UNIVERSIDAD ABIERTA Y A DISTANCIA DE MÉXICO.

LICENCIATURA EN MATEMÁTICAS.
ESTADÍSTICA I.
UNIDAD 2: Estimación.
Actividad 3: La distribución binomial.
a) Trabajos entregados con pobre o nula: citas y/o bibliografías y/o referencias en
formato APA 6, obtendrán calificación de 1/100.
b) Trabajos sin escritura matemática, no serán calificados.
c) Trabajos con escaneos y/o fotos de procedimientos realizados a mano, tendrán
calificación reprobatoria.
d) Si vas a insertar capturas de pantalla, estas deben ser de buena calidad, claras y bien
argumentadas, y deberá ser citada en formato APA, y nombrada la fuente de la
misma.
Recuerda analizar el material disponible en la Planeación Didáctica de la plataforma y en el Drive
Google que se les he publicado en correo institucional. (Revisa la carpeta “Ayudas” publicada en el
Drive Google compartido)
Revisa las indicaciones para desarrollar los trabajos en la Publicación de la Planeación del Docente
en Línea.
Puedes usar cualquier software o aplicación estadística para construir tablas, gráficas y análisis,
y/o para comprobar tus resultados.
Evita dar citas o información de Wikipedia, Brainly, Todoexpertos, Estos webs sites, son para nivel
secundaria. No usar información de blogs de aficionados, webs sin respaldo de universidades o
editoriales científicas. Esto bajaría considerablemente tu calificación.
NOTA: Estimados estudiantes. Dado que, en esta Unidad 2, los temas de las actividades 2 y 3, son
realmente sencillos y no presentan dificultad alguna, y los temas de la Actividad 4, y Evidencia de
Aprendizaje son extremadamente complicados (Nivel de Confianza, Momentos y Verosimilitud),
entonces, en la presente actividad, abordaremos los temas, que son: Métodos de construcción de
estimadores Momentos y Propiedades de los estimadores.
Recuerden analizar el material de estudio y la Bibliografía publicada, además analicen las “ayudas”
que se publican en el Drive Google.
1.- Investiga:
Nota: Puedes apoyarte en la Bibliografía compartida, en los videos de YouTube compartidos y en el
Pdf de la Unidad 2, descargable en la Plataforma.
 1. La historia de la procedencia de la Función Generadora de Momentos. (Media cuartilla
mínimo, cuartilla y media máximo)
2. Define la expresión matemática de la Función Generadora se Momentos. Realza una reseña
de los elementos matemáticos que la componen.
3. Define: Los momentos de una variable aleatoria X.
4. En la Estadística, ¿qué es un estimador?
5. En la Estadística, ¿qué es un estadístico (muestral)?
6. En la Inferencia Estadística ¿qué es la estimación?
7. Describe las propiedades deseables, matemáticas y estadísticas de los Estimadores.
8. Menciona tres ejemplos de Estadísticos muestrales.
9. Menciona tres procesos o métodos matemáticos-estadísticos de aplicaciones de los
Estadísticos muestrales.
10. Por qué se construyen estimadores para la Población, en el Métodos de construcción de
estimadores.
11. Cuál es el objetivo del “Método de los momentos” en los Métodos de construcción de
estimadores
12. Menciona los dos grupos principales procesos (métodos matemáticos) de Inferencia
Estadística.
13. Define cuál es el concepto de Sesgo.
14. ¿Por cual razón se elige al estimador insesgado, o el menos sesgado?
2.- Problemas y ejercicios.
Sesgo:
1.- Sean los valores de 𝑥1 , 𝑥2 y 𝑥3 representativos de una muestra simple de tamaño 3, n=3,
seleccionados de forma aleatoria, para 𝑥1 , 𝑥2 , 𝑥3 > 0 y provienen de una población de media 𝜇 y
varianza 𝜎 2 . Se obtienen como los posibles estimadores de 𝜇 los siguientes estadísticos:
𝑥1 + 2𝑥2 + 𝑥3
𝜇
̂1 =
5
2𝑥1 + 𝑥2 + 3𝑥3
𝜇
̂2 =
6
a) Calcula el valor de 𝐸(𝜇
̂)
1 y el valor de 𝐸(𝜇
̂)2
b) ¿Cuál de los dos estimadores propuestos 𝜇 ̂1 , 𝜇
̂2 utilizaría, para declarar la estimación
insesgada? (En otro caso lo menos sesgada posible)

Sugerencia 1: Sea 𝜃̂ el estimador de 𝜃, y 𝜃 un parámetro cualquiera de una muestra. Entonces:

𝑆𝑒𝑠𝑔𝑜(𝜃̂) = 0

𝑆𝑒𝑠𝑔𝑜 (𝜃̂) = 𝐸(𝜃̂) − 𝜃 = 0

Entonces si cumple 𝐸(𝜃̂) = 𝜃, se dice que 𝜃̂ es un estimador insesgado.

