Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicios Estadística
Ejercicios Estadística
2oB
Hoja de problemas no 2
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.
2
(continuación de la hoja 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.