Materia: Estadística Inferencial

SIGLA: IND - 411

Catedrático: Ing. Marcelino Aliaga Limachi
Fecha: 20/02/2020

PRACTICA Nº 4

Capítulo 4
Estimación Puntual

1. Suponga que independientemente de lo que sucede el resto de los días, el número de trabajos
que llega en un día a un despacho contable tiene una distribución de Poisson con media
desconocida . Suponga además que el primer día de la muestra solo llega un trabajo y que el
segundo (y ultimo) día llegan cuatro. Determine la función de verosimilitud.

2. Considere un experimento Binomial que consiste en saber la aceptación de un producto en el

mercado y suponga que n=5 y X=2. Determine el estimador de Máxima Verosimilitud.

3. Determine la estimación por máxima verosimilitud y por momentos para la siguiente función:

f ( X; ) = ( + 1)X  0 X1

4. Determine la estimación por máxima verosimilitud y por momentos para la siguiente función:
f ( X; ) = e − X X0
5. Sea (X1, X2,...,Xn) una muestra aleatoria de una v.a. X~B(1, p). Si se eligen al azar n objetos de
una línea de producción, y cada uno se clasifica como defectuoso (en cuyo caso Xi=1) o no
defectuoso (en cuyo caso Xi =0).Entonces p=P(Xi =1), es decir es la verdadera proporción de
objetos defectuosos en la producción total. Determinar la estimación de MV.

6. Sea (X1, X2,...,Xn) una muestra aleatoria de una v.a. X~n(, 2).
a) Hallar los estimadores de μ y σ por el método de máxima verosimilitud.
b) Se determina la resistencia al corte de cada una de diez soldaduras eléctricas por puntos de
prueba, dando los siguientes datos (lb/plg2): 392, 376, 401, 367, 389, 362, 409, 415, 358,
375.
Si se supone que la resistencia al corte esta normalmente distribuida , estime el verdadero
promedio de resistencia al corte y desviación estándar de resistencia al corte usando el
método de máxima verosimilitud y el método de momentos.

7. Demuestre las propiedades de insesgamiento, consistencia, suficiencia y eficiencia para el

estimador de  de una distribución de Poisson.

8. Demuestre las propiedades de insesgamiento, consistencia, suficiencia y eficiencia para el

estimador de  de la siguiente función:

1 −
X X0
f ( X; ) = e

9. Sea (X1, X2,...,Xn) una muestra aleatoria de una población que tiene media μ y varianza σ2.
Considere los siguientes estimadores de μ:
X1 + X 2 + ..... + X 7 2 X1 − X 6 + X 4
ˆ 1 = ˆ 2 =
7 2
Página 1 de 2
 a) ¿Alguno de estos estimadores es insesgado?
b) ¿Cuál estimador es el “mejor”?.
c) ¿En qué sentido es mejor?.

10. Sea (X1, X2,...,Xn) una muestra aleatoria n.

a) Demuestre que M[X2] es un estimador sesgado de μ2.
b) Determine la magnitud del sesgo de este estimador.
c) ¿Qué sucede con el sesgo a medida que aumenta el tamaño n de la muestra?.

11. Se desea estimar el valor medio de una distribución normal. Se proponen las siguientes funciones
estimadoras:
4X1 + X 2 3X1 + X 2
ˆ 1 = ˆ 1 =
5 4
¿Determinar cuál de los estimadores es más eficiente?.

12. Determine la estimación por máxima verosimilitud y por momentos para la siguiente función:

2( − X )
f ( X; ) = 0X
2


Página 2 de 2