Primer Parcial - Estadı́stica Matemática

Maestrı́a en Ciencias - Estadı́stica

Universidad Nacional de Colombia - I 2021
Tutor: Carlos E. Alonso–Malaver.

Calentamiento

1. Dado (Ω, F) espacio medible muestra que si A, B ∈ F entonces los conjuntos

A\B y A∆B pertenecen a F.

2. (T) Para cada una de las siguientes colecciones, C, de subconjuntos de Ω

(espacio muestral), halla la mı́nima σ-álgebra que contiene a C.

a.) C1 = {B}, con B ⊂ Ω.

b.) C2 = {B, B c }, con B ⊂ Ω.
c.) C3 = {B, C} con B, C subconjuntos de Ω talque B ∩ C = ∅.
d.) C4 = {B, C} con B, C subconjuntos de Ω talque B ∩ C 6= ∅.

3. Dadas dos variables aleatorias X y Y , definidas sobre el mismo espacio de

probabilidad, se dice que Y domina estrictamente a X (a.s.) si Y > X (a.s).
Si se asume que la variable aleatoria Y domina a la variable aleatoria X (a.s.),
cómo es la relación entre las funciones de distribución acumulada FY y FX ?
(Deduce o demuestra).

4. (T) Asume dos jóvenes A y B, juegan a lanzar una pelota de béisbol a un

blanco. La probabilidad de que A dé en el blanco en cualquier lanzamiento es
1
4
y la misma probabilidad para el joven B es 13 . Inicia lanzando el joven A.

(a) Cuál es la probabilidad de que la primera vez que la pelota dé en el blanco
sea en el tercer lanzamiento?.
(b) Cuál es la probabilidad de que A dé en el blanco antes que B.

1
 5. Muestra que el Error Cuadrado Medio (MSE), cuando el parámetro de interés
es la media poblacional y la regla de decisión es X n o Mdn = Mediana{X1 , . . . , Xn },
es invariante ante cambios en la media de la población.

Estiramiento

1. (T) Dada X v.a. continua con distribución F que admite una densidad. Mues-
tra que dado c ∈ R,

ZM d
E|X − c| = E|X − M d| + 2 |x − c|F (dx)
c

Donde M d es la mediana de la distribución F . Qué puedes colegir de éste

resultado?.

2. (T) Asume {Pn }∞n es una secuencia de medidas de probabilidad sobre el mismo
espacio medible (Ω, F).
∞
P
(a) Dado A ∈ F, si definimos η(A) = αj Pj (A) con αj ≥ 0 j = 1, 2, . . . y
j=1
∞
P
αj = 1, muestra que η es una medida de probabilidad sobre (Ω, F).
j=1

(b) En el punto anterior, si asumimos αj > 0 j = 1, 2, . . ., muestra que

Pj << Q, es decir Q(A) = 0 ⇒ Pj (A) = 0 ∀j = 1, 2, 3.

3. Dados λ > 0 y κ > 0, asume la variable aleatoria X representa el tiempo antes

de la primera falla de la bateria de un celular, y de acuerdo a lo observado1 su
función de distribución acumulada es bien aproximada por la función,
κ
( )
− x
λ
FX (x) = 1 − e I(0,∞) (x).

Halla la mediana de X.

4. (T) Asume que los estados posibles en la naturaleza son Θ = {θ1 , θ2 } y las
posibles acciones son A = {a1 , a2 , a3 } y la función de perdida l(θ, a) está dada
por:
1
X ∼ Weibull(κ, λ)

2
 A
θ a1 a2 a3
θ1 0 1 2
θ2 2 0 1

Y la distribución de X en cada estado de la naturaleza está dada por,

X
θ 0 1
θ1 p 1−p
θ2 q 1−q

Y asume que las reglas de decisión posibles δ1 , . . . , δ9 , se muestran a contin-

uación,

δ
X 1 2 3 4 5 6 7 8 9
0 a1 a1 a1 a2 a2 a2 a3 a3 a3
1 a1 a2 a3 a1 a2 a3 a1 a2 a3

Asumiendo se tiene p = 0.1 y q = 0.2, calcula o halla:

ˆ La regla minimax entre δ1 , . . . , δ9 .

ˆ Asume que la distribución apriori Π, de θ, esta caracterizada por: π(θ1 ) =
0.4 y π(θ2 ) = 0.6, halla la regla de Bayes.

5. (T) Asume se tiene una urna con 4 bolas rojas y 12 bolas azules, y de ésta se
seleccionarán al azar y sin reemplazo cinco bolas. Sea X la v.a. que cuenta
el número de bolas rojas obtenidas en las cinco bolas seleccionadas. Halla la
mediana de X.

6. (T) Se tiene que el comportamiento del vector X = (X, Y ), es bien explicado

por la función de densidad bivariada
(
12 2
y 0 < y < 1, 0 < x < 2, y < x
fX (x, y) = 5
0 en otro caso

Halla:

3
 ˆ gY |X= 1 (x).
2

ˆ E(Y |X).

