Vous êtes sur la page 1sur 8

Problem Set #3 Inferencia Estadistica

Robinson Dettoni Hidalgo


Emiliano Fucks Jara
Cliff Bahamondes Poblete
November 22, 2015

1. Si X1 , X2 , ..., Xn constituye una muestra aleatoria, obtener las funciones de verosimilitud de las siguientes distribuciones:
(a) De Poisson con parametro .
(b) Exponencial con parametro .
(c) Normal con parametros y .
(d) Binomial con parametros n y p.
(e) Gama con parametros y .
2. Para un determinado nivel de ingresos, el Departamento de Hacienda sabe que las
cantidades declaradas por concepto de deducciones medicas (X1 ), contribuciones caritativas (X2 ) y gastos varios (X3 ) son variables aleatorias independientes normalmente
distribuidas con medias $400, $800 y $100 y desviaciones estndar $100, $250 y $40,
respectivamente.
(a) Cual es la probabilidad de que la cantidad declarada por concepto de estas tres
deducciones, no sea mayor que $1600?
1

(b) Si una persona con este nivel de ingresos declara por concepto de estas deducciones
un total de $2100, que tal probable es tener una cantidad igual o mayor a este
monto bajo las condiciones dadas?
3. Para cierta prueba de aptitud se sabe con base en la experiencia que el numero de
aciertos es 1000 con una desviacin estndar de 125. Si se aplica la prueba a 100
personas seleccionadas al azar, aproximar las siguientes probabilidades que involucran

a la media muestral X.
< 1015)
(a) P(985 < X
< 1040)
(b) P(960 < X
> 1020)
(c) P(X
< 975)
(d) P(X
4. Un inspector de aduana de pesos y medidas visita una planta de empacado para verificar
que el peso neto de las cajas sea el indicado en stas. El gerente de la planta asegura al
inspector que el peso promedio de cada caja es de 750 gr con una desviacin estndar
de 5 gr. El inspector selecciona, al azar, 100 cajas y encuentra que el peso promedio es
de 748 gr. Bajo estas condiciones, qu tan probable es tener un peso de 748 o menos?
Qu actitud debe tomar el inspector?
5. En la fabricacin de cojinetes para motores, se sabe que el dimetro promedio es de
5 cm con una desviacin estndar igual a 0.005 cm. El proceso es vigilado en forma
peridica mediante la seleccin aleatoria de 64 cojinetes, midiendo sus correspondientes
dimetros. El proceso no se detiene mientras la probabilidad de que la media muestral
se encuentre entre dos lmites especificados sea de 0.95. Determinar el valor de los
lmites.
6. En la produccin de cierto material para soldar se sabe que la desviacin estndar de
la tensin de ruptura de este material es de 25 libras. Cul debe ser la tensin de
2

ruptura promedio del proceso si, con base en una muestra aleatoria de 50 especmenes,
la probabilidad de que la media muestral tenga un valor mayor de 250 libras es de 0.95?
7. Para un gerente de planta es muy importante controlar la variacin en el espesor de un
material plstico. Se sabe que la distribucin del espesor del material es normal con una
desviacin estndar de 0.01 cm. Una muestra aleatoria de 25 piezas de este material
da como resultado una desviacin estndar muestral de 0.015 cm. Si la varianza de la
poblacin es (0.01)2 cm2 , qu puede usted concluir con respecto a la variacin de este
proceso?
8. Si se tiene una muestra aleatoria de n = 16 de una distribucin normal con media y
2

varianza desconocidas, obtener P ( S2 2.041)


9. Si se tiene una muestra aleatoria de n = 21 de una distribucin normal con media y
2

varianza desconocidas, obtener P ( S2 1.421)


