Documentos de Académico
Documentos de Profesional
Documentos de Cultura
L : P × A −→ [0, +∞)
Ejemplo 18. (Prueba de hipótesis) Sea P una familia de medidas de probabilidad definida
sobre un espacio medible (Ω, A), y P0 ⊂ P, defina además P1 = P \ P0 . Considere las
hipótesis:
H0 : P ∈ PO (Nula)
H1 : P ∈ P1 (Alternativa).
El espacio de acciones es: A = {0, 1} donde 0 es aceptar H0 (no rechazar H0 ) y 1
corresponde a rechazar H0 (aceptar H1 ).
La regla de decisión está dada por T (X) = 1C (X) donde C ∈ A es la región de rechazo o
región crítica.
Consideremos una función de pérdida simple:
0 si la decisión es correcta
L(P, a) =
1 si la decisión es incorrecta
o, equivalentemente:
L(P, j) = 0si P ∈ Pj , j = 0, 1
L(P, j) = 1si P ∈
6 Pj , j = 0, 1.
Por tanto:
P (T (X) = 1) = P (ω ∈ C) si P ∈ P0
RT (P ) =
P (T (X) = 0) = P (ω 6∈ C) si P ∈ P1
Ejemplo 19. Un sitio de depósito de desechos tóxicos requiere una limpieza cuando
la verdadera contaminación θ sobrepasa cierto nivel θ0 > 0. Se necesita entonces un
equilibrio entre el costo de descontaminación y el costo a la salud publica.
Se toman muestras del suelos y se toman tres acciones posibles A = {a1 , a2 , a3 }:
• a1 : limpieza completa
• a2 : limpieza parcial
• a3 : no limpieza
Los costos en ese caso son: c1 por la limpieza completa y c2 < c1 por la limpieza parcial.
El costo para la salud pública está dados por c3 (θ − θ0 )1(θ0 ,∞) (θ).
Una limpieza completa reduce la concentración tóxica a θ < θ0 , mientras que una limpieza
parcial solo reduce la contaminación en una cantidad fija (i.e. θ → θ − t). Así la función
de pérdida estará dada por:
L(θ, a) a1 a2 a3
θ ≤ θ0 c1 c2 0
θ0 < θ ≤ θ + t c1 c2 c3 (θ − θ0 )
θ >θ+t c1 c2 + c3 (θ − θ0 ) c3 (θ − θ0 )
A partir de aquí puede calcularse la función de riesgo.
Ejemplo 21. Un ejemplo más concreto, sea X1 , . . . , Xn una muestra i.i.d. de una
población N (µ, σ 2 ), con σ conocida y µ ∈ R, sea además la distribución a-priori sobre µ
Π = N (µ0 , σ02 ).
Se tiene entonces que la distribución conjunta de (X, θ) es normal multivariada y por
tanto:
θ | X = x ∼ N (µ∗ (x), c2 )
con
σ2 nσ02 σ02 σ 2
µ∗ (x) = µ 0 + x, c2 = .
nσ02 + σ 2 nσ02 + σ 2 nσ02 + σ 2