2 = 2
 
e dx = + + 2
0 0

Ahora
Z ∞
E(X ) = 2
x3 e−x dx
0
usando el metodo de partes

u = x3 du = 3x2 dx
dv = e−x dx v = −e−x

5
 ∞
Z ∞
−x3 e−x 0 x2 e−x dx = 0 + 3[2] = 6

⇒ +3
0

De lo anterior tenemos que E(X) = 2. y la V ar(x) = E(X 2 ) − E(X)2 =

6 − 4 = 2.
Ahora usando el teorema del limite central Qué les garantiza que pueden
usar el TLC? En ninguna parte el ejercicio menciona el valor de n, tampoco
dice que n es grande. n podrı́a ser 2, o 5 o 50 o 120, no se sabe, luego
√
no hay
mmr n(X̄n −µ) d
nada que garantice que se puede usar el TLC tenemos que σ →
Z ∼ N (0, 1) entonces:
√ √ 
n(X̄n − µ) n(d − 2)
P (X̄n > d) = 1 − P (X̄n ≤ d) = 1 − P ≤ √
σ 2
p ! p !
n(d − 2) n(d − 2)
1−P Z ≤ √ = 0,95 ⇒ P Z ≤ √ = 0,05
2 2

Luego
√ √
n(d − 2) −1,65 2 2,3334
√ = −1,65 ⇒ d = √ +2=2− √
2 n n
Por lo tanto el valor de d que cumple la condición condicionmmr P [X̄n >
d] = 0,95 es 2 − 2,3334
√
n
.
Para la correcta solución de este ejercicio deben notar que la densidad
dada es un caso particular de la Gamma, cuando r = 2 y λ = 1 y además la
suma de VA independientes con distribución Gamma es Gamma, lo cual se
puede demostrar con la FGM. Un vez se tiene la distribución de la suma, es
fácil calcular probabilidad con respecto a la mediammr

List of changes
Added (mmr): Nota: 2.8/5 . . . . . . . . . . . . . 1
Replaced (mmr): mı́nimo . . . . . . . . . . . . 2
Replaced (mmr): variable . . . . . . . . . . . . 2
Replaced (mmr): distribución . . . . . . . . . . . . 2
Replaced (mmr): desviación . . . . . . . . . . . . 2
Replaced (mmr): estándar . . . . . . . . . . . . 2
Replaced (mmr): Determine . . . . . . . . . . . . 2
Replaced (mmr): transacción . . . . . . . . . . . . 2
Replaced (mmr): únicamente . . . . . . . . . . . . 2

6
Replaced (mmr): Solución . . . . . . . . . . . . 3
Added (mmr): Nota: 0.95/1 . . . . . . . . . . . . . 3
Replaced (mmr): t . . . . . . . . . . . . 3
Added (mmr): ¿qué pasa fuera del . . . . . . . . . . . . . . . . 3
Added (mmr): Nota: 0.85/1 . . . . . . . . . . . . . 3
Replaced (mmr): X . . . . . . . . . . . . 3
Added (mmr): mayúscula si se tra . . . . . . . . . . . . . . . . 3
2
Added (mmr): X̄n ∼ N (µ, σn ) es . . . . . . . . . . . . . . . . 3
Replaced (mmr): X̄1 − X̄2 ∼ N (µ − . . . . . . . . . . . . . . . 3
Added (mmr): Nota: 1/1 . . . . . . . . . . . . . 4
Replaced (mmr): constituyen . . . . . . . . . . . . 4
Replaced (mmr): mı́nimo . . . . . . . . . . . . 4
Added (mmr): Nota: 0/1 . . . . . . . . . . . . . 4
Replaced (mmr): 2.45 . . . . . . . . . . . . 4
Added (mmr): Ojo: dos minutos y . . . . . . . . . . . . . . . . 4
Replaced (mmr): 2.75 . . . . . . . . . . . . 4
Replaced (mmr): 44 . . . . . . . . . . . . 4
Replaced (mmr): 44 . . . . . . . . . . . . 4
Replaced (mmr): exponencial . . . . . . . . . . . . 4
Replaced (mmr): clientes . . . . . . . . . . . . 4
Added (mmr): Ojo: el tiempo que . . . . . . . . . . . . . . . . 4
Added (mmr): No está correcto, se . . . . . . . . . . . . . . . . 5
Added (mmr): Nota: 0/1 . . . . . . . . . . . . . 5
Replaced (mmr): método . . . . . . . . . . . . 5
Replaced (mmr): método . . . . . . . . . . . . 5
Added (mmr): Qué les garantiza q . . . . . . . . . . . . . . . . 6
Replaced (mmr): condición . . . . . . . . . . . . 6
Added (mmr): Para la correcta so . . . . . . . . . . . . . . . . 6