Curso: Estadı́stica Bayesiana Semestre: II - 2020

Profesor: MSc. Christian Amao Suxo Temas a evaluar:

Tipo de prueba: Práctica Calificada 3 -Prueba de Hipótesis Bayesiana
Fecha: 01/02/2021 -Métodos de simulación
Tiempo Lı́mite: 80 Minutos -Cálculos Bayesianos

Indicaciones: Esta práctica calificada cuenta con 3 preguntas con un puntaje máximo al-
canzable de 20 puntos. En cada item justifique y explique rigurosamente su respuesta ya
que el procedimiento de solución será considerado.

1. (12 ptos) Un analista de cobranzas supone que la cantidad promedio de llamadas que
llega a un Call Center es de 10 llamadas por hora, para ello toma una muestra, en n
semanas, de la cantidad de llamadas que llegan por dı́a a dicha central.
(a) (3 ptos) Utilizando una priori adecuada en todo el dominio parametral, calcule el
factor de bayes asociado a la hipótesis del problema, si a priori no se está a favor
de ninguna hipótesis.
(b) (2 ptos) Si se escoge una densidad candidata para simular N valores de la densidad
posteriori del parámetro de interés, calcule el número esperado de iteraciones hasta
obtener la penúltima simulación de la variable aleatoria de interés.
(c) (4 ptos) Detalle el pseudocódigo que utilice para simular 10000 valores de la función
de densidad posteriori del parámetro de interés, considerando que los parámetros
de esta no necesariamente son números naturales.
(d) (3 ptos) Si el muestreo duró 2 meses y la cantidad total de llamadas registradas fue
de 13440. ¿Cuán probable es que el analista esté en lo correcto?

2. (4 ptos) Para probar la veracidad de la hipótesis H0 : Σ = Σ0 se extrae una muestra

de n perfiles p-variados x1 , x2 , ..., xn provenientes de una distribución Np (µ0 , Σ) donde
µ0 es una constante conocida. Si la propuesta de densidad priori para Σ, bajo el es-
pacio parametral complementario de la hipótesis a contrastar, es parte de un proceso
de elicitación. Calcule el valor de Σ0 que minimice la evidencia a favor de la hipótesis
alterna.

3. (4 ptos) Detalle el pseudocódigo de su preferencia para simular 10000 valores de una

distribución Tp (n, µ, σ) con p = 1.

“Lo que sabemos hoy no es lo que sabremos mañana.”

C.A.S