Sugerencia 2: Se selecciona 𝐸(𝜃̂) = 𝜃 o en otro caso, el que tenga menos sesgo, con respecto al
parámetro a estimar, es decir, aquel cuyo valor esperado sea igual al valor del parámetro en
cuestión.
Sugerencia 3:

 Recuerda que: 𝐸(𝑎𝑛 𝜇𝑛 ) = 𝑎𝑛 𝐸(𝜇𝑛 ) 𝑝𝑎𝑟𝑎 𝑎𝑛 ∈ ℝ

  Recuerda llegar a 𝐸(𝜇𝑘 ) = 𝜇 𝑝𝑎𝑟𝑎 𝑘 = 1,2,3, …
 Aplicar 𝐸(𝜇𝑘 ) = 𝐸(𝑁(𝑎1 𝑥1 + 𝑎2 𝑥2 + ⋯ + 𝑎𝑛 𝑥𝑛 )) 𝑝𝑎𝑟𝑎 𝑛 = 1,2,3, … 𝑁, 𝑎1 , 𝑎2 , … , 𝑎𝑘 ∈ ℝ a ambas
igualdades, para no alterar las ecuaciones.
 Aplicar distributividad: 𝑎1 𝐸(𝜇1 ) = 𝑎2 𝐸(𝜇2 ) = 𝑎3 𝐸(𝜇3 ) = ⋯ = 𝑎𝑛 𝐸(𝜇𝑛 ) = 𝜇
 Reducir términos semejantes en la expresión.
 Verificar si 𝐸(𝜇𝑘 ) = 𝜇 o en otro caso cuál de 𝐸(𝜇𝑘 ) se acerca más a 𝜇 o tener el menor
sesgo.
Método de los Momentos:
1.- Menciona los 𝑘 − é𝑠𝑖𝑚𝑜𝑠 momentos poblacionales y los 𝑘 − é𝑠𝑖𝑚𝑜𝑠 momentos muestrales.
2.- Sean los momentos:
𝐸(𝑥) 𝑝𝑟𝑖𝑚𝑒𝑟 𝑚𝑜𝑚𝑒𝑛𝑡𝑜
𝐸(𝑥 2 ) 𝑠𝑒𝑔𝑢𝑛𝑑𝑜 𝑚𝑜𝑚𝑒𝑛𝑡𝑜
𝐸(𝑥 3 ) 𝑡𝑒𝑟𝑐𝑒𝑟 𝑚𝑜𝑚𝑒𝑛𝑟𝑡𝑜
… … … ..
𝑛
{𝐸(𝑥 ) 𝑛 − é𝑠𝑖𝑚𝑜 𝑚𝑜𝑚𝑒𝑛𝑡𝑜
Calcula los valores numéricos para estos momentos, dado que:
Sea 𝑋 una variable continua con función de densidad:
∞
𝑒 −𝑥 𝑝𝑎𝑟𝑎 𝑥 > 0 𝑛)
𝑓(𝑥) = { 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝐸(𝑥 = ∫ 𝑥 𝑛 𝑓(𝑥)𝑑𝑥
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜 0

Sugerencia: Realizarás una integral por partes para:

∞
𝑛) 𝑢 = 𝑥𝑛
𝐸(𝑥 = ∫ 𝑥 𝑛 𝑒 −𝑥 𝑑𝑥 𝑑𝑜𝑛𝑑𝑒 {
0 𝑑𝑣 = 𝑒 −𝑥 𝑑𝑥

Y obtendrás que: 𝐸(𝑥 𝑛 ) = 𝑛! para 𝑛 = 1,2,3, …

3.- Sea la función generadora de momentos para la Distribución Normal:
𝜎2 𝑡 2
(𝜇𝑡+ )
𝑀𝑥 (𝑡) = 𝑒 2

a) Demostrar que el primer y segundo momento son:

