Universidad de Chile miércoles 04 de abril de 2018

Economía & Negocios PAUTA CONTROL 1

MES 255: Análisis de Datos

Profesores: J. Merigo, J. Sepúlveda y P. Tapia.
Ayudante Coordinador: Francisca Altamirano,
PROBLEMA 1. (50 ptos.)
Responda si las siguientes afirmaciones son verdaderas, falsas o inciertas, proporcionando en
forma breve los argumentos de su respuesta.
Parte i. (20 ptos.)
Si bien el ayudante seleccionó la Función de Distribución de Probabilidad (FDP) adecuada para
resolver el problema (cantidad de agujeros por cada 100 metros de calle), está confundiendo la
estandarización del estimador del parámetro poblacional, con estandarizar el parámetro
poblacional, que en teoría es desconocido para las calles donde se aplicará el plan de
pavimentación. Si  fuese el parámetros poblacional conocido, bastaría con que fuese mayor a
4 para realizar la pavimentación, pero en el caso de que fuera desconocido, la probabilidad
dependería del estimador del parámetro poblacional, Pr(ˆ  4) , y si ̂ fuera consistente se
podría estandarizar, pero no el parámetro. Comente y recuerde ser breve.
Respuesta
Verdadero. Dado que la función de distribución (comportamiento poblacional), fue bien
asignada, el problema de decisión dependerá si se conoce o no el valor poblacional, ya que de
conocerlo no es necesario hacer inferencia estadística, de no conocerlo se deberá estimar y
aplicar instrumentos estadísticos que sean necesarios, como es el caso de estandarizar un
estimador, siempre que este sea consistente, ya que esta propiedad asegura que al crecer la
muestra éste se comporte como una normal.
___________________________________20ptos.___________________________
Parte ii. (20 ptos.)
Las autoridades de transporte desean que los buses que prestaran servicio público durante los
próximos 10 años sean amigables con el medio ambiente. La decisión para utilizar vehículos
100% libres de emisiones contaminantes (eléctricos) pasa por el rendimiento de los buses,
medido en kilómetros por batería, siempre que en promedio se puedan recorrer al menos 50
km antes de requerir una carga nueva de batería. Considerando una distribución exponencial,
el analista a cargo estimó el parámetro  (Kms/batería) mediante la metodología de máxima
verosimilitud, recolectando información de una muestra grande. Finalmente, se obtuvo
ˆMV  45 , por lo que la recomendación será no utilizar buses eléctricos. Comente y
recuerde ser breve.
Respuesta
Incierto. La elección de la función de distribución de probabilidad es adecuada, y la estimación
del parámetro  efectivamente corresponde a la cantidad de kilómetros recorridos antes de
requerir una carga completa de batería. Por el enunciado no se desprende si hay alguna
condición de probabilidad asociada al valor del parámetro poblacional que pudiese modificar
nuestra recomendación, por tanto, considerando exclusivamente el valor del estimador
ˆMV  45 , la recomendación será no utilizar vehículos eléctricos.
___________________________________20ptos.___________________________
Parte iii. (10 ptos.)
Suponga que posee una muestra aleatoria de 25 observaciones, además la media poblacional es
igual a 20 y, la varianza poblacional es igual a 100, por lo tanto, al calcular la probabilidad de
Pr( X n  22) , utilizando el Teorema Central de Límite, el cálculo se reduce a

Página 1
Universidad de Chile miércoles 04 de abril de 2018
Economía & Negocios PAUTA CONTROL 1

Pr( Z  0,2)  1  Pr( Z  0,2) , lo cual corresponde a 0,492, de acuerdo a la tabla de distribución
normal estándar. Comente y recuerde ser breve.
Respuesta
Falso. El cálculo en el enunciado sería correcto si la desviación estándar de la media muestral
fuera igual a la desviación estándar muestral de la población, sin embargo, habría faltado dividir
esta desviación estándar por la raíz cuadrada del número de observaciones, es decir,
100 / 25  2 . Por lo tanto, el cálculo de la probabilidad utilizando el TCL habría sido
Pr( Z  1)  1  Pr( Z  1)  1  0,841  0,159 (ver Tabla en el formulario).
___________________________________10ptos.___________________________
PROBLEMA 2. (50 ptos.)
Asuma que posee una muestra aleatoria de tamaño n , { X i }in1 , para una población, de forma
que se cumple que E ( X i )   y V ( X i )   2 , donde   0 y   0 son parámetros
poblacionales desconocidos. Por otro lado, se define el estimador ˆR de  , de la forma:
 in1  X i
ˆR 
  n
Donde  y  son constantes conocidas y estrictamente positivas. Por lo que, se le solicita que
responda a lo siguiente:

Parte i. (15 puntos)

Determine si el estimador ˆR es insesgado, de no serlo analice y establezca de qué tipo de
sesgo se trata. Justifique apropiadamente su respuesta.

Respuesta
Dado que la muestra se extrae aleatoriamente, entonces las observaciones son independientes.
Además, son extraídos de la misma población, por lo tanto, son idénticamente distribuidos, es
decir, la muestra cumple con se IID.
__________________________________________________ 5 ptos._____________
Entonces, el cálculo de sesgo del estimador corresponde a:
  in1  E ( X i )    in1 E ( X i )   n  
 n   X i
E (ˆR )  E  i 1   
   n    n   n   n
 
  n   
Sesgo(ˆR )  E (ˆR   )    
  n   n
Se puede observar que el estimador es sesgado. Se debe tener presente que dada las condiciones
de los parámetros, el sesgo resulta negativo, de forma que el estimador está sub-estimando el
valor verdadero del parámetro.
___________________________________________________5 ptos.____________
NOTA: El no hacer el análisis del sesgo encontrado descuenta 2 puntos del puntaje de esta
parte.
 
lim Sesgo(ˆR )  lim  0
n  n      n

Dado que el parámetro poblacional desconocido es constante, entonces, el sesgo tiende a 0

cuando la muestra crece al infinito, señalando con esto que el sesgo es asintóticamente
insesgado.
_____________________________________________________5 ptos.__________

Página 2
Universidad de Chile miércoles 04 de abril de 2018
Economía & Negocios PAUTA CONTROL 1

Parte ii. (20 puntos)

Pruebe si es el estimador ˆR es consistente, de serlo a qué tipo de distribución convergerá,
señale las características paramétricas de dicha distribución. Justifique apropiadamente su
respuesta.

