1

Septiembre 2010

EXAMEN DE ESTADSTICA EMPRESARIAL II
(Duracin 90 minutos)




1.- Propiedades de un buen estimador. Proponer un ejemplo de estimador que cumpla
cada una de ellas justificando la respuesta.




2.- Dada una poblacin con distribucin de probabilidad ( ) ; f x u , se extraen muestras
aleatorias simples de tamao n. Se proponen dos estimadores de , tales que:

( ) ( )
( ) ( )
* * 2
1 1
* * 2
2 2
2 3
1 4
E V
E V
u u u u
u u u u
= =
= + =


Se pide: Razonar cual de los dos estimadores es mejor en trminos de error medio de
estimacin.




3.- Se supone que el gasto telefnico mensual sigue una distribucin normal ( ) ; N m o
pero se desconoce el valor de ambos parmetros. Seleccionadas dos muestras aleatorias
simples se ha obtenido la siguiente informacin:


Muestra Tamao muestra Media muestral
Desviacin tpica
muestral
1 26 60 12
2 256 50 12


a) Obtener, en ambos casos, el intervalo de confianza del parmetro m, con un
nivel de confianza del 95%.
b) Si el problema se planteara originalmente como un contraste de hiptesis,
sabiendo que la poblacin es ( ) ;12 N m , contrastar la hiptesis nula ( ) 52 H m =
a partir de la 2 muestra con un nivel de significacin del 1%.





2

4.- Se han estratificado los 1000 elementos de una poblacin de acuerdo con la siguiente
informacin:


Estrato
ci
o
i
W
I 4 0,6
II 12 0,3
III 80 0,1

Se pide:

a) Establecer el tamao muestral que proporcionara un error mximo de 3, para un
nivel de confianza del 95%, en el caso de emplear una afijacin proporcional y
establecer los respectivos tamaos muestrales de los estratos.
Puede utilizarse la frmula:
2 2
1
2 2 2
1
H
i ci
H
i ci
K N W
n
K W NE
o
o
o
o
=
+

b) Indicar cual habra sido el tamao de la muestra si se hubiese empleado el
criterio de afijacin ptima. Establecer los tamaos muestrales de los estratos en
este caso y comparar con los resultados obtenidos en el punto anterior,
comentando las diferencias observadas.
Puede utilizarse la frmula:
2
1
2
2
2
1
1
H
i ci
H
i ci
W
n
E
W
K N
o
o
o
| |
|
\ .
=
+

3

Propiedades de un buen estimador. Proponer un ejemplo de estimador que cumpla cada
una de ellas justificando la respuesta.

CUNEF Septiembre de 2010

SOLUCION

Propiedades de un buen estimador

Las propiedades clsicas de los estimadores son:

- Consistencia:

Un estimador es consistente cuando:

0
n
P u u c

(
>


Esto supone que, al aumentar el tamao muestral, disminuye la probabilidad de
que se produzcan diferencias significativas (mayores que c ) entre el valor del
estimador y el verdadero valor del parmetro.
1



- Insesgo:

Un estimador es insesgado o centrado cuando:
( )

E u u =

- Eficiencia:

El estimador es eficiente si:
o Es insesgado
o Su varianza coincide con la cota de Cramer-Rao y, en consecuencia, es la
mnima posible.


- Suficiencia:

Un estadstico suficiente recoge toda la informacin que la muestra posee sobre
el parmetro desconocido. Para probar la suficiencia se utiliza el criterio de
factorizacin de Fisher-Neyman.







1
Aunque estas diferencias pueden presentarse por grande que sea n (se trata de una convergencia en
probabilidad)

4

Proponer un ejemplo de estimador que cumpla cada una de ellas justificando la
respuesta.


Consideramos una poblacin con distribucin de Poisson.


