Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sea la v.a. X N 1200 ; 40 que mide la vida media (en días) del medicamento
1 n
el estadístico X Xi
n i1
n
siendo n el tamaño de la muestra.
El enunciado nos dice que la vida media muestral no sea inferior a 1180 días con probabilidad 0.95:
P X 1180 0.95
1180 1200
P X 1180 0.95 TIPIFICAND
O P Z
40
P Z 0.5 n 0.95
n
n 10.89 n 11
15/05/2022
N 1.7 ; 4
PS 2 K 0.99
15/05/2022
1 n
2
el estadístico S2 Xi X
n i 1
2 44
tendrá por distribución: S2 N 42 4 ; 2 4
10 10
2
conocemos el estadístico: Y n S 2
n 1
2
n S2 10 S2
Y 2n 1
EN NUESTO CASO
Y 0.625 S2 29
2
42
n i 1
n
2
1 n 4 4
•Si µ es desconocida:
S xi x
2
V S2
n i 1 n
•Si el muestreo se realiza en una
población
2 normal:
4
S2 N 2 , 4
n n
nS2de la varianza
•El estadístico usado en el estudio es (Teorema de Craig):
Q2
n1
2
15/05/2022
Supuesta una población representada por una v.a. X cuya distribución es:
N 0 ; 2
siendo 2 desconocida
se extrae una muestra de tamaño 6
X
Determinar P 1.8
S
Sea la v.a. X N 0 ; 2
conocemos el estadístico: X
T t n 1
S
n 1
X X0 X
T t n 1
EN NUESTRO CASO
T 5 t 5
S S S
n 1 6 1
X
en el enunciado se nos pide: P 1.8
S
X X
P 1.8 P 5 1.8 5 P T 4.025
S S
P T 4.025 0.005
15/05/2022
Se pide:
X N 12; 2 16
Es decir: P X 14
14 12
P X 14 P Z P Z 0.5 0.3085
4
2. Si se toma una muestra (m.a.s.) de tamaño 9, ¿cuál es la probabilidad de que la media muestral tome
valores superiores a 14?.
Luego la probabilidad pedida: P X 14
14 12
P X 14 P Z
4
P Z 1.5 0.0668
3
3. ¿Se puede concluir que los valores muestrales se encuentran menos dispersos que los poblacionales?.
X 4
CVX 3 0.111
X 12
Como CVX < CVX, se puede concluir que los valores muestrales estarán menos dispersos que los poblacionales, es
decir, serán más homogéneos.
En este caso y puesto que ambas variable aleatorias tienen igual media, se puede concluir que como la
Media muestral tiene menor varianza, estará menos dispersa, será más homogénea.
15/05/2022
1 x
e X0y0
f x
0 Resto del eje Real
1 x
1. Estimar el parámetro aplicando el método de e X0y0
f x
máxima verosimilitud. 0 Resto del eje Real
1. Calculo de la función de verosimilitud para el parámetro y para la muestra extraída. L X,
1
1 Xi 1 1 X 1 1 X 1 1 X
L X, i1 f x i , i1 e e 1 e 2 .... e n
n n
1 1 n X
L X, n e i 1 i
2. Logaritmo neperiano de la función de verosimilitud: Ln L X,
1 1 n X 1 1 n 1 n
Ln L X, Ln n e i 1 i Ln n i1 Xi n Ln i1 Xi
Ln L X, 0
3. Derivada del Logaritmo anterior con respecto al parámetro igualada a cero
Ln L X, n n
i 1
Xi
0
2
n n
1 i 1 Xi
n
Xi Xi
n 0 i 1
n 0 i 1
n
1
ˆ
n
i 1
Xi
n
n
E ˆ E X E 1
n
i 1
Xi 1n n
i 1
E Xi E X
1 1 x i
EX 0 x E X
e dx Haciendo
operaciones
1
O bien, al ser X una exponencial de parámetro 1/θ : EX
1
x dF(x)
Relación entre ellas: F x f t dt f (x)
dx
Media xf (x)dx Varianza 2 (x )2f (x)dx 2 12
2 x 2 f (x)dx
15/05/2022
• Distribución exponencial.