𝐸(𝑥) = 𝜇 𝑝𝑟𝑖𝑚𝑒𝑟 𝑚𝑜𝑚𝑒𝑛𝑡𝑜 𝑝𝑎𝑟𝑎 𝑙𝑎 𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑛𝑜𝑟𝑚𝑎𝑙.
𝐸(𝑥 2 ) = 𝜎 2 + 𝜇 2 𝑠𝑒𝑔𝑢𝑛𝑑𝑜 𝑚𝑜𝑚𝑒𝑛𝑡𝑜 𝑝𝑎𝑟𝑎 𝑙𝑎 𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑁𝑜𝑟𝑚𝑎𝑙.
b) Demostrar que 𝑉𝑎𝑟(𝑥) = 𝜎 2
Sugerencia 1: Aplica una de las propiedades de las Funciones Generadoras de Momentos:
𝑑𝑛
[ 𝑀(𝑡)] = 𝐸(𝑥 𝑛 )
𝑑𝑡 𝑛 𝑡=0

La cual es: Al derivar la Función Generadora de Momentos 𝑛 veces y evaluada en 𝑡 = 0 se obtiene

el 𝑛 − é𝑠𝑖𝑚𝑜 Momento de la Variable Aleatoria.
Sugerencia 2: Tienes que obtener la primera y segunda derivada de 𝑀𝑥 (𝑡) y sustituir 𝑡 = 0 para
obtener los momentos, y así las demostraciones.
Sugerencia 3: Para la Varianza recuerda que: 𝑉𝑎𝑟(𝑥) = 𝜎 2 (𝑥) = 𝐸(𝑥 − 𝜇)2, desarrolla el binomio al
cuadrado.
2.- Sea 𝑋 una variable aleatoria, con función de densidad (𝜃 𝑒𝑠 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 𝑚𝑒𝑑𝑖𝑏𝑙𝑒):
𝜃−1
𝑓(𝑥, 𝜃) = {𝜃𝑥 𝑝𝑎𝑟𝑎 0 < 𝑥 < 1 𝑝𝑎𝑟𝑎 𝜃 > 0
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝜃
𝐸(𝑥) = 𝑆𝑒𝑎 𝑒𝑙 𝑝𝑟𝑖𝑚𝑒𝑟 𝑚𝑜𝑚𝑒𝑛𝑡𝑜 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙
1+𝜃
𝑛
1
𝑥̅ = ∑ 𝑥𝑖 𝑆𝑒𝑎 𝑒𝑙 𝑝𝑟𝑖𝑚𝑒𝑟 𝑚𝑜𝑚𝑒𝑛𝑡𝑜 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙
𝑛
𝑖=1

𝜃̂ 𝑒𝑙 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 𝑝𝑎𝑟𝑎 𝜃

Calcula el estimador 𝜃̂ para 𝜃.

Sugerencia: Realiza la igualación, 𝐸(𝑥) = 𝑥̅ reduce y obtendrás 𝜃̂.

3.- Tomando la ecuación matemática del Método de los Momentos:
𝑀𝑜𝑚𝑒𝑛𝑡𝑜𝑠 𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙𝑒𝑠: 𝐸(𝑥 𝑘 ) 𝑝𝑎𝑟𝑎 𝑘 ≥ 1
Se define como Esperanza de x (primer momento), Esperanza de x cuadrada (segundo
momento)…, o el 𝑘 − é𝑠𝑖𝑚𝑜 momento poblacional para 𝑥1 , … 𝑥𝑛 sea X una muestra aleatoria de la
distribución de la función de densidad 𝑓(𝑥, 𝜃).
Y para el 𝑘 − é𝑠𝑖𝑚𝑜 momento muestral tenemos que:
𝑛
1
∑ 𝑥𝑖𝑘 𝑝𝑎𝑟𝑎 𝑘 ≥ 1
𝑛
𝑖=1

