Documente Academic
Documente Profesional
Documente Cultură
Lista de ejercicios 1
2018-2
Profesor: José Flores D.
Fecha de entrega: 13 de setiembre.
Ejercicio 1
Sea X1 , . . . , Xn una m.a. de la variable aleatoria X ∼ g(p), con p (desconocido).
Ejercicio 2
Sea X1 , . . . , Xn una m.a. de la variable aleatoria X ∼ B(α; 1), con α (desconocido).
1
b) Sea θ = P (X > 1/2). Estudie la consistencia fuerte de 1 − 2α̂
.
Ejercicio 3
X̄
Sea X ∼ G(α; β) y considere β̂ = M2 −X̄ 2
.
n
1
Xjk : el k-ésimo momento
P
b) Halle el valor casi seguro de lı́m M2 , donde Mk = n
n→∞
N+ .
j=1
muestral, k ∈
Ejercicio 4
En un estudio de riesgo en los préstamos personales, una entidad financiera asume que el
tiempo, en meses, hasta que un cliente deje de pagar su crédito es una variable aleatoria
X ∼ W (2; θ). Como estimador de θ, que será obtenido a partir de una muestra aleatoria de
2
tamaño n de X, se considera a θ̂ = (4 − π + nπ)/(4n X ) .
1
Ejercicio 5
Para cada n ∈ N+, sean 1, . . . , n, variables aleatorias independientes con media cero y
varianza σ 2 ,
Yj = βxj + j , j = 1, . . . , n,
con x1 , . . . , xn constantes conocidas y β un parámetro desconocido cuyo estimador usual es
n
P
x j Yj
j=1
β̂ = n .
x2j
P
j=1
Ejercicio 7
Si X ∼ N (µ; 1). Determine una estadı́stica suficiente para µ. Use el Teorema de
Factorización. Luego determine una función de esta estadı́stica que sea consistente.
Ejercicio 8
Si X ∼ N (0; σ 2 ). Determine, justificando debidamente, una estadı́stica suficiente para σ 2 .
Use el Teorema de Factorización. Luego determine una función de esta estadı́stica que sea
consistente.
Ejercicio 9
Si X ∼ LogN (µ; 1). Determine, justificando debidamente, una estadı́stica suficiente para µ.
De ser posible, determine una función de esta estadı́stica que sea consistente.
Ejercicio 10
Sea X1 , . . . , Xn una muestra aleatoria de la variable aleatoria X, con distribución exp(β),
r
1 n+1 2
con β > 0 (desconocido). Estudie la consistencia de β̂1 = , β̂2 = y β̂3 = ,
X̄ nX̄ M2
n
donde M2 = n1 Xj2 .
P
j=1
2
Ejercicio 11
Para el ingreso mensual, X (en miles de soles), de los trabajadores en cierto sector, se propone
el modelo probabilı́stico de Pareto siguiente:
θ (0, 75)θ
fX(x) = , x > 0, 75,
xθ+1
donde θ > 0 es un parámetro por estimar a partir de una muestra aleatoria de tamaño n de
X.
a) Determine una estadı́stica suficiente para θ. Use el Teorema de Factorización.
n
∂
P
b) Determine ∂θ
(E( Xj |T = 5), donde T es la estadı́stica hallada en a y X1 , . . . , Xn
j=1
es una muestra aleatoria de X.
Ejercicio 12
En el ejercicio 11, determine el lı́mite casi seguro de Ln(X).
Ejercicio 13
Sean T1 y T2 , dos estadı́sticas. Se dice que T1 resume tanto o más que T2 , si todo resumen
de T2 es parte de algún resumen de T1 ; esto es, si ∀t : ∃t1 , tal que { T2 = t } ⊂ { T1 = t1 }.
R
Téngase presente que { T = t } = { (x1 , . . . , xn ) ∈ n : T (x1 , . . . , xn ) = t } : todas las
muestras que son transformadas (resumidas) por la estadı́stica T en el valor t.
Si T1 = h(T2 ), demuestre que T1 resume tanto o más que T2 .
Ejercicio 14
Si X ∼ LogN (0; σ 2 ).
a) Determine una estadı́stica suficiente para σ 2 . Use el Teorema de Factorización.
b) Obtenga, de ser posible, una función de la estadı́stica anterior que sea un estimador
consistente.
n
∂
P
c) Determine ∂α (E( Xj |T = 5), donde T es la estadı́stica hallada en a y X1 , . . . , Xn
j=1
es una muestra aleatoria de X.
