Ingeniera Matemtica

FACULTAD DE CIENCIAS FSICAS Y MATEMTICAS Roberto Cortez

UNIVERSIDAD DE CHILE Roberto Bobadilla
MA3403-3 Probabilidades y Estadstica
Primavera 2015
Dafne Pincheira

Pauta Control 3
P1. a) (3,0 ptos.) Se sabe que el valor esperado del puntaje que obtiene un alumno en el examen final
de un ramo es de 75 y la varianza es 25. Cuntos alumnos tienen que dar el examen para
asegurar que, con probabilidad de al menos un 99 %, el promedio de notas est entre 70 y 80?
Obtenga un resultado sin utilizar el teorema central del lmite, y otro utilizndolo.
su promedio. Tenemos:
Solucin. Sean X1 , . . . , Xn los resultados de n alumnos, y sea X
(70, 80)) = P(|X
P(X 75| < 5) = 1 P(|X
| > 5),

Adems, var(X)
donde tambin es la esperanza de X. = 2 /n. Luego, aplicando Chebys-
hev obtenemos:

(70, 80)) 1 var(X) 25 1

P(X 2
=1 =1 .
5 25n n
Por lo tanto, si se desea que esta probabilidad sea al menos de un 99 %, basta imponer que
1 1/n = 0,99, es decir, n = 100. Ahora, obtengamos un resultado utilizando el teorema
central del lmite:
  !
 
P(X 75| < 5) = P  X
(70, 80)) = P(|X  <
5
P(|Z| < n),
 / n  / n

donde hemos aproximado la distribucin de (X )/(/n) por una normal estndar

Z, de acuerdo al teorema central del lmite. Imponiendo que lo anterior es igual a 0,99 y
despejando, debe tenerse que
P(Z n) = 0,005,

por lo cual n debe ser similar a 2,58, de acuerdo a la tabla de la normal estndar. Es
decir, n 6,65, luego n = 7.

b) (3,0 ptos.) Un productor afirma que al menos el 20 % del pblico prefiere su producto. Se toma
una muestra de 100 personas para verificar su afirmacin. Con = 0,05, cul es la mnima
cantidad de personas que prefieren el producto de manera que no haya suficiente evidencia
para rechazar la afirmacin del productor? Si solo 10 personas prefieren el producto, cul es
el resultado del test?

Solucin. Denotemos Xi a la variable aleatoria que vale 1 si la i-sima persona de la

muestra prefiere el producto, 0 si no, para i = 1, . . . , 100. Cada Xi es una variable Bernoulli
con parmetro p desconocido. Definamos las hiptesis

H0 : p = 20 %
H1 : p < 20 %.

Notemos que E(X1 ) = ppy varX1 = p(1 p). Por lo tanto, bajo H0 , sabemos que el
0,2)/ 0,2 (1 0,2)/100 tiene distribucin aproximadamente normal
estadstico Z = (X

1
 estndar. Dada la forma de las hiptesis, buscamos una regin de rechazo del tipo Z
(, c], para una cierta constante c por determinar. Imponiendo que la probabilidad del
error sea = 0,05, tenemos que:

0,05 = P(Z (, c] | H0 ) P(N (0, 1) c) = P(N (0, 1) c).

Mirando la tabla de la normal, se obtiene que c = 1,64 (tambin sirve 1,65). Entonces,
la hiptesis del productor no se rechaza cuando Z > c, es decir:
0,2 1/5
c<Z= p
X
= 10 p
X > 5 1,64 = 13,44 .
1/5) X
= 25(X
0,2 (1 0,2)/100 1/5 4/5 25 100

Notemos que X corresponde a A/100, donde A es la cantidad de personas que prefieren

el producto. Por lo tanto, la mnima cantidad de estas personas tal que no se rechaza la
hiptesis del productor es 14. Si 10 personas prefieren el producto, eso es menos que la
cantidad mnima recin calculada, por lo tanto se rechaza H0 y se falla en favor de H1 .