X g (a,1) Ex(a)
ae ax ; x 0, a 0
Su f.d.d. es: f (x)
0 ; resto
1 1
E [X ] ; V [X ] 2
a a
CONSISTENCIA: El estadístico obtenido será consistente, cuando siendo, al menos asintóticamente insesgado
V ˆ V X V 1 n i1
n
Xi 1
n2
n
i 1
V Xi 1 V X
n
1 1 x
V X 2 12 x 2 e i dx 2
Haciendo operaciones
V X 2
0
1
O bien, al ser X una exponencial de parámetro 1/θ : V X 2
1
2
V ˆ n 0
V ˆ 1 V X 1 2 n
n n
0
2x
si 0 X
Una variable X tiene por función de densidad: f x 2
0 resto eje Real
3
Se considera un estimador puntual del parámetro a: ˆ X
2
siendo X el estadístico media muestral.
Se pide:
1. Es ̂ un estimador de máxima verosimilitud para el parámetro .
2x
1. Estimar el parámetro aplicando el método de si 0 X
f x 2
máxima verosimilitud. 0 resto eje Real
1. Calculo de la función de verosimilitud para el parámetro y para la muestra extraída.
L X,
n 2 X
L ,X i 1 f x i , i1 2 i
n
2 X1 2X 2
2
2X 2n
2 ... 2 n 2n
n
i 1
Xi
2n
L X, 2n
n
i 1
Xi
2. Logaritmo neperiano de la función de verosimilitud: Ln L X,
2n
Ln L X , Ln 2n
n
Xi Ln 2n 2n Ln
n
Xi
i 1
i 1
Ln L X, 0
3. Derivada del Logaritmo anterior con respecto al parámetro igualada a cero
Ln L ,X
2n 0
15/05/2022
no existe estimador de máxima verosimilitud para el parámetro
3 3 3
E ˆ E X E X E 1
2 2 2 n
n
i 1
Xi
3
2n
n
i 1
3
E [ Xi ] E [ X ]
2
2x 2 x3 2
la Esperanza (la Media) de la variable X, será: E [ X ] x f x dx 0 x dx 2
2
3 0 3
3 3 2
E ˆ E [ X]
2 2 3
luego el estadístico dado es insesgado
CONSISTENCIA: El estadístico dado será consistente, cuando siendo, al menos asintóticamente insesgado
3
2
V ˆ V X 3 V X 9 V 1 in1 Xi 9 2 in1 V [ Xi ] 9 V [ X ]
2 2 4 n 4n 4n
2x 2 x4 1
E X 2 x 2 f x dx x 2 dx 2 2
0 2
4 0 2
2
1 2 2 1
VX 2
2 3 18
9 9 1 2 1 2
luego: V ˆ V [X ]
n
0
4n 4n 18 8n
Sea Xi la v.a. que mide la cantidad de miel producida por una abeja semanalmente:
2 1
X i D ; 2 2
3 18
En el conjunto total de las 1500 abejas del panal, la distribución de la cantidad de miel producida
por el panal, (v.a. XT)tendrá por distribución aproximada (asintótica):
2 1
X T i1 X i
1500 T.C.L.
N 1500 ; 2 1500 2
3 18
X T
T.C.L.
N 1000 ; 2 83.3 2
S S
I1 X t n 1, , X t n 1 ,
2 n 1 2 n 1
X 22
Datos muestrales: S 4
n 20
No se nos pide a un coeficiente de confianza determinado, así que tomaremos los tres habituales:
1-α = 90, 95 y 99%
2n 1 , 219,0.005 38.5822
2
1 0.99 0.01 2
n 1,1 2 19 ,0.995 6.84398
2
19 ,0.025 32.8523
2
19 ,0.05 30.1435
2
1 0.90 0.1 I 0.90 2 [10.6158 ; 31.6299 ]
19 ,0.95 10.1170
2
Si deseamos una precisión de 0.9 y con una confianza del 95%, ¿cuál debería de
haber sido el tamaño muestral?
