ESTADÍSTICA II

SECCION: 1

TALLER N°01
Fecha de Recepción: 25 de Abril del 2022
Fecha de Entrega: 29 de Abril del 2022

Profesor de Cátedra: Katherine Alejandra Abarca Armijo

AUTORES:

LESLIE ESTEFANIA CACHO CORAL

FRANCISCA ANTONIA OLIVA VIDAL
IGNACIO ANTONIO MUÑOZ SILVA
PROBLEMA 1 Se realizó un estudio de mercado para analizar el nivel de consumo
en una determinada área de Santiago. Para ello se tomó una muestra aleatoria de
compras realizadas en diferentes tiendas sobre artículos necesarios para la
población, obteniendo los datos que se entregan a continuación.
Monto de las compras (miles $) Nº de compras

Monto de las compras (miles $) Nº de compras

0 – 150 5
150 – 300 12
300 – 450 14
450 - 600 9

Suponiendo que el monto de las compras sigue una distribución aproximadamente

normal.
(a) (1,2 puntos) Estime el monto medio real de las compras, con una confianza
del 95%. Con base a este intervalo, ¿se puede afirmar que la media real de las
compras es de $400.000?
(b) (1,2 puntos) Compare la estimación entregada en (a), con un intervalo de
98% de confianza, sabiendo de estudios anteriores que la variabilidad de todas las
compras es de $140.000. ¿Se mantiene lo concluido en (a)? ¿Qué puede decir
respecto de la precisión de este intervalo? Justifique sus respuestas.
(c) (1,2 puntos) Determine un tamaño de muestra adecuado para un estudio,
posterior si se quiere estimar la proporción real de compras por un monto superior
a $300.000 con una confianza del 90% y un error máximo de estimación superior a
0,08.
(d) (1,2 puntos) Estime la variabilidad del monto real de las compras, con una
confianza del 95%. Con base a este intervalo, se puede afirmar que esta variabilidad
es de $140.000.
PROBLEMA 2 (1,2 PUNTOS) SE X UNA VARIABLE ALEATORIA DEFINIDA COMO
EL NÚMERO DE CLIENTES QUE REALIZAR DEPÓSITOS ENTRE 10 CLIENTES
ATENDIDOS DISTRIBUIDA MEDIANTE UNA BINOMIAL DE PARÁMETRO θ. A
CONTINUACIÓN LOS SIGUIENTES ESTIMADORES DEL PARÁMETRO θ:

θ1 = (X1+2X2+3X3+4X4)/5
ANALICE LAS PROPIEDADES DESEABLES DEL ESTIMADOR. ¿CUÁL DE
ELLOS ES EL MEJOR ESTIMADOR DEL PARÁMETRO θ?

Un estimador debe ser insesgado, esto quiere decir que su valor esperado es el valor del
parámetro que estima; en lenguaje coloquial, no se desvía, intenta llegar al valor del
parámetro (hay estimadores que presentan desviaciones sistemáticas del parámetro)

En este caso:

E ( θ^ 1) =E ( ( X 1 +2 X 2+ 3 X 3 +4 X 4 ) /5 )=¿

E ( X 1 +2 X 2 +3 X 3 + 4 X 4 ) /5=¿

( E ( X 1 ) + E ( 2 X 2 ) + E ( 3 X 3 ) + E ( 4 X 4 ) ) /5=¿

( E ( X 1 ) +2 E ( X 2 ) +3 E ( X 3 ) + 4 E ( X 4 ) ) /5=¿
( θ+2 θ+3 θ+ 4 θ ) /5=10θ /5=2 θ ≠θ

θ^ 1 no es insesgado

( ) (∑ )
10 10

∑ Xi E Xi
E ( θ^ 2) =E
i=1 i=1
= =¿
10 10

10 10

∑ E ( Xi) ∑ θ 10 θ
i=1
= i=1 = =θ
10 10 10

θ^ 2 es insesgado

Ya se puede preferir al estimador θ^ 2 sobre θ^ 1

Además de ser insesgado, el estimador debe cumplir otras cosas, por ejemplo, entre dos
insesgados se prefiere al que tiene menor varianza. Hallemos la varianza de estos
estimadores.

Varianza de θ^ 1

V ( θ^ 1 ) =V ( ( X 1+2 X 2+3 X 3+ 4 X 4 ) /5 ) =¿

V ( X 1 +2 X 2 +3 X 3 + 4 X 4 ) /25=¿

(V ( X 1 )+ V ( 2 X 2) + V ( 3 X 3 ) +V ( 4 X 4 ) ) /25=¿

( V ( X 1 )+ 4 V ( X 2 )+ 9 V ( X 3 ) +16 V ( X 4 ) )/25=¿

( θ ( 1−θ ) + 4 θ ( 1−θ ) + 9θ ( 1−θ ) +16 θ ( 1−θ ) ) 30 θ ( 1−θ )

=
25 25

¿ 1.2θ ( 1−θ )

V ( θ^ 1 ) =1.2 θ (1−θ )

Varianza de θ^ 2

( ) (∑ )
10 10

∑ Xi V Xi
V ( θ^ 2 ) =V
i=1 i=1
= =¿
10 100

10

∑ V ( Xi)
i=1
=¿
100

10

∑ θ ( 1−θ )
i=1
=¿
100

10θ ( 1−θ ) θ ( 1−θ )

=
100 10

θ (1−θ )
V ( θ^ 2 ) =
10
 θ (1−θ )
V ( θ^ 2 ) = <1.2θ ( 1−θ )=V ( θ^ 1)
10

El estimador θ^ 2 es preferible al estimador θ^ 1porque es insesgado (no tiene sesgo) y tiene

menor varianza.

Otra propiedad deseable para un estimador es la consistencia, esto es que cuando el tamaño
de la muestra tiende a infinito, el estimador tiende al parámetro de alguna manera.