( )
( )
( )
2
; : 0,1, 2, 0
!
x
m E
P x e x
x
V

= =

= >

= =

Y utilizamos como estimador de el estadstico media muestral:
2



( )
( )
( )
( )
1
2

n
i
E E x m
x
x
n
V V x
n n

= = =

= =

= = =

Comprobemos que este estimador cumple todas las propiedades enunciadas:


CONSISTENCIA

El estimador es consistente ya que se cumple la condicin suficiente de consistencia:

( )
( )

lim lim
Consistente

lim lim 0
n n
n n
E
V
n

= =

`
| |
= =
|
\ . )




INSESGO

Es evidente que el estimador es insesgado ya que:

( )
( )

E E x m = = =

que es precisamente el parmetro que pretendemos estimar.




2
Que, por cierto, es el estimador de mxima verosimilitud.

5

EFICIENCIA

La acotacin de Cramer - Rao, para estimadores insesgados de afirma que:


( )
( )
2
1

ln ;

V
P x
n E

>
c (

(
c


En este caso:

( ) ( ) ; ln ; ln ln !
!
x
P x P x x x
e
x

= = +
( ) ln ;
1
1
P x
x
x

c

= + =
c

( ) ( )
2 2
2
2 2
ln ; -
- 1


P x E x
x
E E




c (
(
= = = =
(
(
c




ya que ( )
2
E x es la varianza poblacional que ya habamos visto que vale

Definitivamente:
( )
( )
2
1 1

C.C.R.
1
ln ;

V
n
P x
n
n E

> = =
c (

(
c




Como vemos la varianza de nuestro estimador coincide con la cota de Cramer-Rao por lo
que podemos asegurar que tiene la mnima varianza posible y como adems era insesgado
el estimador es eficiente.


SUFICIENCIA

Vamos a probar la suficiencia utilizando el criterio de factorizacin de Fisher Neyman:


( ) ( ) ( )
1 1
1
1
1 2 1
1
1

1 1
, , , ; ; ......... ; .......
! !
!
1 1
! !
n
i
n
n
n
i
i
i
x
x x
n
n n n
n
i
x
x
n
n n
n
n n
x
i i
n
L x x x P x P x
e e e
x x
x

e e
x x

= = = =
(
(

(
(
(
(
( = =
(
(
(
(

(
(


[
[ [
( )
( )

1
1

;
!
n n
i n
i
g h x
e
x



( (
( (
(
( ( = =

( (
( (

[

Se cumple el criterio de factorizacin y el estimador es suficiente.


6


7

Dada una poblacin con distribucin de probabilidad ( ) ; f x u , se extraen muestras
aleatorias simples de tamao n. Se proponen dos estimadores de , tales que:

( ) ( )
( ) ( )
* * 2
1 1
* * 2
2 2
2 3
1 4
E V
E V
u u u u
u u u u
= =
= + =


Se pide: Razonar cual de los dos estimadores es mejor en trminos de error medio de
estimacin.


CUNEF Septiembre de 2010

SOLUCION

( ) ( ) ( )
( )
* * *
1 1 1
*
1
* 2
1
2 El estimador es sesgado sesgo 2
3
E E
V
u u u u u u u u
u
u u

= = = =

El error cuadrtico medio del primer estimador vale:

( ) ( ) ( ) ( )
2 2
* * * * 2 2 2
1 1 1 1
sesgo 3 4 ECM E V u u u u u u u u
(
= = + = + =




( ) ( ) ( ) ( )
( )
* * *
2 2 2
*
2
* 2
2
1 El estimador es sesgado sesgo 1 1
4
E E
V
u u u u u u u
u
u u

= + = = + =

El error cuadrtico medio del segundo estimador vale:

( ) ( ) ( ) ( )
2 2
* * * * 2 2 2
2 2 2 2
sesgo 4 1 4 1 ECM E V u u u u u u u
(
= = + = + = +




En consecuencia:
( ) ( )
* *
1 2
ECM ECM u u < y
*
1
u es preferible a
*
2
u por presentar menos
dispersin en torno al verdadero valor del parmetro.