S S
El intervalo de confianza utilizado es: I1 X t , X t n 1,
n 1, 2
n 1 2 n 1
4
Sustituyendo: N 1 2.093 9.302 N 9.3022 1 87.5313 N 88
0.9
Sería el tamaño muestral necesario para realizar la estimación de la media poblacional con
una confianza del 95% y una precisión en la estimación de 0.9
15/05/2022
S
X , X
S
I 1 X t
, X t
2 N 1 2 N 1
2
S S
Con lo que: t N t 1
2 N 1 2
Una cortadora de papel, corta pliegos de 10.5 cm. con una desviación
típica de 0.1 cm.
Se puede suponer que la longitud del papel cortado por la máquina, sigue una distribución Normal
con media y varianza las especificadas, es decir:
X N 10.5; 2 0.12
La máquina cortadora de papel, para que funcione correctamente,
debe hacerlo tanto en media como en varianza.
X 10.56
Los datos muestrales son: S 0.2245
n 10
Construcción de un Intervalo de confianza para la media poblacional Si damos por cierto el valor
de la varianza poblacional.
I1 X z ; X z
2 n 2 n
1 0.95 Z0.025 1.96
0.1 0.1
I0.95 10.56 1.96 ;10.56 1.96
10 10
Construcción de un Intervalo de confianza para la media poblacional Si no damos por cierto el valor
de la varianza poblacional.
S S
I1 X t n 1; ; X t n 1;
2 n 1 2 n 1
Ejemplo
Supongamos que queremos estudiar una característica X de una población.
Supongamos también que conocemos la distribución de X, X N , 2 con varianza
desconocida. Nuestro interés radica en estudiar el parámetro desconocido 2.
nS2
Para ello, consideremos el estadístico Q 2n1
2
2(n1)
Establecemos dos cotas ,
2 2
1
2 2
de tal forma que 2
2
2 2
2
1
2
2 2
1
nS nS2
I 1 2 2 , 2
2 2 1 2
2
15/05/2022
Persona nº 1 2 3 4 5 6 7 8 9 10
Antes: X1 140 165 160 160 175 190 170 175 155 160
Después: X2 145 150 150 160 170 175 160 165 145 170
Se trata de dos poblaciones (Antes de dejar la bebida y Después de dejar la bebida) relacionadas, ya
que son datos tomados sobre las mismas personas en dos instantes distintos de tiempo.
H 0 : 1 2 H 0 : 1 2 0
El test de hipótesis a contrastar será: H : H : 0
1 1 2 1 1 2
Al tratarse de dos poblaciones relacionadas, se obtendrá una tercera muestra diferencia entre las dos anteriores:
los resultados muestrales de esta tercera muestra son:
Persona nº 1 2 3 4 5 6 7 8 9 10
Antes: X1 140 165 160 160 175 190 170 175 155 160
Después: X2 145 150 150 160 170 175 160 165 145 170
Diferencia= X1 – X2 -5 15 10 0 5 15 10 10 10 -10
H 0 : D 0
el test anterior se transforma en:
H1 : D 0
X D 0
T t n 1
siendo el estadístico: SD
n 1
y la región de aceptación de la hipótesis nula, supuesto que H0 es cierta : 0.05 t 9,0.025 2.262
C0 t n 1 ; ; t n 1 ;
2 2
C0 2.262; 2.262
15/05/2022
10 X Di 60
De acuerdo con los resultados muestrales: i 1
X D 6 T 2.25C0
i 1 X Di 1000 SD 8
10 2
X D 0 60
T
SD
t n 1 T 2.25
8
n 1 9
aceptandose H0 si: T C0
C0 2.262; 2.262
la región de aceptación habría aumentado en amplitud, y por tanto, también se seguiría aceptado H0
X A 5000 grs.
2
S A 121 grs .
2
X B 4980 grs.
Los resultados muestrales fueron en esta ocasión:
S B 12 grs.
2. Bajo los supuestos de normalidad en los consumos de cauchos de ambos
procesos, contrástese con una confianza del 95% la hipótesis de igualdad de
consumo en ambos procesos.