Sea 𝑋 una variable aleatoria con Distribución Normal de parámetros media y desviación estándar
poblacional, 𝑁(𝜇, 𝜎 2 ) (la distribución tiene dos parámetros, entonces, serán dos estimadores) y
tenemos como los primeros dos momentos poblacionales:
𝑃𝑟𝑖𝑚𝑒𝑟 𝑚𝑜𝑚𝑒𝑛𝑡𝑜 𝑝𝑜𝑏𝑎𝑐𝑖𝑜𝑛𝑎𝑙: 𝐸(𝑥) = 𝜇
𝑆𝑒𝑔𝑢𝑛𝑑𝑜 𝑚𝑜𝑚𝑒𝑛𝑡𝑜 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 ∶ 𝐸(𝑥 2 ) = 𝜎 2 + 𝜇 2
a) Demostrar que el estimador para la media poblacional es:
𝜇̂ = 𝑥̅
b) Demostrar que el estimador para la varianza poblacional es:

̂2 = 𝑛 − 1 𝑠 2
𝜎 𝑑𝑜𝑛𝑑𝑒 𝑠 2 𝑒𝑠 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙
𝑛
Recuerda que la varianza muestral es:
𝑛
2
1
𝑠 = ∑(𝑥𝑖 − 𝑥̅ )2
𝑛−1
𝑖=1

Nota: Tienes que plantear 2 ecuaciones, y sustituir una ecuación en la otra.

Sugerencia 1: Recuerda que el primer Momento Muestral es la media muestral, y su expresión
matemática es:
𝑛
1
𝑥̅ = ∑ 𝑥𝑖
𝑛
𝑖=1

Sugerencia 2: Recuerda que el estimador poblacional para la media 𝜇 es 𝜇̂ , y el estimador

̂2
poblacional para la varianza 𝜎 2 es 𝜎
Sugerencia 3: El método de los momentos para construir estimadores, consiste en igualar los
momentos poblacionales con los correspondientes momentos muestrales, o sea:
𝑘 − é𝑠𝑖𝑚𝑜 𝑚𝑜𝑚𝑒𝑛𝑡𝑜 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 = 𝑘 − é𝑠𝑖𝑚𝑜 𝑚𝑜𝑚𝑒𝑛𝑡𝑜 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙
𝑛
1
𝐸(𝑥) = ∑ 𝑥𝑖
𝑛
𝑖=1
𝑛
1
𝐸(𝑥 2 ) = ∑ 𝑥𝑖2
𝑛
𝑖=1

…=…
𝑛
1
𝐸(𝑥 𝑘 ) = ∑ 𝑥𝑖𝑘
𝑛
𝑖=1

Gracias.
Links de consulta:
Videos de YouTube.
Estimación estadística.
https://www.youtube.com/watch?v=U0LRVUV-p-A&t=27s
Función generadora de momentos:
https://www.youtube.com/watch?v=6G_i8NUdODU
https://www.youtube.com/watch?v=RReP-kX0SLI
https://www.youtube.com/watch?v=jjVTX4ycsXM
Método de los mementos.
https://www.youtube.com/watch?v=aMZupzrioao&t=10s
https://www.youtube.com/watch?v=lbSYLgn1_Ig
https://www.youtube.com/watch?v=aMZupzrioao
Les comparto la siguiente información, correspondiente al material de estudio de la Asignatura
Estadística 1.
Link de la Asignatura: Estadística I:
https://drive.google.com/drive/folders/1NxecKtHyT1xACU_ezrlJEFjbVFagYJmb?usp=sharing
En este link encontrarás todo el material bibliográfico y actividades a realizar, además de ayudas y
ejemplos de las todas las actividades y tareas, para que, puedas acreditar satisfactoriamente el
curso de Estadística 1. No es necesario buscar otras fuentes, aunque queda a tu libre decisión.
Link: Historia de las Matemáticas.
https://drive.google.com/drive/folders/1HcoBiQUAlO3O7oImGGL7OqOyV59yRtuU?usp=sharing
En este link encontrarás información acerca de la historia de las matemáticas, puesto que algunas
actividades, necesitarás información de estas fuentes.
Gracias.
Atentamente:
Claudio Ramón Rodríguez Mondragón.
Licenciado en Matemáticas.
Docente en Línea: Estadística I.
DL19ROMC00005
Grupo: MT-MEST1-2001-B2-001
Teléfono y WhatsApp: 951 161 25 61
Correo institucional:
claudiorodriguezm@nube.unadmexico.mx
Correo personal:
romoclauram@gmail.com