10. Durante los 12 meses pasados el volumen diario de ventas de un restaurante fue de
$2000. El gerente piensa que los prximos 25 das sern tpicos con respecto al volumen
de ventas normal. Al finalizar los 25 das, el volumen de ventas y su desviacin estndar
promedio fueron de $1800 y $200, respectivamente. Si usted fuese el gerente, tendra
alguna razn para creer, con base en este resultado, que hubo una disminucin en el
volumen de ventas promedio diario?
11. La variacin en el nmero de unidades diarias de cierto producto, el cual manejan dos
operadores A y B, debe ser la misma. Con base en muestras de tamao nA = 16 das
y nB = 21, el valor calculado de las desviaciones estndar muestrales son de sA = 8.2
unidades y sB = 5.8 unidades. Si el nmero de stas, manejadas por los dos operadores,
por da, son dos variables aleatorias independientes que se encuentran aproximadas, en
forma adecuada, por distribuciones normales, existe alguna razn para creer que las
varianzas son iguales?
y S 2 son estimadores insesgados de y 2 . De una explicacin de lo
12. Demuestre que X
3

que significa que un estimador sea insesgado.


13. De un experimento binomial se observan x xitos en n ensayos independientes. Se
proponen las siguientes dos estadsticas como estimadores del parmetro de proporcin
p: T1 =

X
n

y T2 =

X+1
.
n+2

(a) Obtener y comparar los Errores Cuadraticos Medios (ECM) para T1 y T2 .


(b) Hacer una grfica del ECM para T1 y T2 como funciones de p para n = 10 y
n = 25. Es alguno de estos estimadores uniformemente mejor que el otro?.
(c) Demuestre que T1 es un estimador consistente de p. Explique que significa que un
estimador sea consistente.
14. Suppose our dataset is a realization of a random sample X1 , X2 , ..., Xn from a uniform
distribution on the interval [, ] where is unknown.
(a) Show that T = n3 [X12 + X22 + X32 + ... + Xn2 ] is an unbiased estimator for 2 .

(b) Is T also an unbiased estimator for ? If not, argue whether it has positive or
negative bias.
15. Suppose the random variables X1 , X2 , ..., Xn have the same expectation . For which
constants a and b is T = a1 X1 + a2 X2 + a3 X3 + ... + an Xn an unbiased estimator for ?
16. Consider the following dataset of lifetimes of ball bearings in hours.
6278, 3113, 5236, 11584, 12628, 7725, 8604, 14266, 6125, 9350,
3212, 9003, 3523, 12888, 9460, 13431, 17809, 2812, 11825, 2398.
One is interested in estimating the minimum lifetime of this type of ball bearing.The
dataset is modeled as a realization of a random sample X1 , X2 , ..., Xn . Each random
variable Xi is represented as Xi = + Yi , where Yi has an Exp() distribution and
> 0 is an unknown parameter that is supposed to model the minimum lifetime. The
objective is to construct an unbiased estimator for . It is known that:
4

E[Mn ] = +

1
n

n] = +
and E[X

where Mn = minimum of X1 , X2 , ..., Xn and Xn =


(a) Check that T =

n
(Xn
n1

X1 +X2 +X3 +...+Xn


.
n

Mn ) is an unbiased estimator for 1 .

(b) Construct an unbiased estimator for .


(c) Use the dataset to compute an estimate for the minimum lifetime . You may use
that the average lifetime of the data is 8563.5.
17. Given are two estimators S and T for a parameter . Furthermore it is known that
V ar(S) = 40 and V ar(T ) = 4.
(a) Suppose that we know that E[S] = and E[T ] = + 3. Which estimator would
you prefer, and why?
(b) Suppose that we know that E[S] = and E[T ] = + a for some positive number
a. For each a, which estimator would you prefer, and why?
n and Ym be the sample means of two independent random samples of size n
18. Let X
(respectively m) from the same distribution with mean . We combine these two
estimators to a new estimator T by putting
n + (1 r)Ym
T = rX
where r is some number between 0 and 1.
(a) Show that T is an unbiased estimator for the mean .
(b) Show that T is the most efficient when r = n/(n + m).
19. We throw an unfair coin repeatedly until heads comes up for the first time. We repeat
this experiment three times (with the same coin) and obtain the following data:

