6.

Estimadores Puntuales Ejercicios Resueltos

ANLISIS ESTADSTICO

1.- La resistencia de una plancha es una variable aleatoria continua X cuya funcin de densidad es: es: , con desconocido. Sea ( estimador mximo verosmil de . . Su funcin de distribucin de probabilidad ) una m.a. (n) de X, determine el

Sobre la base de una muestra aleatoria de 5 planchas, las resistencias observadas fueron: 0,5; 0,5; 0,8; 0,9 y 1. Determine la probabilidad que una plancha, elegida al azar, tenga resistencia inferior a 0,7. 1) Solucin: La primero que debemos hacer es calcular la funcin de verosimilitud, lo que se lleva a cabo, por medio de la siguiente frmula:

Luego, tenemos que determinar el logaritmo natural de

, como se muestra a continuacin:

En seguida, se obtiene el valor de que maximiza , lo que se logra derivando respecto a los parmetros desconocidos e igualando a cero dicha derivada, es decir:

con

Despus, se despeja de la expresin anterior, para as obtener el estimador mximo verosmil de , como se ve a continuacin:

Posteriormente, sobre la base de la muestra aleatoria de 5 planchas, calculamos el valor de

Finalmente, calculamos probabilidad requerida por el ejercicio:

Respuesta: La probabilidad que una plancha, elegida al azar, tenga resistencia inferior a 0,7, es igual a 0,4218.

Alejandro Gonzlez Tapia Ingeniera Civil en Minas

Pgina 111

6. Estimadores Puntuales Ejercicios Resueltos

ANLISIS ESTADSTICO

2.- En una fbrica se ha medido el tiempo X, en horas, transcurrido entre dos detenciones provocadas por averas en las mquinas, en una muestra aleatoria se obtuvo los siguientes tiempos: 3, 1, 7, 3, 8, 11, 7, 1, 8, 4 en horas. Se sabe que la funcin de distribucin que sigue dicho tiempo es

2.1) Sea una muestra aleatoria de X, con desconocido, determine el estimador mximo verosmil del parmetro . 2.2) Cul la probabilidad de que en la fbrica transcurran ms de 8 horas sin averas? 2.1) Solucin: Sabemos que la derivada de la funcin de distribucin, es igual a la funcin de densidad, es decir:

Luego, definimos la funcin de verosimilitud:

Determinamos el logaritmo natural de

Derivando con respecto a , e igualamos a cero:

Despejamos , quedando de la siguiente forma:

Pgina 112

Alejandro Gonzlez Tapia Ingeniera Civil en Minas

6. Estimadores Puntuales Ejercicios Resueltos

ANLISIS ESTADSTICO

2.2) Solucin: Utilizando la muestra que nos proporciona el ejercicio, calculamos el Estimador Mximo Verosmil, como se ve a continuacin:

En seguida, determinamos la probabilidad que nos solicita el problema:

Respuesta: La probabilidad de que en la fbrica transcurran ms de 8 horas sin averas, es igual a 0,188. 3.- La distancia entre un rbol cualquiera y el rbol ms prximo a l, en un bosque, sigue una distribucin de Rayleigh con funcin de densidad:

3.1) Determine el estimador mximo verosmil , a partir de una muestra aleatoria de , de tamao 50, obtenida la siguiente informacin.

3.2) Determine si el estimador

es insesgado.

3.1) Solucin: Definimos la funcin de verosimilitud, la que est dada por:

Calculamos el logaritmo natural de

Alejandro Gonzlez Tapia Ingeniera Civil en Minas

Pgina 113

6. Estimadores Puntuales Ejercicios Resueltos

ANLISIS ESTADSTICO

A continuacin, derivamos

, con respecto a

e igualamos a cero, es decir:

Luego, con la informacin que nos brinda el ejercicio, calculamos el valor de

3.2) Solucin: Sabemos que para que estimador de estimador sea igual al estimador, es decir:

sea insesgado, se debe cumplir que la esperanza

Luego, determinamos por medio de propiedades la esperanza de

, de la siguiente forma:

Posteriormente, calculamos la expresin antes definida:

Finalmente, como se cumple la igualdad, el estimador es insesgado. 4.- Sea , muestra aleatoria de una poblacin y desconocido: 4.1) Encuentre el estimador mximo verosmil de . 4.2) Si las observaciones de una muestra aleatoria para la variable X son: 1,1; 0,9; 1,4; 1,2; 0,7. Estime la probabilidad de que la variable aleatoria no sea inferior a 1. 4.1) Solucin: Lo primero que debemos hacer es definir la funcin exponencial con variable , la que se expresa de la siguiente forma: Determinamos la funcin de verosimilitud:

