Prueba de evaluacion continua

UNED. I. Informatica/I. en Tecnologas de la

Informacion. Curso 2015-2016

Dr. Vctor Hernandez

Dr. Jorge Martn
Dr. Jose Antonio Carrillo

14 de abril de 2016
Estadstica (I. Inform
atica/I. en Tecnologas de la Informacion)

1.1. Descripci
on general de la prueba
La prueba de evauaci on continua (PEC) consiste en la resolucion de uno de
los dos ejercicios propuestos. Ambos ejercicios tienen como objetivo revisar de
una manera practica algunos de los contenidos que se estudian en las unida-
des didacticas 3 y 4 del programa de la asignatura empleando procedimientos
sencillos de simulacion estoc
astica.
Los ejercicios no requieren del uso de funciones complejas para la simulaci
on,
con lo cual se pueden resolver utilizando las funciones estadsticas elementales
de una hoja de c alculo como Excel. Aunque este equipo docente no impone la
herramienta a utilizar, s recomienda usar el entorno R de programacion; este
entorno de programacion se est a imponiendo como herramienta de analisis de
datos en instituciones academicas y en empresas privadas.
R es un software de distribuci on libre que se puede descargar de la pagina
web del R project.

https://www.r-project.org/

Quienes no opten por R podran emplear cualquier otro lenguaje o herra-

mienta; en la resolucion de la PEC debe constar la herramienta que el alumno
ha utilizado.

1.2. Ejercicios propuestos

El alumno debe elegir uno de los dos siguientes ejercicios.

1.2.1. Ejercicio 1
En este ejercicio se propone simular B = 50000 valores de las distribuciones
de los estimadores cuasivarianza muestral y varianza muestral:

1 X 1X
n n
S2 = 2
(Xi X) y s2 = 2
(Xi X)
n 1 i=1 n i=1

a partir de muestras de tama no n tomadas de una poblacion N (0, ).

El objetivo del ejercicio es mostrar la manera en que las simulaciones ilus-
tran los resultados teoricos conocidos relativos al sesgo de ambos estimadores
(captulo 4 del texto base). Para ello el alumno debera obtener y analizar la
siguiente informacion a partir de las simulaciones.

1. Calcular, a partir de las simulaciones, los valores aproximados de E{S 2 }

y E{s2 } para los tama nos muestrales n = 25, n = 50 y n = 100; tomese
= 1. Comente los resultados obtenidos (m aximo 1 pagina).
2. Utilizar los valores anteriores para aproximar el sesgo de ambos estima-
dores. En que manera est an reflejando los resultados de las simulaciones
los que proporciona la teora? (maximo 1 p agina).

Recomendaci on. Si desea resolver este ejercicio utilizando programacion con

c
odigo R es aconsejable leer alg
un manual introductorio de R antes de comenzar
a programar. Las siguientes funciones le seran de utilidad.

2
1.2. EJERCICIOS PROPUESTOS

numeric para crear un vector donde guardar los valores de S 2 y s2 .

for para programar el bucle con las simulaciones.
rnorm para generar muestras de la distribuci
on normal.
Para cada muestra, la funci on var, con argumento un vector numerico,
permite hallar la cuasivarianza muestral.
mean para calcular la media de un vector numerico.

La ayuda sobre la sintaxis de cualquiera de las anteriores funciones se obtiene

tecleando ?nombre de funci on en la ventana de comandos.

1.2.2. Ejercicio 2
En este ejercicio se propone simular 50000 observaciones de una variable
aleatoria Z con distribucion N (0, 1), a partir de los valores simulados de una
variable uniforme en (0, 1), utilizando el metodo de BOX-MULLER (captulo
3 del texto base).

1. Describir los pasos del procedimiento que le permitira obtener los valores
simulados de la N (0, 1) e implementar el procedimiento en un algoritmo
para la simulaci
on.
2. Explicar la manera en que un histograma de frecuencias nos ayuda a re-
presentar la funci
on de densidad de una variable continua; para ello puede
consultar cualquier manual introductorio de Estadstica. Representar el
histograma de los valores simulados. Que se puede decir de la forma del
histograma obtenido? (m aximo 1 p
agina).
3. Utilizar los resultados de la simulaci
on para aproximar la probabilidad
P (Z > 1.645).

Recomendaci on. Si desea resolver este ejercicio utilizando programacion con

c
odigo R es aconsejable leer alg
un manual introductorio de R antes de comenzar
a programar. Las siguientes funciones le seran de utilidad.

runif para generar valores de una variable uniforme en (0, 1).

hist para representar los valores simulados de la N (0, 1) mediante un
histograma de frecuencias.

La ayuda sobre la sintaxis de cualquiera de las anteriores funciones se obtiene

tecleando ?nombre de funci on en la ventana de comandos.