5.

1 Se define:
n 2
( x i−x́ )
s2=∑
i =1 n

a. Muestre que:

( n−1 ) σ 2
E ( s2 ) =
n
b. Y que de aquí s2 es un estimador sesgado para σ 2.
c. ¿Qué ocurre con el sesgo cuando el tamaño de la muestra n se incrementa?

Solución:

Tenemos:
2
n
( x i−x́ ) n
2
E ( s ) =E (∑
i=1 n ) (∑ (
1
= E
n i=1
x i− x́ )
2
)
Mediante manipulación algebraica, sumamos y restamos μ:
n
1
E ( s2 ) = E
n ( ∑ [ ( xi −μ )− ( x́−μ ) ]
i=1
2
)
Desarrollando el binomio:
n
1
2
E ( s )= E
n (∑ (i=1
xi −μ )2−2 ( x i−μ ) ( x́−μ ) + ( x́−μ )2
)
Aplicando propiedades de sumatorios:
n n
1
E ( s2 ) = E
n (∑ (i=1
xi −μ ) −2 ( x́−μ ) ∑ ( x i−μ ) +n ( x́−μ )2
2

i=1
)
n n n
1
E ( s2 ) = E
n ( 2
∑ ( xi −μ ) −2 ( x́−μ )
i=1
( ∑ x i−∑ μ +n ( x́−μ )
i=1 i =1
) 2
)
Por definición:
n

∑ xi
x́= i=1
n
O bien:
n

∑ x i=n x́
i=1
Entonces:
n
1
E ( s2 ) = E
n (∑ (i=1
xi −μ )2−2 ( x́−μ ) ( n x́ −nμ ) +n ( x́−μ )2 )
n
1
E ( s2 ) = E
n (∑ (i=1
xi −μ )2−2 n ( x́−μ ) ( x́ −μ ) +n ( x́−μ )2 )
n
1
E ( s2 ) = E
n (∑ (i=1
xi −μ )2−2 n ( x́−μ )2 +n ( x́−μ )2 )
n
1
2
E ( s )= E
n (∑ (i=1
xi −μ )2−n ( x́−μ )2 )
Desarrollando:
n
1
E ( s2 ) =
n (∑i =1
E ( xi −μ )2−n E ( x́−μ )2 )
Por definición:

E ( x i−μ )2 =σ 2

Entonces:
n
1
2
E ( s )=
n (∑i =1
σ 2−σ 2
)
1
E ( s2 ) = ( n σ 2 −σ 2 )
n
Factorizando:

2 ( n−1 ) σ 2
E s =
( )
n
Para que s2 sea un estimador insesgado de σ 2 se debe cumplir lo siguiente:

E ( s2 ) =σ 2
Y en este caso tenemos que:

2 ( n−1 ) σ 2
E s =
( )
n
Es decir:

E ( s2 ) ≠ σ 2
Por tanto, decimos que s2 es un estimador sesgado de σ 2. Sin embargo hay que tener en cuenta
que cuando el tamaño de muestra aumenta, el sesgo tiende a ser insignificante, con lo que con un
tamaño adecuado este estimador podría volverse insesgado.

5.2 Suponga que se tiene una muestra aleatoria de tamaño 2 n de una población denotada por s y
E ( x )=μ, V ( x )=σ 2. Sean:
2n
1
x́ 1= ∑X
2n i=1 i
n
1
x́ 2= ∑X
n i=1 i
Y dos estimadores de μ ¿Cuál es el mejor estimador de μ?. Explique su respuesta.