P2. La luminosidad de una estrella, medida por un instrumento adecuado, se modela como una variable
aleatoria normal con ambos parmetros desconocidos. Al tomar una muestra de 25 datos usted
obtiene un promedio de 204,5 y una desviacin estndar muestral de 7,2.
a) (1,5 ptos.) Encuentre un intervalo de confianza para la media al nivel 90 %.

Solucin. Denotemos X1 , . . . , Xn a la muestra, con distribucin comn N (, 2 ) con am-

bos parmetros desconocidos. Usamos el estadstico T = (X )/(S/n), el cual posee
distribucin tn1 = t24 . Imponemos el nivel deseado a T , usando un intervalo simtrico:

90 % = P(c T c) P(T > c) = 5 %,

y de la tabla de la t-student se obtiene c = 1,711. De ac obtenemos el intervalo para :

X cS cS
90 % = P(c c) = P(X X + )
S/ n n n
1,711 7,2 1,711 7,2
= P(204,5 204,5 + ).
5 5

b) (1,5 ptos.) Encuentre un intervalo de confianza para la varianza al nivel 90 %.

Solucin. Trabajamos con el estadstico U = (n 1)S 2 / 2 , el cual posee distribucin

2n1 = 224 . Imponemos el nivel deseado U usando un intervalo con simetra de probabi-
lidad:
90 % = P(c U d) P(U > c) = 95 %, P(U > d) = 5 %.
De una tabla se obtiene c = 13,85 y d = 36,4. El intervalo para 2 queda:

(n 1)S 2 (n 1)S 2 2 (n 1)S 2

90 % = P(c < < d) = P( < < )
2 d c
24 7,22 24 7,22
= P( < 2 < ).
36,4 13,85

c) (1,0 ptos.) Usted se da cuenta que las especificaciones tcnicas del instrumento de medicin
indican que la varianza real de las mediciones es de 49,0. Encuentre un nuevo intervalo de
confianza para la media al nivel 90 %.

2
 Solucin. Ahora sabemos que 2 = 49,0. Usamos el estadstico Z = (X )/(/n),
el cual tiene distribucin normal estndar. Como antes, imponemos el nivel deseado a Z
usando un intervalo simtrico:

90 % = P(c Z c) P(Z > c) = 5 %,

y de la tabla de la normal se obtiene c = 1,64 (tambin sirve 1,65). De ac obtenemos el

intervalo para :

X c c
90 % = P(c c) = P(X X + )
/ n n n
1,64 7 1,64 7
= P(204,5 204,5 + ).
5 5

d) (1,0 ptos.) Usted no est satisfecho con el resultado anterior, y desea obtener un nuevo inter-
valo cuyo largo sea de a lo ms 2,3, manteniendo el nivel de confianza. Cuntas mediciones
adicionales necesita?
Solucin. Sea m el tamao de la muestra que incluye a las mediciones previas y las por

tomar. Por lo hecho en el tem anterior sabemos que el largo del intervalo es 2c/ m, con
el mismo c = 1,64. Imponemos que el largo sea el deseado:
2 2 2
2c 2c 2 1,64 7 22,96
  
2,3 = m= = = 100.
m 2,3 2,3 2,3

Luego, se necesitan 100 25 = 75 mediciones adicionales.

e) (1,0 ptos.) Usted se da cuenta que no dispone de tiempo para tomar esas mediciones adicionales,
y decide trabajar con los 25 datos iniciales. Qu nivel de confianza entrega un intervalo con
el largo deseado de 2,3?

Solucin. Ahora es c el que debe calcularse en funcin del largo, usando n = 25 datos:

2c 2,3 n 2,3 5
2,3 = c = = = 0,8214.
n 2 27

De la tabla normal se obtiene P(N (0, 1) > c) = 0,2061 = /2. Luego, = 0,4122, y
entonces el nivel buscado es 1 = 58,78 %.