Respuesta
Para probar la consistencia del estimador, primero debemos calcular la varianza del estimador,
es decir,
  0 
 n   X i   2V ( in1 X i )  2 [ in1V ( X i )  2 in11 nj i 1 cov( X i , X j )]
V (ˆR )  V  i 1 
 (     n) 2 
   n  (     n) 2
Dado que la muestra es extraída aleatoriamente, entonces las observaciones son variables
aleatorias independientes (parte i). Por lo tanto, las covarianzas en este caso son todas iguales a
0, reduciendo la expresión, a:
 2[in1V ( X i )]  2  n   2
V (ˆR )  
(     n) 2 (     n) 2
____________________________________________________10 ptos.__________
Ahora se debe verificar que esta varianza converge a 0 cuando la muestra crece infinitamente,
es decir,
 2  n  2
lim V (ˆR )  lim 0
n  n   (     n) 2

Utilizando las propiedades de límite como álgebra de límites o L´Hopital, se verifica que la
varianza se hace cero, por lo tanto, el estimador es consistente. Dado que resultó ser
consistente, el estimador converge en distribución a una normal con las siguientes
características:
   n   2  n   2 
ˆR 
D
N ( E (ˆR ), V (ˆR ))  N  , 
 
     n (     n)
2

_____________________________________________________10 ptos._________
NOTA: El no explicar que la distribución es una normal con los parámetros descritos, tendrá
un descuento de 5 ptos.

Parte iii. (15 puntos)

Verifique si el estimador ˆR es más eficiente que la media muestral. Especifique claramente su
respuesta.

Respuesta
La media muestral tiene como varianza
  0 
[in1V ( X i )  2in11 nj i 1 cov( X i , X j )] in1V ( X i )  2
V (Xn)   
n2 n2 n
Entonces, para verificar si el estimador ˆR es más eficiente que la media muestral, debemos
resolver la siguiente inecuación.

Página 3
Universidad de Chile miércoles 04 de abril de 2018
Economía & Negocios PAUTA CONTROL 1

V (ˆR )  V ( X n )
 2  n  2 2

(     n) 2
n
 2  n 2  (     n) 2
0   2  2     n

 2  n

Por lo tanto, el estimador ˆR será más eficiente si se cumple la última función descrita, sin
embargo, alfa, beta y n son estrictamente positivos, por lo que siempre se cumplirá la
condición, de manera que ˆR será más eficiente que la media muestral.
_______________________________________________15 puntos._____________
NOTA: Si no justifica de alguna forma la condición de eficiencia, se descontarán 10 puntos.

Forma funcional de la normal estándar acumulada:

Pr( Z  z 0 )   ( z 0 )  

z0
1
2
 
exp 12 s 2 ds

Tabla de valores de la distribución normal estándar.

0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.500 0.504 0.508 0.512 0.516 0.520 0.524 0.528 0.532 0.536
0.1 0.540 0.544 0.548 0.552 0.556 0.560 0.564 0.567 0.571 0.575
0.2 0.579 0.583 0.587 0.591 0.595 0.599 0.603 0.606 0.610 0.614
0.3 0.618 0.622 0.626 0.629 0.633 0.637 0.641 0.644 0.648 0.652
0.4 0.655 0.659 0.663 0.666 0.670 0.674 0.677 0.681 0.684 0.688
0.5 0.691 0.695 0.698 0.702 0.705 0.709 0.712 0.716 0.719 0.722
0.6 0.726 0.729 0.732 0.736 0.739 0.742 0.745 0.749 0.752 0.755
0.7 0.758 0.761 0.764 0.767 0.770 0.773 0.776 0.779 0.782 0.785
0.8 0.788 0.791 0.794 0.797 0.800 0.802 0.805 0.808 0.811 0.813
0.9 0.816 0.819 0.821 0.824 0.826 0.829 0.831 0.834 0.836 0.839
1.0 0.841 0.844 0.846 0.848 0.851 0.853 0.855 0.858 0.860 0.862
1.1 0.864 0.867 0.869 0.871 0.873 0.875 0.877 0.879 0.881 0.883
1.2 0.885 0.887 0.889 0.891 0.893 0.894 0.896 0.898 0.900 0.901
1.3 0.903 0.905 0.907 0.908 0.910 0.911 0.913 0.915 0.916 0.918
1.4 0.919 0.921 0.922 0.924 0.925 0.926 0.928 0.929 0.931 0.932
1.5 0.933 0.934 0.936 0.937 0.938 0.939 0.941 0.942 0.943 0.944
1.6 0.945 0.946 0.947 0.948 0.949 0.951 0.952 0.953 0.954 0.954
1.7 0.955 0.956 0.957 0.958 0.959 0.960 0.961 0.962 0.962 0.963
1.8 0.964 0.965 0.966 0.966 0.967 0.968 0.969 0.969 0.970 0.971
1.9 0.971 0.972 0.973 0.973 0.974 0.974 0.975 0.976 0.976 0.977
2.0 0.977 0.978 0.978 0.979 0.979 0.980 0.980 0.981 0.981 0.982

Página 4