ESTIMACIÓN I

2oB
Hoja de problemas no 2

1.- Determina el estadístico su…ciente minimal (sm) para la distribución teórica

beta Be ( ; ) en los casos de que alguno de los parámetros sea conocido, y para
ambos desconocidos ( = ; = y = ( ; )).

2.- Determina el estadístico su…ciente minimal (sm) para la distribución teórica

gamma (p; a) en los casos de que alguno de los parámetros sea conocido, y para
ambos desconocidos.

3.- Consideremos una distribución teórica N ( ; ) con = 0 conocida. Com-

P
prueba que T = n1 ni=1 (Xi 0)
2
es un estimador centrado y consistente para 2 .
2
(Para comprobar que T es consistente hay que aplicar la LDGN a Zi = (Xi 0 ) ).

4.- Consideremos una distribución teórica U (0; ), con > 0. Determina c tal que
T = cX(n) es un estimador insesgado para . (Para éllo hay que obtener la función
de densidad de X(n) , a partir de aquí su esperanza, y después hay que utilizar la li-
nealidad de la esperanza para simpli…car y obtener una ecuación para c). Comprueba
que T , con el valor de c calculado anteriormente, es consistente para .
Se obtuvo la siguiente m.a.s. de tamaño 12 de una U (0; ): 4:3 , 0:3 , 2:8 , 4:6 ,
6:1 , 7:2 , 5:4 , 5:8 , 3:1 , 5:1 , 1:3 , 4:8 . Determina la estimación de mediante
el estimador centrado obtenido.

5.- Consideremos una distribución teórica U (0; ). Existe un valor c = c0 tal que
el estimador T = c0 X(n) , de , es preferible a cualquier otro estimador de de la forma
cX(n) con c 6= c0 . Determínalo. (Los desarrollos son un poco largos. Para obtener el
ECM se puede, o bien desarrollar el cuadrado, aplicar la linealidad de la esperanza,
y calcular cada término, o bien utilizar la expresión en función de la varianza y el
sesgo; de cualquier modo, ya se tuvo que calcular la esperanza E X h (n) para
i resolver
2
el ejercicio anterior, y para calcular el ECM solo falta calcular E X(n) . Se obtiene
una expresión sencilla para el ECM después de simpli…car, que queda expresado en
función de c; el valor de c que lo minimiza se obtiene derivando.)

6.- Consideremos una distribución teórica U (0; ), con > 0. Consideremos los
siguientes estimadores para = 2 : T1 = 2c X(n) , con c = n+2
n+1
, y T2 = X. ¿Es preferible
alguno de ellos al otro? (el ECM de cX(n) se obtuvo al resolver el ejercicio anterior).

1
 7.- Supongamos que la distribución teórica es la geométrica (que es la distribución
del número de pruebas de Bernoulli repetidas que se requieren hasta el primer éxito).
a) Determina el estimador por el método de los momentos (mm) del parámetro
p (que es la probabilidad de éxito).
b) Determina el estimador de máxima verosimilitud (mv) del parámetro p y
su distribución asintótica.
c) Determina el estimador de mv de .
d) Determina el estadístico sm y obtén el ECUMV para .

8.- Se lanzó una moneda repetidamente hasta que se obtuvieron 4 caras, con
los siguientes resultados: la primera cara se obtuvo en el tercer lanzamiento, en el
siguiente lanzamiento también se obtuvo cara, la siguiente se obtuvo cinco lanza-
mientos después, y la cuarta cara tres lanzamientos después. Estima la probabilidad
de obtener cara con esa moneda.

9.- Consideremos la distribución teórica continua con la siguiente función de

densidad
f (x) = ( + 1)x para 0 < x < 1 ( > 0) .
a) Determina el estimador mm para el parámetro .
b) Determina el estimador mv para y su distribución asintótica.
c) Determina el estadístico sm. Comprueba que el estimador mv es función
del estadístico sm.

10.- El valor de cierto índice de calidad de un tipo de mesas producidas en una

fábrica tiene distribución normal. Se desea estimar los cuartiles (cuantiles de orden
1=4, 1=2 y 3=4) de la distribución del índice para clasi…car los productos obtenidos.
a) Obtén los estimadores emv de los cuartiles, basados en una muestra de
tamaño n.
b) El valor del índice para 9 productos elegidos al azar es: 76 , 53 , 63 ,
59, 72 , 68 , 61 , 51 y 68 . A partir de estos datos, obtén las estimaciones de los
cuartiles.

11.- El número de descendientes de las hembras de cierta especie de insectos

sigue una distribución lognormal, con función de densidad
1 1
f ; (x) = p expf 2
(log x )2 g para x > 0
2 x 2
( 1 < < 1 ; > 0) ,
n 2
o
y momentos E[X] = exp + 2
y E[X 2 ] = exp f2 + 2 2 g.

2
 (continuación de la hoja 2)

Veinte hembras elegidas al azar tuvieron la siguiente cantidad de descendientes:

47, 34, 28, 44, 23, 32, 39, 27, 36, 33, 28, 32, 29, 35, 30, 37, 41, 26, 52, 31. Estima
( ; ) por el mm y el de mv.

12.- Obsérvese que, si X B (1; ), se tiene que X 2 = X (puesto que 02 = 0 y

12 = 1).
Consideremos una m.a.s. de tamaño n de una B (1; ). Utilizando la propiedad
anterior, expresa la varianza muestral s2 y la cuasivarianza muestral S 2 en función
de X. A partir de ello, determina el ECU M V para 2 de una manera alternativa a
como se hizo en el capítulo 2.

13.- Se lanzó una moneda 100 veces y se obtuvieron 68 caras. Estima la proba-
bilidad de obtener cara con esa moneda, y estima la varianza del estimador usado.
Utiliza estimadores centrados de uniformemente mínima varianza.

14.- Consideremos la distribución teórica de Poisson y la función del parámetro

g( ) = P fX = 1g.
a) Determina el ECUMV para g( ).
b) Determina la cota de Frechet-Cramer-Rao para la varianza de los esti-
madores centrados de g( ).

15.- Comprueba que la distribución teórica beta Be ( ; ) es de tipo exponencial

unipáramétrico, en los casos en que uno de los parámetros es conocido y el otro
desconocido: = y = 0 conocido por un lado, y = y = 0 conocido por
otro. Determina a partir de éllo, en cada caso, el estadístico sm.

16.- Comprueba que la distribución teórica gamma (p; a) es de tipo exponen-

cial, en los casos en que uno de los parámetros es conocido y el otro desconocido.
Determina a partir de éllo, en cada caso, el estadístico sm.

17.- Consideremos la distribución teórica de Poisson. Sea k 0 entero.

a) Determina el ECUMV para g( ) = P fX = kg.
b) Utilizando el resultado del apartado a, determina el ECUMV para la
función del parámetro g( ) = P fX > 2g.