Pgina 114

Alejandro Gonzlez Tapia Ingeniera Civil en Minas

6. Estimadores Puntuales Ejercicios Resueltos

ANLISIS ESTADSTICO

En seguida, calculamos el logaritmo natural de

Derivando e igualando a cero:

4.2) Solucin: Utilizando los datos de la muestra aleatoria que nos entrega el problema, determinamos el estimador puntual :

Respuesta: En base a la muestra aleatoria, la probabilidad estimada de que la variable aleatoria no sea inferior a 1, es igual a 0,3893. 5.- Sea muestra aleatoria proveniente de una distribucin normal con media y 2 varianza , cuya funcin densidad es:

Se propone a las siguientes estadsticas como estimadores de :

5.1) Pruebe si estos estimadores son insesgados e indique cual es ms eficiente. 5.2) Encuentre el estimador mximo verosmil de . 5.3) Compare el estimador obtenido por el mtodo de mxima verosimilitud con los dos
propuestos, Cul es mejor estimador para ? Justifique su respuesta. 5.1) Solucin: Lo primero que debemos corroborar es, si se cumple que la esperanza del estimador puntual es igual al estimador puntual, sabiendo que la media y la varianza de es y 2, respectivamente, como se ve a continuacin:

Alejandro Gonzlez Tapia Ingeniera Civil en Minas

Pgina 115

6. Estimadores Puntuales Ejercicios Resueltos

ANLISIS ESTADSTICO

Es decir, ambos estimadores puntuales de son insesgados. En seguida, debemos determinar la varianza de cada uno de los estimadores, para as ver cul de los dos estimadores es ms eficiente:

es ms

Debido a que es menor que eficiente que el estimador puntual

, se llega a la conclusin que el estimador puntual .

5.2) Solucin: En este tem lo primero que debemos hacer es definir la funcin de verosimilitud:

Calculamos el logaritmo natural de

Derivamos e igualamos a cero:

5.3) Solucin: Empezamos por determinar si el estimador puntual de anterior es insesgado, lo que llevamos a cabo de la siguiente forma:

que determinamos en el tem

Pgina 116

Alejandro Gonzlez Tapia Ingeniera Civil en Minas

6. Estimadores Puntuales Ejercicios Resueltos

ANLISIS ESTADSTICO

Por lo tanto, el estimador puntual de es insesgado, luego, determinaremos la varianza de dicho estimador, para ver si mejor estimador, como se ve a continuacin:

En seguida, como la varianza de es menor en comparacin a las varianza de que el estimador puntual, , es ms eficiente, es decir, mejor.

, se concluye

6.- En un estacionamiento el nmero de veces ( ) que se debe subir la barrera en un intervalo de 10 minutos, para que pasen vehculos en un sector de alta seguridad, se considera una variable aleatoria con distribucin de Poisson de parmetro desconocido. 6.1) En una muestra aleatoria de 8 intervalos de 10 minutos cada uno, elegidos en forma independiente, se registra para cada intervalo el valor que toma la variable en estudio . 3 5 8 7 4 Encuentre la estimacin mximo verosmil de . 6.2) Sea Si una muestra aleatoria tamao n de 5 6 2

~ Poisson( )

; son estimadores del parmetro . Determine cul de ellos es

el mejor estimador del parmetro . 6.1) Solucin: Utilizaremos la siguiente variable: Nmero de veces que se debe subir la barrera en un intervalo de 10 minutos, para que pasen vehculos en un sector de alta seguridad Luego, sabemos que dicha variable tiene una distribucin de Poisson, como se muestra a continuacin:

En seguida, definimos la funcin de verosimilitud:

Determinamos el logaritmo natural de

Alejandro Gonzlez Tapia Ingeniera Civil en Minas

Pgina 117

6. Estimadores Puntuales Ejercicios Resueltos

ANLISIS ESTADSTICO

Derivando e igualando a cero:

En seguida, utilizando la muestra aleatoria, obtenemos el valor del estimador mximo verosmil, como se ve a continuacin:

Respuesta: En una muestra aleatoria de ocho intervalos de 10 minutos cada uno, elegidos en forma independiente, la estimacin mxima verosmil corresponde a 5. 6.2) Solucin: Lo primero que se debe hacer es determinar si estos estimadores son o no insesgados, lo que se sabe si se cumple que la esperanza del estimador es igual al mismo estimador, es decir:

Por lo tanto, ambos estimadores son insesgados. Entonces, el paso a seguir es determinar la varianza de cada estimador puntual, lo que se hace de la siguiente manera:

En conclusin, la efectividad de los estimadores depende del tamao de la muestra, ya que, si la muestra es igual a uno, el estimador ms eficiente es , en cambio, si la muestra es mayor a uno, el mejor estimador es . 7.- Sea una muestra aleatoria de una variable aleatoria con distribucin Normal con media y varianza . Se proponen los siguientes estimadores:

Determine cul es el mejor estimador para . Justifique su respuesta.