Ejercicio 16
Si X ∼ G(2; β).
a) Determine una estadı́stica suficiente para β. Use el Teorema de Factorización.
3
Ejercicio 17
Si X ∼ W (α; 2).
Ejercicio 18
Si X ∼ W (2; β).
Ejercicio 19
n
P
Sean X ∼ b(1; p) y T = Xj , con X1 , . . . , Xn una muestra aleatoria de X.
j=1
a) Use la función generadora de momentos para demostrar que T ∼ b(n; p). Luego
determine f T (t), t = 0, 1, . . .
b) Determine f el modelo condicional de X1 , . . . , Xn dado T = t. Concluya,
X1 , . . . , Xn |T = t
a partir de este, que T es una estadı́stica suficiente. Proceda como en un ejemplo de
clase.
Ejercicio 20
n
P
Sean X ∼ g(p) y T = Xj , con X1 , . . . , Xn una muestra aleatoria de X.
j=1
a) Use la función generadora de momentos para demostrar que T ∼ P s(n; p). Luego
determine f T (t), t = 0, 1, . . .
b) Determine f el modelo condicional de X1 , . . . , Xn dado T = t. Concluya,
X1 , . . . , Xn |T = t
a partir de este, que T es una estadı́stica suficiente. Proceda como en un ejemplo de
clase.
4
Ejercicio 21
n
P
Sean X ∼ b(m; p), m es conocido, y T = Xj , con X1 , . . . , Xn una muestra aleatoria de
j=1
X.
a) Use la función generadora de momentos para demostrar que T ∼ b(mn; p). Luego
determine f T (t), t = 0, 1, . . .
Ejercicio 22
n
P
Sean X ∼ P s(r; p), r es conocido, y T = Xj , con X1 , . . . , Xn una muestra aleatoria de
j=1
X.
a) Use la función generadora de momentos para demostrar que T ∼ P s(rn; p). Luego
determine f T (t), t = 0, 1, . . .
Yj = α + βxj + j , con j = 1, . . . , n.
Como estimadores de los parámetros se proponen los siguientes:
n n
X X 1 xj − X̄
α̂ = aj Yj y β̂ = bj Yj , con aj = − bj X̄ y bj = P
n , j = 1, . . . , n.
n 2
j=1 j=1 (xi − X̄)
i=1
Como estimador de E(Yx ) = α + βx se propone a Ê(Yx ) = α̂ + β̂x.
5
n n n n n n
b2j , a2j y
P P P P P P
a) Determine bj , bj x j , aj , aj bj .
j=1 j=1 j=1 j=1 j=1 j=1
n
P
xj
j=1
h) Si lı́m n
= µX , demuestre que lı́m Ȳ = α + βµX , c.s.
n→∞ n→∞
Use la Ley Fuerte de los Grandes Números para variables que solamente son
independientes. Use la Ley Fuerte de los Grandes Números para variables que solamente
∞
1
P
son independientes. Vea el ejercicio 23. También recuerde que la serie p, np
, es
n=1
finita si, y sólo si, p > 1.
n n
x2j
P P
xj ∞
j=1 j=1
P x2n
i) Si lı́m n
= µX , lı́m n
= µX 2 y n2
es finita, demuestre que son
n→∞ n→∞ n=1
consistentes i1 ) β̂, i2 ) α̂, i3 ) Ê(Yx ).
n
P
x j Yj
j=1
n
− X̄ Ȳ
Observe que β̂ = n .
x2j
P
j=1
n
− X̄ 2
6
Distribución de ejercicios para presentar
Ocampo Corrales Carlos Iván 1
Matos Galarza Héctor 2
Huayta Durand Mónica 3
Cortés Tejada Fernando 4
Gavidia Puclla Daniel 21
Plasencia Lapa Yuri 6
Zevallos Ruiz José 7, 24a-b
Córdova Proleón Richard 8, 22
Salcedo Zuarez Omar 9, 24e
Mariscal Cueto Vı́ctor 10
Rivera Solis Ángel 11
Hernandez Bello Diana 12-13
Andrade Chávez Francisco 14
Caro Ferreyra Katia 15
Quintos Choy Manuel 16
Visa Flores Rafael 17
Guevara Alvarado Anilda 18
Moreano Moran Juan 19
Baldeon Molleda Dante 20