7. Asume que se tiene el espacio paramétrico Θ = (θ1 , θ2 ), y, dado θ se tiene un

experimento asociado a una v.a. X cuya distribución condicional pX|θ (x) está
dada por

X
θ 0 1
θ1 0.8 0.2
θ2 0.4 0.6

1
La distribución apriori de θ, está caracterizada por π(θ1 ) = 4
y π(θ2 ) = 43 . A
partir de lo anterior halla:

ˆ gθ|X=x (θ).
ˆ Dada una m.a. X = (X1 , X2 , . . . , Xn ), con función de probabilidad car-
acterizada por pX|θ (x), halla gθ|X=x (θ).
ˆ Halla los valores de P (θ = θ1 | nj=1 Xj = 0.5n), cuando n = 2 y n = 100
P

8. (T) Considera un experimento en el que dado θ = θ, el resultado X tiene una

densidad fθ (x) = 2x I (x). Halla la densidad aposteriori, asumiendo:
θ2 (0,θ)

ˆ La distribución apriori es caracterizada por π(θ) = I(0,1) (θ).

ˆ La distribución apriori es caracterizada por π(θ) = 3θ2 I(0,1) (θ).

En ambos casos halla E(θ|x).

9. (T) Visualiza el siguiente experimento: Un número aleatorio N de dados cor-

rientes es lanzado, con P (N = i) = 2−i , i = 1, 2, . . .. Sea S la suma de los
valores observados en las caras superiores. Dada la situación anterior halla:

(a) Probabilidad de {N = 3} ∩ {S = 4}
(b) Probabilidad de {N = 3} dado que se observó {S = 3}
(c) Probabilidad de {S = 5} dado que N es par.

21K
1. (T) Asume X y Y son v.a. i.i.d. con función de densidad f (x) = e−x I(0,∞) (x)

4
 ˆ Halla la función de densidad bivariada del vector Z = (U, V ), donde
X
U = X+Y y V =X +Y
ˆ Son U, V v.a. son independientes?.

2. (T) En el problema de escoger entre dos tratamientos (tratamiento-control)

asume que el problema se reduce a decidir a1 : {θ < 0} (el tratamiento genera
detrimentos), a2 : {θ = 0} (el tratamiento no genera cambios) y a3 : {θ > 0}
(el tratamiento genera mejoras). De acuerdo a lo observado la función de
perdida (de Lehmann, 1957) está dada por:

A
Estado a1 a2 a3
θ<0 0 c b+c
θ=0 b 0 b
θ >0 b+c c 0

Donde b, c > 0. A partir de una muestra X de una población N (θ, 1), la regla
decisión es, 
a1
 si Xn < r
δr,s (X) = a2 si r < Xn < s

a3 si Xn > s


Muestra que la función de riesgo está dada por:


c
√ c
√
c Φ (√n(r − θ)) +√b Φ ( n(s − θ))
 si θ < 0
Rθ (δr,s ) = b Φc ( n s) + b Φ( n r) si θ = 0
 √ √
c Φ( n(s − θ)) + b Φ( n(r − θ)) si θ > 0


Donde Φc = 1 − Φ, con Φ función de distribución acumulada de N (0, 1).

3. (T) Asume que se está realizando repetidamente y de forma independiente un

experimento aleatorio cuyo resultado es uno de k-objetos distinguibles, (k es
un entero conocido de antemano).

(a) Asume que el experimento sólo se realiza una vez. Halla (ó explı́cita) el
espacio de probabilidad de inicio (Ω, F, P ), y plantea un objeto aleatorio
que nos permita llevar el resultado de éste experimento a los reales - Rd
para algún d ∈ N -.

5
 (b) En el punto anterior, caracteriza la medida transportada.
(c) Generaliza lo hecho en los puntos (a) y (b), asumiendo se realizan n
repeticiones independientes del mismo experimento.

4. (T) Asume que en una población se tiene que el π(100)% (π ∈ (0, 1)) de las
personas padece glaucoma. Dentro de las personas con glaucoma la medida de
la presión ocular es bien ajustada mediante una distribución normal de media y
varianza µ1 y σ12 respectivamente. Análogo a lo anterior, para la población sin
ésta enfermedad, el comportamiento de la presión ocular se puede aproximar
vı́a una distribución gaussiana de media y varianza µ2 y σ22 , tal que µ2 < µ1 y
σ12 = σ22 .
El propósito es hallar la variable aleatoria E(X|Y ), donde X es la variable in-
dicadora asociada a presencia-ausencia de glaucoma y Y es la variable aleatoria
asociada a la medida de la presión ocular. En éste contexto, halla o calcula:

(a) La función de densidad conjunta fX,Y

(b) la función de densidad marginal de Y , fY . Aquı́ podemos introducir la
notación φ(·) para la función de densidad de la normal estándar, con el
propósito de acortar lo escrito.
(c) Halla la condicional de X dado Y , gX|Y
(d) En (c) has terminado, sólo es necesario organizar. Quién es E(X|Y )?.
(e) Finalmente responde. ¿Para qué es útil éste ejercicio (bastante horrible
por cierto), dentro de la estadı́stica aplicada?