Pgina 118

Alejandro Gonzlez Tapia Ingeniera Civil en Minas

6. Estimadores Puntuales Ejercicios Resueltos

ANLISIS ESTADSTICO

7) Solucin: Debemos determinar si los estimadores que nos proponen son o no insesgados, como se muestra a continuacin:

Debido a que ambos estimadores propuestos son sesgados, se debe determinar el sesgo o error del estimador, lo que se calcula con la siguiente frmula:

En seguida, calculamos la varianza de cada uno de lo estimadores propuestos:

Finalmente, calculamos el error cuadrtico medio del estimador, para as saber cul de los dos estimadores puntuales es mejor, lo que se realiza con la siguiente frmula:

Respuesta: Debido a que el error cuadrtico medio de de , se concluye que el mejor estimador para , es

es menor que el error cuadrtico medio .

8.- Sea la variable aleatoria continua, que indica el tiempo de desintegracin de un tomo, con distribucin exponencial truncada con parmetro ( > 0) es decir, que toma slo aquellos valores de superiores a . Sea ( una muestra aleatoria tamao n de . 8.1) Determine el estimador mximo verosmil de probabilidad de la exponencial truncada es: , si la funcin de distribucin de

8.2) Encuentre la estimacin puntual del parmetro a para el valor cuando se ha observado los siguientes tiempos de desintegracin de un tomo (u.t.): 3, 7, 5, 8, 4, 1, 5, 2, 9 y 6.

Alejandro Gonzlez Tapia Ingeniera Civil en Minas

Pgina 119

6. Estimadores Puntuales Ejercicios Resueltos

ANLISIS ESTADSTICO

8.1) Solucin: Sabemos que la derivada de la funcin de distribucin es igual a la funcin de densidad, es decir:

En seguida, definimos la funcin de verosimilitud :

Aplicamos logaritmo natural:

Derivando e igualando a cero:

8.2) Solucin: Considerando la muestra que nos entrega el ejercicio, tenemos que:

Reemplazando:

Respuesta: La estimacin puntual del parmetro observaciones dadas por el problema, es igual a 0,25.

para el valor

, con las diez

Pgina 120

Alejandro Gonzlez Tapia Ingeniera Civil en Minas

6. Estimadores Puntuales Ejercicios Resueltos

ANLISIS ESTADSTICO

9.- Sea
Donde

una muestra aleatoria de , distribuida segn , con desconocido. representa el tiempo mximo necesario para terminar un proceso, en segundos:

9.1) Determine el estimador mximo verosmil de . 9.2) En base a una muestra aleatoria de , determine la estimacin mximo verosmil de , donde la muestra est constituida por los siguientes datos: 0,7; 0,9; 0,6; 0,8; 0,9; 0,7; 0,9; 0,8. Estime la probabilidad del tiempo mximo necesario para terminar un proceso, no exceda los 0,5 segundos, ni supere los 0,75 segundos. 9.3) Determine el estimador mximo verosmil de: a) 9.1) Solucin: Determinamos la funcin de verosimilitud: . b)

En seguida, calculamos el logaritmo natural de

Derivamos e igualamos a cero:

9.2) Solucin: Determinamos el estimador mximo verosmil de muestra que nos entrega el ejercicio:

, con los datos de la

Luego, estimamos que la probabilidad de

Alejandro Gonzlez Tapia Ingeniera Civil en Minas Pgina 121

6. Estimadores Puntuales Ejercicios Resueltos

ANLISIS ESTADSTICO

Respuesta: En base a una muestra aleatoria de , que nos otorga el ejercicio, el estimador mximo verosmil de , corresponde a 3,0271, y al estimar que la probabilidad del tiempo
mximo necesario para terminar un proceso, no excede los 0,5 segundos, ni supera los 0,75 segundos, es igual 0,3102. 9.3) Solucin: Debido a que determinamos , que corresponde al estimador mximo verosmil de ,

por lo tanto, las expresiones pedidas las calculamos por medio de propiedades: a)

b)

Pgina 122

Alejandro Gonzlez Tapia Ingeniera Civil en Minas