Solución:

Para saber cuál de estos dos estimadores es mejor, necesitamos calcular su varianza, y el que
tenga la menor varianza será el más eficaz, entonces si suponemos que n=10 para el primer
estimador tendríamos:
2n
1
V ( x́ 1) =V
( ∑X
20 i =1 i )
Utilizando la siguiente propiedad:

V ( cX )=c 2 V ( X )
Tenemos:
2n
1 2
( ) (∑ X )
V ( x́ 1) =
20
V
i=1
i

2n
1
V ( x́ 1) =
400
V ( )
∑ Xi
i=1

Ahora utilizando la propiedad siguiente de los operadores lineales:

T ( u 1+u 2+ …+un ) =T ( u1 ) +T ( u2 ) +…+T ( un )

Tenemos:

1
V ( x́ 1) = V ( X 1 ) +V ( X 2 ) +…+V ( X 20 ) ]
400 [
Donde V ( X )=σ 2, entonces:
 1 [ 2 2 2 20 σ 2 2
V ( x́ 1) = σ + σ +…+ σ ]= =0.05 σ
400 400
Realizamos un procedimiento similar para el segundo estimador:
n
1
V ( x́ 2 )=V
( ∑X
10 i=1 i )
n
1
V ( x́ 2 )=
100
V
(∑ )
i=1
Xi

1
V ( x́ 2 )= V ( X 1 ) +V ( X 2) + …+V ( X 10 ) ]
100 [

1 [ 2 2 2 10 σ 2 2
V ( x́ 2 )= σ +σ + …+σ ]= =0. 1 σ
100 100
Es decir que V ( x́ 2 )> V ( x́ 1 ) y esto quiere decir que el estimador uno es más eficaz
 ^ 1 ,Θ
5.3 Suponga que Θ ^2 y Θ
^ 3 son estimadores del parámetro θ . Se sabe que E ( Θ
^ 1 ) =E ( Θ
^ 2 )=θ ,
E (Θ
^ 3 ) ≠ θ, V ( Θ
^ 1 )=12 , , V ( Θ ^ 3−θ )2=6 . Compare estos tres estimadores ¿Por cual
^ 2 )=10 y E ( Θ
se inclina el lector? ¿Por qué?

Solución:

Compararemos los estimadores en dos formas, primero para ver si son insesgados, es decir si
E ( Θ )=θ y segundo por su eficiencia (el que tenga varianza mas pequeña es mas eficiente).
^1 y Θ
Comenzaremos comparando Θ ^ 2:

Ambos estimadores son insesgados ya que E ( Θ

^ 1 ) =E ( Θ
^ 2 )=θ , sin embargo, al ver sus varianzas
nos damos cuenta que V ( Θ
^ 1 ) >V ( Θ ^ 2 es mas eficaz y por tanto mejor.
^ 2 ), es decir que Θ

Ahora vemos que E ( Θ ^ 3 es sesgado y no es considerado un buen estimador

^ 3 ) ≠ θ por lo tanto Θ
^ 2, seguido de Θ
puntual. Entonces, el mejor estimador seria Θ ^ 1 y al final Θ
^3
5.4 Se están comparando dos populares analgésicos con base en la rapidez de absorción del
cuerpo. Específicamente, se afirma que la tableta 1 se absorbe con el doble de rapidez que la
2 2
tableta 2. Suponer que σ 1 y σ 2 se conocen. Desarrollar un intervalo de confianza bilateral al
100 ( 1−α ) porciento de confianza.
Solución:

Para comparar dos medias utilizamos una diferencia entre estas, que en este caso sería:

2 μ 1=μ2 o 2 μ 1−μ2=0

Como se trata una diferencia de medias y se conocen ambas varianzas, los limites de los intervalos
serian:

σ 21 σ 22
( x́ 1−x́ 2 )−Z α
2 √ + Limite inferior
n1 n 2

σ 21 σ 22
( x́ 1−x́ 2 ) +Z α
2 √ + Limite superior
n1 n2

Y el intervalo de confianza seria:

σ 21 σ 22 σ 21 σ 22
( x́ 1−x́ 2 )−Z α
2 √ + <2 μ 1−μ2 < ( x́ 1−x́ 2) + Z α
n1 n2 2 √ +
n 1 n2

Ahora si decimos que tenemos una confianza bilateral al 100 ( 1−α )=95 % donde α =0.05
tendríamos el siguiente intervalo de confianza:

σ 21 σ 22 σ 21 σ 22
( x́ 1−x́ 2 )−Z 0.025
√ √
+ <2 μ 1−μ2 < ( x́ 1−x́ 2) + Z 0.025
n1 n2
+
n 1 n2