8


9

Se supone que el gasto telefnico mensual sigue una distribucin normal ( ) ; N m o
pero se desconoce el valor de ambos parmetros. Seleccionadas dos muestras aleatorias
simples se ha obtenido la siguiente informacin:


Muestra Tamao muestra Media muestral
Desviacin tpica
muestral
1 26 60 12
2 256 50 12


c) Obtener, en ambos casos, el intervalo de confianza del parmetro m, con un
nivel de confianza del 95%.
d) Si el problema se planteara originalmente como un contraste de hiptesis,
sabiendo que la poblacin es ( ) ;12 N m , contrastar la hiptesis nula ( ) 52 H m =
a partir de la 2 muestra con un nivel de significacin del 1%.



CUNEF Septiembre de 2010

SOLUCION

Obtener, en ambos casos, el intervalo de confianza del parmetro m, con un nivel
de confianza del 95%.

El intervalo de confianza para la media de una poblacin Normal, con desconocida es
de la forma:

1
x
s
I x t
n
c
(
=
(

Concretemos el intervalo para cada una de las muestras dadas:


Muestra 1:

26 60 12
x
n x s = = =



En la tabla de la t de Student con 1 25 n = grados de libertad encontramos: 2, 060 t
c
=
y el intervalo queda:

| |
12
60 2, 06 55, 056; 64, 944
26 1
I
(
= =
(

10


Muestra 2:

256 50 12
x
n x s = = =

Una t de Student con 1 255 n = grados de libertad es, prcticamente una ( ) 0;1 N y, en
consecuencia 1, 96 t
c
y el intervalo queda:

| |
12
50 1, 96 48, 527;51, 473
256 1
I
(
= =
(

Cabe observar como, en este segundo caso, el intervalo es mucho mas preciso que en el
caso anterior debido a que ha aumentado el tamao muestral.


Si el problema se planteara originalmente como un contraste de hiptesis, sabiendo
que la poblacin es ( ) ;12 N m , contrastar la hiptesis nula ( ) 52 H m = a partir de la
2 muestra con un nivel de significacin del 1%.

Vamos a contrastar la hiptesis basndonos en la relacin entre los contrastes bilaterales
y los intervalos de confianza:

El intervalo de confianza para la media de una poblacin Normal, con conocida es de
la forma:

I x k
n
c
o (
=
(



Para el 1% de significacin, (99% de confianza) en la tabla de la ( ) 0;1 N encontramos
que 2, 576 k
c
= y el intervalo es:

| |
12
50 2, 576 48, 068;51, 932
256
I
(
= =
(



El valor propuesto por la hiptesis nula ( ) 52 H m = no pertenece al intervalo de
confianza por lo que debemos rechazar la hiptesis al nivel de significacin del 1%.

11

Se han estratificado los 1000 elementos de una poblacin de acuerdo con la siguiente
informacin:


Estrato
ci
o
i
W
I 4 0,6
II 12 0,3
III 80 0,1

Se pide:

c) Establecer el tamao muestral que proporcionara un error mximo de 3, para un
nivel de confianza del 95%, en el caso de emplear una afijacin proporcional y
establecer los respectivos tamaos muestrales de los estratos.
Puede utilizarse la frmula:
2 2
1
2 2 2
1
H
i ci
H
i ci
K N W
n
K W NE
o
o
o
o
=
+

d) Indicar cual habra sido el tamao de la muestra si se hubiese empleado el
criterio de afijacin ptima. Establecer los tamaos muestrales de los estratos en
este caso y comparar con los resultados obtenidos en el punto anterior,
comentando las diferencias observadas.
Puede utilizarse la frmula:
2
1
2
2
2
1
1
H
i ci
H
i ci
W
n
E
W
K N
o
o
o
| |
|
\ .
=
+

CUNEF Septiembre de 2010

SOLUCION



Establecer el tamao muestral que proporcionara un error mximo de 3, para un
nivel de confianza del 95%, en el caso de emplear una afijacin proporcional y
establecer los respectivos tamaos muestrales de los estratos.