X A 5000 XB 4980
2
Pr oceso A : S A 121 ; Pr oceso B : S B 12
n 10 n 15
A B
H0 : A B H : B 0
Se nos pide un Test de comparación de medias: 0 A
H1 : A B H1 : A B 0
Pero antes, debemos de conocer, si las Varianzas poblacionales, desconocidas, son iguales o distintas
B
15/05/2022
A B A B 0
Test de comparación de medias:
A B A B 0
2A
H 0 : 2A 2B H 0 : 2B 1
H 1 : A 2 1
2
H1 : A B
2 2
B
n A n B 1S2A
el estadístico a utilizar, en el supuesto de H0 cierta, será: F F n A 1, n B 1
n B n A 1S2B
siendo la región de aceptación de H0: C 0 F1 ; F XA 5000
XB 4980
2 2
Pr oceso A S2A 121 ; Pr oceso B SB 12
n 10 n 15
y la regla de decisión: aceptar H0 si F C 0 A B
B A B 0
Test de comparación de medias: A
A B A B 0
XA XB
el estadístico en estudio, bajo el supuesto de H0 cierta, será: T t n A n B 2
1 1
S
nA nB
n A S2A n B S2B
siendo S2 la estimación puntual de las varianzas poblacionales.
nA nB 2
Región de aceptación de la hipótesis nula: C 0 t n A n B 2 , 2 , t n A n B 2 , 2
XA 5000 XB 4980
Pr ocesoA S2A 121 ; Pr ocesoB SB 12
y la regla de decisión aceptar H0, si T C 0 n 10 n 15
A B
10 121 15 144
Para los datos del ejemplo: S2 146.5213
10 15 2
5000 4980
T 4.047
1 1
146.5213 10 15
si = 0.05 t n , 2
t 23,0.025 2.069
A n B 2
Se rechaza H0, es decir, los dos procesos de producción
C0 2.069 , 2.069 T 4.047 C 0 de neumáticos, consumen distintas cantidades de caucho.
15/05/2022
Una cortadora de papel, corta pliegos de 10.5 cm. con una desviación
típica de 0.1 cm.
0.1 0.1 I
Supuesto σ2 conocida: I0.95 10.56 1.96 ;10.56 1.96 0.95 [10.49 ;10.62]
10 10
0.1
I0.95 [10.49 ;10.62]
desconocida: I0.95 10.56 1.96
0.1
Supuesto σ2 ;10.56 1.96
10 10
Se puede suponer que la longitud del papel cortado por la máquina, sigue una distribución Normal
con media y varianza las especificadas, es decir:
Supuesto σ2 conocida
X 0 X 10.5
Estadístico del contraste: Z N 0;1
n n
Región de aceptación de la hipótesis nula: C 0 z ; z 2 2
Aceptandose la hipótesis nula si Z C0
10.56 10.5
Z 1.897
0.1
10
0.05 z 0.025 1.96
Z 1.897 C0
C0 1.96;196
Los resultados muestrales nos llevan a la conclusión de aceptar la hipótesis nula, es decir,
la máquina funciona correctamente en media.
X 0 X 0
T t n 1
S S
n 1 n
C0 t n 1, ; t n 1,
2 2
T C0
10.56 10.5
T 0.801
0.2245
9
Los resultados muestrales nos llevan a la conclusión de aceptar la hipótesis nula, es decir,
la máquina funciona correctamente en media.
15/05/2022
n S2
Estadístico a utilizar: Q 2n 1 Los datos muestrales son:
02
X 10.56
Región de Aceptación si H0 es cierta:
C0 12
2
; n 1
; 2
2
; n 1
S 0.2245
n 10
Aceptándose H0 si Q C 0
10 0.22452
Q 50.40025
0.12
2
19.02
1 0.95 9,0.025 C0 2.7 ; 19.02 Q 50.40025C0
2
9 ,0.975 2.7
Los resultados muestrales nos llevan a la conclusión de Rechazar H0, es decir,
la varianza poblacional no es de 0.01