First experiment: heads first comes up in 3rd throw


Second experiment: heads first comes up in 5th throw
Third experiment: heads first comes up in 4th throw.
Let p be the probability that heads comes up in a throw with this coin. Determine the
maximum likelihood estimate p of p.
20. Let X1 , X2 , ..., Xn be iid with pdf f (x|) = 1 , 0 x , > 0.
Estimate using both the method of moments and maximum likelihood. Calculate the
means and variances of the two estimators. Which one should be preferred and why?
21. Let be x1 , x2 , ..., xn a dataset that is a realization of a random sample from a U (, )
distribution (with and unknown, < ). Determine the maximum likelihood
estimates for and .
22. Suppose that x1 , x2 , ..., xn is a dataset, which is a realization of a random sample from
a normal distribution.
(a) Let the probability density of this normal distribution be given by
f (x) =

1
2
1 e 2 (x)
2

for < x <

Determine the maximum likelihood estimate for .

(b) Now suppose that the density of this normal distribution is given by
f (x) =

1
2
1 e 2 (x)
2

for < x <

Determine the maximum likelihood estimate for .


23. Suppose that x1 , x2 , ..., xn is a dataset, which is a realization of a random sample from
a Rayleigh distribution, which is a continuous distribution with probability density
function given by
6

f (x) =

x
x 22
e
2

for x 0

In this case what is the maximum likelihood estimate for ?


24. El tiempo total de procesamiento para programas en tarjetas perforadas de computadoras se define como el tiempo que transcurre desde que se lee la primera tarjeta hasta
que se imprime la ltima lnea, y est constituido por tres componentes; el tiempo de
espera de entrada, el tiempo utilizado por el procesador central y el tiempo de espera
de salida. Los siguientes datos son los tiempos totales de procesamiento, en minutos,
para una muestra aleatoria de 15 programas similares:

12.5, 5.2, 6.8, 3.6, 10.9, 12.8, 7.8, 8.6, 6.3, 6.9, 18.2, 15.4, 9.2, 10.3, 7.3.

Supngase que el tiempo total de procesamiento est modelado, en forma adecuada,


por una distribucin gama con = 3
(a) Obtener el estimador de mxima verosimilitud para el parmetro de escala .
(b) El mtodo de momentos, dara un estimado diferente de al determinado en el
inciso a)?
(c) Mediante la respuesta del inciso a), calcular la probabilidad de que el tiempo de
procesamiento sea mayor a 20 minutos.
25. Un fabricante de fibras sintticas desea estimar la tensin de ruptura media de una
fibra. Disea un experimento en el que se observan las tensiones de ruptura, en libras,
de 16 hilos del proceso seleccionados aleatoriamente. Las tensiones son:

20.8, 20.6, 21.0, 20.9, 19.9, 20.2, 19.8, 19.6, 20.9, 21.1, 20.4, 20.6, 19.7, 19.6, 20.3 20.7.

Supngase que la tensin de ruptura de una fibra se encuentra modelada por una
distribucin normal con desviacin estndar de 0.45 libras. Construir un intervalo de
7

confianza estimado del 98% para el valor real de la tensin de ruptura promedio de la
fibra.
26. Con respecto al ejercicio anterior, cules de las siguientes proposiciones son apropiadas
para la interpretacin del intervalo de confianza?
(a) En la probabilidad de que la tensin promedio verdadera se encuentre, los lmites
de confianza son de 0.98.
(b) Aproximadamente el 98%, de todos los intervalos de confianza calculados con base
en repetidas muestras de tamao, 16 obtenidas en el proceso de fabricacin de las
fibras incluirn el verdadero valor promedio de la tensin de ruptura.
(c) La probabilidad de que la tensin de ruptura para cualquier fibra se encuentre
fuera de los lmites de confianza de 0.02.
27. Una tienda de donas se interesa en estimar su volumen de ventas diarias. Supngase
que el valor de la desviacin estndar es de $50.
(a) Si el volumen de ventas se encuentra aproximado por una distribucin normal,
cul debe ser el tamao de la muestra para que con una probabilidad de 0.95 la
media muestral se encuentre a no ms de $20 del verdadero volumen de ventas
promedio?
(b) Si no es posible suponer que la distribucin es normal, obtener el tamao necesario
de la muestra para la pregunta a