P3. Dadas las constantes > 0 conocida y r > 0 desconocida, sea X variable aleatoria con densidad
 (+1)
x
fX (x) = e(x/r) 1[0,) (x).
r r

a) (1,2 ptos.) Muestre que FX (x) = e(x/r) 1[0,) (x). Muestre que X exp(r ).

(+1)
Solucin. Es directo ver que e(x/r) es la primitiva de r xr e(x/r) . Sabiendo
Rx
que FX (x) = fX (y)dy, se concluye que FX (x) = e(x/r) 1[0,) (x). Vemos lo otro:

3
 sea Y = X , y usando el clculo previo, tenemos para y > 0:

P(Y > y) = P(X > y) = P(X < y 1/ ) = FX (y 1/ )

1/ /r)
= e(y

= er y .

Luego, FY (y) = 1 P(Y > y) = 1 er y , lo cual significa que Y exp(r ).

b) (1,2 ptos.) En lo que sigue, sea X1 , . . . , Xn una m.a.s. proveniente de la distribucin de X.

Muestre que el estimador de mxima verosimilitud de r es r = ( n1 ni=1 Xi )1/ .
P

Solucin. La funcin de verosimilitud es:

n n
xi (+1) (xi /r)
Y Y  
L = L(x1 , . . . , xn ; r) = fX (xi ; r) = e
i=1 i=1
r r
n
Y (+1) (xi /r)
= n rn x i e .
i=1

Luego:
n
[( + 1) log xi + r x
X
log L = n log + n log r i ].
i=1

Para maximizar lo anterior con respecto a r derivamos e igualamos a 0:

n
log L n
x
X
0= = r1 i ,
r r i=1

es decir, 0 = n r ni=1 x
P
i . Despejando r y reemplazando los xi por la muestra, obte-
nemos que el estimador de mxima verosimilitud es r = ( n1 ni=1 Xi )1/ .
P

c) (1,2 ptos.) Muestre que r r casi seguramente cuando n . Indicacin: defina Yi := Xi

y observe que r = Y ; luego utilice la parte (a) en conjunto con un teorema adecuado.

Solucin. Definimos Yi = Xi . Por la parte (a) sabemos que Y1 , . . . , Yn es una m.a.s.

con distribucin comn exp(r ). Por la LFGN, se deduce que 1/r = Y converge casi
seguramente a := E(Y1 ) = E(exp(r )) = 1/r cuando n . Tomando ()1/ , esto

equivale a que r r.

r r )/(r / n) posee distribucin apro-
d) (1,2 ptos.) Muestre que el estadstico Z := (
ximada N (0, 1) cuando n es grande. Indicacin: recuerde que si Y exp() entonces 2 :=
var(Y ) = 1/2 .

Solucin. Escribamos Z en trminos de la muestra Y1 , . . . , Yn : sabemos que r = Y ,

y como cada Yi es una variable exp(r ), tambin tenemos que = E(Y1 ) = r y que
2 = var(Y1 ) = r2 . Luego,

r r Y
Z= = ,
r / n / n

4
 es decir, Z es el estadstico que aparece en el TCL asociado a la muestra Y1 , . . . , Yn . Para
n grande, el TCL asegura que Z posee distribucin aproximada N (0, 1).

e) (1,2 ptos.) Utilice el estadstico Z para obtener un intervalo de confianza genrico para r al
nivel 1 .

Solucin. Imponemos el nivel deseado al estadstico Z, el cual posee distribucin aproximada

N (0, 1), usando un intervalo simtrico respecto al origen:

1 = P(c Z c) P(c N (0, 1) c) = 1 2P(N (0, 1) > c),

donde hemos usado la simetra de la distribucin N (0, 1). Despejando, se obtiene P(N (0, 1) >
c) /2, y el valor de c se despeja de una tabla o de un software estadstico (en ctedra utili-
zamos la notacin c z/2 , pero ac lo dejaremos como c simplemente). Con esto, obtenemos
el intervalo buscado para r:
! !
r r c r c
1 P c c = P 1
r / n n r n
1/ 1/ !
c c
 
= P r 1 r r 1 + .
n n