Scribd
Cargar
59 vistas

Listado 2 311

Este documento presenta 11 problemas de estadística para ser resueltos. Los problemas cubren temas como distribuciones normales, estimación de parámetros, pruebas de hipótesis, y distribuciones exponenciales y binomiales. Se piden demostraciones matemáticas y cálculos de probabilidades para estimadores, pruebas estadísticas y distribuciones de probabilidad comunes.

Cargado por

ELe MaGo
Derechos de autor
© © All Rights Reserved
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
59 vistas

Listado 2 311

Este documento presenta 11 problemas de estadística para ser resueltos. Los problemas cubren temas como distribuciones normales, estimación de parámetros, pruebas de hipótesis, y distribuciones exponenciales y binomiales. Se piden demostraciones matemáticas y cálculos de probabilidades para estimadores, pruebas estadísticas y distribuciones de probabilidad comunes.

Cargado por

ELe MaGo
Derechos de autor
© © All Rights Reserved
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 3

Universidad de Concepción

Facultad de Ciencias Fı́sicas y Matemáticas


Departamento de Estadı́stica
Inferencia Estadı́stica (523311)
Listado No 1 Primer Semestre 2012

Profesora: Maria Valenzuela Ayudante: Roberto Fustos

1. Suponga X1 , ..., Xn una muestra aleatoria tal que Xi ∼ N (µ, σ 2 ), ∀ i = 1, ..., n. Demuestre
que:

(n − 1)S 2 2
∼ X(n−1)
σ2
2. Suponga X1 , ..., Xn una muestra aleatoria tal que Xi ∼ N (µ, σ 2 ), ∀ i = 1, ..., n. Demuestre
que:

X̄ − µ
T = √ ∼ t(n−1)
S/ n

3. Suponga X1 , ..., Xn1 son variables aleatorias independientes con Xi ∼ N (µ1 , σ12 ), ∀ i = 1, ..., n1
y Y1 , ..., Yn2 son variables aleatorias independientes con Yi ∼ N (µ2 , σ22 ), ∀ i = 1, ..., n2 . Supon-
ga ademas que las varianzas estimadas de las muestras respectivas son S12 y S22 . Demuestre
que:

S12 /σ12
F = ∼ F(n1 −1,n2 −1)
S22 /σ22

4. Una empresa de mensajerı́a que opera en la ciudad tarda una media de 35 minutos en llevar
un paquete, con una desviación tı́pica de 8 minutos. Supongamos que durante el dı́a de hoy
han repartido doscientos paquetes.

a) ¿Cuál es la probabilidad de que la media de los tiempos de entrega de hoy esté entre 30
y 35 minutos?
b) ¿Cuál es la probabilidad de que, en total, para los doscientos paquetes hayan estado más
de 115 horas?

1
5. Una empresa indica en un paquete de arroz que el peso medio del paquete es de 900 gramos.
En una inspección hemos analizado el peso en gramos de 10 paquetes de arroz y hemos
obtenido los datos siguientes:

890 901 893 893 896


895 894 895 904 899

a) ¿Cuál es la probabilidad de que la distancia entre la media poblacional y la media


muestral sea mayor de 3 gramos?

6. Hemos hecho una encuesta entre los hombres de una población determinada y, a partir de los
resultados, deducimos que el peso de los hombres de esta población sigue una distribución
normal de media 72 kg. Para saber si los datos que hemos obtenido son fiables, pesamos a
cuatro de los encuestados y obtenemos una media de 77,57 kg, con una desviación tı́pica de
3, 5 kg. ¿Tenemos suficientes motivos para pensar que los encuestados han mentido cuando
nos han dicho su peso?

7. El tiempo de realización en minutos de una determinada tarea dentro de un proceso industrial


es una variable aleatoria con función de densidad:

−x
x
f (x) = 2 e θ si x > 0
θ

Donde θ > 0 .

a) Calcular el estimador máximo verosı́mil de θ para una muestra aleatoria simple de ta-
maño n.
b) Calcular el estimador máximo verosı́mil de E(X) para una muestra aleatoria simple de
tamaño n.
c) Comprobar si el estimador obtenido es insesgado y obtener el sesgo en caso de que no lo
sea.

8. Suponer que se han medido los tiempos de desintegración de una muestra de leptones tau,
obteniendose un conjunto de valores t1 , t2 , ..., tn . Además vamos a suponer que la distribución
de los ti es exponencial con media τ

−t
1
f (t; τ ) = e τ
τ

Obtenga el estimador máximo verosı́mil del parámetro τ .

9. Sea (X1 , X2 , ..., Xn ) una m.a.s de alguna distribución tal que E[Xi ] = µ y V ar(Xi ) = σ 2 ,
i = 1, ...n. Considere los estadı́sticos:

2
1 Pn
T1 = X̄ T2 = Xi
n + 1 i=1

Como estimadores de µ.

a) Obtener los errores cuadraticos medios de T1 y T2


b) Demostrar que ECM (T1 ) < ECM (T2 ) para algunos valores de µ mientras que la pro-
posición inversa es cierta para otros valores de µ.

10. Supongamos que jugamos diariamente a un número de una loterı́a que, entre otros premios,
devuelve el valor del boleto jugado a todos los números que acaban en la misma cifra que el
número ganador. Consideremos la variable X(n), que nos da el número de veces que nos han
devuelto el valor del boleto jugado cuando se han hecho n sorteos. Supongamos que la variable
X(n) sigue una distribución binomial de parámetros n y p = 0,1. ¿Cuál es la probabilidad
aproximada de que en un año nos hayan devuelto el dinero al menos cincuenta veces?

11. Supongamos que estamos estudiando un fenómeno aleatorio que suponemos que se ajusta a
una variable aleatoria ε ∼ N (µ, 3). Con el objetivo de determinar el valor medio desconocido
de la población se toma una muestra aleatoria de tamaño n y se plantean tres posibles
estimadores:
P P P
εi εi εi
µ̂1 = µ̂2 = µ̂3 =
n−1 n n+1

Con el fin de saber cual de ellos es mejor, calcule el error cuadrático medio asociado a cada
uno de los estimadores del parámetro en cuestión.

También podría gustarte