Tamao de la poblacin 1.000
Error mximo 3
N
E
=
=


Y para un nivel de confianza del 95%, asumiendo normalidad, 1, 96 k
o
=




12

En la tabla hemos realizado los clculos necesarios:

Estrato
ci
o
i
W
2
i ci
W o
I 4 0,6 9,6
II 12 0,3 43,2
III 80 0,1 640,0
1
2
1
H
i ci
w o =

692,8


En el supuesto de afijacin proporcional el tamao de muestra viene dado por la
frmula:
3

2 2
1
2 2 2
1
H
i ci
H
i ci
K N W
n
K W NE
o
o
o
o
=
+

Sustituyendo nuestros datos:

2 2
2
1
2 2
2 2 2
1
1, 96 1000 692,8
228, 2 229
1, 96 692,8 1000 3
H
i ci
H
i ci
K N W
n
K W NE
o
o
o
o

= = =
+
+

Veamos ahora como debemos repartir esta muestra entre los estratos segn el criterio de
afijacin proporcional. En este criterio la fraccin de muestreo se mantiene constante en
todos los estratos, es decir:

1 2
1 2
H
H
n n n n
N N N N
= = = =

Esto implica que:
1 1
2 2
3 3
0, 6 229 137, 4 137
0, 3 229 68, 7 69
0,1 229 22, 9 23
i
i i
n W n
N
n n W n n W n
N
n W n

= = = =

= = = = = = =

= = = =

3
Frmula que, para el alumno interesado, deducimos en el apndice (al final del ejercicio)

13

Indicar cul habra sido el tamao de la muestra si se hubiese empleado el criterio
de afijacin ptima. Establecer los tamaos muestrales de los estratos en este caso
y comparar con los resultados obtenidos en el punto anterior, comentando las
diferencias observadas.

Los datos iniciales son los mismos:

Tamao de la poblacin 1.000
Error mximo 3
N
E
=
=


Y para un nivel de confianza del 95%, asumiendo normalidad, 1, 96 k
o
=

Pero al utilizar afijacin ptima el tamao de muestra necesario viene dado por la
frmula:
4


2
1
2
2
2
1
1
H
i ci
H
i ci
W
n
E
W
K N
o
o
o
| |
|
\ .
=
+

Los clculos necesarios estn recogidos en la tabla:

Estrato
ci
o
i
W
i ci
W o
2
i ci
W o
I 4 0,6 2,4 9,6
II 12 0,3 3,6 43,2
III 80 0,1 8,0 640,0
1
1
H
i ci
W o =

14
2
1
H
i ci
W o =

692,8


Con lo que:

( )
2
2
1
2 2
2
2 2
1
14
64, 57 65
1 3 1
692,8
1, 96 1000
H
i ci
H
i ci
W
n
E
W
K N
o
o
o
| |
|
\ .
= = =
+ +

Cabe destacar que con este criterio de afijacin necesitamos mucha menos muestra para
conseguir el mismo error con la misma confianza. Si las dispersiones en los estratos
fuesen iguales este criterio coincidira con el proporcional.



4
Frmula que tambin hemos deducido en el apndice.

14

Veamos ahora como debemos repartir esta muestra entre los estratos segn el criterio de
afijacin ptimo. En este criterio no solo tenemos en cuenta los tamaos de los estratos
sino tambin la dispersin en cada estrato. La cadena de igualdades que corresponde a
este criterio es:

1 2
1 1 2 2
1
H
H
c c H cH
i ci
n n n n
N N N
N
o o o
o
= = = =

Despejando:
1 1 1
i
ci
i ci i ci
i H H H
i
i ci ci i ci
N
N W
N
n n n n
N
N W
N
o
o o
o o o
= = =



Como:

Estrato
ci
o
i
W
i ci
W o
I 4 0,6 2,4

II 12 0,3 3,6

III 80 0,1 8,0

1
1
14
H
i ci
W o =

Los tamaos muestrales en cada estrato, segn este criterio, deben ser:


1
2
1 1
3
2, 4
65 11,14 11
14
3, 6
65 16, 71 17
14
8, 0
65 37,14 37
14
i ci i ci
i H H
i ci i ci
n
N W
n n n n
N W
n
o o
o o

= =

= = = = =

= =

15

APENDICE

Determinacin del tamao de la muestra para la estimacin de la media
poblacional para una confianza y un error mximo prefijados


El estimador de la media poblacional en el muestreo estratificado es:

( )
1
H
i i
x e W x =
siendo
i
i
N
W
N
= la ponderacin de cada estrato.


