Documente Academic
Documente Profesional
Documente Cultură
1.1) Del libro de Casella ejercicios: 8.1, 8.2, 8.5, 8.6, 8.7, 8.8, 8.12.
1.2) Considere una muestra aleatoria X1 , . . . , Xn proveniente de una distribución de probabilidad continua
uniforme sobre el intervalo abierto ]0, θ[ donde θ > 0 es una parámetro desconocido. Dados los
valores θ0 > 0, α, β ∈ ]0, 1[ y la hipótesis estadı́stica H0 : θ = θ0 demuestre que, aplicando el método
de cociente de verosimilitudes, la región de rechazo con P(Error Tipo I) ≤ α está dada por
y que la región de aceptación con P(Error Tipo II) ≤ β está dada por
1.3) Considere una muestra aleatoria X1 , . . . , Xn proveniente de una distribución de probabilidad continua
uniforme sobre el intervalo abierto ]0, θ[ donde θ > 0 es una parámetro desconocido. Para la
hipótesis estadı́stica H0 : θ > 1 compare la prueba de hipótesis Υ1 de tamaño 0 < α < 1 que se
obtiene por cociente de verosimilitudes, esto es con región de rechazo
versus una prueba de hipótesis Υ2 de nivel 0 < α < 1 basada en una región de rechazo de la forma
para un valor kα tal que la P(Error Tipo I) ≤ α y concluya si es posible o no decir que una de las
pruebas es uniformemente más potente que la otra.
1.5) Del libro de Casella ejercicios: 8.13, 8.17, 8.18, 8.23, 8.28, 8.29, 8.32, 8.33.
2.1) Terminar de verificar el desarrollo de las fórmulas del Ejemplo 1 de mis notas en PDF.
2.2) Estudiar a detalle secciones 3.1 y 3.2 de la monografı́a de Estadı́stica Bayesiana (descargable de mi
página de Google Sites).
2.3) De la Monografı́a de Estadı́stica Bayesiana (descargable de mi página de Google Sites) los seis
ejercicios de las páginas 26 a 28 (capı́tulo 2).
2.7) Utilizando como distribución a priori una familia conjugada, obtenga estimaciones a posteriori pun-
tuales y por intervalo de longitud mı́nima para el parámetro desconocido θ de las siguientes distribu-
ciones de probabilidad:
2.6) Estimaciones predictivas a posteriori puntuales y por intervalo de longitud mı́nima para los incisos
c) y d) del ejercicio 2.5 anterior.
2.7) Mediante una función de utilidad trivial u(ai , Hj ) = 1{i = j} realice el siguiente contraste de hipótesis
a posteriori para una muestra aleatoria observada x = (0, 0, 0) proveniente de una distribución de
probabilidad Bernoulli con parámetro desconocido 0 < θ < 1 y distribución a priori uniforme sobre
el intervalo ]0, 1[:
1 1 2 2
H1 : θ < H2 : ≤ θ ≤ H3 : θ >
3 3 3 3
2.8) Considere una distribución de probabilidad continua uniforme sobre un intervalo abierto ]a, b[ donde
a < b son ambos parámetros desconocidos.
3.2) Obtenga las estimaciones de máxima verosimilitud para el modelo clásico (bajo normalidad) de
regresión lineal simple.
3.3) Sean A y B los estimadores de máxima verosimilitud de los parámetros α y β para el modelo clásico
(bajo normalidad) de regresión lineal simple. Aplicando la definición 4.5.10 y el ejercicio 4.22, ambos
del libro de Casella y Berger (2002), demuestre que:
a) El vector aleatorio(A,
B) tiene distribución de probabilidad conjunta Normal
bivariada con
α d3 −d2
vector de medias y matriz de varianza-covarianza σ 2 y de donde A se
β −d 2 d1
distribuye Normal(α, σ 2 d3 ) y B se distribuye Normal(β, σ 2 d1 ), resultando A y B estimadores
insesgados.
b) limn→∞ V(A) = 0 = limn→∞ V(B).
3.4) Para un 0 < γ < 1 obtenga intervalos de confianza 100γ% para los parámetros α y β del modelo
clásico (bajo normalidad) de regresión lineal simple, ası́ como para una observación futura del mismo
(predicción).
4.1.12) Descargar, analizar y ejecutar en R el script sobre Estadı́stica descriptiva lo correspondiente a los
subtemas 4.1.1 y 4.1.2:
https://sites.google.com/site/arturoerdely/statistics2/statistical-computing
4.1.34) Descargar, analizar y ejecutar en R el script sobre Estadı́stica descriptiva lo correspondiente a los
subtemas 4.1.3 y 4.1.4:
https://sites.google.com/site/arturoerdely/statistics2/statistical-computing
4.2) Descargar, analizar y ejecutar en R el script sobre Inferencia estadı́stica paramétrica lo corre-
spondiente al tema 4.2:
https://sites.google.com/site/arturoerdely/statistics2/statistical-computing
4.3) Descargar, analizar y ejecutar en R el script sobre Modelos de regresión simple lo correspondiente
al tema 4.3:
https://sites.google.com/site/arturoerdely/statistics2/statistical-computing
4.4) Descargar, analizar y ejecutar en R el script sobre Métodos Monte Carlo para inferencia es-
tadı́stica lo correspondiente al tema 4.4, solo lo concerniente al método ABC:
https://sites.google.com/site/arturoerdely/statistics2/statistical-computing