Su esperanza matemtica vale:

( ) ( )
1 1 1
H H H
i i i i i i
E x e E W x W E x W X X
| |
= = = = (
|
\ .

lo que nos demuestra que el
estimador es insesgado.



Su varianza, en el supuesto de afijacin proporcional, es:

( ) ( ) ( )
2
2 2 2 2 2 2
1 1 1 1
2 2 2 2 2 2 2 2 2 2
2
1 1 1 1 1 1
2
En la afijacin proporcional:
1
i
i i i
i i
H H H H
i i ci
i i i i i i i
i i
H H H H H H
i ci i ci i ci i ci i ci
i ci
i i i i i
N
W N W N
N
i
n W n
N n
x e W x W x W x W
N n
W W W W W
W
n N n WN n N
W
o
o o o o
o o o o o
o
o
|
= =
|
=
| |
= = = = = (
|
\ .
= = = =
=


2
2 2 2 2
1 1 1 1 1
2
1
1 1 1 1 1
H H H H H
ci
i ci i ci i ci i ci
i
H
i ci
W W W W
W n N n N n N
N n
W
N n
o o o o
o
| |
= = =
|
\ .

Y el error de muestreo vale:

( )
2
1
H
i ci
N n
x e W
N n
o o

= (



para una confianza y un error dado tendramos que:

( )
2
1
H
i ci
N n
E K x e K W
N n
o o
o o

= = (





16

es decir:

2 2 2 2 2 2 2 2
1 1 1
2 2 2 2 2 2 2 2 2 2
1 1 1 1
H H H
i ci i ci i ci
H H H H
i ci i ci i ci i ci
N n
E K W NnE K N W K n W
N n
NnE K n W K N W n NE K W K N W
o o o
o o o o
o o o
o o o o

= =

| |
+ = + =
|
\ .





y, por tanto:
2 2
1
2 2 2
1
H
i ci
H
i ci
K N W
n
NE K W
o
o
o
o
=
+

Su varianza, en el supuesto de afijacin ptima, es:


( ) ( ) ( )
1
2
2 2 2 2 2 2
1 1 1 1
2 2 2 2 2 2 2 2 2 2
2
1 1 1 1 1 1
En la afijacin ptima:
1
i
i i i
i ci
i
H
i ci
H H H H
i i ci
i i i i i i i
i i
H H H H H H
i ci i ci i ci i ci i ci
i ci
i i i i i
N
W N W N
N
N
n
N
N n
x e W x W x W x W
N n
W W W W W
W
n N n WN n N
o
o
o
o o o o
o o o o o
o
|
= =
|
=
| |
= = = = = (
|
\ .
= = = =
=

1
2
2 2
2 2
1 1 1 1
1
1 1 1
i ci
H
i ci
H H H H
i ci
i ci i ci i ci
i ci
H
W
n n i ci
W
W
W W W
W
N n N
n
W
o
o
o
o o o
o
o
=
| |
=
|
\ .

Es decir, el error de muestreo del estimador vale:

( )
2
2
1 1
1 1
H H
i ci i ci
x e W W
n N
o o o
| |
= (
|
\ .



para una confianza y un error dado tendramos que:

( )
2
2
1 1
1 1
H H
i ci i ci
E k x e k W W
n N
o o
o o o
| |
= = (
|
\ .



17


es decir:

2 2
2
2 2 2 2
2
1 1 1 1
2
2
2
2
1 1
1 1 1 1
1 1
H H H H
i ci i ci i ci i ci
H H
i ci i ci
E
E K W W W W
n N K n N
E
W W
K N n
o
o
o
o o o o
o o
(
| | | |
= = (
| |
\ . \ . (

| |
+ =
|
\ .






y, por tanto:
2
1
2
2
2
1
1
H
i ci
H
i ci
W
n
E
W
K N
o
o
o
| |
|
\ .
=
+

18